Progressive image transmission using fractal and wavelet techniques with image complexity measures
Notice bibliographique
Résumé
This thesis presents the theoretical and experimental development of progressive image transmission techniques involving fractals and wavelets, with emphasis on progressive image complexity measures to evaluate and guide the image decomposition. A new and novel progressive image transmission technique is presented where textures are synthesized to recreate an image. The textures are synthesized by generating fractal surfaces such that they interpolate control points, resulting in a higher level representation of an image. From this work, it was conjectured that fractal and multifractal complexity measures can serve as quantitative quality measures, since these dimensions characterize object complexity. The framework and experimentation for a complexity measure is developed based on the Renyi generalized entropy, the Renyi dimension spectrum, and the Mandelbrot spectrum. This framework is extended to the newly introduced relative Renyi dimension spectrum, which forms a new class of measures referred to as relative multifractal dimensions. Experimental results show that these multifractal dimensions, and in particular the relative Renyi dimension spectrum, has properties consistent with an image quality measure and correlate well with psychovisual characteristics. It is shown that the relative Renyi dimension spectrum is more resilient to calculation errors as compared to the other image quality measures. These image complexity measures are used to analyze and identify of regions of complexity disparity in an image for wavelet based progressive image transmission. Finally, the theoretical framework is developed to extend the idea of additive information cost functions in wavelet packet best basis searches such that the Renyi generalized entropy can serve as an entropy based information cost function.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».