Context-Based, Adaptive, Lossless Image Coding (CALIC)

第1章 概览 1.1 文档数据库（document databases） 1.2 压缩（compression） 1.3 索引（indexes） 1.4 文档索引 1.5 MG海量文档管理系统 第2章 文本压缩 2.1 模型 2.2 自适应模型 2.3 哈夫曼编码 范式哈夫曼编码 计算哈夫曼编码长度 总结 2.4 算术编码 算术编码是如何工作的 实现算术编码 保存累积计数 2.5 符号模型 部分匹配预测 块排序压缩 动态马尔科夫压缩 基于单字的压缩 2.6 字典模型 自适应字典编码器的LZ77

为应对自然图像纹理属性的多方向性要求,提出一种基于块的梯度预测模式。对不同的块采用水平、垂直、左斜以及右斜4种扫描方式,并根据图像纹理属性自适应选择扫描方式。块中每个像素则通过加权不同扫描方式下的相邻像素预测得到。实验结果表明,与CALIC单一水平扫描方式的梯度预测方法相比,该方法能有效提高预测精度,且预测残差的零阶熵可降低3%~12%。