Andere Kunden interessierten sich auch für
![Algoritmo SPIHT mejorado con DWT para la compresión de imágenes]( "Algoritmo SPIHT mejorado con DWT para la compresión de imágenes")
Algoritmo SPIHT mejorado con DWT para la compresión de imágenes36,99 €![Un nuevo enfoque de aprendizaje profundo para detectar enfermedades cardiovasculares]( "Un nuevo enfoque de aprendizaje profundo para detectar enfermedades cardiovasculares")
Un nuevo enfoque de aprendizaje profundo para detectar enfermedades cardiovasculares29,99 €![Compresión de imágenes sin pérdidas mediante la transformada discreta del coseno DCT]( "Compresión de imágenes sin pérdidas mediante la transformada discreta del coseno DCT")
Compresión de imágenes sin pérdidas mediante la transformada discreta del coseno DCT26,99 €![Un nuevo enfoque para agrupar actividades en hogares inteligentes con sensores]( "Un nuevo enfoque para agrupar actividades en hogares inteligentes con sensores")
Un nuevo enfoque para agrupar actividades en hogares inteligentes con sensores24,99 €![PageRank: Un nuevo enfoque]( "PageRank: Un nuevo enfoque")
PageRank: Un nuevo enfoque26,99 €![FLAMED: un enfoque de aprendizaje profundo para la detección de incendios y humo en tiempo real]( "FLAMED: un enfoque de aprendizaje profundo para la detección de incendios y humo en tiempo real")
FLAMED: un enfoque de aprendizaje profundo para la detección de incendios y humo en tiempo real40,99 €![Un enfoque de computación cognitiva para describir la respuesta del sistema inmunitario]( "Un enfoque de computación cognitiva para describir la respuesta del sistema inmunitario")
Un enfoque de computación cognitiva para describir la respuesta del sistema inmunitario41,99 €
Recientemente, la compresión de imágenes es una de las principales preocupaciones en el campo del procesamiento de imágenes. La compresión de imágenes con pérdidas es necesaria para reducir los requisitos de almacenamiento y mejorar la velocidad de transferencia de datos. Una de las mejores técnicas de compresión de imágenes es la transformada Wavelet. La Transformada Wavelet utiliza una gran variedad de wavelets para descomponer las imágenes. Las técnicas de codificación más avanzadas, como EZW (Embedded Zero tree Wavelet), SPIHT (Set Partitioning In Hierarchical Trees) y WDR (Wavelet Difference Reduction), utilizan la transformada wavelet como base. En mi tesis he utilizado la transformada wavelet discreta para mejorar la calidad de la imagen con un alto valor PSNR (Peak Signal to Noise Ratio) y la mejor relación de compresión en la variedad de imágenes con los diferentes tamaños. El análisis se ha llevado a cabo en términos de PSNR, CR (Compression Ratio) obtenido y el tiempo necesario para la descomposición y reconstrucción. Los resultados han demostrado que no sólo el valor de PSNR y CR alcanzado a un ritmo muy alto, sino también el tiempo de ejecución tomado por MSPIHT (Modified Set Partitioning In Hierarchical Trees) es muy inferior en comparación con otras técnicas.