Temat Zespół
1.

Kodowanie Huffmana + modelowanie źródła informacji

prowadzący: dr inż. Grzegorz Galiński
  • Opracować koder i dekoder Huffmana (pozycje [1], [2], [13] literatury uzupełniającej do wykładu) wykorzystując:
    • model źródła informacji bez pamięci - kolejne symbole kodowane niezależnie od siebie,
    • model blokowy rzędu 2 - kodowane pary symboli,
    • model Markowa rzędu 1 - kodowanie kontekstowe.
  • Przetestować algorytm na sztucznie wygenerowanych ciągach danych o rozkładzie równomiernym, normalnym, Laplace'a oraz obrazach testowych.
  • Wyznaczyć histogram i entropię danych wejściowych (dla każdego modelu).
  • Porównać entropię ze średnią długością bitową kodu wyjściowego.
  • Ocenić efektywność algorytmu do kodowania obrazów naturalnych.
  1. Jarzębski Marcin
  2. Kierejsza Jakub
  3. Musialik Daniel
2.

Kodowanie różnicowe + kodowanie Huffmana

prowadzący: dr inż. Grzegorz Galiński
  • Opracować algorytm kodowania predykcyjnego (pozycje [1], [2] literatury uzupełniającej do wykładu) danych dwuwymiarowych wykorzystując do predykcji:
    • lewego sąsiada,
    • górnego sąsiada,
    • medianę lewego, lewego-górnego, górnego sąsiada.
  • Wyznaczyć histogramy i entropie danych wejściowych i różnicowych dla sztucznie wygenerowanych ciągów danych wejściowych o rozkładzie równomiernym, normalnym, Laplace'a oraz obrazów testowych.
  • Zakodować dane różnicowe przy użyciu klasycznego algorytmu Huffmana.
  • Porównać entropię ze średnią długością bitową kodu wyjściowego.
  • Ocenić efektywność algorytmu do kodowania obrazów naturalnych.
  1. Bajer Maciej
  2. Górska Anna
  3. Kukareka Daria
  4. Swidziński Adam
3.

Wykładnicze kodowanie Golomba

prowadzący: dr inż. Andrzej Buchowicz
  • Opracować koder i dekoder wykładniczego kodu Golomba (Exp-Golomb) (pozycje [7], [11], [13] literatury uzupełniającej do wykładu).
  • Przetestować algorytm na sztucznie wygenerowanych ciągach danych o rozkładzie równomiernym, normalnym, Laplace'a oraz obrazach testowych kodowanych różnicowo.
  • Wyznaczyć histogram i entropię danych wejściowych.
  • Porównać entropię ze średnią długością bitową kodu wyjściowego.
  • Ocenić efektywność algorytmu do kodowania obrazów naturalnych.
  1.  
  2.  
  3.  
  4.  
4.

Wielosymbolowe kodowanie arytmetyczne (implementacja całkowitoliczbowa)

prowadzący: dr inż. Andrzej Buchowicz
  1. Chabera Mariusz
  2. Druszcz Bartłomiej
  3. Wiktorowicz Marcin
5.

Binarne kodowanie arytmetyczne (implementacja całkowitoliczbowa)

prowadzący: dr inż. Andrzej Buchowicz
  1. Ćwiklińska Zuzanna
  2. Grzesiak Magdalena
  3. Kaczan Krzysztof
  4. Wasak Dominika
6.

Dynamiczne kodowanie słownikowe LZW

prowadzący: dr inż. Grzegorz Galiński
  • Opracować koder i dekoder słownikowy LZW (pozycje [1], [2] literatury uzupełniającej do wykładu).
  • Przetestować algorytm na sztucznie wygenerowanych ciągach danych o rozkładzie równomiernym, normalnym, Laplace'a oraz obrazach testowych.
  • Wyznaczyć histogram i entropię danych wejściowych.
  • Wyznaczyć entropię dla źródła blokowego rzędu 2 i 3.
  • Porównać średnią długość bitową kodu wyjściowego z wyliczonymi entropiami; wyjaśnić dlaczego średnia długość bitowa może być mniejsza od wyliczonej entropii.
  • Ocenić efektywność algorytmu do kodowania obrazów naturalnych.
  1. Baran Marcin
  2. Buczyński Hubert
  3. Polaczek Jakub
  4. Ruksha Ihnat
7.

Dynamiczne kodowanie słownikowe LZSS

prowadzący: dr inż. Grzegorz Galiński
  • Opracować koder i dekoder słownikowy LZSS (pozycje [1], [2] literatury uzupełniającej do wykładu).
  • Przetestować algorytm na sztucznie wygenerowanych ciągach danych o rozkładzie równomiernym, normalnym, Laplace'a oraz obrazach testowych.
  • Wyznaczyć histogram i entropię danych wejściowych.
  • Wyznaczyć entropię dla źródła blokowego rzędu 2 i 3.
  • Porównać średnią długość bitową kodu wyjściowego z wyliczonymi entropiami; wyjaśnić dlaczego średnia długość bitowa może być mniejsza od wyliczonej entropii.
  • Ocenić efektywność algorytmu do kodowania obrazów naturalnych.
  1. Buchholz Tomasz
  2. Gapsa Mikołaj
  3. Rogowski Damian
  4. Wachowicz Mariusz
8.

Optymalna kwantyzacja skalarna - algorytm Lloyda-Maxa

prowadzący: dr inż. Andrzej Buchowicz
  • Zaimplementować algorytm Lloyda-Maxa (pozycja [2] literatury uzupełniającej do wykładu).
  • Wyznaczyć optymalne granice przedziałów kwantyzacji i poziomów rekonstrukcji dla źródeł danych o rozkładzie równomiernym, normalnym, Laplace'a oraz obrazów testowych.
  • Zastosować opracowany algorytm do rekwantyzacji (np. z oryginalnej reprezentacji 8-bitowej na reprezentację 6-bitową) zbioru sztucznie wygenerowanych ciągów danych o rozkładzie równomiernym, normalnym oraz Laplace'a, wykorzystując wyznaczone kwantyzatory.
  • Zastosować opracowany algorytm do rekwantyzacji (np. z oryginalnej reprezentacji 8-bitowej na reprezentację 6-bitową) zbioru obrazów naturalnych; funkcję rozkładu gęstości prawdopodobieństwa estymować histogramami rozkładu wartości pikseli.
  • Porównać błąd średniokwadratowy wnoszony przez rekwantyzator z granicami przedziałów wyznaczonymi algorytmem Lloyda-Maxa z błędem wnoszonym przez rekwantyzację polegającą na usunięciu odpowiedniej liczby mniej znaczących bitów (dwóch najmniej znaczących w podanym przykładzie).
  1.  
  2.  
  3.  
  4.