ПРОГНОЗИРОВАНИЕ ПАРАМЕТРОВ ВНОСИМЫХ ИСКАЖЕНИЙ ПРИ СЖАТИИ ИЗОБРАЖЕНИЙ С ПОТЕРЯМИ

Авторы

  • Сергей Станиславович Кривенко канд. техн. наук, старший научный сотрудник кафедры информационно- коммуникационных технологий им. А.А. Зеленского, Национальный аэрокосмический университет,
  • Владимир Васильевич Лукин д-р техн. наук, профессор, зав. кафедрой информационно- коммуникационных технологий им. А.А. Зеленского, Национальный аэрокосмический университет,
  • Михаил Сергеевич Зряхов канд. техн. наук, доцент, кафедры информационно коммуникационных технологий им. А.А. Зеленского,,

DOI:

https://doi.org/10.30837/1563-0064.2.2018.152967

Ключевые слова:

сжатие с потерями, изображение с шумом, ДКП, прогнозирование

Аннотация

Анализируется зависимость среднеквадратической ошибки (СКОш) искажений, вносимых при сжатии изображений с потерями от шага квантования для современного кодера на основе дискретного косинусного преобразования (ДКП) и схемы разбиения. Показывается, что поведение зависимости определяется как степенью сложности (насыщенностью) изображения, так и характеристиками помех, которые могут присутствовать на сжимаемом изображении. Предлогаются метод и средства прогнозирований СКОш, позволяющие выбирать шаг квантования  учетом требований к уровню вносимых искажений.

Библиографические ссылки

Taubman D., Marcellin M. JPEG2000 Image Compression Fundamentals, Standards and Practice. Springer, Boston: Kluwer, 2002. 777 p.

Blanes I., Magli E., Serra-Sagrista J. A Tutorial on Image Compression for Optical Space Imaging Systems // IEEE Geoscience and Remote Sensing Magazine. 2014. Vol 2(3). P. 8-26.

Баранник В.В., Яковенко А.В. Информационная технология сжатия изображений на основе двумерного плавающего полиадического кодирования трансформант Уолша // Системи обробки інформації . 2008. Вип. 3. С. 13-17.

Zemliachenko A., Ponomarenko N., Lukin V., Egiazarian K., Astola J. Still Image/Video Frame Lossy Compression Providing a Desired Visual Quality // Multidimensional Systems and Signal Processing. June 2015. 22 p.

Ponomarenko N.N., Lukin V.V., Egiazarian K.O., Astola J.T. High Quality DCT Based Image Compression Using Partition Schemes // IEEE Signal Processing Letters, Vol. 14, Febr. 2007. P. 105-108.

Zemliachenko A., Kozhemiakin R., Abramov S., Lukin V., Vozel B., Chehdi K., Egiazarian K. Prediction of compression ratio for DCT-based coders with application to remote sensing images // Journal on Selected Topics in Applied Earth Observations and Remote Sensing. 2018. Vol. 11, No 1. P. 257-270.

Ponomarenko N., Lukin V., Zriakhov M., Egiazarian K. Lossy compression of images with additive noise. / Proceedings of International Conference on Advanced Concepts for Intelligent Vision Systems, Antwerpen, Belgium, 2005. P. 381-386.

Al-Chaykh O.K., Mersereau R.M. Lossy compression of noisy images // IEEE Transactions on Image Processing. 1998, Vol. 7(12). P. 1641-1652.

Zemliachenko A.N.,Kozhemiakin R.A., Uss M.L., Abramov S.K., PonomarenkoN.N., Lukin V.V., Vozel B., Chehdi K. Lossy compression of hyperspectral images based on noise parameters estimation and variance stabilizing transform // Journal of Applied Remote Sensing. 2014. Vol 8 (1). 25 p.

Zemliachenko A., Abramov S., Lukin V., Vozel B., Chehdi K. Lossy Compression of Noisy Remote Sensing Images with Prediction of Optimal Operation Point Existence and Parameters // SPIE Journal on Advances in Remote Sensing, , 2015. Vol. 9(1). 26 p.

Lukin V., Ponomarenko N., Egiazarian K., Astola J. Analysis of HVS-Metrics’ Properties Using Color Image Database TID2013 / Proceedings of ACIVS, October 2015, Italy. P. 613-624.

Uss M.L., Vozel B., Lukin V., Chehdi K. Image Informative Maps for Component-wise Estimating Parameters of Signal- Dependent Noise // Journal of Electronic Imaging, 2013. Vol. 22(1). Doi:10.1117/1.JEI.22.1.013019.

Kozhemiakin R., Lukin V., Vozel B. Image Quality Prediction for DCT-based Compression / Proceedings of CADSM 2017. February 2017, Ukraine, P. 225-228.

Minguillon J., Pujol J. JPEG Standard Uniform Quantization Error Modeling with Applications to Sequential and Progressive Operation Modes // Electron. Imaging, 2001, Vol. 10(2), Р. 475-485.

Krivenko S., Zriakhov M., Lukin V., Vozel B. MSE Prediction in DCT- based Lossy Compression of Noise-Free and Noisy Remote Sensing Images / Proceedings of TCSET, Februry 2018, Lviv-Slavske, Ukraine, 6 p.

Cameron C., Windmeijer A., Frank A.G., Gramajo H., Cane D.E., Khosla C. An R- squared measure of goodness of fit for some common nonlinear regression models // Journal of Econometrics, 1997. Vol. 77(2). 16 p.

Chih-Chung Chang and Chih-Jen Lin, LIBSVM : a library for support vector machines. ACM Transactions on Intelligent Systems and Technology, 2:27:1--27:27, 2011. Software available at http://www.csie.ntu.edu.tw/~cjlin/libsvm

Загрузки

Опубликован

2018-06-27

Выпуск

№ 2(81) (2018)

Раздел

Статті

Лицензия

Copyright (c) 2019 Радиоэлектроника и информатика

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.

The author(s) of a manuscript agree that if the manuscript is accepted  for publication in “Radioelectronics&Informatics Journal”, the published article will be copyrighted using a Creative Commons “Attribution-Non Commercial-Share Alike” license. This license allows the author(s) to retain the copyright, but also allows others to freely copy, distribute, and display the copyrighted work, and derivative works based upon it, under certain specified conditions.