Алгоритмы и программные средства для вейвлет-сжатия и оценки качества изображений

• Автор: Сидоров, Дмитрий Владимирович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Томск
• Количество страниц: 148 с. : ил.

УСЛОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
ГиБ — обозначение единицы измерения информации, равной двоичному гигабайту.
двп — дискретное вейвлет-преобразование.
Декодер - программа или аппаратное средство для декодирования сигнала (данных). Применительно к алгоритмам сжатия соответствует процессу распаковки.
дкп - дискретное косинусное преобразование.
ЗСЧ — зрительная система человека.
ИНС — искусственная нейронная сеть.
КиБ - обозначение единицы измерения информации, равной двоичному килобайту.
Кодер - программа или аппаратное средство для кодирования сигнала (данных). Применительно к алгоритмам сжатия соответствует процессу сжатия (упаковки).
МиБ - обозначение единицы измерения информации, равной двоичному мегабайту.
посш - пиковое отношение сигнал/шум, измеряемое в дБ.
ПС - программное средство.
СКК — суперкомпьютерный кластер.
СКО - среднеквадратичное отклонение.
ТиБ — обозначение единицы измерения информации, равной двоичному терабайту.
ЦСП - цифровой сигнальный процессор.
JPEG - в настоящее время данный алгоритм (стандарт) сжатия с потерями является наиболее распространенным. Данная аббревиатура обозначает также название группы экспертов, разработавших данный алгоритм. LOSSLESS - общая концепция организации алгоритма сжатия изображений и видео потока без потерь.
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ПРОБЛЕМА СЖАТИЯ И ОЦЕНКИ КАЧЕСТВА СТАТИЧЕСКИХ ИЗОБРАЖЕНИЙ
1.1. Анализ алгоритмов сжатия статических изображений
1.1.1. Алгоритм сжатия JPEG
1.1.2. Фрактальный алгоритм сжатия
1.1.3. Сжатие с использованием нейронных сетей
1.1.4. Алгоритм сжатия JPEG2
1.1.5. Результаты анализа алгоритмов сжатия
1.2. Анализ методов и алгоритмов оценки качества статических
ИЗОБРАЖЕНИЙ
1.2.1. Субъективные (экспертные) методы оценки
1.2.2. Объективные (математические) методы оценки
1.2.3. Результаты анализа методов и алгоритмов оценки
качества изображений
1.3. Цель и задачи исследования
1.4. Основные результаты и выводы по главе
ГЛАВА 2. АЛГОРИТМЫ ОЦЕНКИ КАЧЕСТВА СТАТИЧЕСКИХ ИЗОБРАЖЕНИЙ
2.1. Постановка задачи исследования алгоритмов оценки качества изображений CW-SSIM и SSIM
2.2. Численный эксперимент по поиску значений коэффициентов алгоритма CW-SSIM
2.2.1. Модификация алгоритма CW-SSIM на основании результатов численного эксперимента. Алгорипшы AWS и FAWS
2.2.2. Результаты исследования алгоритмов CW-SSIM, AWS и
FA WS на скорость вычисления оценок

2.3. Численный эксперимент по поиску значений коэффициентов
алгоритма ББШ
2.3.1. Модификация алгоритма ББ1М на основании результатов численного эксперимента. Алгоритмы МББШ и РМББ1М
2.3.2. Результаты исследования алгоритмов ББ1М, МББ1М и РМББ1М на скорость вычисления оценок
2.4. Исследование алгоритмов оценки качества изображений на
ДОСТОВЕРНОСТЬ ОЦЕНОК
2.4.1. Результаты исследования алгоритмов
2.5. Основные результаты и выводы по главе
ГЛАВА 3. АЛГОРИТМЫ ВЕЙВЛЕТ-СЖАТИЯ СТАТИЧЕСКИХ ИЗОБРАЖЕНИЙ
3.1. Алгоритм вейвлет-сжатия САУС
3.1.1. Постановка задачи разработки алгоритма вейвлет-сжатия
3.1.2. Схема алгоритма <ЦЖС
3.2. Численный эксперимент по определению значений
коэффициентов КВАНТОВАТЕЛЯ АЛГОРИТМА САУС
3.2.1. Результаты численного эксперимента по поиску значений коэффициентов квантователя
3.3. Исследование эффективности алгоритма САУС
3.3.1. Исследование качества восстановленного изображения при неизменном коэффициенте сжатия
3.3.2. Исследование скорости сжатия и распаковки изображений
3.4. Алгоритм вейвлет-сжатия ВБ-САУС для ЦСП А08Р-ВГ
3.4.1. Постановка задачи разработки алгоритма сжатия для ЦСП..
3.4.2. Выбор аппаратной платформы для реализации алгоритма
3.4.3. Схема алгоритма ВР^ЖС
3.5. Численный эксперимент по определению значений
коэффициентов квантователя алгоритма ВЕ-САУС

Таблица 1.1. Основные характеристики рассмотренных
алгоритмов сжатия изображений
Алгоритм сжатия Коэффициент сжатия Симметричность по времени (сжатие/распаковка) Тип изображений Простота программно- аппаратной реализации**
Классическое 1РЕО-сжатие до 100 ~1 (от 40мс / от 40 мс) цветные 24 бита на пике.; полутоновые 8 бит на пике. высокая
На основе преобразования Уолша до 100 ~1 (от 40 мс / от 40 мс) высокая
Вейвлет-сжатие црЕвгооо) до 200 ~1 (от 100 мс / от 110 мс) средняя (для ЩЕвгооо низкая)
Фрактальный алгоритм до 2000 -1000/1 (минуты, часы / от 40 мс) низкая
Сжатие с использованием ИНС около 20* -1 (данных нет) низкая
Примечание: * указан максимальный коэффициент сжатия, достигнутый на практике, значение теоретического предела неизвестно; ** простота программно-аппаратной реализации — высокая означает, что алгоритм относительно прост при программноаппаратной реализации, низкая — алгоритм достаточно сложен.
На современном этапе развития алгоритмов сжатия статических изображений алгоритм 1РЕ02000, основанный на вейвлетах, считается многими авторами лучшим и наиболее часто применяемом при решении практических задач, в том числе и в промышленности [9-11,49,82,97,100]. Действительно, как следует из табл. 1.1, время сжатия и распаковки алгоритма симметрично, что позволяет использовать его, например, в системах видеонаблюдения; более того, практически достижимый коэффициент сжатия (равный 200) позволяет упаковывать изображения с высоким коэффициентом сжатия, тем самым снижая требования к ширине канала передачи данных и объему хранилища данных. Согласно работам [9,10] этот алгоритм обеспечивает приемлемое качество распакованного изображения при высоких коэффициентах сжатия. Однако главным недостатком алгоритма 1РЕ02000 является сложность его программной и аппаратной реализации и, как следствие, невысокая скорость сжатия и