Контекстное преобразование при сжатии фотореалистических изображений

• Автор: Волошина, Наталия Викторовна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Санкт-Петербург
• Количество страниц: 146 с. : ил.

Содержание
Введение

1. Вопросы сжатия изображений.

1.1. Сжатие данных. Основные требования.

1.2. Сжатие изображений. Обзор существующих методов сжатия.

Сжатие без потерь информации

Сжатие с потерями информации

1.3. Анализ методов сжатия без потерь в задачах компрессии изображений.

Классификация методов сжатия изображений без потерь

информации

Одномерные методы сжатия изображений

Двумерные методы сжатия изображений.
1.4 Анализ методов сжатия изображений с потерями
Классификация методов сжатия с потерями информации
Сжатие, основанное на ДКП.
Сжатие, основанное на ДВП.
Векторное квантование.
1.5. Визуализация ошибок преобразования при сжатии
изображений
1.6. Пути улучшения работы алгоритмов сжатия
1.6. Выводы по разделу
2. Свойства зрительной системы человека при восприятии изображений.
2.1. Области и границы как основа анализа изображения при зрительном восприятии.
2.2. Чувствительность к искажениям яркости элементов изображения.
2.3. Модель зрительной системы человека.
г
2.4. Выводы по разделу
3. Сжатие фотореалистических изображений
3.1. Цифровое представление изображений реальных сцен
3.2. Модели изображения.
3.2.1. Растровая модель изображения.
3.2.2. Доменная модель изображения.
3.2.3. Структурная модель изображения.
Преобразования изображений в рамках структурной модели Допустимые структурные преобразования визуальных объектов
изображения.
ф 3.2.4.Упрощенная структурная модель изображения
Допустимые преобразования в рамках упрощенной структурной модели изображения
3.3. Структура фотореалистических изображений.
3.4.Методы оценки качества изображений в задачах сжатия с искажениями.
3.4.1. Математические меры качества обработанных изображений
3.4.2. Визуальные меры оценки качества изображений
3.5. Выводы по разделу
4. Метод контекстного преобразования
4.1. Разработка метода контекстного преобразования
4.1.1. Обобщенный метод контекстного преобразования фотореалистических изображений
4.1.2. Прямой алгоритм контекстного преобразования
4.1.3.Обратный алгоритм контекстного преобразования
4.1.4. Оптимизация алгоритма по порогам контрастной чувствительности.
4.2. Экспериментальное исследование метода контекстного преобразования для статических полутоновых фотореалистических изображений.
4.2.1. Оптимизация по пороговому контрасту.
4.2.2. Алгоритм прямого контекстного преобразования
4.2.3. Алгоритм обратного контекстного преобразования
4.2.4. Сравнение эффективности прямого и обратного алгоритмов контекстного преобразования
4.3. Выводы по разделу
Заключение
Литература


Проведено экспериментальное исследование структуры изображений реальных сцен. Выявлены особенности формирования визуальных объектов, влияющих на эффективность применения методов сжатия. Предложена структурная модель изображения, позволяющая более эффективно оценивать искажения. Приведена классификация искажающих воздействий. Разработан и исследован метод контекстного преобразования фотореалистических изображений, обеспечивающий повышение эффективности применения конечных кодеров с высоким качеством результирующих изображений. Практическая ценность работы определяется тем, что предложенные модель изображения и основанный на ней метод контекстного преобразования позволяют получить выигрыш по сжатию для фотореалистических изображений, при обеспечении отсутствия эффекта накопления ошибок преобразования. Структурная модель изображения, учитывающая свойства визуального объекта, представленного совокупностью контуров и множества функций, описывающих яркостную область. Модель искажений, а также понятие допустимых искажений, с точки зрения обеспечения высокого визуального качества результирующих изображений. Метод контекстного преобразования изображения, с целью повышения коэффициентов сжатия конечных кодеров при отсутствии эффекта визуализации искажений. Результаты машинного моделирования метода контекстного преобразования, а именно экспериментальные оценки эффективности его применения на тестовых изображениях. Внедрение результатов работы. Результаты работы использовались в разработках ЗАО «Телекомпания «Царское Село»» и в учебном процессе Санкт-Петербургского государственного университета аэрокосмического приборостроения. Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на IV,V,VIII,IX научных сессиях ГУАП (г. Санкт-Петербург ,,,), VII Международной научно-технической конференции студентов и аспирантов МЭИ (г. Москва ), V Международной конференции «Цифровая обработка сигналов и ее применение» (г. Москва ), а также на семинарах кафедры «Радиопередающих и телевизионных систем» ГУАП (-), кафедры «Безопасности информационных систем» ГУАП (-) и Международном научно-техническом семинаре 1Би университета штата Индиана (США, г. Терра Хот, Индиана ). Н.В. Публикации. Сжатие данных. Основные требования. В настоящее время существует два основных направления развития методов сжатия данных: сжатие без потерь и сжатие, допускающее потери информации [1-4]. Первое направление связано с компактным представлением некоторого набора исходных данных и носит широкое применение в различных цифровых системах, независимо от специфики систем обработки результирующих потоков данных [3-4]. При этом основным требованием является точное совпадение восстановленной копии и исходного потока. Второе направление разрабатывается для систем, в которых обработка и оценка результирующей информации связана с восприятием человеком, т. Т.е. В каждом из этих направлений разработано большое количество методов сжатия, алгоритмов и их конкретных реализаций. Основным требованием к любому методу сжатия данных является его высокая эффективность. В некоторых случаях, поиск метода, оптимально удовлетворяющего всем предъявляемым требованиям, может быть затруднен тем, что ряд показателей являются противоположными, т. Например, увеличение коэффициента сжатия может быть связано со снижением скорости работы алгоритма (применение двухпроходных методов) и т. Тогда поиск оптимального алгоритма по качеству Р~Р(к, к2, Ду), может рассматриваться как задача многомерной оптимизации в пространстве частных критериев кц размерностью N. Т.о. Одним из обособленных направлений разработки и исследования методов сжатия является компрессия изображений. Разработка, анализ и сравнение алгоритмов сжатия производится отдельно для различных классов изображений [3,4], а так же для различных областей применения с учетом специфики обработки результирующих (восстановленных изображений). Как следствие, существенно различаются подходы к сжатию изображений, рассмотренные ниже в этой главе.