Математические методы и алгоритмы цифровой компрессии изображений с использованием ортогональных преобразований

• Автор: Умняшкин, Сергей Владимирович
• Шифр специальности: 05.13.11
• Научная степень: Докторская
• Год защиты: 2001
• Место защиты: Москва
• Количество страниц: 383 с. : ил

ГЛАВА 1. ГЛАВА 2. Сравнительный анализ результатов

2. ГЛАВА 3. Общая схема сжатия 3

Практически всегда алгоритмы сжатия цветных изображений представляют собой несложное обобщение алгоритмов обработки чернобелых изображений на пространство . По этой причине рассмотрение алгоритмов сжатия обычно проводится на примере яркос гной составляющей . Лг0,1,. М1. Элементы матрицы X будем называть точками изображения, или пикселями вопросы, связанные с выбором шагов дискретизации Дм и в данной работе не обсуждаются. Модель 1. Для описания матрицы X часто удобно использовать модель стационарного в широком смысле двумерного дискретного процесса, когда математическое ожидание и дисперсия всех элементов , . X не зависят от их индексов и равны соответственно тх, а. Для описания статистических зависимостей охраничимся рамками корреляционных связей, пренебрегая моментами более высокого порядка. К,т, x, т,о . В строке элементов x ,x Ч1, 0рсо1. КЬррГ1, 0v,, 1. Модель 1. Такая модель достаточно удобна и часто используется ,.


Если набор матриц достаточно большой, то подбор матрицы квантования по принципу минимума функции превращается в 1ромоздкую процедуру, нереализуемую в реальном масштабе времени стандартными средствами. Кроме того, при большом диапазоне возможных значений индекса его кодирование для каждого нового блока по отдельности влечет недопустимо высокие дополнительные битовые затраты. В экспериментах использовалось число матриц 4. Для ускорения выполнения операций деления, которые необходимы при квантовании, элементы матриц , были округлены до ближайшего значения 2 Л0,1,. Такой подход позволяет заменить операции целочисленного деления и умножения сдвигами разрядов двоичного представления чисел, которые обычно выполняются реальной аппаратурой намного бысгрее. Помимо использования алгоритма контекстного кодирования коэффициентов ДКП из главы 4, в шестой главе предложен альтернативный алгоритм статистического кодирования, в котором проквантованные спектры ДКП разбиваются на фиксированные области, формирующие отдельные независимые потоки данных для арифметического кодирования, и предложена экспериментальная методика для построения разбиения спектров на такие области. Несмотря на то, что в общей схеме компрессии видео выбор был сделан в пользу первого алгоритма кодирования спектров, применение арифметического кодирования с фиксированным разбиением спектров на области независимого кодирования может оказаться болсс предпочтительным при использовании других отличных от ДКП преобразований, а также в схемах компрессии, использующих векторное квантование спектров. Например, в схеме, которая рассмотрена в главе 4. Использование векторного квантования в алгоритмах реального масштаба времени затруднительно. При исследовании характеристик итогового алгоритма видеокомпрессии для оценки величины ошибки кодирования в восстановленной последовательности В0,В1,. М и М2 задают размер кадра в пикселях. Для экспериментов были выбраны широко известные тестовые последовательности , i i, i, i, i. Результаты численных экспериментов, полученные аспирантом Ф. В.Стрелковым 6, показали, что во всех тестах предложенная схема компрессии дает высокие результаты, превосходя характеристики кодера 2, разработанного i 2, версия 1. Программное сжатие видеопоследовательностей при этом осуществляется в реальном масштабе времени. Итог исследованиям, проведенным в диссертационной работе, подводится в заключительном разделе Основные выводы и заключение. Алгоритм видеокомпрессии. Основные результаты, изложенные в диссертации, опубликованы в работах ,,,,,,,,,,,,,,5,6. Все приводимые в диссертации теоретические результаты из написанных в соавторстве работ ,,,,6 получены лично автором. В тех случаях, когда приводимые экспериментальные численные данные таблицы, графики из совместных работ были получены соавторами ,,,,6, на это явно указано по ходу изложения при цитировании результатов. Предложенный в шестой главе алгоритм видеокомпрессии был реализован программно в рамках работ, проводившихся в ГУ КПК Технологический Центр Московского государственного института электронной техники и в НПП Технология ,. Внедрение разработанных библиотек видеокомпрессии осуществлено в ряде программных систем, производящих обработку видеоизображений в том числе, кодирование в реальном масштабе времени, среди которых наибольший практический интерес представляет система видео контроля и регистрации Vi i см. Копии документов об использовании и внедрении результатов диссертационной работы имеются в приложении 6. ГЛАВА 1. КОМПРЕССИЯ ИЗОБРАЖЕНИЙ ОСНОВНЫЕ ПОНЯТИЯ И ПРОБЛЕМЫ
и
1. Компонента называется яркостной, , V цветоразностными компонентами, так как . У, 0. При цифровой обработке вместо пространства V используется пространство целочисленных компонент , которое для битой разрядности представления чисел имеет вид
При этом целые числа Я, , В лежат в диапазоне 0,. Уе ,. Сге ,. СЬе ,. По сравнению с яркостной составляющей, чувствительность человеческого глаза к цветоразностным компонентам и, V Сг, СЬ значительно ниже, что учитывается при построении систем видеообработки и алгоритмов компрессии цветных изображений для цветоразностных компонент используется более грубая обработка.