+7(904)3314610

Эффективное сжатие изображений на базе дифференциального анализа

Гришенцев А.Ю.

баннер статьи

Дата:

В данной работе предложен метод сжатия изображений на основе анализа дифференциальной структуры. Изначально была поставлена задача разработки метода сжатия специфических высококонтрастных космических снимков с целью сокращения дорогостоящего трафика связи с космическими аппаратами. В результате разработки, выполненной на базе СПб НИУ ИТМО, был получен новый метод сжатия изображений на основе анализа дифференциальной структуры. Полученный метод показал возможность применения к широкому классу графических изображений в частности, и полевых структур, в общем. В работе рассмотрены концепция метода, варианты программной реализации, дополнительные приёмы, позволяющие повысить эффективность метода, а так же примеры использования и некоторые численные оценки. Данный метод сжатия может быть применён для статических и динамических (видео) изображений. Заложенные в основу концепции сжатия принципы позволяют создавать многопоточные вычислительные решения как на аппаратно-программном, так и только на аппаратном уровне. Вычислительную сложность ядра алгоритма сжатия (в самой простой реализации) можно оценить как произведение линейных размеров статического изображения. Степень сжатия изображений на базе анализа дифференциальной структуры сопоставима со степенью сжатия JPEG, при этом качество полученных изображений по численным критериям (MSE, PSNR, SNR) выше, что может быть существенным для машинной обработки изображений. Для сжатия требуется относительно малое число операций, что может положительно сказаться на разгрузке вычислительных мощностей космических аппаратов, осуществляющих передачу изображений.

В современном мире происходит генерация контента в значительных объёмах, наибольшую часть занимают различные медиа-данные. При непрерывном росте объёма данных требующих передачи, полоса пропускания стандартных радиоканалов связи остаётся неизменной, что в свою очередь порождает существенные проблемы. Одним из путей решения является компрессия данных и передача при помощи соответствующих протоколов связи. Компрессия данных так же позволяет снизить используемые для хранения ресурсы памяти вычислительных машин.

Наибольший интерес для разработки способов компактного хранения представляют сигналы, относящиеся к графическим, т.е. передающие различные виды изображений, например: фотографии, видеофильмы, сигналы цифрового телевиденья и прочие многомерные сигналы, сопряжённые с передачей графической информации. В большинстве случаев передача и хранение графических данных потребляет существенные ресурсы при значительном количестве избыточной информации. Применение только статистических способов сжатия как алгоритм Хаффмана, арифметическое кодирование и подобных, в большинстве случаев не даёт существенного эффекта. Поэтому для эффективного сжатия к цифровому сигналу применяют несколько последовательных преобразований. Часть преобразований основана на рассмотрении сигнала как поля, к которому применимы: спектральный анализ, анализ геометрической структуры, корреляционный анализ, дифференциальный анализ. Таким образом, изображения рассматриваются как полевые структуры, а цифровые изображения – дискретные полевые структуры, соответственно.

Различная природа цифровых сигналов определяет их особенности. Сигналы принято разделять на группы по преимущественному сосредоточению информации в частотной, либо в пространственной области. При таком разделении для исключения потери значимой информации необходимо учитывать специфику конкретного сигнала или некоторой группы сигналов.

Частотные характеристики сигнала могут быть получены с помощью способов частотной декомпозиции (Фурье, вейвлет и др.). Пространственные характеристики сигнала могут быть получены с помощью геометрической интерпретации сигнала, определения его производных, вейвлет анализа, оконного преобразования Фурье. Вейвлет анализ, как и оконное преобразование Фурье, интересно тем, что позволяют получить не только частотную характеристику сигнала, но пространственную локализацию спектра.

Используя особенности концентрации информации, можно исключать некоторую "избыточную" часть из частотного или пространственного описания сигнала, приводящую к допустимой потери информации, т.е. допустимым искажениям.

Методы получения частотных и пространственных характеристик сигнала позволяют синтезировать компактную форму информационной составляющей сигнала. Множество различных способов перевода информации в компактную форму не имеют универсальности для различных видов цифровых сигналов. Таким образом, конкретный метод получения компактной формы, хорошо применимый к одному сигналу или группе сигналов, может быть малоэффективен для другого сигнала или группы сигналов. Не случайно в современном мире цифровой обработки сигналов присутствует такое разнообразие форматов данных.

В данной работе будет рассмотрен новый метод, позволяющий осуществить сжатие изображений (с потерями или без потерь) на базе их дифференциального анализа как полевых структур.

Полный текст статьи

Эффективное сжатие изображений на базе дифференциального анализа // Журнал радиоэлектроники: электронный журнал. 2012. N11. URL: http://jre.cplire.ru/jre/nov12/1/text.pdf.