Модель оценки потерь качества графического изображения при сжатии с потерями, ориентированная на системы распознания образов

Лапшенков Е.М.

Аннотация:
Данная статья посвящена разработке модели и основанного на ней метода для оценки потерь качества графического изображения после сжатия с потерями. Разработанный метод ориентирован на оценку ошибок распознавания границ объектов на графическом изображении и поэтому может быть использован при настройке кодеков изображения в системах машинного зрения.

Abstract:
This article is devoted to development of model, and model-based method for quality loss rating of graphic image after lossy compression. Developed method is focused on rating of errors of objects edge detection on graphic image, and so it can be used at adjustment of image codec in machine vision systems.

Ключевые слова :
машинное зрение, распознавание образов, сжатие с потерями, оценка потерь качества.

Key words:
machine vision, object recognition, lossy compression, quality loss rating.

Литература:

  1. Дьяконов, В. MATLAB R2006/2007/2008 + Simulink 5/6/7. Основы применения. Самое подробное описание последних версий MATLAB, новые возможности Simulink / В. Дьяконов. – М.: Солон-Пресс, 2008. – 799 с.
  2. Parker, J.R. Algorithms for Image Processing and Computer Vision / J.R. Parker. – New York: John Wiley & Sons, Inc., 1997. – P. 23-29.
  3. Lim, J.S. Two-Dimensional Signal and Image Processing / J.S. Lim. – Englewood Cliffs, NJ, Prentice Hall, 1990. – P. 478-488.
  4. Ватолин, Д.С. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео / Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин. – М.: ДИАЛОГ-МИФИ, 2003. – 384 с.
  5. Wang, Z. Image Quality Assessment: From Error Visibility to Structural Similarity / Z. Wang, A.C. Bovik // IEEE Transactions on image processing. – 2004. – N 4 – P. 600-612.
  6. Wang, Z. Multi-scale structural similarity for image quality assessment / Z. Wang, E.P. Simoncelli, A.C. Bovik. – Proceedings of 37th IEEE Asilomar Conference on Signals, Systems and Computers, Pacific group, 2003.
  7. Bovik, A.C. Content-weighted video quality assessment using a three-component image model / A.C. Bovik, Ch. Li // Journal of Electronic Imaging. – 2010. –  Vol. 19(1). – P. 011003-1–011003-9.
  8. Лапшенков, E.M. Возможные методы оценки потерь при сжатии изображения в системах оптической дефектоскопии / E.M. Лапшенков // Сборник трудов научной конференции МГУПИ «Актуальные проблемы приборостроения, информатики и социально-экономических наук», 2010. – С. 52-56.
  9. Сирота, А.А., Двухэтапный алгоритм обнаружения и оценивания границ объектов на изображениях в условиях аддитивных помех и деформирующих искажений / А.А. Сирота, А.И. Соломатин, Е.В. Воронова // Компьютерная оптика. – 2009. – Т. 34, №1. – С. 109-117.
  10. Information technology – digital compression and coding of continues – tone still images – requirements and guidelines // International telecommunication union. – 1992.
  11. Canny, J. A Computational Approach to Edge Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1986. – N 6. – P. 679-698.

References:

  1. Dyakonov, V. MATLAB R2006/2007/2008 + Simulink 5/6/7. Using foundations. Most detailed description of last versions of MATLAB, new features of simulink / V. Dyakonov. – Moscow: “Solon-Press” Publisher, 2008. – 799 p.
  2. Parker, J.R. Algorithms for Image Processing and Computer Vision / J.R. Parker. – New York: John Wiley & Sons, Inc., 1997. – P. 23-29.
  3. Lim, J.S. Two-Dimensional Signal and Image Processing / J.S. Lim. – Englewood Cliffs, NJ, Prentice Hall, 1990. – P. 478-488.
  4. Vatolin, D.S. Data compression methods. Structure of archivers, compression of images and video / D. Vatolin, A. Ratushnyak, M. Smirnov, V. Yukin. – Moscow: “Dia­log-MIFI” Publisher, 2003. – 384 p. – ISBN 5-86404-170-x. – (in Russian).
  5. Wang, Z. Image Quality Assessment: From Error Visibility to Structural Similarity / Z. Wang, A.C. Bovik // IEEE Transactions on image processing. – 2004. – N 4 – P. 600-612.
  6. Wang, Z. Multi-scale structural similarity for image quality assessment / Z. Wang, E.P. Simoncelli, A.C. Bovik. – Proceedings of 37th IEEE Asilomar Conference on Signals, Systems and Computers, Pacific group, 2003.
  7. Bovik, A.C. Content-weighted video quality assessment using a three-component image model / A.C. Bovik, Ch. Li // Journal of Electronic Imaging. – 2010. –  Vol. 19(1). – P. 011003-1–011003-9.
  8. Lapshenkov, E.M. Possible methods of loss rating after image compression in optical flow detection systems / E.M. Lapshenkov. – Collected papers of scientific conference «Relivant problems of instrument-making, of information science, of socio-economic sciences», 2010. – P. 52-56.
  9. Sirota, A.A. Two-staged algorithm for detecting and rating the object cutout on the images in case of additive noise and deformed distortions / A.A. Sirota, A.I. Soloma­tin, E.V. Voronova // Computer Optics. – 2010. – Vol. 34, N 1. – P. 109-117.
  10. Information technology – digital compression and coding of continues – tone still images – requirements and guidelines // International telecommunication union. – 1992.
  11. Canny, J. A Computational Approach to Edge Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1986. – N 6. – P. 679-698.
© 2009, ИСОИ РАН
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 332-56-22, факс: +7 (846) 332-56-20