(44-3) 11 * << * >> * Русский * English * Содержание * Все выпуски

Способ управления качеством передачи мелких структур изображений в стандарте JPEG2000
С.В. Сай 1, А.Г. Шоберг 1

1 Тихоокеанский государственный университет, Хабаровск, Россия

 PDF, 1451 kB

DOI: 10.18287/2412-6179-CO-616

Страницы: 401-408.

Аннотация:
В статье предлагается способ управления качеством передачи мелких структур изображений в стандарте JPEG2000 на основе автоматической регулировки параметров квантования коэффициентов дискретного вейвлет-преобразования. Описывается алгоритм настройки параметров шкалы квантования по субдиапазонам трансформации коэффициентов ДВП в зависимости от заданных (допустимых) искажений. Для объективной оценки качества изображений использованы числовые меры искажений мелких деталей в нормированной колометрической системе N-CIELAB, по которым выполняется анализ их структурных признаков. Приводятся результаты экспериментальных исследований анализа качества изображений и эффективности сжатия в зависимости от параметров квантования в разработанном адаптивном алгоритме сжатия. Также приводятся результаты оценки быстродействия алгоритма, которые могут быть использованы для практического применения в мультимедийных приложениях.

Ключевые слова:
анализ изображения, метрика искажений, дискретное вейвлет-преобразование, квантование, JPEG2000.

Цитирование:
Сай, С.В. Способ управления качеством передачи мелких структур изображений в стандарте JPEG2000 / С.В. Сай, А.Г. Шоберг // Компьютерная оптика. – 2020. – Т. 44, № 3. – С. 401-408. – DOI: 10.18287/2412-6179-CO-616.

Литература:
  1. Liu, G. A novel direction adaptive wavelet based image compression / G. Liu, X. Zeng, F. Tian, K. Chaibou, Z. Zheng // AEU – International Journal of Electronics and Communications. – 2010. – Vol. 64, Issue 6. – P. 531-539.
  2. Al-Azawi, S. Image compression algorithms using intensity based adaptive quantization coding / S. Al-Azawi, S. Boussakta, A. Yakovlev // American Journal of Engineering and Applied Sciences. – 2014. – Vol. 4, Issue 4. – P. 504-512.
  3. Chen, P.-Y. An adaptive quantization scheme for 2-D DWT coefficients / P.-Y. Chen, J.-Y. Chang // International Journal of Applied Science and Engineering. – 2013. – Vol. 11, Issue 1. – P. 85-100.
  4. Дворкович, В.П. Расчёт банков фильтров дискретного вейвлет-преобразования и анализ их характеристик / В.П. Дворкович, А.В. Дворкович // Цифровая обработка сигналов. – 2006. – № 2. – С. 2-10.
  5. Умняшкин, С.В. Cжатие изображений на основе блочной декомпозиции в области пакетного вейвлет-преобразования / С.В. Умняшкин, Р.Р. Гизятулин // Цифровая обработка сигналов. – 2014. – № 1. – С. 46-51.
  6. Lin, W. Perceptual visual quality metrics: A survey / W. Lin, C.-C.J. Kuo // Visual Communication and Image Representation. – 2011. – Vol. 22, Issue 4. – P. 297-312.
  7. Bovik, A. No-reference image quality assessment in the spatial domain / A. Bovik, A. Mittal // IEEE Transactions on Image Processing. – 2012. – Vol. 21, Issue 12. – P. 4695-4708.
  8. Сай, С.В. Метрика искажений мелких структур компрессированных изображений // Компьютерная оптика. – 2018. – Т. 42, № 5. – С. 829-837. – DOI: 10.18287/2412-6179-2018-42-5-829-837.
  9. Стандарт JPEG2000: базовые алгоритмы, примеры реализации и перспективы применения / С.Н. Дроздов, А.А. Жиглатый, П.П. Кравченко, В.Н. Лутай, С.Н. Скороход, Н.Ш. Хусаинов. – Ростов-на-Дону: Изд-во ЮФУ, 2014. – 255 с.
  10. Taubman, D. JPEG2000 image compression fundamentals, standard and practice / D. Taubman, M.B Marcellin // Kluver Academic Publishers, 2002. – 779 p.
  11. Balster, E.J. Post-compression rate-distortion development for embedded block coding with optimal truncation in JPEG2000 imagery / E.J. Balster, B.T. Fortener, W.F. Turri // International Journal of Image and Graphics. – 2011. – Vol. 11, Issue 4. – P. 611-627.
  12. Кольцов, П.П. О количественной оценке эффективности алгоритмов анализа изображений / П.П. Кольцов, А.С. Осипов, А.С. Куцаев, А.А. Кравченко, Н.В. Котович, А.В. Захаров // Компьютерная оптика. – 2015. – Т. 39, № 4. – С. 542-556. – DOI: 10.18287/0134-2452-2015-39-4-542-556.
  13. Fairchild, M.D. Color appearance models / M.D. Fairchild. – John Wiley and Sons, 2005. – 409 p.
  14. Sai, S.V. Segmentation of fine details in the CIELAB / S.V. Sai, N.Yu. Sorokin, A.G. Shoberg // 24th International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision (WSCG 2016). Short Papers Proceedings. – 2016. – P. 155-162.
  15. Сай, С.В. Выбор коэффициентов порогового отбора для вейвлет-трансформант цветного изображения / С.В. Сай, И.В. Савенков // Информатика и системы управления. – 2001. – № 2. – С. 112-117.
  16. Image & video quality assessment at LIVE // [Electronical Resource]. – URL: http://live.ece.utexas.edu/research/quality/ (request date 01.08.2018).
  17. Мясников, В.В. Эффективные алгоритмы вычисления локального дискретного вейвлет-преобразования // Компьютерная оптика. – 2007. – Т. 31, № 4. – С. 86-94.
  18. Экспорт метрик соответствия требованиям микропроцессоров Intel® // [Электронный ресурс]. – URL: https://www.intel.ru/content/www/ru/ru/support/articles/000005755/processors.html (дата обращения 01.06.2019).

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: ko@smr.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20