КІЛЬКІСНА ОЦІНКА ВЕЙВЛЕТНОГО СТИСНЕННЯ ЗОБРАЖЕНЬ

Ihor Polovynko, N. Lipkovskyi, Yuriy Furgala

Анотація


В останній час спостерігається значний інтерес до використання вейвлетів при обробці зображень. Це викликано стрімким розвитком обчислювальної техніки, графічних моніторів, кольорових принтерів а також цифрової техніки зв’язку. Зростає кількість наукових публікацій, які присвячені проблемам нанесення оптичних маркерів із використанням вейвлетів , оскільки на їх основі формуються і розвиваються такі прикладні галузі як стеганорафія і стеганоаналіз.

З іншого боку, зображення представляються у цифровому вигляді достатньо великим числом бітів, що вимагає пошуку ефективних методів їх стиснення. Незважаючи на значну кількість теоретичних і експериментальних робіт в області стиску та відновлення зображень, існує ще ряд питань, які вимагають свого вивчення та реалізації. Це, зокрема, стосується кількісної оцінки ефективності тих чи інших методів , які давали би оптимальний результат при мінімальних обчислювальних потужностях а також створення надійних комп’ютерних програм для реалізації цих процесів . На даний час, оцінка змін що виступають при стисненні та відновленні зображень у значній ступені є суб’єктивною процедурою, що ускладнює їх подальшу обробку комп’ютерними методами. Тому, у даній роботі, на прикладі гістограмної обробки вейвлетів Добеши, запропоновано метод кількісної оцінки зміни якості зображень.

Програмування здійснювалось на високорівневій мові java, оскільки вона володіє рядом можливостей , які дозволяють працювати з вейвлетами з «нуля». Реалізовано застосунок, що виконує стиснення зображень за допомогою вейвлетів сімейства Добеши. Запропоновано параметр оцінки спотворення , який являє собою відношення різниці середньоквадратичних відхилень гістограм стиснутого і початкового зображень до середньоквадратичного відхилення гістограми стиснутого зображення. Оцінка величини цього параметру була проведена для низькочастотного фільтру Добеши (LL) при різному числі коефіцієнтів розкладу. Показано, що із збільшенням числа цих коефіцієнтів , параметр спотворення зменшується, що корелює з візуальними спостереженнями.

Ключові слова: стиснення зображень, вейвлети Добеши, базовий вейвлет-кодер, субсмуговий кодер, гістограми, параметр спотворення.


Повний текст:

PDF

Посилання


  1. Наконечний А., Наконечний Р., Павліш В. (2010). Цифрова обробка зображень. Видавництво Львівської політехніки. С.366
  2. Коханович Г.Ф., Пузиренко Ф.Ю. Комп’ютерна стеганографія. Теорія і практика-Київ:Київ- Прес,2006.-288с
  3. Коршунов Ю.М. Математические основы кибернетики. — М.: Энергия, 1980. — 424 с.
  4. І. Половинко, Н. Ліпковський. «Стійкість оптичних маркерів на зображеннях за умови зовнішніх завад». // Електроніка та інформаційні технології. – 2022. – Вип. 19– С. 38-47
  5. І. Половинко, О. Семочко. Кількісна оцінка вінерівської фільтрації зображень// Електроніка та інформаційні технології. – 2023. – Вип.22 – С. 24-33.
  6. Вайд’янатхан П.П. Цифрові фліьтри, блоки фільтрів і поліфазні ланцюги з багаточастотною дискретизацією: Методичний огляд, 1990, №3. С.77-120.
  7. William A. Pearlman, Amir Said, 2011 Chapter 4 «Entropy coding techniques» pp41-76 11.
  8. Villasenor J., Belzer B., Liao J. Wavelet filter evaluation for image compression //IEEE Trans. on image processing, 1995, No8. P.1053-1060.
  9. Vetterli M., Kovacevic J. Wavelets and subband coding. Prentice Hall, 1995, 307p 18.
  10. V.I. Vorobjov, V.G. Gribunin. Theory and practice of wavelet transformation. S-Petersburg -204P,1999
  11. S. P. Lloyd. Least squares quantization in PCM, IEEE Transactions on Information Theory, 1982, vol. 28, n°2, pp. 129–137
  12. Robert M. Gray, Davfid L. Neuhoff. Quantization. IEEE Trans. on Inf. Theory, 1998
  13. Mallat S.G. A Theory for Multiresolution Signal Decomposition: The Wavelet Representation/ S.G. Mallat //IEEE Transactions on Pattern Analysis and Machine Intelligence. 1989.- Vol II, 7.-P. 674-693.
  14. Lewis A., Knowles G. Image compression using the 2-d wavelet transform //IEEE Transactions on Image Processing, 1992, No2. P.244-250.
  15. Karhunen–Loeve transform (KLT) [Архівовано 2016-11-28 у Wayback Machine.], Computer Image Processing and Analysis (E161) lectures, Harvey Mudd College
  16. Karhunen–Loeve transform (KLT) [Архівовано 2016-11-28 у Wayback Machine.], Computer Image Processing and Analysis (E161) lectures, Harvey Mudd College
  17. Ihor Polovynko. Marcing of the Color Imagies by Using Wavelet Transformations, Electronics and Information Technology – 2021 – Issue15. – PP.59-66 .
  18. Ian H. Witten, Alistair Moffat, Timothy C. Bell. Managing Gigabytes: Compressing and Indexing Documents and Images. — 1999. — 551 с.
  19. Gonzales R., Woods R. Digital image processing (2th) – Prentice Hall. – 2017. – 802.
  20. Ihor Polovynko. Digital signature creation by using descrete cosine and wavelet transformations, Electronics and Information Technology., 2018- Issue10. – PP.86-98




DOI: http://dx.doi.org/10.30970/eli.25.2

Посилання

  • Поки немає зовнішніх посилань.