Субполосная аппроксимация изображений при сжатии объемов битовых представлений
DOI:
https://doi.org/10.52575/2687-0932-2022-49-3-607-615Ключевые слова:
изображения, аппроксимация при сжатии битовых представлений, двумерный субполосный анализ и синтезАннотация
Изображения представляют собой важный инструмент информационных процессов, так как являются естественной для человека формой информационного обмена, непосредственно воспринимаемой органами чувств. Как правило, аппаратура, предназначенная для фиксации изображений, содержит много регистрирующих датчиков и достаточно большое количество двоичных разрядов для цифрового представления их значений. Вместе с тем в зависимости от целевого использования визуальной информации такой объем данных может быть избыточным, и возникает необходимость его уменьшения, особенно при удаленной передаче. Такое уменьшение битовых представлений визуальной информации принято именовать сжатием. Важность применения сжатия вызвала разработку соответствующих методов, среди которых наибольшее распространение получили JPEG и JPEG2000. Не умаляя их достоинств, все же отметим их недостаточную гибкость с позиций важности сохранения в восстанавливаемых аппроксимациях исходных изображений тех или иных свойств. В данной работе предлагается метод сжатия данных с сохранением в восстанавливаемых аппроксимациях спектров в заданных двумерных подобластях области пространственных частот, что принято именовать субполосной аппроксимацией.
Скачивания
Библиографические ссылки
Авдеев О.В., Чобану М.К. 2006. Сжатие изображений с помощью частичной сортировки вейвлет-коэффициентов. Цифровая обработка сигналов, № 2.
Артюшенко В.М., Шелухин О.И., Афонин М.Ю. 2004. Цифровое сжатие видеоинформации и звука. М.: Дашков и К.
Гантмахер Ф.Р. 1967. Теория матриц. М.: Наука.
Гонсалес Р., Вудс Р. 2012. Цифровая обработка изображений. М.: Техносфера.
Дворкович В.П., Дворкович А.В. 2012. Цифровые видеоинформационные системы (теория и практика). М.: Техносфера.
Евсютин О.О., Шелупанов А.А., Россошек С.К., Мещеряков Р.В. 2013. Сжатие цифровых изображений. М.: Горячая линия – Телеком.
Жиляков Е.Г., Черноморец А.А. 2009. Вариационные алгоритмы анализа и обработки изображений на основе частотных представлений: Белгород: Изд-во ГИК. 146 c.
Жиляков Е.Г. 2015. Оптимальные субполосные методы анализа и синтеза сигналов конечной длительности. Автомат. и телемех., 4: 51–66.
Кобелев В.Ю., Приоров А.Л. 2006. Применение неразделимых оптимизированных вейвлет-фильтров в задачах сжатия изображений. Цифровая обработка сигналов, № 2.
Крящев В.В., Бекренев В.А., Соловьев В.Е., Никитин А.Е. 2011. Улучшение качества JPEG2000-изображений на основе модифицированного билатерального фильтра. Цифровая обработка сигналов, № 3.
Петров Е.П., Харина Н.Л., Сухих П.Н. 2015. Метод сжатия цифровых изображений без спектральных преобразований. Цифровая обработка сигналов, № 3.
Радченко Ю.С. 2002. Алгоритм сжатия изображений на основе полиномиальных преобразований
(алгоритм GDCT). Цифровая обработка сигналов, № 1.
Стрелков Ф.В., Умняшкин С.В. 2003. Контекстное кодирование коэффициентов дискретного косинусного преобразования (ДКП) в JPEG-подобной схеме компрессии. Цифровая обработка сигналов, № 2.
Умняшкин С.В., Коплович Д.М., Черкасов И.В. 2006. Об использовании контекстного векторного квантования в области дискретных вейвлет-преобразований для компрессии изображений. Цифровая обработка сигналов, № 2.
Умняшкин С.В., Курина В.В. 2009. Алгоритм сжатия изображений на основе дискретного псевдокосинусного преобразования. Цифровая обработка сигналов, № 3.
Умняшкин С.В., Гизятуллин Р.Р. 2014. Сжатие изображений на основе блочной декомпозиции в области пакетного вейвлет-преобразования. Цифровая обработка сигналов, № 1.
Хорн Р., Джонстон Ч. 1989. Матричный анализ. М: Мир.
Хургин Я.И., Яковлев В.П. 1971. Финитные функции в физике и технике. М.: Наука.
Просмотров аннотации: 108
Поделиться
Опубликован
Как цитировать
Выпуск
Раздел
Copyright (c) 2022 Экономика. Информатика
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
