Використання різних режимів колірної субдискретизації при стисненні зображення за допомогою BPG кодера

Автор(и)

  • Богдан Віталійович Коваленко Кафедра інформаційно-комунікаційних технологій ім. О.О. Зеленського, Національний аерокосмічний університет ім. М. Є. Жуковського «Харківський авіаційний інститут», Харків, Україна. https://orcid.org/0000-0002-9360-0691
  • Володимир Васильович Лукін Кафедра інформаційно-комунікаційних технологій ім. О.О. Зеленського, Національний аерокосмічний університет ім. М. Є. Жуковського «Харківський авіаційний інститут», Харків, Україна. https://orcid.org/0000-0002-1443-9685

DOI:

https://doi.org/10.36023/ujrs.2022.9.3.216

Ключові слова:

кольорове зображення, стиснення зображення з втратами, колірна субдискретизація, BPG-кодер, візуальна якість, YCbCr

Анотація

Кодер BPG (better portable graphics) – це новий підхід, який спрямований на заміну звичайних стандартів стиснення, таких як JPEG, JPEG2000 тощо. Тому такий кодер потребує детального аналізу його основних характеристик з погляду візуальної якості та ступеня стиснення. BPG-кодер може використовувати різні режими кольорової субдискретизації для кольорових і триканальних зображень, тому їх варто проаналізувати та порівняти. На практиці зображення, які потрібно стиснути, часто містять шум. Тоді стиснення з втратами таких зображень має специфічний ефект фільтрації шуму. Зокрема, оптимальна робоча точка (OРТ) може існувати, коли якість стисненого зображення ближче до відповідного безшумного (справжнього) зображення, ніж якість стисненого (вихідного, зашумленого) зображення за певним критерієм (метрикою). Також необхідно проаналізувати ефективність кодера з погляду ступеня стиснення. У цій статті автори звертають увагу на вплив різних режимів субдискретизації кольоровості на якість зображення та ступінь стиснення. За результатами моделювання, отриманими для набору кольорових зображень, рекомендовано оптимальні способи стиснення.

Посилання

Bellard, F. (2018). BPG Image format. Retrieved from: https://bellard.org/bpg/.

Chatterjee, P., Milanfar, P. (2010). Is Denoising Dead? In IEEE Transactions on Image Processing, 19(4), 895–911. DOI: 10.1109/TIP.2009.2037087.

Doutre, C., Nasiopoulos, P., Plataniotis, K. N. (2007). A Fast Demosaicking Method Directly Producing YCbCr 4:2:0 Output. IEEE Transactions on Consumer Electronics, 53(2), 499–505. DOI: 10.1109/TCE.2007.381721.

Dumic, E., Mustra, M., Grgic, S., Gvozden, G. (2009). Image quality of 4:2:2 and 4:2:0 chroma subsampling formats. 2009 International Symposiu ELMAR, 19–24.

Kovalenko, B., Lukin, V., Kryvenko, S., Naumenko, V., Vozel B. (2022). BPG-Based Automatic Lossy Compression of Noisy Images with the Prediction of an Optimal Operation Existence and Its Parameters. Appl. Sci., 12(15) (7555). DOI: 10.3390/app12157555.

Kovalenko, B., Lukin, V., Kryvenko, S., Naumenko, V., Vozel, B. (2022). Prediction of Parameters in Optimal Operation Point for BPG-based Lossy Compression of Noisy Images. Ukrainian Journal of Remote Sensing, 9(2), 4–12. DOI: 10.36023/ujrs.2022.9.2.212.

Manga, I., Garba, E. J., Ahmadu, A. S. (2021). Lossless Image Compression Schemes: A Review. Journal of Scientific Research and Reports, 27(6), 14–22. DOI: 10.9734/jsrr/2021/v27i630398.

Nan, S., Feng, X., Wu, Y., Zhang, H. (2022). Remote sensing image compression and encryption based on block compressive sensing and 2D-LCCCM. Springer, 108, 2705–2729. DOI: 10.1007/s11071-022-07335-4.

Ponomarenko, N., Ieremeiev, O., Lukin, V., Egiazarian, K., Carli, M. (2011). Modified Image Visual Quality Metrics for Contrast Change and Mean Shift Accounting. Proceedings of CADSM, 305–311.

Ponomarenko, N., Lukin, V., Zriakhov, M., Egiazarian, K. (2005). Lossy compression of images with additive noise. Proceedings of International Conference on Advanced Concepts for Intelligent Vision Systems, 3708, 381–386.

Prasanna, Y. L., Tarakaram, Y., Mounika, Y., Subramani, R. (2021). Comparison of Different Lossy Image Compression Techniques. 2021 International Conference on Innovative Computing, Intelligent Communication and Smart Electrical Systems (ICSES), 1–7. DOI: 10.1109/ICSES52305.2021.9633800.

Singh, B. K., Sinha, G. R. (2022). Medical Image Processing. In book: Machine Learning in Healthcare. DOI: 10.1201/9781003097808-4.

Spasova, G., Boyachev, I. (2022). A Method of Color Images Compression. 2021 International Conference on Biomedical Innovations and Applications (BIA), 111–114. DOI: 10.1109/BIA52594.2022.9831403.

Zabala, A., Pons, X., Diaz-Delgado, R., Garcia, F., Auli-Llinas F., & Serra-Sagrista, J. (2006). Effects of JPEG and JPEG2000 Lossy Compression on Remote Sensing Image Classification for Mapping Crops and Forest Areas. 2006 IEEE International Symposium on Geoscience and Remote Sensing, 790–793. DOI: 10.1109/IGARSS.2006.203.

Ziaei Nafchi, H., Shahkolaei, A., Hedjam, R., Cheriet, M. (2016). Mean Deviation Similarity Index: Efficient and Reliable Full-Reference Image Quality Evaluator. IEEE Access, 4, 5579–5590. DOI: 10.1109/ACCESS.2016.2604042

##submission.downloads##

Опубліковано

2022-09-28

Як цитувати

Коваленко, Б. В., & Лукін, В. В. (2022). Використання різних режимів колірної субдискретизації при стисненні зображення за допомогою BPG кодера. Український журнал дистанційного зондування Землі, 9(3), 11–16. https://doi.org/10.36023/ujrs.2022.9.3.216

Номер

Розділ

Методи збору, обробки та інтерпретації даних спостереження Землі