Класифікація зашумлених зображень, стиснутих з втратами на основі BPG
DOI:
https://doi.org/10.36023/ujrs.2024.11.3.266Ключові слова:
стиснення зображення з втратами, оптимальна точка експлуатації, Кодер BPG, класифікаційна трансформаціяАнотація
Отримані зображення дистанційного зондування можуть містити шум. Цей факт необхідно враховувати при їх стисненні з втратами та класифікації. Зокрема, при стисненні з втратами зазвичай спостерігається специфічний ефект фільтрації шуму, який може бути позитивним для класифікації. На класифікацію також може впливати методологія навчання класифікатора. У цій статті розглядаються особливості стиснення з втратами триканальних зображень, що спотворені шумом, за допомогою кодера покращеної портативної графіки (BPG) та їх подальша класифікація. Показано, що покращення точності класифікації даних не спостерігається, якщо стискати зображення в околі оптимальної робочої точки (ОРТ), а тренування класифікатора виконувати для зображень із шумом. Досліджено роботу класифікатора на основі нейронної мережі. Показано, що його навчання на стиснених даних дистанційного зондування здатне забезпечити певні переваги порівняно з навчанням на зашумлених (нестиснених) даних. У статті наведено приклади використання даних Sentinel у моделюванні.
Посилання
Abramova V., Abramov S., Abramov K., Vozel B. (2024). Blind Evaluation of Noise Characteristics in Multichannel Images. Studies in Systems, Decision and Control. Cham: Springer, 507, 209-229. DOI 10.1007/978-3-031-43579-9_4
Aiazzi B., Alparone L., Baronti S., Lastri C., Selva M. (2012). Spectral distortion in lossy compression of hyperspectral data. Journal of Electrical Computer Engineering, Article ID 850637, 8. DOI: https://doi.org/10.1155/2012/850637.
Albalawi U., Mohanty S. P. and Kougianos E. (2016). Energy-Efficient Design of the Secure Better Portable Graphics Compression Architecture for Trusted Image Communication in the IoT. 2016 IEEE Computer Society Annual Symposium on VLSI (ISVLSI), 302-307. DOI: 10.1109/ISVLSI.2016.21.
Al-Shaykh O. K. and Mersereau R. M. (1998). Lossy compression of noisy images. In IEEE Transactions on Image Processing, 7(12), 1641-1652. DOI: 10.1109/83.730376.
Bondžulić B., Stojanović N., Petrović V., Pavlović B., Miličević Z. (2021). Efficient Prediction of the First Just Noticeable Difference Point for JPEG Compressed Images. Acta Polytechnica Hungarica,18(8), 201-220. DOI:10.12700/APH.18.8.2021.8.11
Chang S. G., Yu B. and Vetterli M. (1997). Image denoising via lossy compression and wavelet thresholding. Proceedings of International Conference on Image Processing,1, 604-607. DOI: 10.1109/ICIP.1997.647985.
Chatterjee P. and Milanfar P. (2010). Is Denoising Dead? In IEEE Transactions on Image Processing, 19(4), 895-911. DOI: 10.1109/TIP.2009.2037087.
Chi M., Plaza A., Benediktsson J. A., Sun Z., Shen J., and Zhu Y. (2016). Big data for remote sensing: Challenges and opportunities. Proceedings of the IEEE, 104(11), 2207-2219. DOI: 10.1109/JPROC.2016.2598228.
Christophe E. (2011). Hyperspectral Data Compression Tradeoff. In: Prasad S., Bruce L., Chanussot J. (eds) Optical Remote Sensing. Augmented Vision and Reality. DOI:10.1007/978-3-642-14212-3_2.
Doss S., Pal S., Akila D., Jeyalaksshmi S., Jabeen T. N., and Suseendran G. (2020). Satellite image remote sensing for identifying aircraft using SPIHT and NSCT. IEEE Signal processing magazine, 7(5), 631-634.
Hussain A. J., Al-Fayadh A., and Radi N. (2018). Image compression techniques: A survey in lossless and lossy algorithms. Neurocomputing, 300: 44-69. DOI: 10.1016/j.neucom.2018.02.094
Kovalenko B., Lukin V., Naumenko V. and Krivenko S. (2021). Analysis of noisy image lossy compression by BPG using visual quality metrics. 2021 IEEE 3rd International Conference on Advanced Trends in Information Theory (ATIT), 20-25. DOI: 10.1109/ATIT54053.2021.9678575.
Khorram S., van der WieleFrank C. F., Koch F. H., Nelson S. A. C., Potts M.D. (2016). Future Trends in Remote Sensing. In: Principles of Applied Remote Sensing, 277–285.
Kryvenko S., Lukin V., Vozel B. (2024). Lossy Compression of Single-channel Noisy Images by Modern Coders. Remote Sensing, 16, 2093, 1-19. DOI: 10.3390/rs16122093
Li F., Krivenko S., and Lukin V. (2020). Adaptive two-step procedure of providing desired visual quality of compressed image. In Proceedings of the 2020 4th International Conference on Electronic Information Technology and Computer Engineering, 407-414. DOI: 10.1145/3443467.3443791.
Lukin V., Ponomarenko N., Zelensky A., Kurekin A., Lever K. (2008). Compression and classification of noisy multichannel remote sensing images. Proc. SPIE 7109, Image and Signal Processing for Remote Sensing XIV, 1-12. DOI: 10.1117/12.799497
Lukin V., Kovalenko B., Kryvenko S., Naumenko V., Vozel B. (2022). Prediction of Optimal Operation Point Existence and Its Parameters in BPG-Based Automatic Lossy Compression of Noisy Images. Current Overview on Science and Technology Research, 9, 1-36. DOI: 10.9734/bpi/costr/v9/4316A
Ma Y., Wu H., Wang L., Huang B., Ranjan R., Zomaya A., Jie W. (2015). Remote sensing big data computing: Challenges and opportunities. Future Generation Computer Systems, 51, 47-60. DOI: 10.1016/j.future.2014.10.029.
Makarichev V., Vasilyeva I., Lukin V., Vozel B., Shelestov A., Kussul N. (2021). Discrete Atomic Transform-Based Lossy Compression of Three-Channel Remote Sensing Images with Quality Control. Remote Sens, 14 (1), 125. DOI: 10.3390/rs14010125
Ponomarenko N., Lukin V., Astola J., and Egiazarian K. (2015). Analysis of HVS-metrics’ properties using color image database TID2013. In International Conference on Advanced Concepts for Intelligent Vision Systems, 613-624. DOI:10.1007/978-3-319-25903-1_53.
Proskura G., Vasilyeva I., Li F., Lukin V. (2020). Classification of Compressed Multichannel Images and Its Improvement. Proceedings of the 30th International Conference Radioelektronika, 62-67. DOI: 10.1109/radioelektronika49387.2020.9092371.
Sayood K. (2017) Introduction to data compression, San Francisco: Morgan Kaufmann, 768. ISBN: 978-0-12-415796-5
Selva E., Kountouris A. and Louet Y. (2021). K-Means Based Blind Noise Variance Estimation. 2021 IEEE 93rd Vehicular Technology Conference (VTC2021-Spring), 1-7. DOI: 10.1109/VTC2021-Spring51267.2021.9449072.
Tao D., Di S., Liang X., Chen Z., and Cappello F. (2018). Fixed-PSNR Lossy Compression for Scientific Data. 2018 IEEE International Conference on Cluster Computing (CLUSTER), 314-318. DOI: 10.48550/arXiv.1805.07384.
Taubman D.S., Marcellin M.W. (2013). JPEG2000: image compression fundamentals, standards, and practice.
Vasilyeva I., Lukin V., Kharchenko V., Nereta A. (2023). Combined Processing of Satellite and UAV Data to Increase the Classification Reliability. Proceedings of the 4th International Workshop on Intelligent Information Technologies & Systems of Information Security. 539-552. https://ceur-ws.org/Vol-3373/paper37.pdf.
Yee D., Soltaninejad S., Hazarika D., Mbuyi G., Barnwal R. and Basu A. (2017). Medical image compression based on region of interest using better portable graphics (BPG). 2017 IEEE International Conference on Systems, Man, and Cybernetics (SMC), 216-221. DOI: 10.1109/SMC.2017.8122605.
Zemliachenko A., Abramov S., Lukin V., Vozel B., Chehdi K. (2015). Lossy Compression of Noisy Remote Sensing Images with Prediction of Optimal Operation Point Existence and Parameters. SPIE Journal on Advances in Remote Sensing, 9 (1), 26. DOI: 10.1117/1.JRS.9.095066.
Zhai G., Min X. (2020). Perceptual image quality assessment: a survey. Science China Information Sciences, 63 (11), 1-52. DOI: 10.1007/s11432-019-2757-1.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ліцензійні умови: автори зберігають авторські права та надають журналу право першої публікації на твір, одночасно ліцензований за міжнародною ліцензією Creative Commons Attribution License International CC-BY, що дозволяє іншим поділитися твором з підтвердженням авторства твору та первинною публікацією в цьому журналі.
Автори, направляючи рукопис у редакцію «Українського журналу дистанційного зондування Землі», погоджуються з тим, що редакції передаються права на захист і використання рукопису (переданого до редакції журналу матеріалу, в т. ч. такі об’єкти авторського права як фотографії автора, рисунки, схеми, таблиці тощо), в тому числі на відтворення у пресі та мережі Інтернет, на поширення, на переклад рукопису на будь-які мови, експорту та імпорту примірників журналу зі статтею авторів з метою розповсюдження, на доведення до загального відома. Зазначені вище права автори передають редакції без обмеження терміну і на території всіх країн світу без обмеження в т. ч. на території України.
Автори гарантують наявність у них виняткових прав на використання переданого редакції матеріалу. Редакція не несе відповідальності перед третіми особами за порушення даних авторами гарантій. За Авторами залишається право використання їх опублікованого матеріалу, його фрагментів і частин в особистих, у тому числи наукових і освітянських цілях. Права на рукопис вважаються переданими Авторами редакції з моменту підписання до друку випуску журналу, в якому він публікується. Передрук матеріалів, опублікованих у журналі, іншими фізичними та юридичними особами можливий тільки зі згоди редакції, з обов’язковим зазначенням випуску журналу, в якому було опубліковано матеріал.
