Сжатие изображений с использованием корреляции между каналами изображения

Alex-admin / Без рубрики / 0 Комментариев

Естественные изображения, как правило, характеризуются высокой корреляции между цветовыми компонентам (каналами). Большинство методов решают вопрос снижения избыточности между цветовыми компонентами за счёт преобразования в так называемые декоррелированные цветовые пространства такие как YIQ или YUV. То есть понижают корреляцию между каналами.

оригинал и восстановленное изображение

Но мы предлагаем иной метод, опирающийся на предположение о том, что одна из цветовых компонент, имеющая наивысшую корреляцию с остальными, является независимой случайной величиной (базовым каналом), в то время как остальные являются её функциями [1,2].

Изображение разбивается на блоки определённого размера, для каждого блока определяется базовый канал и строится аппроксимация остальных каналов [1,3,4]. В качестве методов аппроксимации в данной работе рассматриваются такие модели как полиномиальная регрессия, решающие деревья [5] и другие методы на основе машинного обучения.

Например, если в блоке наивысшая корреляция достигается между красным каналом Red(i,j)(где i,j — индекс пиксела в блоке) и двумя остальными (зелёным и синим), то мы поступаем для этого блока следующим образом:

  1. Сохраним изображение красного канала без изменений.
  2. Остальные представим в виде, например, полинома
    1. Green(i,j) = a_0 + a_1*Red(i,j) + a_2*Red^2(i,j) + …+a_n*Red^n(i,j)
    2. Blue(i,j) = b_0 + b_1*Red(i,j) + b_2*Red^2(i,j) + …+b_n*Red^n(i,j)
  3.  Сохраним A=[a_0,..,a_n ] и B=[b_0,..,b_n ]

Дальше нужно понять, каким образом выбирать параметров аппроксимирующих методов и размер блока. Для этого мы решаем задачу оптимизации коэффициента сжатия.

В работе представлены результаты сравнения предложенного метода с другими популярными сжатия изображений. На рисунках представлены результаты: cлева — оригинал, справа — восстановленное.

 

  1. Goffman-Vinopal L., Porat M. Color image compression using inter-color correlation //Image Processing. 2002. Proceedings. 2002 International Conference on. – IEEE, 2002. – Т. 2. – С. 353-356.
  2. Kotera H., Kanamori K. A novel coding algorithm for representing full color image by a single color image //Journal of imaging technology. – 1990. – Т. 16. – №. 4. – С. 146-152.
  3. Santhi, M., & Banu, R. W. (2010). Inter-Channel Correlation Based Color Image Compression. Digital Image Processing, 2(8), 244-249.
  4. San X., Cai H., Li J. Color image coding by using inter-color correlation //Image Processing, 2006 IEEE International Conference on. – IEEE, 2006. – С. 3117-3120.
  5. Rokach L. Data mining with decision trees: theory and applications. – World scientific, 2007.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *