RU2557755C1 - Способ сжатия изображения при фрактальном кодировании - Google Patents
Способ сжатия изображения при фрактальном кодировании Download PDFInfo
- Publication number
- RU2557755C1 RU2557755C1 RU2014107166/08A RU2014107166A RU2557755C1 RU 2557755 C1 RU2557755 C1 RU 2557755C1 RU 2014107166/08 A RU2014107166/08 A RU 2014107166/08A RU 2014107166 A RU2014107166 A RU 2014107166A RU 2557755 C1 RU2557755 C1 RU 2557755C1
- Authority
- RU
- Russia
- Prior art keywords
- lbp
- domain
- rank
- image
- circle
- Prior art date
Links
Images
Landscapes
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
Изобретение относится к средствам фрактального кодирования изображения. Техническим результатом является увеличение скорости кодирования посредством выделения характеристик изображения, описывающих доменную и ранговую области. В способе после применения модифицированного метода LBP вычисление значений LBP кодов и поиск эквивалентных значений LBP кодов выполняют в ранговой и доменной областях, образованных одинаковым количеством пикселей, расположенных на окружности, где радиус окружности доменной области больше радиуса окружности ранговой области, сохраняют количество пикселей, радиус круга, координаты позиции центрального пикселя для ранговой и доменной областей. 4 ил.
Description
Изобретение относится к области обработки изображений для хранения и передачи цифровой информации и может применяться при фрактальном кодировании изображения.
Фрактальное кодирование изображения является одним из наиболее перспективных методов сжатия информации с потерями в настоящее время. Фрактальное кодирование отличается как высокой степенью сжатия, так и высокой скоростью восстановления изображения. Степень сжатия данного алгоритма можно сравнить с известными современными методами кодирования, например JPEG, а скорость восстановления изображения гораздо выше. Математическое описание изображения как результат фрактального кодирования позволяет восстановить изображение любого размера без каких-либо значительных масштабных искажений, которые свойственны другим методам кодирования. Фрактальное кодирование является очень перспективным для компьютерных мультимедиа приложений и цифрового видео. Основным недостатком метода является большая вычислительная сложность этапа кодирования изображения [1].
Фрактальное кодирование изображения подразумевает нахождение множества сжимающих преобразований, которые отображают доменные блоки во множество ранговых блоков. Ранговые блоки покрывают все изображение, могут быть одинакового размера, но чаще используют адаптивное разбиение с переменным размером блоков.
Рассмотрим базовый алгоритм фрактального кодирования изображения [2]. Изображение I разбивают на прямоугольные ранговые блоки Ri, причем ранговые блоки не перекрываются и покрывают все изображение. Далее покрывают изображение I множеством доменных блоков Di. Доменные блоки могут перекрываться, иметь разный размер, и их количество может достигать сотни или тысячи единиц. Для каждого рангового блока Ri находят сжимающее аффинное преобразование wi, которое наилучшим образом аппроксимирует данный ранговый блок в доменный блок Di.
Аффинное преобразование включает поворот, сжатие, масштабирование, сдвиг, отражение. Для того чтобы аффинное преобразование было сжимающим, размеры доменной области должны превышать размеры ранговой. Параметры этого преобразования сохраняют для дальнейшего восстановления рангового блока. Хорошее сжатие зависит от возможности найти хорошее соответствие между доменными и ранговыми блоками. Поиск наилучшего соответствия между ранговым и доменным блоками требует наибольших вычислительных затрат.
Наиболее близким по технической сущности к заявляемому способу сжатия изображения при фрактальном кодировании является способ обработки изображений с помощью метода LBP [3].
В данной процедуре предложено использовать известный метод двоичных локальных шаблонов LBP (Local Binary Patterns) [4]. Алгоритм метода LBP заключается в следующем. Выделяют окрестность размера 3x3 вокруг каждого пикселя. Соседним пикселям, которые имеют значение выше или равны значению центрального пикселя, присваивают значение 1, а тем пикселям, у которых значение меньше значения центрального пикселя, присваивают значение 0. Восемь двоичных чисел, связанных с восемью соседними пикселями, читают последовательно по часовой стрелке, чтобы сформировать двоичное число. Эти двоичные числа или их десятичный эквивалент могут быть ассоциированы с центральным числом и использованы как характеристики локальной текстуры.
В данной позиции пикселя (xc, yc) LBP код определен как упорядоченный набор двоичных сравнений интенсивности пикселя между центральным пикселем и восемью соседними пикселями.
Десятичная форма получающегося 8-битного слова - LBP кода для пикселя с координатами (xc, yc) выражена формулой:
где in - значение интенсивности соседнего пикселя с индексом n;
ic - значение интенсивности центрального пикселя (xc, yc);
s(x) - пороговая функция, которая определена следующим образом:
Благодаря отличительным свойствам текстуры и очень низким вычислительным затратам LBP метод является эффективным методом при анализе текстуры изображения.
Способ-прототип предусматривает уменьшение исходного изображения и вычисление его LBP кода, получение новой матрицы значений LBP кода размером с уменьшенное изображение. Ввиду того, что вторая матрица ассоциируется с уменьшенным исходным изображением, то число LBP кода, выбранное в ней, представляет область изображения большую, чем значение из первой матрицы в исходном изображении. Эта матрица представляет доменные области.
Недостатком данного способа является то, что LBP код вычисляют для ранговой и доменной областей с одинаковыми размерами, и получаемые характеристики, описывающие данные области, не обладают достаточной точностью.
Технический результат, на достижение которого направлено изобретение, заключается в создании способа для увеличения скорости фрактального кодирования изображений. Способ сжатия изображений заключается в выделении характеристик, описывающих доменную и ранговую области, для сравнения доменной и ранговой областей на основании этих характеристик, а не по отдельным пикселям, что существенно сокращает объем работы.
Поставленная задача осуществляется путем применения модифицированного метода LBP, при котором пиксели выбирают на некотором расстоянии от центрального пикселя и их координаты P(xp, yp) определяют следующим образом:
где xp, yp - координаты выбранных пикселей;
xc, yc - координаты центрального пикселя;
R - радиус окружности, которую образуют выбранные пиксели;
Р - количество пикселей на окружности.
После вычисления значений LBP кода ранговой области с определенным радиусом R и количеством точек Р берут для вычисления доменной области такое же количество точек Р, но с радиусом большим радиуса, который использовался для вычисления значения LBP кода ранговой области, причем каждое значение матрицы LBP кода доменной области представляет большую область, чем значение матрицы LBP кода ранговой области. При этом некоторые соседние пиксели имеют разные значения LBP кода, на что влияет его чувствительность к вращению и выбор первого соседнего пикселя (фиг. 4.).
Просмотр значений выполняют последовательно по часовой стрелке, от того какой пиксель является стартовым, зависит, какие двоичные номера и их десятичные эквиваленты будут сформированы. В данном случае можно брать максимальное, минимальное или медианное значение LBP кода, чтобы сделать инвариантным данный код к вращению.
Далее для любого значения LBP кода из первой матрицы находят эквивалентное значение во второй. Таким образом находят подобные области на обоих изображениях, которые представляют ранговую и доменную область и соответствие между ними. Проделывают это для всех значений LBP кода первой матрицы и сохраняют координаты второй матрицы, где находится число эквивалентное значению первой матрицы, и позицию центрального пикселя.
Заявленный способ поясняется чертежами:
фиг.1 - отображение ранговых областей в доменные области;
фиг.2 - вычисление LBP кода;
фиг.3 - модифицированный LBP код;
фиг.4 - варианты формирования LBP кода.
Экспериментальное применение предлагаемого способа сжатия изображения с применением метода LBP позволяет значительно сократить временные и вычислительные расходы при фрактальном кодировании изображений. Способ прост, эффективен и универсален.
Источники информации
1. Barnsley М., Hurd L. Fractal Image Compression. - Wellesley, MA: A.K. Peters, Ltd, 1993.
2. С. Уэлстид. Фракталы и вейвлеты для сжатия изображений в действии. Учебное пособие. - М.: Издательство Триумф, 2003, 320 с;
3. Зыков А.Н., Карцов С.К., Куприянов Д.Ю. Обработка изображений с помощью метода LBP (Local Binary Patterns). Известия МГИУ №3 (27), 2012, с.42.
4. Ojala Т., Pietikainen М., Maenpaa Т. Multi resolution gray-scale and rotation invariant texture classification with local binary patterns. - IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol.24. N7. Jul 2002. P.971-987.
Claims (1)
- Способ сжатия изображения при фрактальном кодировании, включающий поступление изображения на вход кодировщика, разделение изображения на множество неперекрывающихся ранговых областей, вычисление значений LBP кодов, создание доменных областей, создание матриц значений LBP кодов, поиск в доменной матрице значений LBP кодов, эквивалентных значениям LBP кодов ранговой матрицы, отличающийся тем, что применив модифицированный метод LBP, вычисление значений LBP кодов и поиск эквивалентных значений LBP кодов выполняют в ранговой и доменной областях, образованных одинаковым количеством пикселей, расположенных на окружности, причем радиус окружности доменной области больше радиуса окружности ранговой области, и сохраняют количество пикселей, радиус круга, координаты позиции центрального пикселя для ранговой и доменной областей.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2014107166/08A RU2557755C1 (ru) | 2014-02-25 | 2014-02-25 | Способ сжатия изображения при фрактальном кодировании |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2014107166/08A RU2557755C1 (ru) | 2014-02-25 | 2014-02-25 | Способ сжатия изображения при фрактальном кодировании |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2557755C1 true RU2557755C1 (ru) | 2015-07-27 |
Family
ID=53762512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2014107166/08A RU2557755C1 (ru) | 2014-02-25 | 2014-02-25 | Способ сжатия изображения при фрактальном кодировании |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2557755C1 (ru) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2616562C1 (ru) * | 2015-12-31 | 2017-04-17 | Акционерное общество "Воронежский научно-исследовательский институт "Вега" (АО "ВНИИ "Вега") | Способ передачи изображения по каналу связи |
RU2681360C1 (ru) * | 2017-12-20 | 2019-03-06 | Акционерное общество "Воронежский научно-исследовательский институт "Вега" (АО "ВНИИ "Вега") | Способ передачи изображения по каналу связи |
CN110222749A (zh) * | 2019-05-27 | 2019-09-10 | 成都信息工程大学 | 一种可见光图像与红外图像匹配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999049412A1 (en) * | 1998-03-20 | 1999-09-30 | University Of Maryland | Method and apparatus for compressing and decompressing images |
US7697771B2 (en) * | 1998-09-21 | 2010-04-13 | Mitsubishi Electric Corporation | Method and apparatus for compressing and decompressing images |
RU2406258C2 (ru) * | 2006-03-27 | 2010-12-10 | Квэлкомм Инкорпорейтед | Способ и система для кодирования и декодирования информации, связанные с сжатием видеосигнала |
RU2479941C2 (ru) * | 2008-04-10 | 2013-04-20 | Квэлкомм Инкорпорейтед | Технологии прогнозирования для интерполяции при кодировании видео |
-
2014
- 2014-02-25 RU RU2014107166/08A patent/RU2557755C1/ru active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999049412A1 (en) * | 1998-03-20 | 1999-09-30 | University Of Maryland | Method and apparatus for compressing and decompressing images |
US7697771B2 (en) * | 1998-09-21 | 2010-04-13 | Mitsubishi Electric Corporation | Method and apparatus for compressing and decompressing images |
RU2406258C2 (ru) * | 2006-03-27 | 2010-12-10 | Квэлкомм Инкорпорейтед | Способ и система для кодирования и декодирования информации, связанные с сжатием видеосигнала |
RU2479941C2 (ru) * | 2008-04-10 | 2013-04-20 | Квэлкомм Инкорпорейтед | Технологии прогнозирования для интерполяции при кодировании видео |
RU2505938C2 (ru) * | 2008-04-10 | 2014-01-27 | Квэлкомм Инкорпорейтед | Интерполяция на основе искажений в зависимости от скорости передачи для кодирования видео на основе неперестраиваемого фильтра или адаптивного фильтра |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2616562C1 (ru) * | 2015-12-31 | 2017-04-17 | Акционерное общество "Воронежский научно-исследовательский институт "Вега" (АО "ВНИИ "Вега") | Способ передачи изображения по каналу связи |
RU2681360C1 (ru) * | 2017-12-20 | 2019-03-06 | Акционерное общество "Воронежский научно-исследовательский институт "Вега" (АО "ВНИИ "Вега") | Способ передачи изображения по каналу связи |
CN110222749A (zh) * | 2019-05-27 | 2019-09-10 | 成都信息工程大学 | 一种可见光图像与红外图像匹配方法 |
CN110222749B (zh) * | 2019-05-27 | 2022-06-07 | 成都信息工程大学 | 一种可见光图像与红外图像匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mei et al. | Image super-resolution with non-local sparse attention | |
CN110738207B (zh) | 一种融合文字图像中文字区域边缘信息的文字检测方法 | |
US11138738B2 (en) | Image processing method and image processing device | |
CN109522874B (zh) | 人体动作识别方法、装置、终端设备及存储介质 | |
Mathieu et al. | Deep multi-scale video prediction beyond mean square error | |
CN108664981B (zh) | 显著图像提取方法及装置 | |
JP6493163B2 (ja) | 粗密探索方法および画像処理装置 | |
CN110084238B (zh) | 基于LadderNet网络的指静脉图像分割方法、装置和存储介质 | |
Ram et al. | Image denoising using nl-means via smooth patch ordering | |
CN107705270A (zh) | 中值滤波的处理方法和装置、电子设备、计算机存储介质 | |
CN111767819A (zh) | 一种图像识别方法、装置、电子设备和计算机可读介质 | |
Xie et al. | Bag-of-words feature representation for blind image quality assessment with local quantized pattern | |
CN102663399A (zh) | 一种基于Hilbert曲线和LBP的图像局部特征提取方法 | |
RU2557755C1 (ru) | Способ сжатия изображения при фрактальном кодировании | |
EP2695106B1 (en) | Feature descriptor for image sections | |
CN113920147B (zh) | 基于深度学习的遥感影像建筑物提取方法及设备 | |
CN114612709A (zh) | 图像金字塔特征指导的多尺度目标检测方法 | |
Lategahn et al. | DIRD is an illumination robust descriptor | |
CN114758145A (zh) | 一种图像脱敏方法、装置、电子设备及存储介质 | |
Waller et al. | Image reconstruction from local binary patterns | |
CN115630660B (zh) | 基于卷积神经网络的条码定位方法和装置 | |
CN107833232A (zh) | 图像细节的提取方法和装置、电子设备、计算机存储介质 | |
CN111161250B (zh) | 一种多尺度遥感图像密集房屋检测方法及装置 | |
Zahid Ishraque et al. | A local adaptive image descriptor | |
Naik et al. | Image segmentation using encoder-decoder architecture and region consistency activation |