Kotelnikov Institute of Radio Engineering and Electronics of RAS Русский Sign in Submit a paper
Journal of Radio Electronics Online scientific journal · eISSN 1684-1719
2012, № 11 · MATHEMATICAL MODELS IN RADIO ELECTRONICS PROBLEMS

Эффективное сжатие изображений на базе дифференциального анализа

A.I. Grishentsev1

1 Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, Russia
Full text (PDF) UDC 004.627, 004.921, 621.396.946 EDN PJJIEJ

Abstract

In this paper we propose a method for image compression based on the analysis of the differential structure. Was initially given the task of developing a method of compression specific high contrast satellite images in order to reduce costly traffic due to the spacecraft. As a result of the development made on the basis of SPb ITMO was obtained new image compression method based on the analysis of the differential structure. The resulting method has shown the possibility of applying to a wide range of graphic images in particular, and field in general. The paper discusses the concept of method, options software implementation, advanced techniques that improve the efficiency of the method, as well as examples and numerical estimates. This method of compression can be used for static and dynamic (video) images. Laid the basis for the conception principles allow you to create multi-threaded computing solutions both hardware and software, and only hardware. Computational complexity of the core compression algorithm (in its simplest implementation) can be estimated as the product of the linear dimensions of static images. Image compression based on the analysis of the differential structure is comparable to the degree of compression JPEG, the quality of the images obtained by the numerical criterion is higher, that may be important for computer image processing. To compress a relatively small number of operations that can have a positive impact on the loading of computing power spacecraft carrying the transfer of images.

  • compression
  • data compression
  • image compression
  • compression algorithm
  • the analysis of the differential image structure
  • differential compression
Аннотация (на русском)

Эффективное сжатие изображений на базе дифференциального анализа

В данной работе предложен метод сжатия изображений на основе анализа дифференциальной структуры. Изначально была поставлена задача разработки метода сжатия специфических высококонтрастных космических снимков с целью сокращения дорогостоящего трафика связи с космическими аппаратами. В результате разработки, выполненной на базе СПб НИУ ИТМО, был получен новый метод сжатия изображений на основе анализа дифференциальной структуры. Полученный метод показал возможность применения к широкому классу графических изображений в частности, и полевых структур, в общем. В работе рассмотрены концепция метода, варианты программной реализации, дополнительные приёмы, позволяющие повысить эффективность метода, а так же примеры использования и некоторые численные оценки. Данный метод сжатия может быть применён для статических и динамических (видео) изображений. Заложенные в основу концепции сжатия принципы позволяют создавать многопоточные вычислительные решения как на аппаратно-программном, так и только на аппаратном уровне. Вычислительную сложность ядра алгоритма сжатия (в самой простой реализации) можно оценить как произведение линейных размеров статического изображения. Степень сжатия изображений на базе анализа дифференциальной структуры сопоставима со степенью сжатия JPEG, при этом качество полученных изображений по численным критериям выше, что может быть существенным для машинной обработки изображений. Для сжатия требуется относительно малое число операций, что может положительно сказаться на разгрузке вычислительных мощностей космических аппаратов, осуществляющих передачу изображений.

For citation

Grishentsev A.I. Эффективное сжатие изображений на базе дифференциального анализа // Journal of Radio Electronics. – 2012. – No. 11.

References

  1. Смит С. Цифровая обработка сигналов. Практическое руководство для инженеров и научных работников. / Стивен Смит; пер. с англ. А. Ю. Линовича, С В. Витязева, И. С. Гусинского. - М.: Додека-XXI, 2011. - 720 с.
  2. Оппенгейм А., Шафер Р. Цифровая обработка сигналов. 2-е издание, испр. М.: Техносфера, 2009. - 856 с.
  3. Солонина А.И., Улахович Д.А., Арбузов С.М., Соловьёва Е.Б. Основы цифровой обработки сигналов: курс лекций. 2-е издание испр. и перераб.-СПб.: БХВ-Петербург, 2005.-768 с.: ил.
  4. Лайонс Р. Цифровая обработка сигналов: Второе издание. Пер. с англ.- М.:ООО «Бином-Пресс», 2009.-656 с.
  5. Чобану М. Многомерные многоскоростные системы обработки сигналов. М.: Техносфера, 2009. - 480 с.
  6. D. Saupe, R. Hamzaoui, H. Hartenstein. Fractal image compression - An introductory overview, in: Fractal Models for Image Synthesis, Compression, and Analysis, D. Saupe, J. Hart (eds.), ACM SIGGRAPH'96 Course Notes.
  7. Скиена С. Алгоритмы. Руководство по разработке. - 2-е изд.: Пер. с англ. - СПб.: БХВ-Петербург, 2011.
  8. Сэлмон Д. Сжатие данных, изображений и звука. М.: Техносфера, 2006. - 386 с.
  9. Пискунов Н.С. Дифференциальное и интегральное исчисления. В 2-х т. Т.II: - М.: Интеграл-Пресс, 2005. - 544 с.].
  10. Ильин В.А., Поздняк Э.Г. Основы математического анализа: В 2 ч. Часть II.- 3-е изд.- М.: Наука. Физматлит, 1998.- 448 с.
  11. Серов А.В. Эфирное цифровое телевидение DVB-T/H/-СПб.: БХВ-Петербург, 2010.-464 с.:ил.
  12. Бахвалов Н.С., Воеводин В.В. Современные проблемы вычислительной математики и математическо-го моделирования: в 2 томах. - Т. 1. Вычислительная математика. - М.: Наука, 2005. - 343 с.
  13. Формалёв В.Ф., Ревезников Д.Л. Численные методы. - М.: Физматлит, 2004. - 400 с.
  14. Гришенцев А.Ю., Коробейников А.Г. Улучшение сходимости метода конечных разностей с помощью вычисления промежуточного решения. Научно-технический вестник информационных технологий, механики и оптики, 2012, № 3 (79).-С. 124-127.
  15. Информационные технологии./ Обработка цифровых сигналов, 2012. // [Электронный ресурс]. URL: http://www.moveinfo.ru
  16. Технологии CUDA. NVIDIA Corporation, 2012. // [Электронный ресурс]. URL: http://www.nvidia.ru/object/cuda_home_new_ru.html.
  17. University of Southern California./ Signal and Image Processing Institute, 2012. // [Электронный ресурс]. URL: http://sipi.usc.edu/database