Метод зменшення блокової структури JPEG-зображень

Представлено новий алгоритм для зменшення артефакту блокової структури, який виникає на зображеннях, оброблених за алгоритмом JPEG з високим коефіцієнтом стиснення. Цей алгоритм поєднує в собі діадне вейвлет-перетворення та метод оптимальної інтерполяції. Основна перевага його – простота та легка ре...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2010
Автори:	Гармаш, В.В., Кулик, А.Я.
Формат:	Стаття
Мова:	Ukrainian
Опубліковано:	Інститут проблем штучного інтелекту МОН України та НАН України 2010
Назва видання:	Штучний інтелект
Теми:	Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/58379
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	Метод зменшення блокової структури JPEG-зображень / В.В. Гармаш, А.Я. Кулик // Штучний інтелект. — 2010. — № 4. — С. 177-184. — Бібліогр.: 8 назв. — укр.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-58379
record_format	dspace
spelling	irk-123456789-583792014-03-24T03:01:14Z Метод зменшення блокової структури JPEG-зображень Гармаш, В.В. Кулик, А.Я. Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Представлено новий алгоритм для зменшення артефакту блокової структури, який виникає на зображеннях, оброблених за алгоритмом JPEG з високим коефіцієнтом стиснення. Цей алгоритм поєднує в собі діадне вейвлет-перетворення та метод оптимальної інтерполяції. Основна перевага його – простота та легка реалізація, за рахунок відсутності будь-яких «порогових методик» в процесі розробки. Запропонований метод покращує візуальну якість зображення та пікове відношення сигнал/шум (PSNR). Представлен новый алгоритм для уменьшения артефакта блочной структуры, возникающий на изображениях, обработанных по алгоритму JPEG с высоким коэффициентом сжатия. Этот алгоритм объединяет в себе диадное вейвлет-преобразование и метод оптимальной интерполяции. Основное преимущество его – простота и легкая реализация, за счет отсутствия любых «пороговых методик» в процессе разработки. Предложенный метод улучшает визуальное качество изображения и пиковое отношение сигнал/шум (PSNR). The paper is devoted to the problem of construction of polynomial separate surfaces for the task of two-class images classification. It is proposed an iteration method that provides to get the coefficients of separate hyper surfaces based on taking into account of peculiarity of the location of learning examples on the boundary between classes. A new algorithm for reducing block artifact structure that occurs in images processed by JPEG algorithm with high compression ratio was proposed. This algorithm combines diadic wavelet transform and the method of optimal interpolation. Its main advantage – simplicity and easy implementation, due to the absence of any threshold techniques in the development process. The proposed method improves the visual quality and peak signal – noise ratio (PSNR). 2010 Article Метод зменшення блокової структури JPEG-зображень / В.В. Гармаш, А.Я. Кулик // Штучний інтелект. — 2010. — № 4. — С. 177-184. — Бібліогр.: 8 назв. — укр. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/58379 621.3 uk Штучний інтелект Інститут проблем штучного інтелекту МОН України та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Ukrainian
topic	Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
spellingShingle	Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Гармаш, В.В. Кулик, А.Я. Метод зменшення блокової структури JPEG-зображень Штучний інтелект
description	Представлено новий алгоритм для зменшення артефакту блокової структури, який виникає на зображеннях, оброблених за алгоритмом JPEG з високим коефіцієнтом стиснення. Цей алгоритм поєднує в собі діадне вейвлет-перетворення та метод оптимальної інтерполяції. Основна перевага його – простота та легка реалізація, за рахунок відсутності будь-яких «порогових методик» в процесі розробки. Запропонований метод покращує візуальну якість зображення та пікове відношення сигнал/шум (PSNR).
format	Article
author	Гармаш, В.В. Кулик, А.Я.
author_facet	Гармаш, В.В. Кулик, А.Я.
author_sort	Гармаш, В.В.
title	Метод зменшення блокової структури JPEG-зображень
title_short	Метод зменшення блокової структури JPEG-зображень
title_full	Метод зменшення блокової структури JPEG-зображень
title_fullStr	Метод зменшення блокової структури JPEG-зображень
title_full_unstemmed	Метод зменшення блокової структури JPEG-зображень
title_sort	метод зменшення блокової структури jpeg-зображень
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2010
topic_facet	Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
url	http://dspace.nbuv.gov.ua/handle/123456789/58379
citation_txt	Метод зменшення блокової структури JPEG-зображень / В.В. Гармаш, А.Я. Кулик // Штучний інтелект. — 2010. — № 4. — С. 177-184. — Бібліогр.: 8 назв. — укр.
series	Штучний інтелект
work_keys_str_mv	AT garmašvv metodzmenšennâblokovoístrukturijpegzobraženʹ AT kulikaâ metodzmenšennâblokovoístrukturijpegzobraženʹ
first_indexed	2025-07-05T09:34:32Z
last_indexed	2025-07-05T09:34:32Z
_version_	1836799044068835328
fulltext	«Штучний інтелект» 4’2010 177 4Г УДК 621.3 В.В. Гармаш, А.Я. Кулик Вінницький національний технічний університет, м. Вінниця, Україна kulyk@inaeksu.vstu.vinnica.ua Метод зменшення блокової структури JPEG-зображень Представлено новий алгоритм для зменшення артефакту блокової структури, який виникає на зображеннях, оброблених за алгоритмом JPEG з високим коефіцієнтом стиснення. Цей алгоритм поєднує в собі діадне вейвлет-перетворення та метод оптимальної інтерполяції. Основна перевага його – простота та легка реалізація, за рахунок відсутності будь-яких «порогових методик» в процесі розробки. Запропонований метод покращує візуальну якість зображення та пікове відношення сигнал/шум (PSNR). Вступ В задачах передавання, оброблювання та зберігання зображень велике значення набувають методи стиснення даних. Це пов’язано, перш за все, з тим, що дані в таких системах зазвичай складають інтенсивні цифрові потоки. Тому навіть незначне ско- рочення інформації дозволить збільшити обсяг передачі та зберігання даних. В цьому випадку якість роботи алгоритмів стиснення безпосередньо позначається на ефектив- ності застосування систем. При цьому основна частка оброблюваної інформації припа- дає на зображення та відеопослідовності. Ефективним способом скорочення інтенсив- ності цифрового потоку є стиснення переданих даних з подальшим відновленням на приймальній стороні. Відомі методи стиснення без втрат зазвичай характеризуються низькою ефективністю при роботі із зображеннями. Тому доцільно застосовувати ме- тоди стиснення зі втратою інформації, що дозволяє досягати більш високих коефіці- єнтів. З іншого боку, крім малого розміру зображення повинно мати достатньо високу візуальну якість. Так, наприклад, для успішного розв’язання задач пошуку та ідентифі- кації об’єктів, визначення різного роду їх кількісних характеристик необхідно, щоб зображення характеризувалися високою візуальною якістю, яка втрачається внаслідок стиснення зі втратами, незадовільних умов отримання зображень, недосконалості сис- тем передавання відеоінформації та її відображення, впливу завад тощо [1]. Одним з найпоширеніших методів стиснення зі втратами є алгоритм JPEG. Він дозволяє стиснути зображення з піксельною глибиною від 6 до 24 біт із задовільною швидкістю та ефективністю. Але його головним недоліком є те, що підвищення ступе- ня ущільнення зображення призводить до розпадання на окремі квадрати (8 × 8, 16 × 16). Це пов’язано з тим, що відбуваються великі втрати в низьких частотах при квантуван- ні, і відновити вихідні дані стає неможливим. Тому актуальною є задача перетворення зображень з метою поліпшення їх візуаль- ної якості та підвищення інформативності. Аналіз останніх досліджень Процес стиснення за схемою JPEG складається з кількох етапів: – перетворення зображення на оптимальний колірний простір; – субдискретизація компонентів колірності усередненням груп пікселів; – застосування дискретних косинусних перетворень для зменшення надлишко- вості даних зображення; Гармаш В.В., Кулик А.Я. «Искусственный интеллект» 4’2010 178 4Г – квантування кожного блока коефіцієнтів дискретних косинусних перетворень із застосуванням вагових функцій, оптимізованих з урахуванням візуального сприйнят- тя людиною; – кодування результуючих коефіцієнтів даного зображення із застосуванням ал- горитму Хаффмана для зменшення надлишковості інформації [2]. Обробка блока ДКП відома як блочне дискретне косинусне перетворення (БДКП). Процес розділення всього зображення на блоки забезпечує ефективну розробку апарат- них засобів та зменшує час обчислення. Разом з тим оскільки БДКП використовується блок за блоком без розгляду кореляції між двома сусідніми блоками, це призводить до виникнення блокових артефактів, які з’являються на багатьох границях між двома сусідніми блоками. Це явище відоме як блокова структура. Вона погіршує якість де- кодованого зображення і є очевидною у випадку більш високого степеня стиснення. Відомі методи вирішення проблеми блокової структури зображення в просторо- во-частотній області. Такі методи ефективні, тому що використовують вейвлет-пред- ставлення та методи порогової обробки. Серед методів вирішення проблеми блокової структури зображення можна виділити: алгоритм постоброблювання на основі вейв- летів, який базується на представленні блокової структури у вигляді шуму [3], методи оптимізації з використанням граничної ортонормованої функції [4], [5], метод з ана- лізом коефіцієнта кореляції масштабу надповного вейвлет-представлення [6], метод, який використовує вейвлет-перетворення модуля максимального значення [7], алго- ритм, який може адаптивно вибирати поріг для різних зображень [8]. Головною пере- вагою цих методів є те, що вони можуть покращувати візуальну якість та пікове від- ношення сигнал/шум (PSNR) за рахунок правильного вибору порогу. Головним недо- ліком усіх методів, заснованих на вейвлет-представленні, є необхідність правильного вибору порогу, оскільки лише в цьому випадку отримують потрібні результати змен- шення блокової структури зображення. Таким чином, методи, які існують для вирішення проблеми блокової структури, є або надто складними для реалізації, або не можуть вирішити проблему блокової струк- тури достатньою мірою. Метою даної роботи є підвищення якості стиснених зображень на основі дослі- дження та врахування чинників, які впливають на зменшення блокової структури. При цьому необхідно розробити метод, що ефективно зменшує блокову структуру, але має низьку обчислювальну складність, просту реалізацію і покращує якість стисне- ного зображення. Метод зменшення блокової структури зображення Для зменшення блокової структури зображення доцільно використати діадне вейв- лет-перетворення та оптимальну інтерполяційну методику для оброблення кожного рядка та кожного стовпчика для стисненої матриці зображення. Таким чином, пробле- ма зменшення блокової структури у двовимірній обробці сигналів зображення пере- творюється на оброблення одновимірних сигналів. Декодована матриця N × N зображення Х із блоковою структурою може бути ви- ражена в підматричній формі:               = nnnn n n XXX XXX XXX X ,2,1, ,22,21,2 ,12,11,1 ... ... ... ... , (1) Метод зменшення блокової структури JPEG-зображень «Штучний інтелект» 4’2010 179 4Г де Xi,j – це підматриця В х В, i,j = 1,2,3, ..., n та n = N/B і є цілим числом. Кожна Xi,j називається блоком. Існують блокові артефакти між кожними суміжними границями блоків. Такі артефакти називаються блоковою структурою зображення. Також можна виразити N × N зображення із блоковою структурою Х як X = ( )( ) { }Nlijix ,...,2,1,,, ∈= . Блокова структура збільшується між кожними суміжними границями блоків, тобто між кожними pBj = та 1+= pBj стовпчиків та qBi = та 1+= qBi рядків, де { }1,...,2,1, −∈ nqp . Для даного цілого числа і необхідно визначити вектор рядка ( )( ) .,...,2,1,, Njjixx def i == Вектор хі може бути поданий у вигляді дискретного сигналу з кінцевою енергією. j-й елемент у векторі хі є xi(j), що еквівалентно х(i,j). Блокова структура робить кожні дві точки хі(рВ) та хі(рВ+1) розривними, де р = 1,2, ... n-1. Отже, є високі частоти навколо позицій цих точок, де сигнал хі перетворюється в просторово-частотну область. Вейвлет-перетворення для f(x) у масштабі 2j та позиції х визначається згорткою ( ) ( ) ( )( )( ) ( )∫ ∞ ∞−       − =∗= dxuxxfuxxfufW jj jj 22 1 22 ψψ . (2) Діадне вейвлет-перетворення є послідовністю функцій ( )( ) Zj xfWWf j ∈ = 2 , (3) де W – оператор діадного вейвлет-перетворення. Нехай функція )(xφ – відповідна згладжувальна функція вейвлета )x(Ψ та jS2 – згладжувальний оператор, визначений як згортка ( ) ( ) ( )( )( ) ( )2 2 1 2 2j j j j x uS f u f x x u f x dxϕ ϕ ∞ −∞ − = ∗ =    ∫ , (4) де )(2 xjφ визначений як ( )2 1 22 j jj xxϕ ϕ  =     . (5) Тоді з вищевказаного визначення можна побачити, що більше деталей f(x) вида- лені jS2 , якщо масштаб 2j стає більшим. Якщо оригінальний сигнал є дискретною послідовністю ( )( ) Znnff ∈= , можна припустити, що фрагменти a0(n) вхідного дискретного сигналу не зовсім дорівнюють f(n), але локальне середнє f по сусідству t = n. Отже, a0(n) може бути записане наступ- ною формулою: ( ) ( ) ( ) ( ) ( )∫ ∞ ∞− −>=−=< dtnttfnttfna φφ,0 . (6) Для кожного j > 0 ( ) ( ) ( ) ( ) ( )∫ ∞ ∞− −>=−=<= dtnttfnttfnafS jjj j 222 , φφ . (7) Діадне вейвлет-перетворення описується ( ) ( ) ( ) ( ) >−=<== nttfnWfndfW jj j j 22 ,2, ψ . (8) Для кожного масштабу 2J послідовність дискретних сигналів ( )( ) Jj fWfS jJ ≤≤122 , на- зивається дискретним діадним вейвлет-перетворенням ( )( )nff = . Гармаш В.В., Кулик А.Я. «Искусственный интеллект» 4’2010 180 4Г Отже, діадне вейвлет-перетворення (S2f, W2f) як (Sf, Wf) для функції f(n), де Sf по- дає низькочастотну інформацію f(n), а Wf – високочастотну інформацію f(n). Головна ідея методу схематично наведена на рис. 1. Рисунок 1 – Процес зменшення блочної структури Спочатку застосовується діадне вейвлет-перетворення для перетворення сигна- лу хі на дві субсмуги: одна – низькочастотна iLx , яка вміщує низькочастотну інфор- мацію сигналу хі, та друга – високочастотна iHx , яка виражає високочастотну інформацію сигналу хі. Далі, аналогічне перетворення застосовується для високочастотної субсму- ги iHx . При цьому наявні дві субсмуги – одна високо-низькочастотна субсмуга iLHx та друга високо-високочастотна iHHx . Після цього отриманий високо-високочастот- ний сигнал проходить через розроблений оптимальний інтерполяційний фільтр ОІФ, який може згладжувати сигнал на границях блоку та зберігати оригінальну інформа- цію для інших позицій. Отриманий сигнал разом з високо-низькочастотним сигналом перетворюються назад на нову високочастотну субсмугу iHx за рахунок зворотного вейвлет-перетворення ЗДВП. Далі сигнал нової високочастотної субсмуги знову прохо- дить через той самий ОІФ. Беручи зворотне перетворення цього сигналу з сигналом низькочастотної субсмуги iLx , можна отримати новий сигнал €ix , який відповідає ори- гінальному сигналу ix зі зменшеною блоковою структурою. Оптимальний інтерполяційний фільтр розробляється наступним чином. Нехай вектор ( )( )jffh = являє собою високочастотну субсмугу сигналу ( )( )jxx h i h i = чи високо-високочастотну субсмугу сигналу ( )( ) .,...,2,1, Njjxx hh i hh i == Для даного ∈p { }1,...,2,1 −∈ n існують чотири точки ( ) ( ) ( )1,,1 +− pBfpBfpBf та ( )2+pBf навколо границь блоку у векторі ( )( )jffh = , доцільно взяти відповідно чотири нових точки ( ) ( ) ( )1,,1 +− pBfpBfpBf та ( )2+pBf замість чотирьох точок ( ) ( ),,1− fpBfpBf ( )1+pBf та ( )2+pBf для зменшення блокової структури. В такому випадку точки ( )1−pBf , ( ) ( )( )221 −−− pBfpBf та ( ) ( )( )21 pBfpBf −− потрібно зробити настільки Метод зменшення блокової структури JPEG-зображень «Штучний інтелект» 4’2010 181 4Г малими, наскільки це можливо, та дуже близькими до оригінальної точки ( )1−pBf так, що ( ) ( ) ( )( )       −−−=− ∑ = 2,1,0 2 1minarg1 i ipBfpBfpBf . (9) Інші три точки, ( ) ( )1, +pBfpBf та ( )1+pBf , повинні бути також взяті як ( ) ( ) ( )( ) ( ) ( )( )       +−+−−= ∑ = 1,0 22 1minarg i ipBfpBfpBfpBfpBf , (10) ( ) ( ) ( )( ) ( ) ( )( )       +−++−+=+ ∑ = 2,1 22 11minarg1 i ipBfpBfpBfpBfpBf , (11) ( ) ( ) ( )( ) ( ) ( )( )       +−+++−+=+ ∑ = 3,2 22 212minarg2 i ipBfpBfpBfpBfpBf . (12) Таким чином, проблема зменшення блокової структури перетворюється на наступ- ну оптимізаційну проблему: ( ) ( ) ( )( )( )       −−−∑ =− 2,1,0 2 1 1min jpBf jpBfpBf , (13) ( ) ( ) ( )( ) ( ) ( )( )       +−+−− ∑ = 1,0 22 1min jpBf jpBfpBfpBfpBf , (14) ( ) ( ) ( )( ) ( ) ( )( )       +−++−+ ∑ =+ 2,1 22 1 11min jpBf jpBfpBfpBfpBf , (15) ( ) ( ) ( )( ) ( ) ( )( )       +−+++−+ ∑ =+ 3,2 22 2 212min jpBf jpBfpBfpBfpBf , (16) де 1,...,2,1 −= np . Беручи похідну (13) по відношенню до ( )1−pBf та прирівнюючи похідну до ну- ля, отримуємо ( ) ( )( ) ( ) ( )( ) ( ) ( )( ) 012112212 =−−+−−−+−−− pBfpBfpBfpBfpBfpBf . (17) Звідси випливає ( ) ( ) ( )pBfpBfpBff pB +−+−=− 123 1 . (18) Подібним чином, беручи похідні (6), (7) та (8) відповідно, ми отримаємо: ( ) ( ) ( ) ( )113 ++=−− pBfpBfpBfpBf , (19) ( ) ( ) ( ) ( )2113 +++=−+ pBfpBfpBfpBf , (20) ( ) ( ) ( ) ( )32123 +++=+−+ pBfpBfpBfpBf . (21) Об’єднуючи (18), (19), (20) та (21) в одну формулу, отримуємо: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )                    + + + − −             =               + + −             − − − 3 2 1 1 2 110000 011000 001100 000111 2 1 1 3100 0310 0031 0003 pBf pBf pBf pBf pBf pBf pBf pBf pBf pBf . (22) Гармаш В.В., Кулик А.Я. «Искусственный интеллект» 4’2010 182 4Г Таким чином сформований вектор, який складається з нових чотирьох точок: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )                    + + + − −             ×             − − − =               + + − − 3 2 1 1 2 110000 011000 001100 000111 3100 0310 0031 0003 2 1 1 1 pBf pBf pBf pBf pBf pBf pBf pBf pBf pBf . (23) Дві матриці А та В можна визначити як , 3100 0310 0031 0003 def             − − − =Α             =Β 110000 011000 001100 000111 def . (24) Тоді загальний розв’язок: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )                    + + + − − ΒΑ=               + + − − 3 2 1 1 2 2 1 1 1 pBf pBf pBf pBf pBf pBf pBf pBf pBf pBf . (25) Базуючись на вищезгаданому аналізі, можна розробити оптимальний інтерполя- ційний фільтр як ( )( ) ( ) { } { } ( )   −∈++−∈ = випадкуіншомувjf BNppBpBpBpBjjf jfОІФ , 1,...,2,1,2,1,,1, (26) Результати Для експерименту використовувалось зображення, наведене на рис. 2. Зображен- ня було стиснене за стандартом JPEG з якістю q = 10, PSNR стиснутого зображення 29,4786 дБ. Воно наведене на рис. 3. Після цього до нього було застосовано запропо- нований метод покращення PSNR. Новий показник PSNR становить 29,9458 дБ, тобто він підвищився на 0,4667 дБ. Нове зображення наведене на рис. 4, з якого видно та- кож і покращення візуальної якості. Рисунок 2 – Оригінальне зображення Метод зменшення блокової структури JPEG-зображень «Штучний інтелект» 4’2010 183 4Г Рисунок 3 – Частина збільшеного стисненого зображення (PSNR = 29,4786 дБ) Рисунок 4 – Зображення після процесу обробки (29,9458 дБ) Висновки Запропоновано новий метод для зменшення блокової структури зображення, роз- роблений у просторово-частотній області. Цей метод базується на дискретному вейвлет- перетворенні та методі оптимальної інтерполяції. Основна перевага цього алгоритму – Гармаш В.В., Кулик А.Я. «Искусственный интеллект» 4’2010 184 4Г невисока складність та легка реалізація порівняно з існуючими методами. Повністю відсутні «порогові методики» у процесі розробки. Експерименти показують, що за- пропонований метод може покращити візуальну якість зображення та пікове відношен- ня сигнал/шум (PSNR). Література 1. Журавель И.М. Краткий курс теории обработки изображений / Журавель И.М. – М., 1999. 2. Ватолин Д. Методы сжатия даннях / Ватолин Д., Ратушняк А., Смирнов М. – М. : Диалог-МИФИ, 2003. – 381 с. 3. Gopinath R.A. Wavelet Based Post Processing of Low Bit Rate Transform Coded Images / Gopinath R.A // Proc. ICIP’94. – Nov. 1994. – P. 913-917. 4. Jeon B. Locking artifacts reduction in image coding based on minimum block boundary discontinuity / B. Jeon, J. Jeong and J. Jo // Visual Communications Proceedings, Image Processing. – May 1995. – P. 198-209. 5. Jeong J. Use of a class of two dimensional funtions for blocking artifacts reduction in image coding / J. Jeong and B. Jeon // Proceedings of the International Conference on Image Processing. – October 1995. – P. 478-481. 6. Zixiang Xiong. A Deblocking Algorithm for JPEG Compressed Images Using Overcomplete Wavelet Representations / Zixiang Xiong, M.T. Orchard, Yaqin Zhang // IEEE Trans. Circuits Syst. [Video Technol]. – 1997. – Vol. 7, № 2. – P. 433-437. 7. Hsung T.C. A Deblocking Technique for Block Transform Compressed Image Using Wavelet Transfor Mo- dulus Maxima / T.C. Hsung, D.P.K. Lun, W.C. Siu // IEEE Trans. Image Processing. – 1998. – Vol. 7, № 10. – P. 1488-1496. 8. Wu S. An Efficient Wavelet Based Deblocking Algorithm for Highly Compressed Images / S. Wu, H. Yan, Z. Tan // IEEE Trans. Circuits Syst. [Video Technol]. – 2001. – Vol. 11, № 11. – P. 1193-1198. В.В. Гармаш, А.Я. Кулик Метод уменьшения блочной структуры JPEG-изображений Представлен новый алгоритм для уменьшения артефакта блочной структуры, возникающий на изображениях, обработанных по алгоритму JPEG с высоким коэффициентом сжатия. Этот алгоритм объединяет в себе диадное вейвлет-преобразование и метод оптимальной интерполяции. Основное преимущество его – простота и легкая реализация, за счет отсутствия любых «пороговых методик» в процессе разработки. Предложенный метод улучшает визуальное качество изображения и пиковое отношение сигнал/шум (PSNR). V.V. Garmash, A.Y. Kulyk Blocking Artifacts Reduction Method in JPEG-images The paper is devoted to the problem of construction of polynomial separate surfaces for the task of two-class images classification. It is proposed an iteration method that provides to get the coefficients of separate hyper surfaces based on taking into account of peculiarity of the location of learning examples on the boundary between classes. A new algorithm for reducing block artifact structure that occurs in images processed by JPEG algorithm with high compression ratio was proposed. This algorithm combines diadic wavelet transform and the method of optimal interpolation. Its main advantage – simplicity and easy implementation, due to the absence of any threshold techniques in the development process. The proposed method improves the visual quality and peak signal – noise ratio (PSNR). Стаття надійшла до редакції 02.07.2010.

Метод зменшення блокової структури JPEG-зображень

Репозитарії

Схожі ресурси