Дослідження графічних форматів даних для компактного представлення і порівняння зображень
DOI:
https://doi.org/10.32703/2617-9059-2024-43-14Ключові слова:
зображення, стиснення з втратами, перетворення, трирівневе подання, урівноваження, кореляційна функціяАнотація
В статті проводиться дослідження поширених методів стиснення графічної інформації із втратами та без втрат. В результаті дослідження виділено переваги та недоліки методів стиснення. Здійснено порівняльний аналіз основних можливостей методів стиснення графічної інформації. Актуальність полягає в ефективній передачі, обробці та збереженні графічної інформації, оскільки великій обсяг даних вимагає збільшення пропускної здатності мереж і значних ресурсів для зберігання даних. Практичне значення полягає у вирішенні завдання ефективного зменшення розмірів даних шляхом застосування відомих методів стиснення.
На основі дослідження графічних форматів даних приводиться розробка алгоритмів обчислювальної схеми «точної» обробки напівтонових зображень для розпізнавання образів. Така схема здійснює переопис багатоградаційного зображення в трирівневе подання і реалізує процедуру урівноваження, що дозволяє в більш компактному виді формувати ознаки зображення і швидше обчисляти кореляційну функцію. Показано ефективність використання розроблених методів компактного подання зображень із кореляційним порівнянням урівноважуючих кривих перед традиційним кореляційним порівнянням зображень.
Посилання
Afanasyev, D., & Zorenko, Ya. (2019). Sistematizacia technologiy stisnennya zobrazhen u sistemakh poligrafichnogo reproduktuvannya. [Systematization of image compression technologies in polygraphic reproduction systems]. Printing technology and technique, 1(63), 45–57. https://doi.org/10.20535/2077-7264.1(63).2019.166144.
Gertsiy, O., & Butryk, N. (2021). Comparative analysis of compact methods representations of graphic information. Collection of scientific works of the State University of Infrastructure and Technologies series "Transport Systems and Technologies", (37), 130–143. https://doi.org/10.32703/2617-9040-2021-37-13.
Grinyov, DV, & Zakirov, ZZ (2010). Metody stysnennya zobrazhenʹ v systemakh tsyfrovoyi obrobky danykh [Methods of image compression in digital data processing systems]. Information processing systems, (2), 66-70.
Glukhov, V.S., & Khomits, V.M. (2017). Pidkhid do stysnennya zobrazhenʹ bez vtrat metodom JPEG-LS [The approach to lossless image compression using the JPEG-LS method]. Bulletin of the National University "Lviv Polytechnic". Series: Computer Systems and Networks, (881), 32-40. https://doi.org/10.23939/csn2017.881.032.
ZainEldin, H., Elhosseini, M. A., & Ali, H. A. (2015). Image compression algorithms in wireless multimedia sensor networks: A survey. Ain Shams Engineering Journal, 6(2), 481-490. https://doi.org/10.1016/j.asej.2014.11.001.
Viola, I., Řeřábek, M., Bruylants, T., Schelkens, P., Pereira, F., & Ebrahimi, T. (2016, December). Objective and subjective evaluation of light field image compression algorithms. In 2016 Picture Coding Symposium (PCS) (pp. 1-5). IEEE. https://doi.org/10.1109/PCS.2016.7906379.
Gunasheela, K. S., & Prasantha, H. S. (2018). Satellite image compression-detailed survey of the algorithms. In Proceedings of International Conference on Cognition and Recognition (pp. 187-198). Springer, Singapore. http://dx.doi.org/10.1007/978-981-10-5146-3_18.
Zubko, R.A. (2013). Alhorytmy stysnennya zobrazhenʹ [Image compression algorithms]. Eastern European Journal of Advanced Technology, 1(2), 40-44. http://dx.doi.org/10.1007/978-981-10-5146-3_18.
Korpan, Ya.V. (2015). Methods and algorithms for compact representation of graphic information in computer systems. Technology Audit and Production Reserves, 3(2(23), 32–36. https://doi.org/10.15587/2312-8372.2015.43330.
Mohammadpour, T., & Mollaei, M., (2009) "ECG Compression with Thresholding of 2-0 Wavelet Transform Coefficients and Run Length Coding", European Journal of Scientific Research, 27(2), 248-257.
Zubko, R.A. (2014). Fractal image compression method. Eastern-European Journal of Enterprise Technologies, 6(2(72), 23–28. https://doi.org/10.15587/1729-4061.2014.33445.
Welstead, S. T. (1999). Fractal and wavelet image compression techniques (Vol. 40). Spie Press. https://doi.org/10.1117/3.353798.
T. Guo, T. Zhang, E. Lim, M. López-Benítez, F. Ma, & L. Yu, (2022). A Review of Wavelet Analysis and Its Applications: Challenges and Opportunities. IEEE Access, (10), 58869-58903, https://doi.org/10.1109/ACCESS.2022.3179517.
B. Chen, Y. Li, N. Zeng and W. He, (2019). "Fractal lifting wavelets for machine fault diagnosis", IEEE Access, (7), 50912-50932. https://doi.org/10.1109/ACCESS.2019.2908213.
Garmash, V.V., Kulyk, A.Y., (2010). Blocking Artifacts Reduction Method in JPEG-images. Artificial Intelligence, (4), 177-184.
Russ, J.C. (2016). The Image Processing Handbook. CRC Press, 7th edition. 1053.
Gonzalez, R.C., & Woods, R.E.. (2017). Digital Image Processing. Pearson, New York, 4 editions. 1192.
Timchenko, L. I., Basov, V. I., Gertsiy, O. A., Kokriatskaia, N. I., & Ivasiyk, I.D., (2010). Rospiznavannya pivtonovych zobrazhen za shemoyu "gruboi" - "tochnoi" obrobki: Monografia. [Recognition of halftone images according to the scheme of "rough" - "accurate" processing: Monograph]. Kyiv - Naukova Dymka, p. 180.
Gertsiy, A., Timchenko, L., Kutaev, Yu., Zlepko, S. & A, N.. (1999). Method of recursive-contour preparing for image normalization. Proc. IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing (NSIP'99), 414-418.
Gertsiy, O. (2023). Models of criterion evaluation of the image processing systems effectiveness. Collection of scientific works of the State University of Infrastructure and Technologies series "Transport Systems and Technologies", (41), 143-154. https://doi.org/10.32703/2617-9059-2023-41-12.
Timchenko, L. I., Kokriatskaia, N. I., Pavlov, S. V., Stepaniuk, D. S., Kutaev, Y. F., Kotyra, A., Sagymbai, A, & Abdihanov, A. (2020, October). Q-processors for real-time image processing. In Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2020 (Vol. 11581, pp. 116-123). SPIE. https://doi.org/10.1117/12.2580230.
Orazayeva, A., Wójcik, W., Pavlov, S., Tymchenko, L., Kokriatska, N., Tverdomed, V., Tussupov, J., Abdikerimova, G., V., & Semenova, L. (2022, December). Biomedical image segmentation method based on contour preparation. In Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2022 (Vol. 12476, pp. 21-26). SPIE. https://doi.org/10.1117/12.2657929.
Dumitrescu, C.; Raboaca, M.S.; Felseghi, R.A. (2021). Methods for Improving Image Quality for Contour and Textures Analysis Using New Wavelet Methods. Applied Sciences, (11), 3895. https://doi.org/10.3390/app11093895.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
Ліцензійні умови: Це стаття з відкритим доступом, поширювана за умовами Ліцензії Creative Commons Attribution License, яка дозволяє необмежено використовувати, розповсюджувати та відтворювати на будь-якому носії за умови представлення автора та джерела оригіналу.
