Метод сжатия изображений без потерь с помощью контекстного кодирования по двоичным уровням


https://doi.org/10.15217/issn1684-8853.2017.6.96

Полный текст:


Аннотация

Постановка проблемы: визуальные данные в исходном виде занимают весомый объем дискового пространства, при этом данные изображения ввиду важности содержащейся в них информации требуется хранить с применением таких методов, которые не приведут к появлению на них никаких искажений. Для решения этой задачи используют методы сжатия изображений без потерь. Цель: разработка эффективного метода сжатия изображений без потерь. Результаты: разработан метод сжатия изображений без потерь с помощью контекстного кодирования по двоичным уровням. Доказано, что лежащий в основе данного метода сжатия способ кодирования изображения по двоичным уровням унарного кода не приводит к увеличению энтропии источника. На известных тестовых множествах изображений проведен сравнительный анализ эффективности сжатия данных разработанным методом и алгоритмами JPEG-LS и JPEG-2000 для сжатия изображений без потерь. Получаемые с помощью предложенного алгоритма файлы в среднем на 16,53 и 6,84 % меньше, чем файлы, получаемые с помощью алгоритмов JPEG-LS и JPEG-2000 соответственно. Практическая значимость: разработанный метод позволит сэкономить ресурсы, требуемые для хранения визуальных данных, ввиду более компактного представления этих данных.

Об авторах

Николай Дмитриевич Егоров
Санкт-Петербургский государственный университет аэрокосмического приборостроения
Россия


Дмитрий Вадимович Новиков
Санкт-Петербургский государственный университет аэрокосмического приборостроения
Россия


Марат Равилевич Гильмутдинов
Санкт-Петербургский государственный университет аэрокосмического приборостроения
Россия


Список литературы

1. Salomon D. Data Compression. The Complete Reference. Fourth ed. - London: Springer-Verlag, 2007. - 1092 p. doi:10.1007/978-1-84628-603-2

2. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. - М.: ДИАЛОГ-МИФИ, 2002. - 384 с.

3. Huffman D. A Method for the Construction of Minimum -Redundancy Codes // Proc. of the IRE. 1952. N 40. P. 1098-1101. doi:10.1109/JRPR0C.1952.273898

4. Witten I. H., Radford N. M., Cleary J. G. Arithmetic Coding for Data Compression // Communications of the ACM. 1987. Vol. 30. N 6. P. 520-540. doi:10.1145/ 214762.214771

5. Gilmutdinov M., Egorov N., Novikov D. Lossless Image Compression Scheme with Binary Layers Scanning // XIV Intern. Symp. on Problems of Redundancy in Information and Control Systems. 2014. P. 4751. doi:10.1109/RED.2014.7016703

6. Egorov N., Novikov D., Gilmutdinov M. Performance Analysis of Prediction Methods for Lossless Image Compression // Smart Innovation, Systems and Technologies. 2015. Vol. 40. P. 169-178. doi:10.1007/978-3-319-19830-9_16

7. Пат. 2014148851/08 РФ. Способ сжатия изображений (варианты) / М. Р. Гильмутдинов, Н. Д. Егоров, Д. В. Новиков (РФ). - № 2579966; заявл. 04.12.2014; опубл. 10.04.2016, Бюл. № 10. - 2 с.

8. Speck D. Fast Robust Adaptation of Predictor Weights from Min/Max Neighboring Pixels for Minimum Conditional Entropy // Signals, Systems and Computers: Conference Record of the Twenty-Ninth Asilomar Conference. 1995. Vol. 1. P. 234-238. doi:10.1109/ACSSC.1995.540547

9. Information Technology - Lossless and Near-lossless Compression of Continuous-Tone Still Images: Baseline // ISO/IEC 14495-1:1999. https://www.iso.org/ standard/22397.html (дата обращения: 02.04.2017).

10. Information Technology - Lossless and Near-Lossless Compression of Continuous-Tone Still Images: Extensions // ISO/IEC 14495-2:2003. https://www. iso. org/standard/37700.html (дата обращения: 02.04.2017).

11. Marpe D., Schwarz H., Wiegand T. Context-based Adaptive Binary Arithmetic Coding in the H.264/ AVC Video Compression Standard // IEEE Transactions on Circuits and Systems for Video Technology. July 2003. Vol. 13. N 7. P. 620-636. doi:10.1109/ TCSVT.2003.815173

12. Pennebaker W. B., Mitchell J. L., Langdon G. G., Arps R. B. An Overview of the basic principles of the Q-Coder Adaptive Binary Arithmetic Coder // IBM Journal of Research and Development. Nov. 1988. Vol. 32. N 6. P. 717-726. doi:10.1147/rd.326.0717

13. Krichevski R. E., Trofimov V. E. The Performance of Universal Encoding // IEEE Trans. Inform. Theory. Mar. 1981. Vol. IT-27. P. 199-207. doi:10.1109/TIT. 1981.1056331

14. Meron E. Universal Finite Memory Prediction, Coding and Estimation of Individual Sequences: Master’s thesis. - Tel-Aviv University, 2003. http://www.eng. tau.ac.il/~ronendar/Msc_Thesis.pdf (дата обращения: 16.05.2017).

15. Кудряшов Б. Д. Теория информации. - СПб.: СПбГУ ИТМО, 2010. - 188 с.

16. Information Technology - JPEG 2000 Image Coding System: Core Coding System // ISO/IEC 15444-1:2004. https://www.iso.org/standard/37674.html (дата обращения: 02.04.2017).

17. Lossless Photo Compression Benchmark by Alexander Ratushnyak. http://www.imagecompression.info/ gralic/LPCB.html (дата обращения: 02.04.2017).

18. Squeeze Chart Benchmark. http://www.squeezechart. com/bitmap.html (дата обращения: 02.04.2017).

19. Kodak Lossless True Color Image Suite. http://r0k. us/graphics/kodak/ (дата обращения: 02.04.2017).

20. High-Resolution Images Benchmark Presented by Rawzor-Lossless Compression Software for Camera Raw Images. http://www.imagecompression.info/ test images/ (дата обращения: 02.04.2017).


Дополнительные файлы

Для цитирования: Егоров Н.Д., Новиков Д.В., Гильмутдинов М.Р. Метод сжатия изображений без потерь с помощью контекстного кодирования по двоичным уровням. Информационно-управляющие системы. 2017;(6):96-106. https://doi.org/10.15217/issn1684-8853.2017.6.96

For citation: Egorov N.D., Novikov D.V., Gilmutdinov M.R. Lossless Image Compression using Binary Layers Scanning Data Encoding. Information and Control Systems. 2017;(6):96-106. (In Russ.) https://doi.org/10.15217/issn1684-8853.2017.6.96

Просмотров: 30


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1684-8853 (Print)
ISSN 2541-8610 (Online)