Метод групового кодування інфрачервоних зображень у спектрально-хвильовому просторі
DOI:
https://doi.org/10.20535/RADAP.2025.99.24-34Ключові слова:
оперативність доставки інфрачервоних зображень, спектрально-хвильовий домен, зменшення бітового об’єму, спектрально-групове кодування, семантична цілісність кадрів, сегментація кадрівАнотація
Розглянуто основні особливості побудови інтелектуалізованих сервісів обміну інфрачервоними зображеннями (ІЧЗ). А саме – можливість отримання інформаційних мета-відомостей. Серед такої інформації може бути: клас та стан об’єктів інтересу, ідентифікація фрагментів зображення за рівнем їх інформативності. Використання мета-відомостей, як результату інтелектуалізації, можливе у широкому колі прикладних задач. Зокрема у таких, які вирішуються із використанням безпілотних бортових комплексів. Одні з таких задач: супровід динамічних об’єктів інтересу, автономне наведення бортових комплексів. У процесі виконання зазначених задач бортовими комплексами можливе прийняття рішень у таких режимах: ручному, автономному, автоматизованому. Однак існують умови, за яких можливий гібридний варіант прийняття рішень. У такому режимі на одних етапах рішення бортовий комплекс може перебувати в автономному стані, а на інших — у автоматизованому. Серед умов, які мають вплив на вибір режиму: наявність інформаційного протиборства, кризові ситуації, використання ройових технологій. Враховуючи режими використання та задачі, які виконують бортові комплекси, зростають вимоги до повноти інформації (збільшення кількості кадрів, обмеження спотворень, підвищення кількості пікселів для опису об’єктів). Наслідком їх дотримання буде збільшення інформаційного навантаження на інфокомунікаційні системи. Отже з’являється суперечність між вимогами до якісних характеристик: оперативність доставки інформації, цілісність ІЧ кадрів. Тому актуальною є науково-прикладна задача, яка стосується підвищення якісних характеристик надання інтелектуалізованих інформаційних сервісів на основі джерел ІЧЗ в прикладних задачах з використанням бортових комплексів. У результаті аналізу сучасних технологій для вирішення наведеної задачі, таких як PNG та JPEG 2000, були виявлені такі недоліки: висока обчислювальна складність, внесення суттєвих спотворень до семантики, низька ефективність у сегментах із високою кількістю неоднорідних об’єктів. Отже обґрунтована мета досліджень статті: розробка методу групового кодування даних у спектрально-хвильовому просторі. У статті описані етапи розробки методу, які починаються із декомпозиції ІЧЗ на ієрархічну структуру сегментів та мінісегментів. Це дозволяє локалізувати однорідні області зображення. До утворених сегментів у подальшому застосовується перетворення у спектральний домен та спектрально-групове кодування, що дозволяє зменшити бітовий об’єм. Була проведена експериментальна оцінка розробленого методу на базі набору зображень Open Turbulent Image Set (OTIS), який включає PNG зображення із різним рівнем інформативності. Бітовий об’єм зображень вдалося зменшити у середньому на 37%. Крім цього було проведено порівняльний аналіз кодування 16-бітних зображень із існуючим методом кодування, який застосовується в сучасному форматі JPEG 2000. Було показано, що розроблений метод має перевагу у коефіцієнті стиснення на 25% при однакових значеннях пікового співвідношення сигналу до шуму (peak signal-to-noise ratio, PSNR).
Посилання
References
1. Kang X., Song B., Guo J., Qin Z., Yu F. R. (2022). Task-Oriented Image Transmission for Scene Classification in Unmanned Aerial Systems. IEEE Transactions on Communications, Vol. 70, DOI: 10.1109/TCOMM.2022.3182325.
2. Bausys R. and Kazakeviciute-Januskeviciene G. (2021). Qualitative Rating of Lossy Compression for Aerial Imagery by Neutrosophic WASPAS Method. Symmetry. Symmetric and Asymmetric Data in Solution Models, Vol. 13, Iss. 2, 273. DOI: 10.3390/sym13020273.
3. Bilal Al-Hayani, Haci Ilhan. (2020). Efficient cooperative image transmission in one-way multi-hop sensor network. The International Journal of Electrical Engineering & Education, Vol. 57, Iss. 4. DOI: 10.1177/0020720918816009.
4. Zhang X., Chu F. (2022). Multimedia Real-Time Transmission Protocol and Its Application in Video Transmission System. Comput Intell Neurosci, DOI: 10.1155/2022/8654756.
5. Yang S.-H., Liu T.-W. (2020). Quality Control for Hybrid Unicast and Multicast Video Transmission Systems. 2020 IEEE International Conference on Consumer Electronics – Taiwan, DOI: 10.1109/ICCE-Taiwan49838.2020.9258044.
6. Zhang L., Yang W., Li C. (2024). Enhanced High-Definition Video Transmission for Unmanned Driving in Mining Environments. Applied Sciences, Vol. 14, Iss. 10. DOI: 10.3390/app14104296.
7. Yang Q., Yang J. H. (2020). HD video transmission of multi-rotor Unmanned Aerial Vehicle based on 5G cellular communication network. Computer Communications, Vol. 160, pp. 688-696. DOI: 10.1016/j.comcom.2020.07.024.
8. Qin C., Pournaras E. (2023). Coordination of drones at scale: Decentralized energy-aware swarm intelligence for spatio-temporal sensing. Transportation Research Part C: Emerging Technologies, Vol. 157, 104387. DOI: 10.1016/j.trc.2023.104387.
9. Linsdemedeiros I., Boukerche A., Cerqueira E. (2021). Swarm-Based and Energy-Aware Unmanned Aerial Vehicle System for Video Delivery of Mobile Objects. IEEE Transactions on Vehicular Technology, Vol. 71, DOI: 10.1109/TVT.2021.3126229.
10. Descampe A., Richter T., Ebrahimi T., Foessel S. et al. (2021). JPEG XS — A New Standard for Visually Lossless Low-Latency Lightweight Image Coding. Proceedings of the IEEE, Vol. 109, Iss. 9, pp. 1559–1577. DOI: 10.1109/jproc.2021.3080916.
11. Y. Tang, T. Xiang, Y. Yang and Z. Shu (2020). JPEG-XR-GCP: Promoting JPEG-XR Compression by Gradient-Based Coefficient Prediction. 12th International Conference on Advanced Computational Intelligence (ICACI), pp. 51-58. DOI: 10.1109/ICACI49185.2020.9177623.
12. Chunyi Li, et. al. (2024). MISC: Ultra-low Bitrate Image Semantic Compression Driven by Large Multimodal Model. JOURNAL OF LATEX CLASS FILES, Vol. 1, Iss. 1, pp. 1 -13. DOI: arxiv-2402.16749.
13. Mentzer F., Van Gool L., Tschannen M. (2020). Learn ing Better Lossless Compression Using Lossy Compression. Proceedings of the IEEE/CVF CVPR, pp. 6638-6647. DOI: 10.48550/arXiv.2003.10184.
14. Brahimi T., Khelifi F., Kacha A. (2021). An efficient JPEG-2000 based multimodal compression scheme. Multimedia Tools and Applications, Vol. 80, Iss. 14, pp. 21241-21260. DOI:10.1007/s11042-021-10776-5.
15. Liu X., An P., Chen Y., Huang X. (2021). An improved lossless image compression algorithm based on Huffman coding. Multimedia Tools and Applications, Vol. 81, Iss. 4, pp. 4781-4795. DOI: 10.1007/s11042-021-11017-5.
16. Dua Y., Kumar V., Singh R. S. (2020). Comprehensive review of hyperspectral image compression algorithms. SPIE, Optical Engineering, Vol. 59, Iss. 9, 090902. DOI: 10.1117/1.OE.59.9.090902.
17. Barannik V., Hahanova A., Slobodyanyuk A. (2009). Architectural presentation of isotopic levels of relief of images. 2009 ІЕЕЕ 10th International Conference — The Experience of Designing and Application of CAD Systems in Microelectronics (CADSM), Lviv, Ukraine, pp. 385–387.
18. He D., Yang Z., Peng W., Ma R., Qin H., Wang Y. (2022). ELIC: Efficient Learned Image Compression With Unevenly Grouped Space-Channel Contextual Adaptive Coding. Conference on Computer Vision and Pattern Recognition, pp. 5718-5727. DOI: 10.48550/arXiv.2203.10886.
19. D. Barannik and V. Barannik (2022). Steganographic Coding Technology for Hiding Information in Infocommunication Systems of Critical Infrastructure. 2022 IEEE 4th International Conference on Advanced Trends in Information Theory (ATIT), pp. 88-91. doi: 10.1109/ATIT58178.2022.10024185.
20. Ballé J.; Chou P. A.; Minnen D.; Singh S.; Johnston N. et al. (2021). Nonlinear Transform Coding. IEEE Journal of Selected Topics in Signal Processing, Vol. 15, Iss. 2, pp. 339-353. DOI: 10.1109/JSTSP.2020.3034501.
21. Barannik V., Barannik N., Ignatiev O., Khimenko V. (2021). Method of indirect information hiding in the process of video compression. Radioelectronic and Computer Systems, №. 4, pp. 119–131. doi: 10.32620/reks.2021.4.
22. H. Qiu, Q. Zheng, G. Memmi, J. Lu, M. Qiu and B. Thuraisingham (2020). Deep Residual Learning-Based Enhanced JPEG Compression in the Internet of Things. IEEE Transactions on Industrial Informatics, Vol. 17, Iss. 3, pp. 2124-2133. DOI: 10.1109/TII.2020.2994743.
23. Barannik V., Babenko Y., Barannik V., Khimenko A., Kulitsa O., Matviichuk-Yudina O. (2020). Significant Microsegment Transformants Encoding Method to Increase the Availability of Video Information Resource. IEEE Advanced Trends in Information Theory (ATIT), pp. 52-56. DOI: 10.1109/ATIT50783.2020.9349256.
24. W. Xiao; N. Wan; A. Hong; X. Chen (2020). A Fast JPEG Image Compression Algorithm Based on DCT. 2020 IEEE International Conference on Smart Cloud. DOI: 10.1109/SmartCloud49737.2020.00028.
25. Mentzer F., Toderici G., Tschannen M., Agustsson E. (2020). High-Fidelity Generative Image Compression. 34th Conference on Neural Information Processing Systems. DOI: 10.48550/arXiv.2006.09965.
26. S. Naveen Kumar, M. V. Vamshi Bharadwaj, Shreyanka Subbarayappa (2021). Performance Comparison of Jpeg, Jpeg XT, Jpeg LS, Jpeg 2000, Jpeg XR, HEVC, EVC and VVC for Images. International Conference for Convergence in Technology. DOI: 10.1109/i2ct51068.2021.9418160.
27. Krasnorutsky A.; Onyshchenko R.; Barannik D.; Barannik V. (2022). The Methods of Intellectual Processing of Video Frames in Coding Systems in Progress Aeromonitor to Increase Efficiency and Semantic Integrity. 2022 IEEE 4th International Conference on Advanced Trends in Information Theory (ATIT), pp. 53-56, doi: 10.1109/ATIT58178.2022.10024208.
28. Trac D. Tran, Lijie Liu, Pankaj Topiwala (2007). Performance comparison of leading image codecs: H.264/AVC Intra, JPEG2000, and Microsoft HD Photo. Proc. SPIE 6696, Applications of Digital Image Processing XXX, 66960B; doi: 10.1117/12.775472.
29. Ahmad Khairul Umam, Pukky Tetralian Bantining Ngastiti, Aris Alfan, Zaqiyatus Shahadah, & Amanda Fatma Muamalah. (2024). The Application of Dicrete Wavelet Transform for Digital Image Compression. Jurnal Matematika Sains Dan Teknologi, Vol. 25, Iss. 1, pp. 01–08. doi: 10.33830/jmst.v25i1.3955.2024.
30. Ranjan, R. (2020). Canonical Hufman Coding Based Image Compression using Wavelet. Wireless Pers Commun, Vol. 117, pp. 2193–2206. DOI: 10.1007/s11277-020-07967-y.
31. Starosolski R. (2020). Hybrid Adaptive Lossless Image Compression Based on Discrete Wavelet Transform. Entropy, Vol. 22, Iss. 7, 751. DOI: 10.3390/e22070751.
32. D. Mishra, et al. (2020). Wavelet-based Deep Auto Encoder-Decoder (WDAED) based Image Compression. IEEE Transactions on Circuits and Systems for Video Technology, Vol. 31, Iss. 4, pp. 1452-1462. DOI: 10.1109/TCSVT.2020.3010627.
33. H. Ma, D. Liu, N. Yan, H. Li and F. Wu (2022). End-to-End Optimized Versatile Image Compression With Wavelet-Like Transform. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 44, No. 3, pp. 1247-1263. doi: 10.1109/TPAMI.2020.3026003.
34. H. Kanagaraj and V. Muneeswaran (2020). Image compression using HAAR discrete wavelet transform. 5th ICDCS. DOI: 10.1109/ICDCS48716.2020.243596.
35. Abdulazeez A. M., Zeebaree D. Q., Zebari D. A., Zebari G. M., Adeen I. M. N. (2020). The Applications of Discrete Wavelet Transform in Image Processing: A Review. Journal of Soft Computing and Data Mining, Vol. 1, No. 2, pp. 31-43. DOI: 10.30880/jscdm.2020.01.02.004.
36. O. Keleş, M. A. Yilmaz, A. M. Tekalp, C. Korkmaz and Z. Doğan (2021). On the Computation of PSNR for a Set of Images or Video. 2021 Picture Coding Symposium (PCS), pp. 1-5. DOI: 10.1109/PCS50896.2021.9477470.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 V. V. Barannik , A. A. Berchanov , V. V. Barannik , O. M. Shaigas , P. D. Pertsev , O. V. Vovk, Y. M. Babenko , R. O. Prokopenko , V. P. Yroshenko
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
