Метод блочного кодування кластеризованих трансформант в спектрально-параметричному просторі
DOI:
https://doi.org/10.20535/RADAP.2024.98.13-22Ключові слова:
відеозображення, спектрально-параметричний опис трансформант, якість відеозображень, локально-монотонне кодування, маркери блочних кодів, пікове відношення сигнал/шумАнотація
Розроблено метод стиснення відеоданих з контролем рівня спотворень якості відображень на основі їх попереднього оброблення в спектральному просторі. Викладено основні етапи створення методу локально-монотонного кодового визначення для двійкових блочних кодів в диференційно-нормованому просторі структурних складових спектрально-параметричного опису кластеризованих трансформант (СПОТ) з використанням маркерів рівномірної довжини. В основі методу лежить система маркування двійкових блочних кодів складових СПОТ на основі встановлення інтервалів області визначення аргументів функцій блочного кодування. Це дозволяє забезпечити потрібний рівень цілісності відновлених відеофрагментів на основі створення умов щодо взаємно однозначного перетворення процесів формування кодограм. Порівняльна оцінка по коефіцієнту стиснення для розробленого та існуючих методів виявила: для значимих за СПОТ трансформант з параметрами квантування, що формують рівень пікового відношення сигнал/шум (ПВСШ) від 27 до 37 дБ перевага за коефіцієнтом стиснення досягається для розробленого методу. Виграш щодо методів, з якими проводиться порівняння, залежно від рівня ПВСШ становить: від 14 до 21%.
Посилання
References
Hamano, G., Imaizumi, S., Kiya, H. (2022). Image Classification Using Vision Transformer for EtC Images. Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), pp. 1503–1510. DOI: 10.23919/APSIPAASC55919.2022.9980144.
Li, F., Krivenko, S., Lukin, V. (2020). Two-step providing of desired quality in lossy image compression by SPIHT. Radioelektronni i komp'uterni sistemi [Radioelectronic and computer systems], Vol. 2(94), pp. 22-32. DOI: 10.32620/reks.2020.2.02.
Kurihara, K., Kikuchi, M., Imaizumi, S., Shiota, S., Kiya, H. (2015). An Encryption-then-Compression System for JPEG/Motion JPEG Standard. IEICE Trans. Fundam., Vol. E98-A, pp. 2238–2245. doi: 10.1587/transfun.E98.A.2238.
Wei Tang, Heng Yao, Yanfen Le, Chuan Qin. (2023). Reversible data hiding for JPEG images based on block difference model and Laplacian distribution estimation. Signal Processing, Vol. 212, 109130. doi: 10.1016/j.sigpro.2023.109130.
Yang Du, Zhaoxia Yin. (2022). New framework for code-mapping-based reversible data hiding in JPEG images. Information Sciences, Vol. 609, pp. 319-338. doi: 10.1016/j.ins.2022.07.071.
School of Electronic Engineering and Computer Science. ECS605U/ECS776P – Image Processing. http://www.eecs.qmul.ac.uk/~phao/IP/Images/.
Qian Z., Zhang X. (2012). Lossless data hiding in JPEG bitstream. Journal of Systems and Software, Vol.85, Iss. 2, pp. 309-313. doi: 10.1016/j.jss.2011.08.015.
Miano J. (1999). Compressed image file formats: JPEG, PNG, GIF, XBM, BMP. ACM Press/Addison-Wesley Publishing Co., 264 p.
Joint Photographic Experts Group (JPEG). Information technology – digital compression and coding of continuous-tone still images: Requirements and guidelines. ISO/IEC 10918-1:1994, ITU/CCITT Recommendation T. 81. 1992–2017. 182 p.
Zhao Y., Wang Y., Qin C. (2023). Lossless data hiding for JPEG image with optimized Huffman table. Signal Processing, Vol. 205, 108891. doi: 10.1016/j.sigpro.2022.108891.
Cisco Visual Networking Index : Global Mobile Data Traffic Forecast Update, 2017–2022. (2019). Cisco. 33 p.
Hou D., Wang H., Zhang W., Yu N. (2018). Reversible data hiding in JPEG image based on DCT frequency and block selection. Signal Processing, Vol. 148, pp. 41-47. doi: 10.1016/j.sigpro.2018.02.002.
Komolov, D., Zhurbynskyy, D., Kulitsa, O. (2015). Selective Method For Hiding Of Video Information Resource In Telecommunication Systems Based On Encryption Of Energy-Significant Blocks Of Reference I-Frame. 1st International Conference on Advanced Information and Communication Technologies (AICT'2015), pp. 80–83.
He J., Pan X., Wu H.-T., Tang S. (2020). Improved block ordering and frequency selection for reversible data hiding in JPEG images. Signal Processing, Vol. 175, 107647. doi: 10.1016/j.sigpro.2020.107647.
Rippel O. and Bourdev L. (2017). Real-time adaptive image compression.Proeedings of the 34th International Conference on Machine Learning, Vol. 70, pp. 2922-2930.
Weng S., Zhou Y., Zhang T., Xiao M., Zhao Y. (2023). Reversible Data Hiding for JPEG Images With Adaptive Multiple Two-Dimensional Histogram and Mapping Generation. IEEE Transactions on Multimedia, Vol. 25, pp. 8738–8752. doi: 10.1109/TMM.2023.3241541.
Ieremeiev, O., Lukin, V., Okarma, K. (2020). Combined visual quality metric of remote sensing images based on neural network. Radioelectronic and computer systems, Vol. 4, pp. 4-15. DOI: 10.32620/reks.2020.4.01.
Li Z., Ramos A., Li Z., Osborn M. L., Zaid W., et al. (2023). Nearly-lossless-to-lossy medical image compression by the optimized JPEGXT and JPEG algorithms through the anatomical regions of interest. Biomedical Signal Processing and Control, Vol. 83, 104711. doi: 10.1016/j.bspc.2023.104711.
Barannik V. (2022). Technology of Structural-Binomial Coding to Increase the Efficiency of the Functioning of Computer Systems. 2022 IEEE 4th International Conference on Advanced Trends in Information Theory (ATIT), pp. 96-100. doi: 10.1109/ATIT58178.2022.10024205.
Kumar P., Parmar A. (2020). Versatile Approaches for Medical Image Compression: A Review. Procedia Computer Science, Vol. 167, pp. 1380-1389. doi: 10.1016/j.procs.2020.03.349.
Barannik V., Hahanova A., Slobodyanyuk A. (2009). Architectural presentation of isotopic levels of relief of images. 2009 ІЕЕЕ 10th International Conference on Experience of Designing and Application of CAD Systems in Microelectronics (CADSM), pp. 385–387.
Issa, O.; Shanableh, T. (2023). Static Video Summarization Using Video Coding Features with Frame-Level Temporal Subsampling and Deep Learning. Appl. Sci., Vol. 13(10), 6065. doi: 10.3390/app13106065.
Gonzalez R., Woods R. (2018). Digital Image Processing. Published by Pearson, 1168 p.
Juliet, S., Rajsingh, E. B. & Ezra, K. (2016). A novel medical image compression using Ripplet transform. Journal of Real-Time Image Processing, Vol. 11(2), pp. 401-412. doi: 10.1007/s11554-013-0367-9.
Gore A, Gupta S. (2015). Full reference image quality metrics for JPEG compressed images. AEU – International Journal of Electronics and Communications, Vol. 69, Iss. 2, pp. 604–608. DOI: 10.1016/j.aeue.2014.09.002.
Park J., Johnson J. (2023). RGB No More: Minimally-Decoded JPEG Vision Transformers. 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 22334-22346. doi: 10.48550/arXiv.2211.16421.
Li, Y.; Zhu, H.; He, L.; Wang, D.; Shi, J.; Wang, J. (2023). Video Super-Resolution with Regional Focus for Recurrent Network. Appl. Sci., Vol. 13(1), 526. doi: 10.3390/app13010526.
Testolina M., Hosu V., Jenadeleh M., Lazzarotto D., Saupe D., et al. (2023). JPEG AIC-3 Dataset: Towards Defining the High Quality to Nearly Visually Lossless Quality Range. 2023 15th International Conference on Quality of Multimedia Experience (QoMEX), pp. 55-60. doi: 10.1109/QoMEX58391.2023.10178554.
Minemura K., Moayed Z., Wong K., et al. (2012). JPEG image scrambling without expansion in bitstream size. Image Processing: 19th IEEE International Conference, pp. 261–264. DOI: 10.1109/ICIP.2012.6466845.
Barannik D. and Barannik V. (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.
Alakuijala J., Boukortt S., Ebrahimi T., Kliuchnikov E., Sneyers J., Upenik E., et al. (2020). Benchmarking JPEG XL image compression. Optics Photonics and Digital Technologies for Imaging Applications VI, SPIE, Vol. 11353, pp. 187-206. doi: 10.1117/12.2556264.
Barannik V., Barannik N., Ignatyev О., Khimenko V. (2021). Method of indirect information hiding in the process of video compression. Radioelectronic and Computer Systems, No. 4, pp. 119–131. doi: 10.32620/reks.2021.4.10.
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): proceedings of 2nd Intern. Conf., Kyiv, pp. 52-56. DOI: 10.1109/ATIT50783.2020.9349256.
Testolina M., Ebrahimi T. (2021). Review of subjective quality assessment methodologies and standards for compressed images evaluation. Applications of Digital Image Processing XLIV, SPIE, Vol. 11842, pp. 302-315. doi: 10.1117/12.2597813.
Cheng Z., Akyazi P., Sun H., Katto J. and Ebrahimi T. (2019). Perceptual Quality Study on Deep Learning Based Image Compression. 2019 IEEE International Conference on Image Processing (ICIP), pp. 719-723. DOI: 10.1109/ICIP.2019.8803824.
Krasnorutsky A., Onyshchenko R., Barannik D. and 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.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Vol Bar
Ця робота ліцензується відповідно до 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.
