|
подбора наиболее подходящего для данного класса изображений алгоритма фильтрации, а затем выбора метода сжатия, что опять затрудняет процесс передачи и/или последующей обработки информации. Проблема сжатия зашумленных изображений, математическая модель которых имеет вид Y = XZ, (1.1) где Yнаблюдаемое изображение, Xнеизвестный оригинал, Zнезависимый от X шум с единичным средним (в общем случае не гауссовский), рассматривается с двух точек зрения. В первом случае решается задача архивации, когда нет жестких временных ограничений, а есть ограничения на объем памяти (то есть выделенная квота бит фиксирована). Здесь применимы сложные, итерационные алгоритмы, вычисляющие (подбирающие) оптимальные смысле некоторого критерия параметры алгоритма сжатия, при котором одновременно достигается эффективное шумоподавление. Таким образом, восстановленное из архива изображение рассматривается как отфильтрованное, или, другими словами, адаптированные к зашумленным данным Y методы (алгоритмы) компрессии и восстановления формируют оценку изображения X. X оригинального, неискаженного Во втором случае решается задача передачи данных зашумленного изображения, когда требуется передавать потоки бит в каналах связи с ограниченной пропускной способностью. При этом задача трактуется как потоковая передача неискаженных данных изображения, которые неизвестны, по каналу связи с искажениями. Таким образом, перед квантованием и кодированием должна быть найдена оценка оригинального, неискаженного изображения X , что приводит к необходимости разрабатывать алгоритмы фильтрации (предварительной обработки) реального времени, согласованные с последующей компрессией или выполняемые с ней одновременно. Таким образом, получается следующая (традиционная) схема сжатия/восстановления зашумленного изображения, показанная на рисунке1.1 и 12 |
полностью искаженное изображение для некалиброванных по геометрическому шуму чувствительности многоэлементных фотоприемных устройств. Таким образом, степень влияния мультипликативного шума на качество изображений является различной, визуально от практически неискаженного изображения до изображения, абсолютно непригодного для последующих операций передачи и/или архивации без предварительной обработки. Проведение предварительной обработки (фильтрации) перед сжатием данных увеличивает временные и аппаратурные затраты, поскольку используются алгоритмы, не согласованные с алгоритмами компрессии, и, как правило, другая аппаратная база. Кроме того, компрессия изображений (с потерями) всегда сопровождается искажением данных при восстановлении, что может увеличить остаточный шум после фильтрации. Тогда перед пользователем возникает задача подбора наиболее подходящего для данного класса изображений алгоритма фильтрации, а затем выбора метода сжатия, что опять затрудняет процесс передачи и/или последующей обработки информации. Проблема сжатия зашумленных изображений, математическая модель которых имеет вид Y = X Z , (l.i.l) где Y —наблюдаемое изображение, X —неизвестный оригинал, Z независимый от X шум с единичным средним (в общем случае не гауссовский), рассматривается с двух точек зрения. В первом случае решается задача архивации, когда нет жестких временных ограничений, а есть ограничения на объем памяти (то есть выделенная квота бит фиксирована). Здесь применимы сложные, итерационные алгоритмы, вычисляющие (подбирающие) оптимальные в смысле некоторого критерия параметры алгоритма сжатия, при котором одновременно достигается эффективное шумоподавление. Таким образом, восстановленное из архива 13 г изображение рассматривается как отфильтрованное, или, другими словами, адаптированные к зашумленным данным Y методы (алгоритмы) компрессии и Л восстановления формируют оценку X оригинального, неискаженного изображения X. Во втором случае решается задача передачи данных зашумленного изображения, когда требуется передавать потоки бит в каналах связи с ограниченной пропускной способностью. При этом задача трактуется как* потоковая передача неискаженных данных изображения, которые неизвестны, по каналу связи с искажениями. Таким образом, перед квантованием и кодированием должна быть найдена оценка оригинального, неискаженного Л изображения X , что приводит к необходимости разрабатывать алгоритмы * фильтрации (предварительной обработки) реального времени, согласованные с последующей компрессией или выполняемые с ней одновременно. Таким образом, получается следующая (традиционная) схема сжатия/восстановлепия зашумленного изображения, показанная на рис. 1.1.1 и рис.1.1.2. Как видно из рис. 1.1.1, 1.1.2, основу методов и алгоритмов сжатия составляет преобразование входного сигнала (изображения) с целью получения более компактного его представления. Преобразование осуществляет проекцию исходного сигнала, представленного в одном пространстве, в другое пространство, где свойства сигнала меняются, и он становится удобным для последующего квантования и кодирования. Кроме того, преобразование обеспечивает декорреляцию входного сигнала, что важно при отделении низкочастотного полезного сигнала от высокочастотной помехи или при обработке мультиспектральных изображений. Таким образом, выбор вида преобразования является определяющим при разработке методов и алгоритмов сжатия (зашумленных) изображений. В настоящее время известно несколько видов преобразований, которые применяются в методах и алгоритмах сжатия изображений. Одним из эффективных преобразований является вейвлет14 |