Например, показатель СЛ=5:1 говорит об уменьшении размера исходного файла (в битах) в пять раз. Скорость кодирования {bit rate) выражается через среднее количество бит, приходящихся на один пиксель {bpp, bit per pixel)'. BPP ICR. (1-8) Различают высокие (больше или равные 1 бит/пиксель) и низкие (меньше 1 бит/пиксель) скорости кодирования. Оценки качества, представленные выражениями (1.2) (1.6), удобны в использовании, тем не менее, они не всегда позволяют оценить качество изображения с точки зрения его визуального восприятия. Для субъективной оценки качества изображений в работе рассматриваются следующие критерии. 1. Размытие {blurriness) — результат применения вейвлет-преобразования, когда появляются засветки отдельных участков изображения, размытые контуры объектов, увеличивается ширина линий и т.п. [47, 131, 147]. 2. Артефакты звона {ringing) результат применения фильтров с импульсной характеристикой, имеющей резкие изменения (перепады) [29, 131, 147]. В работе применяются объективные критерии ПОСШ (PSNR), а также индекс сходства SSIM, которые являются подходящими для всех аспектов поставленной задачи. В ряде случаев, результаты статистического моделирования содержат также некоторые количественные оценки (1.5-1.6), а также индекс структурного сходства SSIM. 15 |
17где х ,, + х. , . + х ., + лг. • , —Ах..'i-l,J 1,J + 1 I,J1 и ’ нормированная абсолютная погрешность {normalized absolute error) (1.1.12) У У Из объективных оценок компрессии изображения применяются следующие оценки. Степень сжатия {compression ratio) изображения, обрабатываемого любым кодеком, определяется через отношения размеров входного и выходного файлов в битах /41, 50,60, 61, 184/: Например, показатель С/?=5:1 говорит об уменьшении размера исходного файла (в битах) в пять раз. Скорость кодирования {bit rate) выражается через среднее количество бит, приходящихся на один пиксель (bpp, bitperpixel): Различают высокие (больше или равные 1 бит/пиксель) и низкие (меньше 1 бит/пиксель) скорости кодирования. Оценки качества, представленные выражениями (1.1.2) (1.1.12), удобны в использовании, тем не менее, они не всегда позволяют оценить качество изображения с точки зрения его визуального восприятия. Для субъективной оценки качества изображений в работе рассматриваются следующие критерии. 1. Блочность {blockiness) результат применения дискретного косинусного преобразования (DCT) по блокам в стандарте JPEG при высоких степенях сжатия. Одной из оценок блочности является отношение числа пиков гистограммы к общему количеству ее участков /74, 82, 150, 184, 208/. ^ {биты сжатого изображения) (1.1.13) BPP = 8/CR. (1.1.14) 2. Размытие {blurriness) результат применения вейвлет-преобразования, когда появляются засветки отдельных участков изображения, размытые контуры объектов, увеличивается ширина линий и т.п. /64, 184, 208/. 3. Подчеркивание {ringing) —результат применения фильтров с импульсной характеристикой, имеющей резкие изменения (перепады) /37, 184, 208/. В работе применяются объективные критерии СКО и ПОСШ, которые, как было сказано выше, являются наиболее подходящими и используемыми для решения всех аспектов поставленной задачи. В ряде случаев, результаты статистического моделирования содержат также некоторые количественные оценки (1.1.5-1.1.12). 1.1.2. Обоснование выбора вейвлет-преобразования. Вейвлеты стали необходимым математическим инструментом во многих исследованиях. Их используют в тех случаях, когда результат анализа некоторого сигнала должен содержать не только простое перечисление его характерных частот (масштабов), но и сведения об определенных локальных координатах, при которых эти частоты проявляют себя. Таким образом, анализ и обработка нестационарных (во времени) или неоднородных (в пространстве) I сигналов разных типов представляют собой основное поле применений вейвлет-анализа. Общий принцип построения базиса вейвлет-преобразования состоит в использовании масштабного преобразования и смещений. Любой из наиболее часто применяемых вейвлетов порождает полную ортонормированную систему функций с конечным носителем, построенную с использованием масштабного преобразования и сдвигов. Именно за счет изменения масштабов вейвлеты способны выявить различные характеристики на разных шкалах, а путем сдвига проанализировать свойства сигнала в разных точках на всем изучаемом интервале. В силу свойства полноты этой системы возможно сделать обратное преобразование. При анализе нестационарных сигналов за счет свойства локальности вейвлеты получают существенное 18Щ |