Rгде Л / аргумент функции Лагранжа, обеспечивающий минимум искажений D в каждой субполосе при ее ограничениях на квоту бит . Особенностью алгоритма является итерационный поиск оптимальной структуры дерева вейвлетпакетов (наилучшего базиса) путем подбора множителя Лагранжа X. Данный метод предполагает относительно большие временные и аппаратурные затраты, хотя и обеспечивает ограничения на квоту бит. Другим недостатком метода является применение порога VisuShrink, который, как отмечалось выше, приводит к чрезмерному сглаживанию сигнала. Другой подход, основанный на использовании квадратурной декомпозиции изображения, совмещенной с вейвлет-преобразованием, предлагается в работе [158]. Алгоритм, ориентированный на сжатие РСА-изображений, учитывает спеклшум в субполосах, который подавляется также грубой пороговой обработкой VisuShrink. Построение вейвлет-дерева идет по следующему принципу, отличающемуся от БВП и энтропийного критерия поиска «наилучшего» дерева в вейвлет-пакетах,: если энергия субполосы е W ч • J , вычисленная на текущем уровне декомпозиции, окажется значительно меньше энергии других трех субполос е < Сетах, где С, С<1, некоторая константа, max наибольшее значение энергии одной из четырех субполос на текущем уровне, то в дальнейшем эта субполоса не декомпозируется. Кроме этого, в данной работе предлагается модифицированная схема SPIHT кодирования, где порог для отсечения потока бит вычисляется с учетом константы (в пределах от 0 до 1), которая учитывает текстуру в каждой субполосе. Очевидно, что недостатком данного метода является наличие констант, которые необходимо подбирать для разных классов изображений и которые не гарантируют получение приемлемого качества восстановленного после сжатия изображения. Другие работы, посвященные проблеме сжатия зашумленных изображений, предполагают использование различных подходов. Например, в работе К. А1Shaykh, и R. Mersereau [68] предлагается алгоритм работы кодера, построенный по критерию минимума СКО, для восстановления изображений, искаженных 92 |
Работы Бюрруса (C.Burrus), Гуо (H.Guo) /146, 176, 210/, посвященные проблеме сжатия искаженных спекл-шумом РСА-изображений, используют мягкую пороговую обработку перед поиском «наилучшего» базиса при вейвлет-пакетном разложении. Особенностью поиска базиса является 105 / нахождение минимума функционала: R ' = arg m in ( А Д ) + мг,.), (,.4.2) R, где /?*={/?*]■ аргумент функции Лагранжа, обеспечивающий минимум искажений D в каждой субполосе при ее ограничениях на квоту бит Rl. Особенностью алгоритма является итерационный поиск оптимальной структуры дерева вейвлет-пакетов (наилучшего базиса) путем подбора множителя Лагранжа X. Данный метод предполагает относительно большие временные и аппаратурные затраты, хотя и обеспечивает ограничения на квоту бит. Другим недостатком метода является применение порога VisuShrink, который, как отмечалось выше, приводит к чрезмерному сглаживанию сигнала. Другой подход, основанный на использовании квадратурной декомпозиции изображения, совмещенной с вейвлет-преобразованием, предлагается в работе /222/. Алгоритм, ориентированный на сжатие РСАизображений, учитывает спекл-шум в субполосах, который подавляется также грубой пороговой обработкой VisuShrink. Построение вейвлет-дерева идет по следующему принципу, отличающемуся от БВП и энтропийного критерия поиска «наилучшего» дерева в вейвлет-пакетах,: если энергия субполосы е W--и вычисленная на текущем уровне декомпозиции, окажется # » I j значительно меньше энергии других трех субполос е<Сетах, где С, С<1, некоторая константа, етах наибольшее значение энергии одной из четырех субполос на текущем уровне, то в дальнейшем эта субполоса не декомпозируется. Кроме этого, в данной работе предлагается модифицированная схема SPIHT кодирования, где порог для отсечения потока а бит вычисляется с учетом константы (в пределах от 0 до 1), которая учитывает текстуру в каждой субполосе. Очевидно, что недостатком данного метода является наличие констант, которые необходимо подбирать для разных классов изображений и которые не гарантируют получение приемлемого качества восстановленного после сжатия изображения. Другие работы, посвященные проблеме сжатия зашумленных изображений, предполагают использование различных подходов. Например, в работе К. Al-Shaykh, и R. Mersereau /88/ предлагается алгоритм работы кодера, построенный по критерию минимума СКО, для восстановления изображений, искаженных сигнально-зависимым шумом с распределением Пуассона.► Алгоритм основан на представлении изображения как случайного Марковского поля, причем в модель вводятся штрафы, чтобы уменьшить или предотвратить появление артефактов типа «квадратов» или « прямоугольников» (снизить показатель блочности (blockiness)) в восстановленном изображении. Штрафы вводятся двумя способами. Первый способ модифицирует потенциал линии поля, а второй модифицирует интенсивность Марковского случайного поля. Данный метод обеспечивает относительно высокое значение ПОСШ и некоторое улучшение визуального восприятия, но не работает при низких скоростях кодирования. В другой работе тех же авторов /89/ данная проблема решается с точки зрения кодирования (сжатия) информации, полученной от зашумленного источника {noisy source). Проблема кодирования сигнала от зашумленного источника была рассмотрена во многих других работах /81, 107, 193/. Добрушин и Цыбаков /50/ показали, что кодирование зашумленного источника эквивалентно классической проблеме кодирования, где мера искажений (критерий достоверности передачи) учитывает вес искажений источника. Вольф (Wolf) и Зив (Ziv) доказали /41/, что если качество передачи оценивается через СКО, то задача кодирования сигналов зашумленного источника разбивается на две подзадачи: 1) сигнал должен быть оптимально оценен в 106 |