|
применять детектор контуров, который может не обеспечить выделение контура при сильном или специфическом шуме (например, спекл). Другой подход заключается в использовании свойств кодеков подавлять шум из-за наличия нулевой зоны. В работах [65, 66, 157] показано, что каждый кодек имеет оптимальную рабочую точку (optimal operation point OOP), то есть такую скорость кодирования, при которой обеспечивается максимальное пиковое отношение сигнал/шум. Оптимальная рабочая точка подбирается имитационным моделированием на основе итерационных алгоритмов и для аддитивного гауссовского шума лежит в небольшом интервале с центром 0,2 бит/пиксель. В работах В.Лукина, Н.Пономаренко из Харьковского авиационного института [124126], выполненных совместно с представителями Технического университета г.Тампере (Финляндия), в число которых входит проф. К. Егиязарян, продолжаются поиски методов определения оптимальной рабочей точки кодеров, а также разработка алгоритмов фильтрации вейвлет-коэффициентов перед кодированием зашумленного изображения. Таким образом, проведенный обзор показывает, что в обозначенной проблемной области отсутствуют работы, которые теоретически и практически доказывают возможность эффективного вейвлет-кодирования зашумленных изображений при фиксированной квоте бит. Методы и алгоритмы, построенные на основе принципа MDL, не гарантируют выполнение ограничений на квоту бит. При субполосном вейвлет-кодировании принцип MDL приводит к раздельному вычислению интервалов и уровней квантования, что дает субоптимальные оценки с точки зрения максимума ПОСШ (или минимума СКО). В результате отсутствуют работы, где все параметры вейвлет-кодирования рассчитываются в рамках единого критерия. Использование фильтрации перед вейвлет-преобразованием или в области вейвлет-трансформанты не гарантирует сохранение достигнутого качества после кодирования, поскольку алгоритмы фильтрации и кодирования не согласованы. При этом текстурные признаки, особенности кодируемого изображения либо не используются совсем, либо их применение не является значимой процедурой процессе веивлет-кодирования зашумленных 94 в |
смысле минимума СКО; 2) кодирование оценки сигнала осуществляется обычным «классическим» образом. Таким образом, с данной точки зрения кодирование зашумленного изображения предполагает использование стандартных кодеков после предварительной фильтрации изображения. Попытка использовать текстурные признаки для лучшего шумоподавления сделана в работах /141, 175, 202, 219/. Здесь для эффективного отбора значимых вейвлет-коэффициентов предполагается, что они располагаются в окрестностях контуров объектов, значительных перепадов яркостей. За пределами относительно малых окрестностей контура (хребта) вейвлет-коэффициенты считаются незначимыми и обнуляются. Недостаток данного подхода лежит в необходимости применять детектор контуров, который может не обеспечить выделение контура при сильном или специфическом шуме (например, спекл). Другой подход заключается в использовании свойств кодеков подавлять шум из-за наличия нулевой зоны. В работах /88, 89, 221/ показано, что каждый кодек имеет оптимальную рабочую точку {optimal operation point —OOP), то есть такую скорость кодирования, при которой обеспечивается максимальное пиковое отношение сигнал/шум. Оптимальная рабочая точка подбирается имитационным моделированием на основе итерационных алгоритмов и для аддитивного гауссовского шума лежит в небольшом интервале с центром 0,2 бит/пиксель. В работах В.Лукина, Н.Пономаренко из Харьковского авиационного института /177-179/, выполненных совместно с представителями Технического университета г.Тампере (Финляндия), в число которых входит проф. К. Егиязарян, продолжаются поиски методов определения оптимальной рабочей точки кодеров, а также разработка алгоритмов фильтрации вейвлеткоэффициентов перед кодированием зашумленного изображения. f Таким образом, проведенный обзор показывает, что в обозначенной проблемной области отсутствуют работы, которые теоретически и практически доказывают возможность эффективного вейвлет-кодирования зашумленных изображений при фиксированной квоте бит. Методы и алгоритмы, построенные на основе принципа MDL, не гарантируют выполнение ограничений на квоту бит. Кроме того, не исследованы последствия применения различных видов пороговой обработки вейвлет-коэффициентов, в частности, пороговой функции Видаковича, на качество восстановленных изображений. При субполосном вейвлет-кодировании принцип MDL приводит к раздельному вычислению интервалов и уровней квантования, что дает субоптимальные оценки с точки зрения максимума ПОСШ (или минимума СКО). В результате отсутствуют работы, где все параметры вейвлет-кодирования рассчитываются в рамках единого критерия. Использование фильтрации перед вейвлет-преобразованием или в области вейвлет-трансформанты не гарантирует сохранение достигнутого качества после кодирования, поскольку алгоритмы фильтрации и кодирования не согласованы. При этом текстурные признаки, особенности кодируемого изображения либо не используются совсем, либо их применение не является значимой процедурой в процессе вейвлет-кодирования зашумленных изображений. Наконец, применение кодеков на оптимальной рабочей точке не гарантирует качество восстановленного изображения, поскольку подбирается по тестовым изображениям определенного класса, искаженных аддитивным гауссовским шумом. Все другие работы, которые косвенно относятся к теме исследований, обеспечивают улучшение только технических характеристик известных кодеков, например, скорость выполнения вейвлет-преобразования, незначительное повышение ПОСШ у SPIHT на 1-1,5 дБ за счет применения бессписковых структур и т.п. Из обзора также следует, что для решения обозначенной проблемы не используется нелинейная аппроксимация сигналов по вейвлет-преобразованию. Поиск базиса по минимуму СКО предлагается только в работе Донохо /127/, но приведенный метод предназначен для фильтрации. Очевидно, базис для оптимального в смысле максимума ПОСШ восстановленного изображения будет отличаться от базиса в MDL. Следовательно, разработка методов и 108 |