Разработка методики оценки качества сжатых изображений

Использование изображений и видеоинформации в современном мире стремительно возрастает. Здесь и различные системы мониторинга, наблюдения, технического зрения, видеотелефонии, регистрирующие и передающие огромные объемы видеоданных, и различные автономные системы, принимающие решение па основе анализа видеоинформации, и персонализированное телевизионное вещание, и полиграфия со значительно возросшим объемом иллюстрации в печатной продукции, и медицина, и Интернет, и многие другие направления. Каждый день огромное количество информации запоминается, преобразуется и передается в цифровом виде [50]. Фирмы снабжают через Интернет своих деловых партнеров, инвесторов и потенциальных покупателей годовыми отчетами, каталогами и информацией о товарах. Ввод и прослеживание распоряжений — две основные электронные банковские операции — могут выполняться в комфортных условиях прямо из дома. Вот-вот станет реальностью составление индивидуальной программы кабельного телевидения по заказу пользователей. Поскольку значительная часть передаваемых данных при этом является по существу графической или видеоинформацией, требования к устройствам хранения и средствам связи становятся огромными. Современное развитие геоинформациопных технологий ведет к увеличению объемов накапливаемых и обрабатываемых геоизображений, передаваемых по различным каналам связи. Таким образом, значительный практический и коммерческий интерес приобретают средства сжатия данных для их передачи или хранения [16, 50].

Современное поле сжатия информации весьма обширно, на нем взошло огромное количество различных методов компрессии всевозможных типов данных: текстов, изображений, видео и звука. Среди этого многообразия методов особое место занимает сжатие изображеиий, так как, во-первых, это первая область, где пользователи имеют дело с большим числом файлов, которые необходимо эффективно сжимать, а во-вторых, здесь мы впервые встречаем сжатие с частичной потерей информации.

Сжатие изображений ориентировано на решение проблемы сокращения объема данных, требуемого для представления цифрового изображения. Основной такого процесса сокращения является удаление избыточных данных. С математической точки зрения это равнозначно преобразованию некоторого двумерного массива данных в статистически некоррелированный массив. Такое преобразование сжатия применяется к исходному изображению перед тем как его сохранить или передавать. Впоследствии сжатое изображение распаковывается и восстанавливается в исходное изображение или некоторое его приближение [50].

В настоящее время сжатие изображений может рассматриваться как «технология расширения возможностей». В дополнение к упомянутым областям применения, сжатие изображение является естественным способом поддержания увеличивающего разрешения современных устройств ввода изображений, в так же все возрастающей сложности широковещательных телевизионных стандартов. Более того, сжатие изображений играет существенную роль во многих разнообразных и важных применениях, таких как видеоконференции, дистанционное зондирование (использование изображений, получаемых со спутников, для прогноза погоды, решения многих задач экологического мониторинга, аэрокосмического мониторинга окружающей среды и изучения природных ресурсов, опасных природных и техногенных процессов), формирование изображений документов, медицинские изображения, факсимильная передача, управление беспилотными летательными аппаратами в военных, космических, или других опасных областях. Короче говоря, наблюдается все возрастающее число областей, взаимосвязанных с эффективной обработкой, запоминанием, хранением и передачей двоичных, полутоновых и цветных изображений.

Все методы компрессии подразделяются на два вида: методы сжатия без потерь информации и с потерями. Первые из них позволяют сжимать данные таким образом, чтобы впоследствии их можно было восстановить с абсолютной точностью. Во многих приложениях сжатие без потерь является единственно допустимым способом сокращения объема данных. Одним из таких приложений является архивация медицинских или деловых документов, сжатие с потерями которых обычно запрещено по закону. Другим является обработка спутниковых изображений, где как применение, так и стоимость получения исходных данных делают сжатие нежелательным. Еще одним направлением является цифровая рентгенология, в которой потеря информации может ухудшить точность диагностики [12, 14, 16].

Сжатие текста всегда делается без потери информации. В отличии от сжатия текстов, для компрессии изображений применяются методы сжатия с потерями информации. Такие методы могут удалить большую часть избыточной информации из изображений, что приводит к повышенной степени сжатия [52].

При сжатии с потерями выполняется поиск данных, мало влияющих на общее содержание сжимаемой информации, и их удаление из общего потока. Попятно, что при декомпрессии данных, сжатых с потерями, исходная информация никогда не будет в точности восстановлена, но алгоритм сжатия рассчитан на то, что ее искажения не будут замечены.

Методы сжатия с потерями обладают одним существенным преимуществом, которое и дало им право на жизнь: они гораздо эффективнее. Коэффициент сжатия — отношение объема исходной информации к объему сжатой — при использовании алгоритмов компрессии с потерями всегда выше, чем при сжатии без потерь [16, 50]. Исследования показали, что максимально возможный коэффициент сжатия без потерь равен, примерно, 2:1, а с потерями — 200:1 и выше [12, 16]. Поэтому при цифровой записи изображений алгоритмы компрессии с потерями применяются очень широко. Во многих случаях, методы сжатия изображений без потери дают отрицательный результат, т. е. коэффициент сжатия меньше единицы. Практика показала что, для хранения массивов изображений, методы сжатия без потери становятся малоэффективными. Когда необходимо передавать большие изображения по каналу связи, то методы сжатия без потери становятся совсем неудовлетворительными. Потому что, передача по каналу связи больших изображений не только требует очень длительное время, но и занимает трафик канала.

Но при восстановлении сжатых изображений теряются информации и качества изображений. Кроме этого при обработке и анализе изображений всегда приходится задаваться вопросом об их качестве. Качество столь сложного объекта как изображение является очень важным, но одновременно и довольно нечетким понятием [50]. Оно оценивается разными способами и в связи с различными задачами. В настоящее время нет достаточно полной методики, позволяющей все стороны исследовать потери качества изображений при их сжатии. Недостатки популярных всем критериев оценки качества изображений как среднеквадратической ошибки, пикового отношения сигнал/шум и др. являются тем, что по ним невозможно сказать, как меняются спектральные характеристики и структуры восстановленных после сжатия изображений [38, 39].

Актуальность диссертационной работы, таким образом, обусловлена:

— необходимостью количественной оценки потери информации при сжатии изображений методами с потерями;

— необходимостью разработки методики оценки качества сжатых изображений.

В связи с этим, целью диссертационной работы является разработка методики оценки качества алгоритмов сжатия и сжатых изображений.

Для достижения поставленной цели были сформулированы конкретные научные задачи, решаемые в данной диссертационной работе: 7.

1. Качественный анализ эффективности сжатия различных видов цифровых изображений с помощью наиболее распространенных алгоритмов сжатия.

2. Сравнительный анализ кодеков стандарта JPEG 2000 и стандарта.

JPEG.

3. Разработка интегрального, спектрального и мультифрактальиого критериев оценки качества сжатых изображений.

4. Разработка модулей, реализующих стандартные и разработанные критерии оценки качества сжатых изображений.

5. Исследование влияния сжатия изображений на их яркостные и статистические характеристики.

6. Исследование влияния сжатия на спектральные и шумовые характеристики изображений.

7. Исследование влияния сжатия на фрактальные характеристики изображений.

Научная новизна работы заключается в следующем:

1. Впервые разработана критериальная модель оценки качества сжатых изображений, учитывающая их яркостные, статистические, спектральные и фрактальные характеристики.

2. Предложены корреляционный, спектральный и мультифрактальный критерии оценки качества изображения, учитывающие его структурные и спектральные характеристики.

3. Впервые разработаны комплексные методики оценки качества сжатых изображений, позволяющиеся всесторонне изучить влияния алгоритмов сжатия.

На защиту выносятся следующие разработки и результаты:

1. Критериальная модель оценки качества сжатых изображений.

2. Методика оценки качества сжатых изображений.

3. Результаты тестирования предложенной методики оценки качества на реальных изображениях природных и антропогенных областей.

Апробация работы: Основные положения диссертационной работы докладывались и обсуждались на 61-ой научно-технической конференции студентов, аспирантов и молодых ученых, проводившейся в Московском Государственном университете геодезии и картографии (МИИГАиК), а также на X Международной научно-практической конференции «Методы дистанционного зондирования и ГИС-технологии для оценки состояния окружающей среды, инвентаризации земель и объектов недвижимости», Китай, Май 2006 г.

По результатам проведенных исследований и разработок, выполненных в процессе работы, опубликовано 3 научных работы.

Структура и объем диссертации

Диссертация изложена на 156 страницах и состоит из введения, трех глав, заключения и списка литературы. Работа иллюстрирована 59 рисунками и 7 таблицами. Библиографический указатель включает 87 источников, из иих 60 отечественных и 27 иностранных.

Выводы по главе.

На основании проведенных исследований можно сформулировать следующие практические выводы и рекомендации:

Не рекомендуется использовать алгоритмы с потерями информации: JPEG и JPEG 2000 для сжатия черно-белых и изображений с малым числом цветов (2−16 цветов) поскольку они не обеспечивают высокие степени сжатия, но и теряют качество изображений.

Для сжатия изображений с малым числом цветов (2−16 цветов):

— Стандарт CCITT G4 показывает самую высокую степень сжатия. Худшая, средняя и лучшая степень сжатия данного алгоритма соответственно: 2:1, 6:1, 19:1.

— Стандарт CCITT G3 и метод Deflate (TIFF) показывают близкие результаты. Их худшая, средняя и лучшая степень сжатия соответственно: 2:1,4:1, 16:1.

— Схемы LZW (GIF) и LZW (TIFF) показывают близкие результаты. Их худшая, средняя и лучшая степень сжатия соответственно: 2:1, 4:1, 12:1. Более того, различные схемы реализации одного алгоритма дают различные результаты. Схема LZW (GIF) показывает выигрыш в сжатии примерно на 40% чем схема LZW (TIFF).

— Все схемы алгоритма RLE не эффективные, даже при сжатии некоторых черно-белых изображений алгоритм RLE дает отрицательный результат. Коэффициент сжатия данного алгоритма: 0.5:1, 1.5:1, 4:1. Схема RLE (PCX) лучше сжимает черно-белые изображения, чем RLE (TGA) примерно на 30%>. Схема RLE (TGA) лучше сжимает черно-белые изображения, чем RLE (BMP) примерно на 15%). Поэтому мы хотели бы сказать что, для сжатия черно-белых изображений алгоритмами RLE и LZW, важно определить по какой их схеме изображения будут сжиматься.

— Метрика без потери алгоритма JPEG 2000 (Lossless JPEG 2000) показывает отрицательный результат (коэффициент сжатия меньше единицы) для сжатия изображений с малым числом цветов. Поэтому не рекомендуется использовать его для сжатия изображений с малым числом цветов.

В зависимости от программного обеспечения автор рекомендует использовать следующие методы сжатия без потери: стандарт CCITT G4, стандарт CCITT G3, Deflate (TIFF), LZW (GIF), LZW (TIFF) для сжатия изображений с малым числом цветов (2−16 цветов).

Для сжатия цветных и полутоновых изображений:

— Алгоритм RLE вообще не эффективен. Алгоритм LZW показывает чуть лучше результаты по сравнению с алгоритмом RLE. Коэффициенты сжатия обеих алгоритмов варьируются в районе 0.5:1−1.2:1. Метод.

Deflate (TIFF) и метрика Lossless JPEG 2000 оказываются лучшими.

Метрика Lossless JPEG 2000 — самый лучший вариант для сжатия полутоновых и цветных изображений. Его худшая, средняя и лучшая степень сжатия соответственно: 1.5:1, 2:1, 4:1. Однако ни один из представленных методов сжатия без потери не обеспечивает высокую степень сжатия изображений. Для сжатии аэрокосмических снимков объема сотни и тысячи мегабайтов эти алгоритмы не удовлетворяют практическим требованиям.

— Метод JPEG 2000 оказывается эффективнее всех остальных методов сжатия, в том числе и метода JPEG. В зависимости от исходных изображений и от выбора показателя качества сжатых изображений, степень сжатия может достигать выше 200:1. Однако, чем выше коэффициент сжатия, тем хуже качества полученных после сжатия изображений.

Эффективность методов сжатия с потерями зависит от контраста изображений: чем меньше контраст, тем выше коэффициент сжатия.

Стандарт JPEG сильно уступает всем кодекам стандарта JPEG 2000. Все кодеки стандарта JPEG 2000 достигают гораздо более высоких коэффициентов сжатия, чем JPEG, при лучшем визуальном качестве изображений. Если его поддержка будет встроена в популярные программы, то в скором времени JPEG 2000 сможет полностью заменить устаревший JPEG.

В случае необходимости сохранить 100% качества полученных после сжатия изображений автор рекомендует использовать методы сжатия без потери: Deflate (TIFF) и метрика Lossless JPEG 2000. В зависимости от области применения сжатых и восстановленных после сжатия изображений, можно использовать алгоритмы JPEG и JPEG 2000. Тогда необходимо наблюдать и контролировать качество полученных изображений.

Чтобы оценить качество и искажение восстановленных после сжатия изображений, в ходе выполнения диссертационной работе автор предложил набор критериев.

— При безотносительном подходе качество рассматривается как характеристика самого изображения и определяется его собственными свойствами (яркостными, статистическими, структурными). Соответствующие критерии либо являются субъективными: контраст, средняя яркость, дисперсия яркости, диапазон яркости и т. п., либо опираются на объективные характеристики изображения: форму и параметры распределения яркости и т. п. Такие безотносительные критерии имеют довольно ограниченное применение.

— При другом подходе качество рассматривается как мера близости двух изображений: реального и некоторого идеального, или исходного и преобразованного. Такой подход позволяет оценивать количественные изменения значений яркости, уровень искажений изображений при их преобразованиях. Сюда относятся следующие критерии: средняя ошибка, максимальная ошибка, среднеквадратичная ошибка, корреляционный критерий, пиковое отношение сигнал/шум и т. п.

— Для всестороннего изучения искажений, вносимых процессом сжатия, необходимо знать влияние сжатия на спектральные характеристики изображений. Для этого предложен автором спектральный критерий.

— Для оценки искажений стохастической структуры восстановленных после сжатия изображений целесообразно использовать мультифрактальные критерии.

Однако, как показали наши эксперименты для построения конкретной критериальной модели качества используемого алгоритма сжатия изображения необходимо выбрать количественные показатели качества в тесной связи с предполагаемым дальнейшим использованием ' сжатого изображения.

ЗАКЛЮЧЕНИЕ

.

Представленная диссертационная работа содержит научные исследования автора, связаны с качественным и количественным анализом эффективности наиболее широко используемых в настоящее время алгоритмов сжатия графических изображений.

В ходе научно-исследовательских работ решена основная задача диссертации — разработанная методика оценки качества алгоритмов сжатия и сжатых изображений.

В работе получены следующие основные результаты:

Изучены и проанализированы существующие методы сжатия цифровых изображений с точки зрения эффективности и влияния их на качество изображений.

Разработана критериальная модель оценки качества сжатых изображений.

Разработаны программные модули, позволяющие реализовать предложенную методику оценки качества сжатых изображений.

Предложены новые критерии оценки качества цифровых изображений, базирующиеся на их спектральных и мультифрактальных характеристиках.

Проведены экспериментальные исследования по оценке влияния процесса сжатия цифровых изображений на их качество.

Выработаны рекомендации по использованию наиболее распространенных алгоритмов сжатия.

Разработанная автором методика оценки качества сжатых изображений может быть использована для решения широкого круга научных и практических задач. Возможны следующие направления использования результатов выполненного исследования:

Региональные центры приема и обработки геопространственной информации;

Высокопроизводительные центры по обработке цифровых изображений;

Центры обработки мониторинговой аэрокосмической информации;

При подготовке специалистов в области цифровой обработки изображений.