Bezeztrátová komprese plenoptických fotografií
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se věnuje bezeztrátové kompresi plenoptických fotografií, u kterých by mohlo být vhodné využít rozšíření běžných prediktorů do více rozměrů. První kapitola práce se zabývá potřebnou teorií ohledně plenoptických fotografií a s nimi spojeným 4D světelným polem. Dále následuje popis jednotlivých prediktorů a kodérů, se kterými je svázán popis použitého kompresního řetězce. Poslední kapitoly obsahují popis řešení a rozdíly výsledků jednotlivých typů prediktorů a jejich dimenzionálních variant. Nakonec jsou výsledky srovnány s PNG. Ukázalo se, že některé prediktory rozšířené do 4D jsou schopny mít lepší kompresní poměr než PNG.
This thesis is focused on lossless light-field images compression, where it could be viable to extend common predictors into more dimensions. First chapter is regarding to essential theory about light-field images and 4D light-field, which is followed by description of every predictor and coder. With this is connected description of used compression pipeline. Last chapters contains description of solution and differences between every predictor result and theirs dimensional variant. At the end the results are compared with PNG. The result is that some 4D variants of implemented predictors have better compression rate than PNG.
This thesis is focused on lossless light-field images compression, where it could be viable to extend common predictors into more dimensions. First chapter is regarding to essential theory about light-field images and 4D light-field, which is followed by description of every predictor and coder. With this is connected description of used compression pipeline. Last chapters contains description of solution and differences between every predictor result and theirs dimensional variant. At the end the results are compared with PNG. The result is that some 4D variants of implemented predictors have better compression rate than PNG.
Description
Citation
NAVRÁTIL, R. Bezeztrátová komprese plenoptických fotografií [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Ing. Martin Čadík, Ph.D. (předseda)
doc. Ing. Jiří Jaroš, Ph.D. (místopředseda)
Ing. Vladimír Bartík, Ph.D. (člen)
Ing. David Bařina, Ph.D. (člen)
Ing. Radek Kočí, Ph.D. (člen)
Date of acceptance
2019-06-12
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " D ". Otázky u obhajoby: Prečo je pri 3D variante (Lytro dataset) najlepší prediktor kódovanie rozdielov, kým pri 2D a 4D variante najlepšie vychádza Paeth? Vedeli by ste ukázať výsledky kompresného pomeru pre všetky varianty prediktorov (nie len najlepšieho pre každý rozmer)?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení