Nové transformace pro formát JPEG
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Diskrétní kosinová transformace je často používána v mnoha algoritmech při zpracování signálu. Tato transformace je také jádrem standardu JPEG, který je dosud nejpoužívanější formát pro ztrátovou kompresi obrazových dat. Od doby standardizace JPEGu byla publikována spousta dalších transformací, které se chovají obdobně jako diskrétní kosinová transformace. Cílem této práce je analyzovat využití těchto transformací v kompresním řetězci JPEGu. Každá transformace je zkoumána na základě její aplikace na datové sadě různých druhů obrázků a následného porovnání vůči ostatním transformacím za použití metriky PSNR a SSIM. Z měření vyplývá, že varianta DCT s přesahem bloku, lokální diskrétní kosinová transformace, má lepší výsledky při nižším datovém toku než diskrétní kosinová transformace. Při vyšším datovém toku má vlnková transformace Cohen-Daubechies-Feauveau 9/7 přibližně shodné výsledky s DCT.
The discrete cosine transform (DCT) can be found in the heart of many image compression algorithms. Specifically, the JPEG format uses a lossy form of compression based on that transform. Since the standardization of the JPEG, many other transforms become practical in lossy data compression. This article aims to analyze the use of these transforms as the DCT replacement in the JPEG compression chain. Each transform is examined for different image datasets and subsequently compared to other transforms using the peak signal-to-noise ratio (PSNR) and SSIM. Our experiments show that an overlapping variation of the DCT, the local cosine transform (LCT), overcame the original block-wise transform at low bitrates. At high bitrates, the discrete wavelet transform employing the Cohen-Daubechies-Feauveau 9/7 wavelet offers about the same compression performance as the DCT.
The discrete cosine transform (DCT) can be found in the heart of many image compression algorithms. Specifically, the JPEG format uses a lossy form of compression based on that transform. Since the standardization of the JPEG, many other transforms become practical in lossy data compression. This article aims to analyze the use of these transforms as the DCT replacement in the JPEG compression chain. Each transform is examined for different image datasets and subsequently compared to other transforms using the peak signal-to-noise ratio (PSNR) and SSIM. Our experiments show that an overlapping variation of the DCT, the local cosine transform (LCT), overcame the original block-wise transform at low bitrates. At high bitrates, the discrete wavelet transform employing the Cohen-Daubechies-Feauveau 9/7 wavelet offers about the same compression performance as the DCT.
Description
Keywords
JPEG, ztrátová komprese obrazu, diskrétní kosinová transformace, diskrétní vlnková transformace, Walshova-Hadamardova transformace, diskrétní Chebyshevova transformace, JPEG, lossy image compression, discrete cosine transform, discrete wavelet transform, Walsh-Hadamard transform, discrete Chebyshev transform
Citation
SVOBODA, S. Nové transformace pro formát JPEG [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2017.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
prof. Ing. Adam Herout, Ph.D. (předseda)
doc. Ing. Vladimír Drábek, CSc. (místopředseda)
doc. RNDr. Milan Češka, Ph.D. (člen)
doc. RNDr. Dana Hliněná, Ph.D. (člen)
RNDr. Marek Rychlý, Ph.D. (člen)
Date of acceptance
2017-06-12
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 B. Otázky u obhajoby: Proč se u JPEG komprese "příliš nepoužívá" aritmetické kódování? Jaký vliv má na kompresi kvantování? Šlo by potenciálně dosáhnout lepší komprese s danou transformací nalezením vhodnější kvantizační tabulky? Jak by se k takové tabulce pro každou transformaci a kvalitu dalo dojít?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení