RU2628122C1 - Способ аппаратного сжатия цифрового изображения для съемочной аппаратуры сканирующего типа - Google Patents

Способ аппаратного сжатия цифрового изображения для съемочной аппаратуры сканирующего типа Download PDF

Info

Publication number
RU2628122C1
RU2628122C1 RU2016105864A RU2016105864A RU2628122C1 RU 2628122 C1 RU2628122 C1 RU 2628122C1 RU 2016105864 A RU2016105864 A RU 2016105864A RU 2016105864 A RU2016105864 A RU 2016105864A RU 2628122 C1 RU2628122 C1 RU 2628122C1
Authority
RU
Russia
Prior art keywords
coefficients
frame
image
wavelet transform
compression
Prior art date
Application number
RU2016105864A
Other languages
English (en)
Inventor
Александр Петрович Иванов
Александр Владимирович Полонский
Алексей Игоревич Коревко
Виталий Владимирович Мысливец
Original Assignee
Открытое Акционерное Общество "Пеленг"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Открытое Акционерное Общество "Пеленг" filed Critical Открытое Акционерное Общество "Пеленг"
Application granted granted Critical
Publication of RU2628122C1 publication Critical patent/RU2628122C1/ru

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/18—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a set of transform coefficients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

Изобретение относится к области обработки изображения. Технический результат - увеличение скорости сжатия цифрового изображения. Способ сжатия цифрового изображения заключается в том, что задают значение требуемого числа бит при сжатии, значения весовых коэффициентов для различных частотных диапазонов, построчно накапливают полные кадры цифрового изображения и передают их на вход модуля сжатия для многоуровневого преобразования цифрового сигнала кадра посредством многократного применения одномерного дискретного вейвлет-преобразования с получением набора коэффициентов вейвлет-преобразования в разных частотных диапазонах, осуществляют скалярное квантование коэффициентов вейвлет-преобразования, получают сжатое изображение путем побитового арифметического кодирования квантованных коэффициентов, причем применение одномерного дискретного вейвлет-преобразования осуществляют в два прохода, скалярное квантование коэффициентов вейвлет-преобразования производят с учетом определяемых коэффициентов квантования, подсчитывают число бит в сжатом цифровом изображении кадра, рассчитывают коэффициент потерь текущего кадра и передают для скалярного квантования следующего кадра изображения. 5 ил.

Description

Изобретение относится к области обработки изображения, в частности, к способам сжатия цифрового изображения, и может быть использовано в съемочной аппаратуре сканирующего типа космических аппаратов (КА), предназначенных для дистанционного зондирования Земли.
В связи с разработкой цифровых технологий передачи и обработки изображений, видеосигналов, а также с применением в аппаратах дистанционного зондирования поверхности Земли продольных ПЗС-сканеров, требующих большого количества (несколько десятков тысяч) фоточувствительных датчиков, считывающих сигналы одновременно, встает вопрос хранения и предварительного сжатия цифровых видеоизображений на борту КА.
Известен способ аппаратного сжатия цифрового изображения в съемочной аппаратуре КА Pleiades-HR [1], основанный на функции вейвлет-преобразования и разработанный в международном стандарте JPEG2000 [2], который по сущности наиболее близок к предлагаемому изобретению и выбран нами в качества прототипа.
В этом способе сжатия цифрового изображения задают значение требуемого числа бит при сжатии S0, значения весовых коэффициентов γb для различных частотных диапазонов и сохраняют их в буфере, построчно накапливают в буфере кадры изображения и поочередно передают полные кадры изображения на вход модуля сжатия. Преобразовывают цифровой сигнал кадра посредством многоуровневого дискретного вейвлет-преобразования по методу Маллата. На каждом уровне за первый проход одновременно преобразуют строки кадра с получением высокочастотных (Н) и низкочастотных (L) коэффициентов вейвлет-преобразования, за второй проход преобразуют столбцы кадра с получением высокочастотных (Н) и низкочастотных (L) коэффициентов вейвлет-преобразования. На последующих уровнях преобразованию подвергаются только низкочастотные (L) коэффициенты вейвлет-преобразования.
В частности, для выполнения 4-уровневого вейвлет-преобразования необходимо совершить 8 проходов с промежуточным сохранением всех результатов и в результате получить 13 наборов вейвлет-коэффициентов при разной частоте (фиг. 1).
После осуществляют скалярное квантование полученных коэффициентов вейвлет-преобразования, используя значения коэффициентов квантования ki для разных частотных диапазонов, с получением квантованных коэффициентов. Коэффициенты квантования ki определяются заданными значениями требуемого числа бит при сжатии S0 и значениями весовых коэффициентов γb для различных частотных диапазонов. Для всех кадров информации значения коэффициентов квантования ki постоянны.
Далее квантованные вейвлет-коэффициенты подвергают бит-ориентированному арифметическому кодированию и получают сжатое изображение в виде битового потока.
Полученный битовый поток анализируют, сортируют в порядке убывания значимости бит, после чего на выход модуля сжатия передают S0 наиболее значимых бит.
Способ позволяет производить сжатие потока цифровой информации со скоростью 25 мегапикселей в секунду и сжимать изображения разрядности 11-12 бит с коэффициентами сжатия 2-20 с потерями с удовлетворительным качеством декодированного изображения и ~ 2 - без потерь.
Недостатком данного способа сжатия является низкая скорость сжатия из-за использования большого количества проходов при вейвлет-преобразовании, необходимости промежуточного сохранения большого объема обрабатываемых данных, а так же из-за наличия трудоемкой и длительной операции анализа и сортировки информации.
Задача изобретения состоит в увеличении скорости сжатия цифрового изображения при сохранении высоких значений коэффициентов сжатия и удовлетворительного качества декодированного изображения.
Для решения поставленной задачи предложен способ аппаратного сжатия цифрового изображения для съемочной аппаратуры сканирующего типа заключающийся в том, что задают значение требуемого числа бит при сжатии S0, значения весовых коэффициентов γb для различных частотных диапазонов и сохраняют их в буфере, там же построчно накапливают полные кадры цифрового изображения и поочередно передают их на вход модуля сжатия для многоуровневого преобразования цифрового сигнала кадра посредством многократного применения одномерного дискретного вейвлет-преобразования с получением набора коэффициентов вейвлет-преобразования в разных частотных диапазонах, далее осуществляют скалярное квантование коэффициентов вейвлет-преобразования с получением квантованных коэффициентов, путем побитового арифметического кодирования квантованных коэффициентов получают сжатое изображение в виде битового потока, в отличие от прототипа, дополнительно задают значение коэффициента потерь Q0 и сохраняют его в буфере, многократное применение одномерного дискретного вейвлет-преобразования осуществляют в два прохода: за первый проход производят все уровни преобразования по строкам кадра изображения, за второй проход производят все уровни преобразования по столбцам кадра изображения, скалярное квантование коэффициентов вейвлет-преобразования производят с учетом коэффициентов квантования ki, определяемых из соотношения
Figure 00000001
, где Qi - коэффициент потерь, i - порядковый номер кадра, i=1…n, подсчитывают число бит в сжатом цифровом изображении кадра, рассчитывают коэффициент потерь текущего кадра
Figure 00000002
, рассчитанные значения Qi передают для скалярного квантования следующего кадра изображения.
Выполнение в предложенном способе многоуровневого преобразования цифрового сигнала кадра посредством многократного применения одномерного дискретного вейвлет-преобразования в два прохода: за первый проход производят все уровни преобразования по строкам кадра изображения, за второй проход производят все уровни преобразования по столбцам кадра изображения, позволило сократить количество проходов обработки изображения кадра и увеличить скорость сжатия цифрового изображения.
Используя число бит Si, полученное при обработке кадра, получают коэффициент потерь текущего кадра Qi, который учитывают при скалярном квантовании последующего кадра, что позволяет исключить трудоемкую, длительную операцию анализа и сортировки битового потока, и приводит к увеличению скорости сжатия изображения при сохранении высоких значений коэффициента сжатия и качества декодированного изображения.
На фиг. 1 представлено 4-уровневое дискретное вейвлет-преобразование Маллата. На фиг. 2 приведена блок-схема модуля сжатия. На фиг. 3 приведена схема первого прохода 4-уровневого дискретного вейвлет-преобразования (над строкой изображения). На фиг. 4 показано 4-уровневое дискретное вейвлет-преобразование, используемое в способе аппаратного сжатия цифрового изображения для съемочной аппаратуры сканирующего типа. На фиг. 5 представлена таблица весовых коэффициентов γb для разных частотных диапазонов.
Предложенный способ реализован следующим образом: задают значения требуемого числа бит при сжатии S0, весовых коэффициентов γb для различных частотных диапазонов, коэффициент потерь Q0 и сохраняют их в буфере. Также в буфере построчно накапливают кадры изображения, а потом поочередно передают их и все сохраненные значения S0, γb, Q0 коэффициентов на вход модуля сжатия 1 (фиг. 2).
Многоуровневое преобразование цифрового сигнала кадра выполняют в преобразователе 2 посредством многократного применения одномерного дискретного вейвлет-преобразования (1D_DWT) в два прохода. За первый проход проводят все уровни дискретного вейвлет-преобразования по строкам (см. фиг. 3) с получением для каждого уровня высокочастотных (Н) и низкочастотных (L) коэффициентов вейвлет-преобразования. На первом уровне обрабатывают весь кадр изображения, на последующий уровнях - только низкочастотные (L) коэффициенты вейвлет-преобразования. За второй проход производят все аналогичные уровни преобразования по столбцам кадра изображения.
В частности, для выполнения 4-уровневого дискретного вейвлет-преобразования необходимо совершить всего 2 прохода с одним промежуточным сохранением результатов и получить 25 наборов вейвлет-коэффициентов при разной частоте (фиг. 4).
Далее в квантователе 3 (фиг. 2) осуществляют скалярное квантование полученных коэффициентов вейвлет-преобразования с учетом коэффициентов квантования, определяемых из соотношения
Figure 00000003
, где γb - весовые коэффициенты для различных частотных диапазонов, Qi - коэффициент потерь, i - порядковый номер кадра, i=1…n,
Figure 00000004
.
В кодировщике 4 путем побитового арифметического кодирования квантованных вейвлет-коэффициентов получают сжатое изображение в виде битового потока, который подается на выход модуля сжатия 1 и на калькулятор 5, где подсчитывают число бит Si в сжатом цифровом изображении кадра, рассчитывают коэффициент потерь Qi текущего кадра
Figure 00000005
, где Qi-1 - значение коэффициента потерь для предыдущего кадра, Si - число бит полученное после сжатия текущего кадра информации, S0 - требуемое число бит при сжатии кадра информации.
Рассчитанное значение коэффициента потерь Qi текущего кадра передают в квантователь 3 для скалярного квантования следующего кадра изображения.
Таким образом, учитывая изменение коэффициента потерь Qi, обеспечивается равенство среднего числа бит Si, заданному числу бит S0.
Восстановление изображения (декодирование) производят в обратном порядке.
Данный способ аппаратного сжатия цифрового изображения для съемочной аппаратуры сканирующего типа позволил сжимать поток цифровой информации со скоростью ПО мегапикселей в секунду, что в ~ 4раза превышает данные прототипа, а также сжимать изображения разрядности 11-12 бит с коэффициентами сжатия от 2 до 20-ти с потерями с удовлетворительным качеством восстановленного изображения и ~ 2 без потерь, при этом наилучшее качество наблюдается при коэффициентах сжатия до 10.
Источники информации
1. Bormin Huang, Satellite Data Compression, Springer New York Dordrecht Heidelberg, Лондон, 2011, p. 33-45.
2. Taubman D. S. and Marcellin M. W., JPEG 2000: Fundamentals, Standards and Practice. Kluwer Academic Publishers, Boston, 2002.

Claims (1)

  1. Способ аппаратного сжатия цифрового изображения для съемочной аппаратуры сканирующего типа заключается в том, что задают значение требуемого числа бит при сжатии S0, значения весовых коэффициентов γb для различных частотных диапазонов и сохраняют их в буфере, там же построчно накапливают полные кадры цифрового изображения и поочередно передают их на вход модуля сжатия для многоуровневого преобразования цифрового сигнала кадра посредством многократного применения одномерного дискретного вейвлет-преобразования с получением набора коэффициентов вейвлет-преобразования в разных частотных диапазонах, далее осуществляют скалярное квантование коэффициентов вейвлет-преобразования с получением квантованных коэффициентов, путем побитового арифметического кодирования квантованных коэффициентов получают сжатое изображение в виде битового потока, отличающийся тем, что дополнительно задают значение коэффициента потерь Q0 и сохраняют его в буфере, многократное применение одномерного дискретного вейвлет-преобразования осуществляют в два прохода: за первый проход производят все уровни преобразования по строкам кадра изображения, за второй проход производят все уровни преобразования по столбцам кадра изображения, скалярное квантование коэффициентов вейвлет-преобразования производят с учетом коэффициентов квантования ki, определяемых из соотношения ki=γb⋅Qi-1, где Qi - коэффициент потерь, i - порядковый номер кадра, i=1…n, подсчитывают число бит Si в сжатом цифровом изображении кадра, рассчитывают коэффициент потерь текущего кадра
    Figure 00000006
    , рассчитанные значения Qi передают для скалярного квантования следующего кадра изображения.
RU2016105864A 2015-03-09 2016-02-19 Способ аппаратного сжатия цифрового изображения для съемочной аппаратуры сканирующего типа RU2628122C1 (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
BY20150133 2015-03-09
BYA20150133 2015-03-09

Publications (1)

Publication Number Publication Date
RU2628122C1 true RU2628122C1 (ru) 2017-08-15

Family

ID=59641895

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2016105864A RU2628122C1 (ru) 2015-03-09 2016-02-19 Способ аппаратного сжатия цифрового изображения для съемочной аппаратуры сканирующего типа

Country Status (1)

Country Link
RU (1) RU2628122C1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2723896C1 (ru) * 2018-11-06 2020-06-18 Открытое Акционерное Общество "Пеленг" Способ эффективного кодирования и декодирования цифрового изображения

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6711299B2 (en) * 1997-03-11 2004-03-23 Vianet Technologies, Inc. Wavelet transformation of dithered quantized/reduced color pixels for color bit depth image compression and decompression
US7418144B2 (en) * 2004-03-03 2008-08-26 Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of Industry, Through The Communications Research Centre Canada Curved wavelet transform for image and video compression
RU2339082C1 (ru) * 2007-08-03 2008-11-20 Виталий Оскарович Гроппен Способ компрессии и декомпрессии статических изображений и видеоинформации в цифровой форме
EP1062623B1 (en) * 1998-03-20 2011-04-13 University of Maryland Method and apparatus for compressing images

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6711299B2 (en) * 1997-03-11 2004-03-23 Vianet Technologies, Inc. Wavelet transformation of dithered quantized/reduced color pixels for color bit depth image compression and decompression
EP1062623B1 (en) * 1998-03-20 2011-04-13 University of Maryland Method and apparatus for compressing images
US7418144B2 (en) * 2004-03-03 2008-08-26 Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of Industry, Through The Communications Research Centre Canada Curved wavelet transform for image and video compression
RU2339082C1 (ru) * 2007-08-03 2008-11-20 Виталий Оскарович Гроппен Способ компрессии и декомпрессии статических изображений и видеоинформации в цифровой форме

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2723896C1 (ru) * 2018-11-06 2020-06-18 Открытое Акционерное Общество "Пеленг" Способ эффективного кодирования и декодирования цифрового изображения

Similar Documents

Publication Publication Date Title
US10432971B2 (en) Image data compression and decompression using minimize size matrix algorithm
US11074723B2 (en) Lossless compression of fragmented image data
US8625909B2 (en) Image encoding apparatus and method, image decoding apparatus and method, and program
Siddeq et al. Applied minimized matrix size algorithm on the transformed images by DCT and DWT used for image compression
US9531915B2 (en) Image encoding system and method thereof
US5822000A (en) Video encoding using rearrangement of transform coefficients and inter-block correlation
Sevak et al. CT image compression using compressive sensing and wavelet transform
RU2628122C1 (ru) Способ аппаратного сжатия цифрового изображения для съемочной аппаратуры сканирующего типа
RU2419246C1 (ru) Способ сжатия и восстановления неподвижных полутоновых видеоизображений
Kurniawan et al. Implementation of image compression using discrete cosine transform (DCT) and discrete wavelet transform (DWT)
T Hashim et al. Color image compression using DPCM with DCT, DWT and quadtree coding scheme
Rakshit et al. A Hybrid JPEG & JPEG 2000 Image Compression Scheme for Gray Images
Li et al. Universal and low-complexity quantizer design for compressive sensing image coding
Naveen et al. Comparative analysis of video compression mechanisms based on EZW coded 3D-DWT and AVI
Pradhan et al. A comparative analysis of compression techniques–the sparse coding and BWT
Farhan et al. Proposed two shift-coding based compression techniques
US9462297B2 (en) Image processing device and image processing method
Baotang et al. A Remainder Set Near-Lossless Compression Method for Bayer Color Filter Array Images
Pokle et al. Image compression via modified TiBS algorithm to achieve high compression rate
US20090074059A1 (en) Encoding method and device for image data
JPH0670175A (ja) 画像データ符号化方法及び装置
Kranthi et al. Enhanced image compression algorithm for image processing applications
Hakami et al. Improve data compression performance using wavelet transform based on HVS
Ananth Comparison of spiht and lifting scheme image compressiontechniques for satellite imageries
Cao et al. Block compressed sensing using random permutation and reweighted sampling for image compression applications