Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейкой
Проведен детальный обзор методов и технологий сжатия изображения в задачах дистанционного зондирования. Предложена модифицированная технология сжатия изображения без потерь для бортовых систем с одной сканирующей CCD-линейкой. Алгоритм сжатия без потерь базируется на модифицированном LOCO-I. Работа...
Збережено в:
| Опубліковано в: : | Проблемы управления и информатики |
|---|---|
| Дата: | 2019 |
| Автори: | , , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2019
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/180657 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейко / Б.П. Русин, А.А. Луцик, Р.Я. Косаревич // Проблемы управления и информатики. — 2019. — № 1. — С. 131-139. — Бібліогр.: 24 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859775013514641408 |
|---|---|
| author | Русин, Б.П. Луцик, А.А. Косаревич, Р.Я. |
| author_facet | Русин, Б.П. Луцик, А.А. Косаревич, Р.Я. |
| citation_txt | Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейко / Б.П. Русин, А.А. Луцик, Р.Я. Косаревич // Проблемы управления и информатики. — 2019. — № 1. — С. 131-139. — Бібліогр.: 24 назв. — рос. |
| collection | DSpace DC |
| container_title | Проблемы управления и информатики |
| description | Проведен детальный обзор методов и технологий сжатия изображения в задачах дистанционного зондирования. Предложена модифицированная технология сжатия изображения без потерь для бортовых систем с одной сканирующей CCD-линейкой. Алгоритм сжатия без потерь базируется на модифицированном LOCO-I. Работа демонстрирует эффективность сжатия, которое в некоторых случаях может достигать 2-5 раз. Исследуются свойства предложенного алгоритма компрессии в случае предварительной фильтрации данных CCD-линейки от аддитивного шума. Показана возможность реализации предложенной технологии на FPGA-архитектуре для работы в системах реального времени.
Проведено детальний огляд методів і технологій стиснення зображення в задачах дистанційного зондування. Запропоновано модифіковану технологію стиснення зображення без втрат для бортових систем з однією скануючою CCD-лінійкою. Алгоритм стиснення без втрат базується на модифікованому LOCO-I. Робота демонструє ефективність стиснення, що в деяких випадках може досягати 2–5 разів. Досліджуються властивості запропонованого алгоритму компресії в разі попередньої фільтрації даних CCD-лінійки від адитивного шуму. Показана можливість реалізації запропонованої технології на FPGA-архітектурі для роботи в системах реального часу.
A detailed review of methods and technologies for image compression in remote sensing problems is given. A modified lossless image compression technology for onboard systems with a single scanning CCD–ruler is proposed. The lossless compression algorithm is based on the modified LOCO-I. The work demonstrates the efficiency of compression, which in some cases can reach 2–5 times. The properties of the proposed compression algorithm are investigated in the case of previous filtering of CCD line data from additive noise. The possibility of implementing the proposed technology on the FPGA-architecture for working in real-time systems is shown.
|
| first_indexed | 2025-12-02T07:48:46Z |
| format | Article |
| fulltext |
© Б.П. РУСИН, А.А. ЛУЦИК, Р.Я. КОСАРЕВИЧ, 2019
Международный научно-технический журнал
«Проблемы управления и информатики», 2019, № 1 131
УДК 004.627+528.8
Б.П. Русин, А.А. Луцик, Р.Я. Косаревич
МОДИФИЦИРОВАННАЯ АРХИТЕКТУРА
КОМПРЕССИИ ИЗОБРАЖЕНИЙ
БЕЗ ПОТЕРЬ НА БАЗЕ FPGA ДЛЯ БОРТОВЫХ
УСТРОЙСТВ С CCD-ЛИНЕЙКОЙ
Ключевые слова: сжатия изображения, дистанционное зондирование, борто-
вые системы, CCD-линейка.
Введение
В системах дистанционного зондирования, осуществляемых с помощью
космических аппаратов, используются данные, полученные от бортовых ска-
неров. Более 60 % входящей информации — изображения. Для сохранения и
передачи по каналам связи большого потока изображений возникает необхо-
димость в компрессии изображений, что имеет решающее значение в задачах
дешифрирования потоков данных. В настоящее время существует большое ко-
личество методов сжатия с потерями и без потерь, каждый из которых имеет
свои преимущества и недостатки. Однако в задачах дистанционного зондиро-
вания актуальна проблема восстановления или декодирования изображения
при максимальном качестве. Изображения должны хранить все мельчайшие
объекты и свойства оригинального изображения, поскольку они подвергаются
прецизионному анализу, чтобы найти очень конкретные детали, к которым че-
ловеческий глаз не чувствителен. Как правило, для передачи или хранения та-
ких изображений применяют методы компрессии без потерь.
Методы компрессии базируются на предположении, что набор данных со-
держит избыточность. Различают статистическую и визуальную избыточность
изображений. Компрессия достигается путем поиска и кодирования избыточности
изображений [1, 2]. В случае визуальной избыточности изображение имеет значи-
тельное количество избыточной информации, которую можно устранить с почти
незаметным или с небольшим искажением, что составляет принцип компрессии с
потерями. Как правило, компрессия с потерями позволяет достигать больших ко-
эффициентов сжатия изображений [3–6].
Статистическая избыточность связана с предсказуемостью и коррелируе-
мость данных. Эту избыточность можно устранить без потери информации и
выходные данные могут быть полностью восстановлены. Наиболее известны
методы [7–10] эффективного кодирования символов, основанных на описании ча-
стоты появления каждого символа набора данных. Эти частотные коды исполь-
зуются для построения таблицы и имеют следующие характеристики:
коды могут иметь разное количество битов;
символьные коды с большей частотой возникновения имеют меньше битов,
чем коды символов с меньшей частотой;
коды имеют разную длину описания, их можно восстановить только с по-
мощью префиксных методов.
Вышеописанный подход используется в алгоритме Хаффмана и арифметиче-
ского кодирования.
В [1] предлагается уменьшить изображение избыточности с помощью ком-
бинированного алгоритма LZW. Этот подход эффективен для многоспектральных
132 ISSN 0572-2691
изображений. Используя мультиспектральные датчики для разработки бортовых
систем, полученых в [11], авторы берут за основу метод сжатия без потерь
FELICS. Использование двухмерной интерполяции, кодирование Голомба возмож-
но для достижения стабильного коэффициента сжатия при алгоритме с низкой
вычислительной сложностью [12–15]. Коэффициент компрессии в методах опти-
мального кодирования в значительной степени зависит от статистики конкретного
изображения. В [16] показаны коэффициенты компрессии для различных типов
изображений дистанционного зондирования. Здесь автор берет за основу методы,
основанные на алгоритмах сжатия LZW.
В работах [17, 18] описана возможность реализации JPEG2000 LossLess на
базе архитектуры VLS. Такая архитектура эффективна в плане вычислительной
сложности. Авторы считают, что архитектура VLS намного лучше, чем FPGA, по-
скольку последняя перепрограммируема и менее эффективна.
Ряд исследователей считают, что компрессию без потерь можно легко заме-
нить компрессией с потерями [19–24], так как сырые данные с камеры вмещают
высокочастотный аддитивный шум, который не содержит полезной информации
и может быть проигнорирован в процессе сжатия.
Постановка задачи
Сжатия данных без потерь — это уменьшение размера файла, при кото-
ром функция декомпрессии может восстановить оригинальный файл точно,
без потери данных. Сжатие данных без потерь используется в основном в за-
дачах, где существуют высокие требования к качеству хранимой информа-
ции. Эти задачи могут включать области применения с экономией места на
персональном компьютере и более ответственной отправки данных через Ин-
тернет. Особенно актуальна область применения — задачи дистанционного
зондирования, где важна прецизионная компрессия изображений. Задачи ди-
станционного зондирования очень чувствительны к информации на изобра-
жениях, поскольку анализ зачастую базируется на оценке отдельных точек
изображения.
В случае разработки методов
компрессии для бортовых систем дис-
танционного зондирования (рис. 1)
нужно учитывать следующие требо-
вания:
минимизировать количество
шагов обработки и уменьшить ис-
пользование памяти и потребления
энергии;
способность алгоритма рабо-
тать в один проход;
алгоритм должен работать на FPGA с CCD-линией.
Блок компрессии
Алгоритм базируется на кодировании с помощью кода Голомба, который
относится к классу энтропийных подходов. В соответствии с этим для любой
кодированной последовательности чисел n при известном m кодовое слово
будет записываться в унарном виде
m
n
q . При этом если m — степень
числа 2, то код n элементов должен иметь α (n div m) бинарный вид β (n mod m)
Рис. 1
Международный научно-технический журнал
«Проблемы управления и информатики», 2019, № 1 133
в битах. В свою очередь, если m принимает другие значения, то вычисляется
наименьший k такой, что 2k ≥ 2m. Словарь содержит m кодов для каждого
слова длиной k.
При кодировании текущего пиксела линейки данных, отсканированной с
CCD-матрицы, можно сделать выводы о значении кода выборки путем при-
своения условной вероятности p для текущих пикселов на основе информации
из ранее полученных данных, которые обрабатывались аналогично. В процес-
се кодирования короткие коды предназначены для более вероятных событий.
Декодер может реконструировать условную вероятность, которая использует-
ся для кодирования текущей выборки, поскольку она зависит от уже декоди-
рованных данных.
Схема присвоения вероятности соответствующей длины кода для сжатия
данных направлена на получение длины кода, которая приближается к эмпи-
рическим данным энтропии. Нижнее значение энтропии может быть достиг-
нуто при полиномах высшего порядка. Однако это может привести к появле-
нию большого количества параметров k в статистической модели с соответ-
ствующей моделью стоимости, что, в свою очередь, приводит к
фиксированным значениям энтропии. Подсчет статистики осуществляется на
основе предварительно проанализированных данных, и это влияет на точ-
ность соответствующих оценок. Оценка значений асимптотической модели
определяется как n — число элементов в линейке. Общее количество пара-
метров имеет большое значение в задачах моделирования, причем устанавли-
вается баланс между уровнем энтропии и моделью потерь.
Предложенный метод компрессии — модификация известных методов ком-
прессии, основанных на кодировании Голомба. Отдельные функции реализуются
не с 2D-изображением, а с отдельной строкой изображения. Функция прогнозиро-
вания адаптивна, а отдельные компоненты выбираются путем оптимизации. Во
время первого прохода по выборке алгоритм определяет оптимальное количество
параметров кодирования, которые в дальнейшем используются для моделирова-
ния зависимостей высокого порядка.
Кодирование можно описать следующими основными этапами.
Определяются градиенты ,1 bd RRD ,2 cb RRD .3 ac RRD Если
значение градиентов нулевое, то осуществляется поиск самой длинной серии пик-
селов. Если значения градиентов близки к нулю, то они округляются до нуля, а
количество пикселов в серии умножается на некоторый вес .M
Рассчитывается величина Q — индекс текущего пиксела, с определенного
интервала абсолютных значений величин. После этого оцениваются значения ве-
роятности пиксела:
).,(minпри
),,(minпри),(max
),,(maxпри),(min
)(
baccba
bacba
bacba
RRRRRR
RRRRR
RRRRR
xP (1)
Если исследуемый пиксел из массива линейки не является крайним, то для
него справедливо выражение (1). Для крайнего левого и правого пикселов значе-
ние вероятности можно установить аппроксимацией окрестности оцененных ве-
роятностей.
Корректируется оценка прогноза, коррекции значений C(Q) и установка
:))((Max xP
134 ISSN 0572-2691
.0)(при0
)),(()(при)(
,1при)(
,1при)(
)~(
321
321
xP
xPMaxxPxP
QQQCxP
QQQCxP
xP (2)
После окончательной оценки скорректированной вероятности )~(xP необхо-
димо рассчитать ошибку прогнозирования:
).~()(error xPxP (3)
На этапе квантования получим следующее выражение:
,0errorпри
12
error
;0errorпри
12
error
error
G
G
G
G
(4)
где G равно среднему значению ).~(xP
В результате ошибка прогнозирования error уменьшается по модулю. Коди-
рование происходит с помощью выражения
,
2
1rng
errorприrngerror
;0errorприrngerror
error (5)
где )).~((min))~((maxrng xPxP
Коды Голомба в значительной степени зависят от выбора параметра m, опре-
деляются следующие величины:
m
n
q
1
floor , (6)
.1 qbnr (7)
Генерируемый код состоит из части уникального кода и бинарного r, состоящего
из служебных битов Голомба. Год обозначается G (k). Наибольшее число кодиру-
ется через I, тогда максимальная длина G (0) равна I + 1.
Массив, состоящий из последовательности кодов, содержит положительные
и отрицательные значения целочисленного типа. Количество параметров k для
кода Голомба зависит от статистики данных, и его значение обновляется каждый
раз, когда появляется новый пиксел.
Особенностью описанного выше подхода является то, что он предназна-
чен для кодирования отдельных строк изображения. Главное преимущество
данного подхода — возможность обрабатывать и передавать кодированную
информацию без необходимости промежуточного буфера памяти, что осо-
бенно актуально в системах дистанционного зондирования поверхности зем-
ли и удаленного наблюдения. Формат кода также предусматривает наличие
служебной информации, с помощью которой можно провести оперативное
дешифрование отдельных строк с последующим автоматизированным вос-
произведением 2D-изображения. Средства дистанционного зондирования
способны формировать крупноформатные изображения, где ширина изобра-
жения ограничивается размером CCD-линейки, а количество линеек может
Международный научно-технический журнал
«Проблемы управления и информатики», 2019, № 1 135
быть сколь угодно большим, поскольку процесс сканирования синхронизиро-
ван со скоростью летательного аппарата и происходит непрерывно. Предло-
женный подход не лишен недостатков, главный из них — немаксимально
возможный коэффициент компрессии без потерь по сравнению с методами,
оперирующими 2D-изображением, и составляет 10–20 %. Это объясняется
доступом к междустрочной информации и дополнительными зависимостями
между ними.
Для предложенного метода компрессированные данные состоят из:
сегмента данных, содержащих коды Голомба и их служебную информацию;
количества битов, необходимого для реализации процесса декодирования;
служебной информации для воспроизведения 2D-изображения.
В случае компрессии без потерь информативный критерий оценки эффективно-
сти сжатия — зависимость коэффициента компрессии от значения энтропии изобра-
жения. Таким образом, метод, обладающий высшим коэффициентом сжатия при за-
данном значении энтропии, может считаться более эффективным для компрессии.
Чтобы избежать влияния размера изображения на значение энтропии, предлагается
использовать нормированную энтропию. На рис. 2 приведены зависимости
коэффициентов компрессии от
значений энтропии изображе-
ний для предложенного и из-
вестного Jpeg-LS-методов.
Из рисунка видно, что изо-
бражение с большими значени-
ями энтропии меньше под-
вержены компрессии без по-
терь. Большинство изображе-
ний дистанционного зондирова-
ния имеет значение энтропии
в пределах 1–4. Как исключение, можно выделить класс изображений с однород-
ной текстурой: изображение морей, океанов, пустынь. Для них значение энтропии
меньше единицы и коэффициент компрессии может достигать 4–9 раз.
Предварительная фильтрация
Компрессия изображений без потерь, в отличие от сжатия с потерями,
позволяет полностью сохранить информацию, которая получена непосред-
ственно из датчика. Это главное преимущество методов компрессии изобра-
жений данного класса. Однако изображения, полученные средствами дистан-
ционного зондирования, содержат большую избыточность в виде аддитивного
шума. Источник и свойства аддитивного шума на изображениях хорошо изу-
чены и напрямую связаны с шумом CCD-линейки. Данная помеха не пред-
ставляет интереса ни при визуальном наблюдении, ни при машинной обработ-
ке изображения, поэтому фильтрование является актуальной задачей устране-
ния бесполезной информации.
Методы компрессии изображений с потерями в большинстве основаны на
исключении избыточной информации, малозаметной при визуальном наблю-
дении, которая представлена в высокочастотной области спектра изображе-
ния. Однако такая фильтрация является грубой относительно подавления шу-
мов и больше направлена на достижение высоких коэффициентов компрессии.
Кроме фильтрации, побочным эффектом является появление артефактов, ко-
торые приводят к разбиению изображения на сегменты, потери мелких деталей
10
8
6
4
2
0 1 2 3 4 5
Entropy
z
Рис. 2
136 ISSN 0572-2691
на изображении, появлению областей с неравномерным размытием. Именно
эти недостатки критические при выборе метода компрессии изображений.
Предложенный подход, который кодирует отдельные строки изображе-
ния при высоких значениях энтропии изображения, несколько проигрывает
подходам, где анализируются 2D-изображения. Как было установлено экспе-
риментальным путем, коэффициент компрессии без потерь существенно уве-
личивается после фильтрации изображения. Компрессия изображений осу-
ществляется отдельными строками, поэтому процесс фильтрации также дол-
жен происходить для отдельных строк изображения, поскольку отсутствует
буфер для сохранения полного изображения. Это накладывает определенные
ограничения на процесс фильтрации и его эффективность.
Обозначим ix интенсивность пиксела в линейке, разрядностью 12 бит, is —
значение шума в заданном пикселе линейки. Простейшим случаем является ли-
нейная фильтрация, здесь фильтр имеет следующий вид:
),()()( 11 iaiiyix
i
(8)
где ,iii sxy )( 1ia — весовой коэффициент с импульсной характеристикой.
Использование такого метода фильтрации дает низкое качество обработки,
но преимуществом является скорость работы. Для оценки качества обработки ис-
пользуется критерий
.min)()()(
2
11
iaiiyixE
i
(9)
Здесь в качестве критерия используется средний квадрат ошибки между истин-
ным сигналом и восстановленным после фильтрации.
На рис. 3 приведена зависимость
коэффициента компрессии без потерь
от наличия аддитивного шума, кото-
рый оценивается пиковым соотноше-
нием сигнал–шум. В реальных усло-
виях аддитивный шум CCD-линейки
оценивается в пределах 40–60 дБ.
За счет предварительной фильтра-
ции аддитивного шума можно по-
лучить увеличение коэффициента
компрессии на 10–15 %.
Реализация на FPGA-архитектуре
Значительное развитие FPGA для повышения тактовой частоты и паралле-
лизма позволило использовать его для вычислительно сложных задач цифровой
обработки сигналов в условиях реального масштаба времени. Реконфигурируе-
мые архитектуры, такие как FPGA, находятся на границе между программными и
аппаратными средствами обработки данных и используют языки аппаратных
средств — VHDL или Verilog.
В настоящее время использование аппаратных языков для программиро-
вания FPGA — чрезвычайно сложный и затратный процесс. Для простого мо-
делирования сложных алгоритмов лучшим вариантом является использование
таких языков, как С или Matlab, с последующей конвертацией в языки аппа-
1,5
1,4
1,3
1,2
1,1
20 30 40 50 60 70
PSNR, дБ
z
1,9
1,8
1,7
1,6
80
Рис. 3
Международный научно-технический журнал
«Проблемы управления и информатики», 2019, № 1 137
ратных средств. Эта процедура позволяет упростить и ускорить процесс раз-
работки и дает возможность уделять больше внимания оптимизации алгорит-
ма и архитектуры в целом.
Можно выделить следующие преимущества:
поддержка создания кода системных объектов и функций MATLAB;
возможность программирования плат FPGA от компаний Xilinx и ком-
пании Altera;
обмен ресурсами и восстановление синхронизации для достижения ком-
промисса между скоростью и областью.
Результат преобразования не столь оптимальный для использования всех ре-
сурсов FPGA. В прямом результате использование VHDL несколько лучше.
Реализация CCSDS 121-B-2 SZIP на Xilinx Virtex-5QV FPGA позволяет до-
стичь производительности порядка 410 Мбит /с, коэффициент сжатия 1,9, потреб-
ление энергии 2497 Вт.
При использовании TSMC 0,13 мкм 1р8м частота 273 МГц может быть
достигнута производительность 546 MB/с. Потребление электроэнергии —
33,93 мВт.
Предварительная фильтрация может уменьшить энтропию изображения и со-
ответственно увеличит степень сжатия до 3–5 раз.
Заключение
Особенность предложенного подхода — реализация компрессии без по-
терь CCD-сканера. CCD-сканеры до сих пор широко используются в системах
дистанционного зондирования и в бортовых системах для повышенного раз-
решения, поскольку позволяют получать изображения с разрешением в десят-
ки тысяч пикселов. Для компрессии полноценного 2D-изображения необходи-
мо наличие большого буфера для последовательного накопления информации
с CCD-сканера, а недостатки проявляются в ограниченном быстродействии,
слабой помехоустойчивости, дороговизне системы.
Предложенный подход предполагает последовательную компрессию отдель-
ных порций информации с CCD-сканера с последующим формированием боль-
шого количества отдельных пакетов данных. Для компрессии используется моди-
фицированный алгоритм кодирования без потерь LOCO-I с возможностью коди-
рования одномерных сигналов. Алгоритм оптимизирован для параллельной
обработки на FPGA. Это позволяет осуществлять компрессию потока данных
3Gb/s в реальных масштабах времени со скоростью обработки 330 MB/s на FPGA
Xilinx Virtex-5QVFPGA.
Преимущества предлагаемого подхода следующие:
высокий коэффициент компрессии без потерь (1,5–5);
повышенная помехоустойчивость системы;
работа в реальном масштабе времени;
возможность работы с отдельными пакетами данных;
удешевление системы.
Коэффициент компрессии сильно зависит от статистики изображения и в от-
дельных случаях может достигать 5 раз. Алгоритм компрессии для одной линейки
проигрывает алгоритму для 2D-изображений на 7–20 %.
Для повышения коэффициента компрессии предложено проводить предвари-
тельную фильтрацию изображений. CCD-линейка характеризуется аддитивным
шумом 40–60 dB. Впервые учтено влияние аддитивных шумов. Путем фильтрова-
ния устраняют их влияние что позволяет уменьшить энтропию данных на 3–10 %,
благодаря чему коэффициент компрессии повышается на 10–15 %.
138 ISSN 0572-2691
Б.П. Русин, О.А. Луцик, Р.Я. Косаревич
МОДИФІКОВАНА АРХІТЕКТУРА КОМПРЕСІЇ
ЗОБРАЖЕНЬ БЕЗ ВТРАТ НА БАЗІ FPGA
ДЛЯ БОРТОВИХ ПРИСТРОЇВ З CCD-ЛІНІЙКОЮ
Проведено детальний огляд методів і технологій стиснення зображення в
задачах дистанційного зондування. Запропоновано модифіковану техноло-
гію стиснення зображення без втрат для бортових систем з однією сканую-
чою CCD-лінійкою. Алгоритм стиснення без втрат базується на модифіко-
ваному LOCO-I. Робота демонструє ефективність стиснення, що в деяких
випадках може досягати 2–5 разів. Досліджуються властивості запропоно-
ваного алгоритму компресії в разі попередньої фільтрації даних CCD-
лінійки від адитивного шуму. Показана можливість реалізації запропонова-
ної технології на FPGA-архітектурі для роботи в системах реального часу.
Ключові слова: стиснення зображення, дистанційне зондування, бортові сис-
теми, CCD-лінійка.
B.P. Rusyn, A.A. Lutsyk, R.Ya. Kosarevych
MODIFIED ARCHITECTURE OF LOSSLESS IMAGE
COMPRESSION BASED ON FPGA
FOR ON-BOARD DEVICES WITH CCD-LINE
A detailed review of methods and technologies for image compression in remote
sensing problems is given. A modified lossless image compression technology
for onboard systems with a single scanning CCD–ruler is proposed. The lossless
compression algorithm is based on the modified LOCO-I. The work demon-
strates the efficiency of compression, which in some cases can reach 2–5 times.
The properties of the proposed compression algorithm are investigated in the
case of previous filtering of CCD line data from additive noise. The possibility
of implementing the proposed technology on the FPGA-architecture for working
in real-time systems is shown.
Keywords: image compression, remote sensing, onboard systems, CCD-line.
1. Mishra S., Singh A. Image compression and enhancement by using the LZW and BHEPL.
International Journal of Scientific and Research Publications. 2017. Vol. 7, N 5. P. 235–238.
DOI: 10.29322
2. Tsung Han Tsai, Yu-HsuanLeeandYu-YuLee. Design and analysis of high-throughput loss-
less image compression engine using VLSI-oriented FELICS algorithm. IEEE transactions
on very large scale integration systems. 2010. Vol. 18, N 1. DOI: 10.1109/TVLSI.
2008.2007230
3. http://ethw.org/History_of_Lossless_Data_Compression_Algorithms.
4. Gupta B., Gupta M., Chadha B. Image compression technique under jpeg by wavelets transfor-
mation. International Journal of Advanced Research in Computer Science and Software Engi-
neering. 2014. Vol. 4, N 6.
5. Sengupta A., Roy D. Mathematical validation of HWT based lossless image compression. IEEE
International Symposium on Information Systems (iNIS). 2017. P. 20–22.
6. Deigant Y., Akshat V., Raunak H., Pranjal P., Avi J. A proposed method for lossless image com-
pression in nano-satellite systems. Aerospace Conference 2017 IEEE. 2017. P. 1–11. DOI:
10.1109/AERO.2017.7943682
7. Firas A. Jassim. Increasing compression ratio in png images by k-modulus method for image
transformation. International Journal of Advanced Research in Computer Science and Software
Engineering. 2013. Vol. 3, N 6.
8. Hasan M., Nur K. A lossless image compression technique using location based approach. Inter-
national Journal of Scientific & Technology Research. 2012. Vol. 1, N 2. P. 101–105.
Международный научно-технический журнал
«Проблемы управления и информатики», 2019, № 1 139
9. Vemuri B.C., Sahni S., Chen F., Kapoor C., Leonard C., Fitzsimmons J. Losseless image com-
pression. 2014. Vol. 45, N 1. P. 1–5.
10. Singh A., Kirar K.G. Review of image compression techniques. International Conference on Re-
cent Innovations in Signal processing and Embedded Systems (RISE). 2017. P. 172–174.
11. M. Tuny Pet Seenu M.R., Arul Linsely J. Analysis of lossless image compression using
VLSI oriented FELICS algorithm. International Conference on Signal Processing, Commu-
nication, Computing and Networking Technologies. 2011. P. 623–628. DOI: 10.1109/
ICSCCN.2011.6024626.
12. Mehboob R., Khan S.A., Ahmed Z. High speed lossless data compression architecture. Proc.
IEEE Int. Conf. Multitopic. 2006. P. 84–88. DOI: 10.1109/DATE.2007.364584
13. Howardand P.G., Vitter J.S. Fast and efficient lossless image compression. Proc. IEEE Int. Conf.
Data Compression. 1993. P. 501–510. DOI:10.1109/DCC.1993.253114.
14. Bhimani D., Chaurasiya P., Sedani B. Optimized lossless image compression algorithm LOCO-I
for small images. Conference on Advances in Signal Processing (CASP). 2016. P. 223–225. DOI:
10.1109/CASP.2016.7746169.
15. Verhack R., Lange L., Lambert P., Walle R., Sikora T. Lossless image compression based on ker-
nel least mean squares. 2015 Picture Coding Symposium (PCS). 2015. P. 189–193.
DOI:10.1109/PCS.2015.7170073.
16. Rusyn B., Lutsyk O., Lysak Y., Lukenyuk A., Pohreliuk L. Lossless image compression in the
remote sensing appilications. IEEE International Conferenceon Data Stream Mining & Pro-
cessing (DSMP). Lviv. 2016. P. 195–198. DOI: 10.1109/DSMP.2016.7583539.
17. Lakis M.P., Pantazis V., Kakarountas A.P. Efficient high — performance ASIC implementa-
tion of JPEG-LS encoder. Int. Design Autom. Test Europe Conf. 2007. P. 1–6. DOI:
10.1109/DATE.2007.364584.
18. Mert Y.M. FPGA Based JPEG-LS Encoder for onboard real-time lossless image compression.
Satellite Data Compression, Communications, and Processing XI. Proc. of SPIE. 2015.
Vol. 9501. DOI: 10.1117/12.2177882.
19. Zhao B., Huang W., Haoxiang H., Zhe Liu W. Image de-noising algorithm based on image recon-
struction and compression perception. International Conference on Inventive Computing and In-
formatics (ICICI). 2017. P. 532–535.
20. Howard P.G., Vitter J.S. Fast and efficient lossless image compression. IEEE Data Compression
Conference. 1993. P. 351–360. DOI: 10.1109/DCC.1993.253114.
21. http://www.visengi.com/products/jpeg_hardware_encoder.
22. Nivedha B., Priyadharshini M., Thendral E., Deenadayalan T. lossless image compression in
cloud computing. International Conference on Technical Advancements in Computers and
Communications (ICTACC). 2017. P. 112–115. DOI: 10.1109/ICTACC.2017.37.
23. Li S., Yin H., Fang X., Lu H. Lossless image compression algorithm and hardware architecture
for bandwidth reduction of external memory. IET Image Processing. 2017. Vol. 11, N 6.
P. 379–388. DOI: 10.1049/iet-ipr.2016.0636.
24. Storer J.A., Helfgott H. Lossless image compression by block matching. The Computer Journal.
1997. Vol. 40, N 2. P. 137–145.
Получено 04.09.2018
|
| id | nasplib_isofts_kiev_ua-123456789-180657 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Russian |
| last_indexed | 2025-12-02T07:48:46Z |
| publishDate | 2019 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Русин, Б.П. Луцик, А.А. Косаревич, Р.Я. 2021-10-10T19:01:43Z 2021-10-10T19:01:43Z 2019 Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейко / Б.П. Русин, А.А. Луцик, Р.Я. Косаревич // Проблемы управления и информатики. — 2019. — № 1. — С. 131-139. — Бібліогр.: 24 назв. — рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/180657 004.627+528.8 Проведен детальный обзор методов и технологий сжатия изображения в задачах дистанционного зондирования. Предложена модифицированная технология сжатия изображения без потерь для бортовых систем с одной сканирующей CCD-линейкой. Алгоритм сжатия без потерь базируется на модифицированном LOCO-I. Работа демонстрирует эффективность сжатия, которое в некоторых случаях может достигать 2-5 раз. Исследуются свойства предложенного алгоритма компрессии в случае предварительной фильтрации данных CCD-линейки от аддитивного шума. Показана возможность реализации предложенной технологии на FPGA-архитектуре для работы в системах реального времени. Проведено детальний огляд методів і технологій стиснення зображення в задачах дистанційного зондування. Запропоновано модифіковану технологію стиснення зображення без втрат для бортових систем з однією скануючою CCD-лінійкою. Алгоритм стиснення без втрат базується на модифікованому LOCO-I. Робота демонструє ефективність стиснення, що в деяких випадках може досягати 2–5 разів. Досліджуються властивості запропонованого алгоритму компресії в разі попередньої фільтрації даних CCD-лінійки від адитивного шуму. Показана можливість реалізації запропонованої технології на FPGA-архітектурі для роботи в системах реального часу. A detailed review of methods and technologies for image compression in remote sensing problems is given. A modified lossless image compression technology for onboard systems with a single scanning CCD–ruler is proposed. The lossless compression algorithm is based on the modified LOCO-I. The work demonstrates the efficiency of compression, which in some cases can reach 2–5 times. The properties of the proposed compression algorithm are investigated in the case of previous filtering of CCD line data from additive noise. The possibility of implementing the proposed technology on the FPGA-architecture for working in real-time systems is shown. ru Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Методы обработки информации Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейкой Модифікована архітектура компресії зображень без втрат на базі FPGA для бортових пристроїв з CCD-лінійкою Modified architecture of lossless image compression based on FPGA for on-board devices with CCD-line Article published earlier |
| spellingShingle | Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейкой Русин, Б.П. Луцик, А.А. Косаревич, Р.Я. Методы обработки информации |
| title | Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейкой |
| title_alt | Модифікована архітектура компресії зображень без втрат на базі FPGA для бортових пристроїв з CCD-лінійкою Modified architecture of lossless image compression based on FPGA for on-board devices with CCD-line |
| title_full | Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейкой |
| title_fullStr | Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейкой |
| title_full_unstemmed | Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейкой |
| title_short | Модифицированная архитектура компрессии изображений без потерь на базе FPGA для бортовых устройств с CCD-линейкой |
| title_sort | модифицированная архитектура компрессии изображений без потерь на базе fpga для бортовых устройств с ccd-линейкой |
| topic | Методы обработки информации |
| topic_facet | Методы обработки информации |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/180657 |
| work_keys_str_mv | AT rusinbp modificirovannaâarhitekturakompressiiizobraženiibezpoterʹnabazefpgadlâbortovyhustroistvsccdlineikoi AT lucikaa modificirovannaâarhitekturakompressiiizobraženiibezpoterʹnabazefpgadlâbortovyhustroistvsccdlineikoi AT kosarevičrâ modificirovannaâarhitekturakompressiiizobraženiibezpoterʹnabazefpgadlâbortovyhustroistvsccdlineikoi AT rusinbp modifíkovanaarhítekturakompresíízobraženʹbezvtratnabazífpgadlâbortovihpristroívzccdlíníikoû AT lucikaa modifíkovanaarhítekturakompresíízobraženʹbezvtratnabazífpgadlâbortovihpristroívzccdlíníikoû AT kosarevičrâ modifíkovanaarhítekturakompresíízobraženʹbezvtratnabazífpgadlâbortovihpristroívzccdlíníikoû AT rusinbp modifiedarchitectureoflosslessimagecompressionbasedonfpgaforonboarddeviceswithccdline AT lucikaa modifiedarchitectureoflosslessimagecompressionbasedonfpgaforonboarddeviceswithccdline AT kosarevičrâ modifiedarchitectureoflosslessimagecompressionbasedonfpgaforonboarddeviceswithccdline |