Prediction of Parameters in Optimal Operation Point for BPG-based Lossy Compression of Noisy Images
Lossy compression of images corrupted by noise has several peculiarities. First, a specific noise filtering effect is observed. Second, optimal operation point (OOP) can be observed, i.e. such coder parameter (e.g., quantization step) value can exist that quality of compressed image calculated with...
Збережено в:
| Дата: | 2022 |
|---|---|
| Автори: | , , , , |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine
2022
|
| Теми: | |
| Онлайн доступ: | https://ujrs.org.ua/ujrs/article/view/212 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Ukrainian Journal of Remote Sensing of the Earth |
Репозитарії
Ukrainian Journal of Remote Sensing of the Earth| id |
uajuacgovua-article-212 |
|---|---|
| record_format |
ojs |
| institution |
Ukrainian Journal of Remote Sensing of the Earth |
| collection |
OJS |
| language |
English |
| topic |
image lossy compression optimal operation point quality prediction noise discrete cosine transform сжатие изображений с потерями оптимальная рабочая точка качественный прогноз шум дискретное косинусное преобразование стиснення зображення з втратами оптимальна точка роботи якісне прогнозування шум дискретне косинусне перетворення |
| spellingShingle |
image lossy compression optimal operation point quality prediction noise discrete cosine transform сжатие изображений с потерями оптимальная рабочая точка качественный прогноз шум дискретное косинусное преобразование стиснення зображення з втратами оптимальна точка роботи якісне прогнозування шум дискретне косинусне перетворення Kovalenko, Bogdan Lukin, Volodymyr Kryvenko, Sergii Naumenko, Victoriia Vozel, Benoit Prediction of Parameters in Optimal Operation Point for BPG-based Lossy Compression of Noisy Images |
| topic_facet |
image lossy compression optimal operation point quality prediction noise discrete cosine transform сжатие изображений с потерями оптимальная рабочая точка качественный прогноз шум дискретное косинусное преобразование стиснення зображення з втратами оптимальна точка роботи якісне прогнозування шум дискретне косинусне перетворення |
| format |
Article |
| author |
Kovalenko, Bogdan Lukin, Volodymyr Kryvenko, Sergii Naumenko, Victoriia Vozel, Benoit |
| author_facet |
Kovalenko, Bogdan Lukin, Volodymyr Kryvenko, Sergii Naumenko, Victoriia Vozel, Benoit |
| author_sort |
Kovalenko, Bogdan |
| title |
Prediction of Parameters in Optimal Operation Point for BPG-based Lossy Compression of Noisy Images |
| title_short |
Prediction of Parameters in Optimal Operation Point for BPG-based Lossy Compression of Noisy Images |
| title_full |
Prediction of Parameters in Optimal Operation Point for BPG-based Lossy Compression of Noisy Images |
| title_fullStr |
Prediction of Parameters in Optimal Operation Point for BPG-based Lossy Compression of Noisy Images |
| title_full_unstemmed |
Prediction of Parameters in Optimal Operation Point for BPG-based Lossy Compression of Noisy Images |
| title_sort |
prediction of parameters in optimal operation point for bpg-based lossy compression of noisy images |
| title_alt |
Прогнозирование параметров в оптимальной рабочей точке для сжатия шумных изображений с потерями на основе BPG Прогнозування параметрів в оптимальній робочій точці для стиснення із втратами зображень із шумом на основі BPG |
| description |
Lossy compression of images corrupted by noise has several peculiarities. First, a specific noise filtering effect is observed. Second, optimal operation point (OOP) can be observed, i.e. such coder parameter (e.g., quantization step) value can exist that quality of compressed image calculated with respect to noise-free image can be better compared to quality of uncompressed (original noisy) image. If OOP exists, it is worth compressing a given image in OOP, if no, other recommendations on coder parameter setting are reasonable. Since noise-free image is not available in practice, it is not possible to determine does OOP exist and what is image quality in it. In this paper, we show that OOP existence for several quality metrics can be predicted quite easily and quickly for grayscale images corrupted by additive white Gaussian noise and compressed by better portable graphics (BPG) encoder. Such a prediction is based on analysis of statistics of discrete cosine transform (DCT) coefficients calculated for a limited number of 8x8 pixel blocks. A scatter-plot of metric improvement (reduction) depending upon these statistics is obtained in advance and prediction curve fitting is performed. Recommendations on encoder parameter setting for cases of OOP absence are given. |
| publisher |
Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine |
| publishDate |
2022 |
| url |
https://ujrs.org.ua/ujrs/article/view/212 |
| work_keys_str_mv |
AT kovalenkobogdan predictionofparametersinoptimaloperationpointforbpgbasedlossycompressionofnoisyimages AT lukinvolodymyr predictionofparametersinoptimaloperationpointforbpgbasedlossycompressionofnoisyimages AT kryvenkosergii predictionofparametersinoptimaloperationpointforbpgbasedlossycompressionofnoisyimages AT naumenkovictoriia predictionofparametersinoptimaloperationpointforbpgbasedlossycompressionofnoisyimages AT vozelbenoit predictionofparametersinoptimaloperationpointforbpgbasedlossycompressionofnoisyimages AT kovalenkobogdan prognozirovanieparametrovvoptimalʹnojrabočejtočkedlâsžatiâšumnyhizobraženijspoterâminaosnovebpg AT lukinvolodymyr prognozirovanieparametrovvoptimalʹnojrabočejtočkedlâsžatiâšumnyhizobraženijspoterâminaosnovebpg AT kryvenkosergii prognozirovanieparametrovvoptimalʹnojrabočejtočkedlâsžatiâšumnyhizobraženijspoterâminaosnovebpg AT naumenkovictoriia prognozirovanieparametrovvoptimalʹnojrabočejtočkedlâsžatiâšumnyhizobraženijspoterâminaosnovebpg AT vozelbenoit prognozirovanieparametrovvoptimalʹnojrabočejtočkedlâsžatiâšumnyhizobraženijspoterâminaosnovebpg AT kovalenkobogdan prognozuvannâparametrívvoptimalʹníjrobočíjtočcídlâstisnennâízvtratamizobraženʹízšumomnaosnovíbpg AT lukinvolodymyr prognozuvannâparametrívvoptimalʹníjrobočíjtočcídlâstisnennâízvtratamizobraženʹízšumomnaosnovíbpg AT kryvenkosergii prognozuvannâparametrívvoptimalʹníjrobočíjtočcídlâstisnennâízvtratamizobraženʹízšumomnaosnovíbpg AT naumenkovictoriia prognozuvannâparametrívvoptimalʹníjrobočíjtočcídlâstisnennâízvtratamizobraženʹízšumomnaosnovíbpg AT vozelbenoit prognozuvannâparametrívvoptimalʹníjrobočíjtočcídlâstisnennâízvtratamizobraženʹízšumomnaosnovíbpg |
| first_indexed |
2024-04-21T19:48:18Z |
| last_indexed |
2024-04-21T19:48:18Z |
| _version_ |
1796974994057592832 |
| spelling |
uajuacgovua-article-2122022-07-10T20:29:53Z Prediction of Parameters in Optimal Operation Point for BPG-based Lossy Compression of Noisy Images Прогнозирование параметров в оптимальной рабочей точке для сжатия шумных изображений с потерями на основе BPG Прогнозування параметрів в оптимальній робочій точці для стиснення із втратами зображень із шумом на основі BPG Kovalenko, Bogdan Lukin, Volodymyr Kryvenko, Sergii Naumenko, Victoriia Vozel, Benoit image lossy compression optimal operation point quality prediction noise discrete cosine transform сжатие изображений с потерями оптимальная рабочая точка качественный прогноз шум дискретное косинусное преобразование стиснення зображення з втратами оптимальна точка роботи якісне прогнозування шум дискретне косинусне перетворення Lossy compression of images corrupted by noise has several peculiarities. First, a specific noise filtering effect is observed. Second, optimal operation point (OOP) can be observed, i.e. such coder parameter (e.g., quantization step) value can exist that quality of compressed image calculated with respect to noise-free image can be better compared to quality of uncompressed (original noisy) image. If OOP exists, it is worth compressing a given image in OOP, if no, other recommendations on coder parameter setting are reasonable. Since noise-free image is not available in practice, it is not possible to determine does OOP exist and what is image quality in it. In this paper, we show that OOP existence for several quality metrics can be predicted quite easily and quickly for grayscale images corrupted by additive white Gaussian noise and compressed by better portable graphics (BPG) encoder. Such a prediction is based on analysis of statistics of discrete cosine transform (DCT) coefficients calculated for a limited number of 8x8 pixel blocks. A scatter-plot of metric improvement (reduction) depending upon these statistics is obtained in advance and prediction curve fitting is performed. Recommendations on encoder parameter setting for cases of OOP absence are given. Сжатие с потерями изображений, искаженных шумом, имеет несколько особенностей. Во-первых, наблюдается специфический эффект фильтрации шума. Во-вторых, может наблюдаться оптимальная рабочая точка (ОРТ), т. е. может существовать такое значение параметра кодера (например, шага квантования), что качество сжатого изображения, рассчитанного по отношению к бесшумному изображению, может быть лучше по сравнению с качеством несжатого (исходного зашумленного) изображения. Если ОРТ есть, то стоит сжать данное изображение в ОРТ, если нет, то разумны другие рекомендации по настройке параметров кодера. Поскольку бесшумное изображение на практике недоступно, определить, существует ли ОРТ и какое в нем качество изображения, не представляется возможным. В этой статье мы показываем, что существование ОРТ для нескольких метрик качества может быть довольно легко и быстро предсказано для изображений в градациях серого, искаженных аддитивным белым гауссовым шумом и сжатых кодером better portable graphics (BPG). Такой прогноз основан на анализе статистики коэффициентов дискретного косинусного преобразования (ДКП), рассчитанных для ограниченного числа блоков 8x8 пикселей. Диаграмма рассеяния улучшения (ухудшения) метрики в зависимости от этих статистических данных получается заранее, и выполняется подбор прогнозной кривой. Даны рекомендации по настройке параметров кодера для случаев отсутствия ОРТ. Стиснення із втратами зображень, спотворених шумом, має кілька особливостей. По-перше, спостерігається специфічний ефект фільтрації шуму. По-друге, може спостерігатися оптимальна робоча точка (OРТ), тобто може існувати таке значення параметра кодеру (наприклад, кроку квантування), що якість стисненого зображення, розрахованого по відношенню до безшумного зображення, може бути кращою порівняно з якістю стисненого (вихідного зашумленого) зображення. Якщо OРТ є, то варто стиснути це зображення в OРТ, якщо ні, то розумні інші рекомендації щодо настроювання параметрів кодера. Оскільки безшумне зображення на практиці недоступне, визначити, чи існує OРТ і яке в ньому якість зображення, неможливо. У цій статті ми показуємо, що існування OРТ для кількох метрик якості може бути досить легко і швидко прогнозовано для зображень у градаціях сірого, спотворених адитивним білим гаусовим шумом та стиснутим кодером better portable graphics (BPG). Такий прогноз ґрунтується на аналізі статистики коефіцієнтів дискретного косинусного перетворення (ДКП), розрахованих для обмеженої кількості блоків 8x8 пікселів. Діаграма розсіювання покращення (погіршення) метрики в залежності від цих статистичних даних отримується заздалегідь, і виконується підбір прогнозної кривої. Наведено рекомендації щодо настроювання параметрів кодера для випадків відсутності OРТ. Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine 2022-06-27 Article Article application/pdf https://ujrs.org.ua/ujrs/article/view/212 10.36023/ujrs.2022.9.2.212 Ukrainian journal of remote sensing; Vol. 9 No. 2 (2022); 4-12 Украинский журнал дистанционного зондирования Земли; Том 9 № 2 (2022); 4-12 Український журнал дистанційного зондування Землі; Том 9 № 2 (2022); 4-12 2313-2132 en https://ujrs.org.ua/ujrs/article/view/212/230 Copyright (c) 2022 Ukrainian journal of remote sensing |