Асни методов сжатия полутоновых изображений без потерь

УДК 004.627

А. В. ТЮТЯКИН, Е. А. СЕМАШКО

A. V. TYUTYAKIN, E. A. SEMASHKO

АСНИ МЕТОДОВ СЖАТИЯ ПОЛУТОНОВЫХ ИЗОБРАЖЕНИЙ БЕЗ ПОТЕРЬ

AUTOMATED SYSTEM OF SCIENTIFIC RESEARCHES OF LOSSLESS GRAYSCALE IMAGES COMPRESSION METHODS

Ключевые слова: АСНИ методов сжатия, полутоновые изображения, сжатие изображений без потерь, техническая диагностика, функционально-параметрический профиль

Данная статья посвящена вопросу разработки АСНИ методов сжатия полутоновых изображений без потерь в системах технической диагностики. Предлагается структура АСНИ, которая позволяет проводить исследования этих алгоритмов в автоматизированном режиме – исследовать алгоритмы сжатия на предмет их эффективности; и в автоматическом режиме – выбирать предпочтительный функционально-параметрический профиль сжатия для конкретного изображения в зависимости от его различных статистических и спектральных характеристик.

ВВЕДЕНИЕ

Решение большинства задач технической и медицинской диагностики сводится к обработке и анализу полутоновых растровых изображений, полученных такими методами, как рентгенография, ультразвуковая локация, магнитно-резонансное сканирование и т. п. [1]. В настоящее время распространено представление указанных изображений, их хранение и пересылка в электронном виде. Однако их непосредственное представление в таком виде характеризуется большими объемами файлов (порядка одного мегабайта на один кадр).

Исходя из вышесказанного, хранение и пересылка по коммуникационным сетям вышеназванных изображений весьма затруднительна или невозможна без их компактного кодирования (сжатия).

В настоящее время известно достаточно много разнообразных алгоритмов сжатия изображений без потерь [2]. Большинство из них ориентировано на сжатие изображений с потерями, при условии, что они незаметны или малозаметны для человеческого глаза. С другой стороны, алгоритмы сжатия с потерями неприменимы при решении большинства практических задач ввиду того, что обусловленные потерями информации артефакты изображений, будучи приемлемыми для мультимедиа, недопустимы при обработке и анализе, например, результатов ультразвуковой локации или рентгенографии. Поэтому при хранении, передаче и обработке изображений в технической диагностике применимы только алгоритмы сжатия изображений без потерь. Однако остается нерешенным вопрос об автоматическом выборе функционально-параметрических профилей (ФПП) алгоритмов сжатия изображения без потерь из числа предпочтительных, т. е. сочетаний их типов, параметров, характеристик и опциональных возможностей, в зависимости от характера кодируемого изображения.

При необходимости оптимизации объемов данных небольшого количества изображений, существующие программные средства позволяют решить поставленную задачу при участии пользователя. Для архивирования большого количества изображений в автономном режиме, необходимы более гибкие подходы к оценке параметров методов сжатия.

К настоящему времени в недостаточной мере исследованы вопросы выбора и практического применения ФПП алгоритмов сжатия для решения вышеназванных задач. Настоящая статья посвящена рассмотрению некоторых аспектов данной проблемы, а именно разработке структуры АСНИ методов сжатия полутоновых изображений без потерь, позволяющей:

-  в автоматизированном режиме исследовать алгоритмы сжатия на предмет их эффективности при сжатии полутоновых изображений без потерь;

-  в автоматическом режиме выбирать предпочтительный функционально-параметрический профиль сжатия.

АСНИ сжатия изображений – это динамически развивающаяся область [3] автоматизированных систем. За последние 20 лет рост эффективности алгоритмов сжатия полутоновых изображений без потерь увеличился всего на несколько процентов [4], поэтому вопрос о выборе ФПП сжатия является актуальным.

АНАЛИЗ АЛГОРИТМОВ СЖАТИЯ

Для большинства алгоритмов сжатия изображений без потерь [5] необходим выбор их профиля (параметров, характеристик и опциональных возможностей) в зависимости от типа изображения. В [5] было показано, что от изменения параметров конкретного алгоритма сжатия для конкретного изображения существенно (до 5 и более раз) зависит степень его сжатия. Необходимо заметить также, что существуют те алгоритмы, принципы работы которых не документированы [5], а процесс разработки алгоритмов сжатия без потерь не прекращается по настоящее время. [4]. При этом влияние ФПП алгоритма сжатия на результат сжатия не известно заранее.

В связи с представленными обстоятельствами для описания алгоритмов сжатия полутоновых изображений без потерь удобно пользоваться его представлением в виде модели «черного ящика». При этом известными являются значения возможных параметров алгоритма, характеристики изображения на входе и коэффициент сжатия, время сжатия, время декомпрессии максимальное относительное отклонение интенсивности пикселя восстановленного изображения от интенсивности пикселя исходного изображения с теми же координатами на выходе (рисунок 1).

Рисунок 1 – Модель сжатия изображения для поиска предпочтительного ФПП сжатия

Здесь b1..bN – характеристики изображения, p1..pN – параметры алгоритма сжатия, ФППсж1..ФППсжN – ФПП сжатия, получаемые при различных сочетаниях параметров алгоритма сжатия и характеристик изображения.

К характеристикам изображения необходимо отнести признаки, влияющие на степень сжатия изображения: статистические и спектральные характеристики изображения [5]: среднее, дисперсия, коэффициент асимметрии, коэффициент эксцесса, энергия, энтропия, автокорреляция, ковариация, коэффициент корреляции, момент инерции, средняя абсолютная разность, обратная разность, энергия второго порядка, энтропия второго порядка, контраст изображения, характер спектра, характер кепстра, характер автокорреляционной функции изображения.

Для обеспечения репрезентативности (от фр. множества тестовых изображений, т. е. возможности оценивания с его помощью различных ФПП сжатия необходимо выполнение условия (1):

, (1)

где и – максимальные и минимальные значения параметров изображения на множествах тестовых изображений при некотором ФПП сжатия ;

– множество тестовых изображений для оценивания параметров ;

– множество диагностических изображений, потенциально возможных на практике;

– множество ФПП, подлежащих анализу.

Анализ алгоритмов из множества алгоритмов сжатия полутоновых изображений без потерь применимых в системах технической диагностики на всем множестве диагностических изображений {Im} с помощью представленной модели позволяет выявить алгоритмы, которые удовлетворяют критерию применимости:

(2)

СТРУКТУРА И ЗАДАЧИ АСНИ

В разрабатываемой АСНИ можно выделить два различных по своему функциональному назначению блока:

-  анализа алгоритмов сжатия полутоновых изображений без потерь на основе критерия (2) и формирования базы моделей (ФПП) сжатия;

-  сжатия диагностического изображения на основе базы моделей сжатия.

В первом случае входными данными для АСНИ является алгоритм сжатия полутоновых изображений без потерь, в результате анализа которого он может быть занесен в базу моделей ФПП сжатия.

При работе АСНИ в режиме сжатия изображения входной информацией является изображение, полученное с диагностической аппаратуры и подлежащее сжатию без потерь. В этом случае входное изображение подвергается анализу и сжимается в соответствии с определенным ФПП сжатия, выбираемым на основе базы моделей (ФПП) сжатия.

Структура разрабатываемой АСНИ строится на основе общей базы данных тестовых изображений, обеспечивающих репрезентативность статистических и спектральных характеристик.

Определение комплексных характеристик изображений – задача отдельной подсистемы в АСНИ сжатия изображений без потерь. Эта подсистема должна обеспечивать корректность вычислений при использовании быстрых алгоритмов определения статистических и спектральных характеристик изображения, т. е. обеспечивать выполнение условия (3):

, (3)

где fкомп – функция времени вычисления параметров изображения,

– максимально допустимое время работы подсистемы комплексного

(многофакторного) анализа изображений.

Подсистема реализации алгоритмов сжатия без потерь представляет собой набор библиотек, реализующих разнообразные алгоритмы сжатия полутоновых изображений без потерь. С помощью подсистемы поиска предпочтительного ФПП сжатия, которая может быть распределена на компьютерах в сети, объединенных в вычислительный кластер, реализуется поиск предпочтительного сочетания настроек алгоритма, удовлетворяющих критерию (2).

ФПП сжатия в сочетании с различными спектральными и статистическими характеристиками изображения, полученными с помощью подсистемы многофакторного анализа изображений, представляет собой модель сжатия, составляют базу моделей сжатия.

На рисунке представлена структурная схема АСНИ методов сжатия изображений без потерь.

Рисунок 2 – Структура АСНИ сжатия изображений

При заполненной базе моделей сжатия для изображения, поступающего с диагностической аппаратуры через интерфейс системы, происходит выбор наиболее предпочтительного ФПП сжатия на основе информации, хранящейся в БД. На основе выбранной модели в подсистеме сжатия на основе выбора ФПП сжатия формируется итоговое изображение, включающее:

-  компрессированное изображение;

-  заголовок, содержащий информацию об использованном алгоритме сжатия.

Сжатое изображение в дальнейшем может быть использовано для декомпрессии, обработки, передачи по сетям передачи данных, создания архивов и т. д.

ЗАКЛЮЧЕНИЕ

Задачи, решаемые предлагаемой АСНИ сжатия изображений, позволяют выделить следующие ее особенности:

– модульный принцип организации;

– использование архитектуры «клиент-сервер» для поиска предпочтительного ФПП сжатия, что дает возможность уменьшить затраты в случае необходимости изменения структуры вычислительного ядра, не затрагивая программное обеспечение удаленных терминалов;

– реализация механизма динамически подключаемых библиотек, позволяющих использовать в АСНИ абсолютно любые алгоритмы сжатия полутоновых изображений без потерь.

СПИСОК ЛИТЕРАТУРЫ

1  Pоджеpс, Д. Алгоритмические основы машинной графики [Текст] / Давид Роджерс; перевод с англ. , , ; под ред. , – М.: Мир, 1989. – 504 с.– Библиогр.: 20000 экз. – ISBN -9.

2  Compression Database [Электронный ресурс] / База данных алгоритмов сжатия – Режим доступа: http://cdb. paradice-insight. us/?stats=cmpr, свободный. – Яз. англ.

3  Принципы построения АСНИ изображений [Текст] // , – Новосибирск: ИСТ, 2003. – Т2, С. 137.

4  Сайт по методам сжатия данных, изображений и видео [Электронный ресурс] / ***** – Режим доступа: http://*****, свободный. – Яз. рус.

5  Еременко, и приемы повышения эффективности сжатия без потерь полутоновых изображений [Текст] / , , // Вопросы радиоэлектроники. Общетехническая серия. – Москва, июль 2010. – Вып. 1, С. 152 – 159

ФГОУ ВПО «Госуниверситет-УНПК», г. Орел

Кандидат технических наук, доцент, доцент кафедры «Электроника, вычислительная техника и

информационная безопасность»

Тел. +7 (48

E-mail: *****@***ru

ФГОУ ВПО «Госуниверситет-УНПК», г. Орел

Аспирант кафедры ЭВТиБ

Тел.: + 7 (9
E-mail: *****@***ru