Selección adaptable de funciones y codificación de imágenes



Título del documento: Selección adaptable de funciones y codificación de imágenes
Revista: Revista digital universitaria
Base de datos: PERIÓDICA
Número de sistema: 000214163
ISSN: 1607-6079
Autores:
Año:
Periodo: Sep
Volumen: 1
Número: 2
País: México
Idioma: Español
Tipo de documento: Artículo
Enfoque: Analítico
Resumen en español Actualmente las técnicas de selección adaptable de funciones se han vuelto muy populares, y por esa razón se han desarrollado una gran variedad de éstas, entre las cuales se puede mencionar a las más recientes: "Matching Pursuit", "Basis Pursuit" y "High Resolution Pursuit". Los modelos de codificación de imágenes presentados en este trabajo son producto de una búsqueda de aplicaciones de las técnicas de selección adaptable, del estudio de los efectos que produce la cuantización al introducirse dentro de estas técnicas, de los métodos y modelos tradicionales de compresión y de las medidas de calidad más comunes que se emplean para la evaluación de resultados en el análisis y procesamiento de imágenes. Además, las técnicas de selección adaptable involucran algunos factores dignos de un estudio profundo, como lo son la selección del diccionario que se empleará y el criterio para detener el proceso de selección. Los modelos propuestos en este trabajo expanden una imagen a lo largo de un diccionario redundante de funciones seleccionado previamente. A partir de esta expansión, se buscan, mediante una de las técnicas de selección adaptable, como "Matching Pursuit" y "High Resolution Pursuit", los coeficientes correspondientes a las estructuras más importantes de la imagen, empleando el criterio de similitud característico de cada técnica. Se hace uso de diccionarios redundantes ya que estos diccionarios son extremadamente flexibles, sobre todo cuando se trata de obtener las correspondencias de las estructuras más importantes de una señal. A los coeficientes que se obtienen se les aplica un proceso de cuantización lineal, justo al momento de ser seleccionados, con la finalidad de evitar la propagación de errores Con los coeficientes seleccionados se tiene una "óptima" descomposición de la imagen, o bien, una nueva representación con un número reducido de elementos. Esta nueva representación corresponde a una imagen
Resumen en inglés At present, adaptive approximation techniques have become very popular; in consequence, many of them have been developed recently, such as Matching Pursuit, Basis Pursuit and High Resolution Pursuit. The image coding models presented in this work are the result of an extensive research related to adaptive approximation techniques, quantization effects in these techniques, traditional compression methods and the most common image quality criteria. Besides, adaptive approximation techniques involve some factors, which need a deep study such as the dictionary to employ and the algorithm stop criteria. Proposed models expand an image over an overcomplete dictionary, such dictionary has been selected according the results presented and published in previous works. From such expansion, by adaptive approximation techniques such as Matching Pursuit and High Resolution Pursuit, the coefficients corresponding to the most important image structures are selected. This selection is done by a similarity measure. Selected coefficients are quantized just when they are chosen in order to avoid bigger error propagation during the process that when quantization is done at the end of the process. The set of selected coefficients is an "optimal" image decomposition, or a new representation with a reduced quantity of elements. This new representation corresponds to a coded image with a low bit rate. Selected atoms are represented by the parameters set, such parameters depend of the model employed. A sorting process and a traditional compression technique is applied to this set in order to get an effective compression. By a simple reconstruction algorithm we recover the original image with an expected visual high quality subject to evaluation. At the end, we perform such evaluation by PQS (Picture Quality Scale) and the most common criteria of objective quality
Disciplinas: Matemáticas
Palabras clave: Matemáticas aplicadas,
Imágenes,
Algoritmos
Keyword: Mathematics,
Applied mathematics,
Images,
Algorithms
Texto completo: Texto completo (Ver HTML)