Вейвлет-функция для сжатия изображений Текст научной статьи по специальности «Компьютерные и информационные науки»

Решетневские чтения

M. V. Prudkov

Institute of Computational Modeling, Russian Аcademy of Science, Siberian Branch, Russia, Krasnoyarsk

PROBLEM OF A GEOSUPPLY WITH INFORMATION OF SAVING SERVICES

The created geographical information system should provide saving services with operative, authentic and full data about placing ofpotentially dangerous objects on district, carry out modeling, monitoring and forecasting of parameters development of extreme situations to dangerous values and possible consequences, to display character and the sizes of possible threat, using spatial aspect in the information on extreme situations and leaning on a cartographical way of representation of the information.

© Прудков М. В., 2009

УДК 004.932

Д. И. Пьянков

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

ВЕЙВЛЕТ-ФУНКЦИЯ ДЛЯ СЖАТИЯ ИЗОБРАЖЕНИЙ

Представлены алгоритмы сжатия для усреднения изображений. Рассматривается вейвлет-алго-ритм, который вместо усреднения использует вейвлет-функцию, что позволяет получить на границах контуров менее резкие перепады в яркости.

Одним из наиболее важных и определяющих аспектов как для хранения, так и для передачи является сжатие исходной информации. Использование компрессии позволяет снизить стоимость систем хранения и передачи информации; увеличить количество каналов связи при сохранении заданной скорости передачи; хранить больший объем информации.

Простейший алгоритм сжатия изображения представляет собой волновое (частотное) представление информации. Алгоритм выглядит следующий образом: для каждого пикселя находится яркость, затем изображение усредняется, и все изображение заполняется этой яркостью. Изображение делится поровну на четыре части, в каждой из частей вычитается предыдущая средняя яркость и для каждой из частей считается своя средняя яркость. Усреднение повторяется для каждой четверти, а в следующее разделение входят только те части, в которых пиксели очень отличаются от средней яркости по всему квадрату. Считается усредненная разница между средней яркостью и каждым пикселем и сравнивается с числом, которое задает качество реконструкции и силу сжатия изображения.

Получается дерево коэффициентов, в котором в дальнейшее уточнение попадают только те области изображения, которые плохо реконструи-

руются на текущем уровне. Там, где изображение однородно (например, небо), будет немного уровней. В более детальных местах (граница с облаком) будет больше уровней-ветвей. Причем много ветвей дерева высоких уровней точно охватят границу облака с небом, и совсем немного ветвей нижних уровней будет внутри облака. Количество коэффициентов в таком дереве на несколько порядков меньше количества пикселей в исходном изображении. Реконструированное таким образом изображение не будет идеальной копией пиксельного представления. Но на глаз различия будут практически незаметны, разница будет касаться в основном резких границ.

Существует более современный алгоритм сжатия изображений, в котором вместо усреднения изображения на него накладывается вейвлет-функция. Значение яркости пикселя умножается на значение вейвлет-функции, и только после этого усредняется. Подход с использованием вейвлетов является лучшим, чем простое усреднение, так как при усреднении между соседними квадратами получаются слишком резкие перепады в яркости, что особенно будет заметно на границах контуров. Вейвлет же, попадая на границу или на однородное изображение, правильно закодирует крутизну участка или гладкость изображения.

Информатика и информационно-управляющие системы

D. I. Piankov

Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk

WAVELET FUNCTION FOR IMAGE COMPRESSION

Image compression algorithms for image averaging are presented. The wavelet algorithm which uses the wavelet function instead of averaging and allows getting less sharp differences in brightness on the borders of contours is considered.

© nMHKOB A- H., 2009

УДК 004.932.2

А. Л. Русаков

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

КОМПЕНСАЦИЯ ДВИЖЕНИЯ В МЕТОДЕ СВЕРХРАЗРЕШЕНИЯ ДЛЯ СИСТЕМ ВИДЕОНАБЛЮДЕНИЯ

Рассматриваются основные методы детектирования движущихся объектов на видеопоследовательностях. Исследуются варианты исключения движущихся объектов при обработке кадров видеоряда и получении кадра сверхразрешения.

В настоящее время видеонаблюдение является технологией, напрямую связанной с жизнью и безопасностью людей. При видеонаблюдении требуется детальная информация об объекте на видеопоследовательности или детальное представление какой-либо сцены. Основным препятствием для более точной детализации является ограничение возможностей видеокамеры, с которой берется необходимое видеоизображение. Часто используемым методом получения детального представления сцены является метод сверхразрешения, когда на основе ряда кадров получается изображение более высокого разрешения, чем исходные, так называемые High-resolution Image. Наибольшую трудность при реализации метода сверхразрешения вызывает появление на видео движущихся объектов [1].

К основным методам обнаружения движения можно отнести сравнение текущего кадра с предыдущим кадром, сравнение текущего кадра с начальным кадром, сравнение текущего кадра c фоном сцены. В первом методе попиксельно сравниваются текущий и предыдущий кадры. За счет смещения объекта в кадре получаются пиксели, которые и показывают движение объекта. Однако этот метод является шумозависимым и неприемлем при наличии медленного движения. Второй метод более эффективен в случае медлен-

ных перемещений объектов. Однако и у этого метода есть один существенный недостаток, связанный с возможным исчезновением движущегося объекта на первом кадре. Наиболее эффективными являются алгоритмы, основанные на создании так называемого фона сцены и сопоставлении каждого текущего кадра с фоном. При этом целесообразно использовать в качестве фона сцены не первоначальный кадр, а некий кадр, полученный путем изменения цвета пикселей на указанное количество. Далее происходит сравнение полученного кадра с текущим кадром, тем самым получается реальная картина движения объекта в каждом кадре. Такой подход позволит исключить пиксели, отвечающие за движение, и значительно уменьшить время на обработку видеопоследовательности и получение изображения сверхразрешения.

Библиографический список

1. Абдуллин, Ю. Э. Формирование кадра фона в задаче обнаружения движения системами технического зрения [Электронный ресурс] / Ю. Э. Абдуллин // Исследовано в России : электр. журн. 2007. № 124. С. 1282-1289. Режим доступа: www.zhurnal.ape.retarn/ru/ Загл. с экрана.