PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

System-level model of hardware assisted still image compression based on two dimensional principal component analysis

Identyfikatory
Warianty tytułu
PL
Modelowanie na poziomie systemu sprzętowego wspomagania kompresji obrazów nieruchomych wykorzystujące dwuwymiarową analizę komponentów głównych
Języki publikacji
EN
Abstrakty
EN
The article presents a novel method of lossy compression of still images by means of two-dimensional principal component analysis. The algorithm is based on three main steps: transform coding of image blocks resulting feature-space dimensionality reduction, quantization of resulting coefficients and optional entropy coding. Although the compression ratio of presented approach is comparable to other, well-known algorithms, this new method gives images of very high visual quality. Some details on the hardware implementation in a reprogrammable chip are provided.
PL
Przedstawiono technikę stratnej kompresji obrazów statycznych wykorzystującą dwuwymiarową analizę komponentów głównych. Algorytm składa się z trzech etapów: kodowania transformacyjnego bloków obrazu, realizującego redukcję wymiarowości przestrzeni cech, kwantyzacji uzyskanych współczynników i opcjonalnego kodowania entropijnego. Pomimo tego, że uzyskiwany współczynnik kompresji jest porównywalny do innych znanych algorytmów, opracowana metoda daje obrazy o dużo lepszej jakości wizualnej. Pokazano również szczegóły implementacyjne do układów reprogramowalnych.
Rocznik
Strony
22--24
Opis fizyczny
Bibliogr. 14 poz., wykr.
Twórcy
  • Politechnika Szczecińska, Wydział Informatyki
Bibliografia
  • [1] Chrysafis C., Ortega A.: Line Based, Reduced Memory, Wavelet Image Compression. Proc. of 1998 IEEE Data Compression Conference. Snowbird, March 1998.
  • [2] Egger O., Fleurry P., Ebrahimi T., Kunst M.: High-performance Compression of Visual Information (A Tutorial Review). Proc. of IEEE, vol. 87, no. 6. 1999.
  • [3] Forczmański P.: Kompresja obrazów statycznych za pomocą dwuwymiarowej analizy komponentow głównych. Roczniki Informatyki Stosowanej PS. Nr 10: Metody informatyki stosowanej, Informa, Szczecin, 2006.
  • [4] Fukunaga K.: Introduction to Statistical Pattern Recognition. Second edition, New York, Academic Press, 1990.
  • [5] Jolliffe I. T.: Principal Component Analysis. Springer Verlag, 1986.
  • [6] Kukharev G., Forczmański P.: Hierarchical Method of Reduction of Features Dimensionality for Image Recognition and Graphical Data Retrieval. Proc. of Sixth International Conference PRIP, Minsk, Belarus, May 2001, pp. 19-34.
  • [7] Kukharev G., Forczmański P.: Data Dimensionality Reduction for Face Recognition. Machine Graphics and Vision. Vol. 13, No. 1/2, 2004.
  • [8] Marcellin M. W., Gormish M. J., Bilgin A., Boliek M.: An overview of JPEG-2000. Proc. of 2000 Data Compression Conference, March 2000, pp. 523-544.
  • [9] Sayood K.: Introduction to Data Compression. Acad. Press, 2000.
  • [10] Swets D. L., Weng J.: Using Discriminant Eigenfeatures for Image Retrieval. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 18, pp. 831-836.
  • [11] Swets D. L., Weng J.: Hierarchical Discriminant Analysis for Image Retrieval. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 21, no.5.
  • [12] Tsapatsoulis N., Alexopoulos V., Kollias S.: A Vector Based Approximation of KLT and Its Application to Face Recognition. Proc. of The IX European Signal Processing Conference EUSIPCO-98, Island of Rhodes, Greece, September 1998.
  • [13] Wallace G. K.: The JPEG Still Picture Compression Standard. Communications of the ACM. April 1991 (vol. 34, no. 4).
  • [14] IEEE 1666 ™ Standard SystemC Language Reference Manual, IEEE, 2005.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BWA0-0026-0006
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.