The method of adaptive statistical coding taking into account the structural features of video images

• Autorzy: Barannik Volodymyr , Havrylov Dmytro , Pantas Serhii , Tsimura Yurii , Belikova Tatayna , Viedienieva Rimma , Kryshtal Vasyl

Identyfikatory

DOI

10.35784/iapgos.6132

Warianty tytułu

PL

Metoda adaptacyjnego kodowania statystycznego z uwzględnieniem cechy strukturalne obrazów wideo

• Języki publikacji: EN

Abstrakty

EN

The paper proposes a method of improved adaptive integral arithmetic coding. This method is advisable to use in the technology of multi-level processing of video data based on the JPEG method. The technology is based on the detection of key information at several stages of video data processing. To reduce the output volume, the RLE algorithm and integral arithmetic coding are adapted to the new structure ofthe input data. Thus,the method of linearization of two-dimensional transformants based on zig-zag scanning was further developed. The differences of the method consistin carrying out vector intertransformation zig-zag linearization taking into account the selection of spectral components defined as complementary.The linearized decomposition approach was developed for the first time transformants based on entry into control ranges. In connection with the presence of different types of transformants in the group, the threshold is adapted according to the criterion of thetotal uneven number of non-equilibrium complementary components. On the basis of taking into account the probability of occurrence of dictionary elements, integrated arithmetic coding(two-dictionary integrated arithmetic coding) has been improved. Determination of current code components according to the decomposed working interval depending on the power of the dictionaries of significant elements and the number of repetitions. This allows you toadditionally take into account the statistical features of the components of the RLE-structured linearized transformants and reduce the length of the arithmetic code; for the first time,a transformant compression method was created based on the reduction of various types of redundancy in groups of transformants. Comparative experimental analysis with known methods indicated that the developed technology has a higher compression ratio with reduced processing time.This makes it possible to ensure the necessary level of access and reliability in the conditions of the growth of the original volume of data.

PL

W artykule zaproponowano metodę ulepszonego adaptacyjnego całkowego kodowania arytmetycznego. Metodę tę zaleca się stosowaćw technologii wielopoziomowego przetwarzania danych wideo w oparciu o metodę JPEG. Technologia opiera się na wykrywaniu kluczowych informacji na kilku etapach przetwarzania danych wideo. Aby zmniejszyć głośność wyjściową, algorytm RLE i całkowe kodowanie arytmetyczne są dostosowywanedo nowej struktury danych wejściowych. Tym samym rozwinięto metodę linearyzacji dwuwymiarowych transformantów w oparciu o skanowanie zygzakowate. Różnice metody polegają na przeprowadzeniu zygzakowatej linearyzacji międzytransformacyjnej wektorów z uwzględnieniem doboru składowych widmowych określonych jako komplementarne. Po raz pierwszy opracowano podejście do rozkładu linearyzowanego transformantóww oparciu o wejście w zakresy kontrolne. W związku z obecnością w grupie różnych typów transformantów próg dobierany jest według kryterium całkowitej nieparzystej liczby nierównowagowych składników dopełniających. Na podstawie uwzględnienia prawdopodobieństwa wystąpienia elementów słownikowych udoskonalono zintegrowane kodowanie arytmetyczne (zintegrowane kodowanie arytmetyczne dwusłownikowe). Wyznaczanie bieżących składowych kodu według rozłożonego interwału roboczegow zależności od mocy słowników elementów znaczących i liczby powtórzeń. Pozwalato dodatkowo uwzględnić cechy statystyczne składników linearyzowanych transformantów o strukturze RLE i zmniejszyć długość kodu arytmetycznego;po raz pierwszy stworzono metodę kompresji transformantów, polegającą na redukcji różnego rodzaju redundancji w grupach transformantów. Porównawcza analiza eksperymentalna ze znanymi metodami wykazała, że opracowana technologia charakteryzuje się wyższym stopniem sprężaniaprzy skróconym czasie przetwarzania. Pozwala to zapewnić niezbędny poziom dostępu i niezawodności w warunkach wzrostu pierwotnego wolumenu danych.

Słowa kluczowe

EN

method of multilevel selective processing; RLE; arithmetic coding

PL

metoda wielopoziomowego przetwarzania selektywnego; RLE; kodowanie arytmetyczne

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2024
• Tom: T. 14, nr 4
• Strony: 109--114
• Opis fizyczny: Bibliogr. 31 poz., wykr.

Twórcy

autor

Barannik Volodymyr

• V.N. Karazin Kharkiv National University, Kharkiv,Ukraine

• https://orcid.org/0000-0002-2848-4524

autor

Havrylov Dmytro

• Іvan Kozhedub Kharkiv National Air Force University, Kharkiv, Ukraine

• https://orcid.org/0000-0002-3344-7808

autor

Pantas Serhii

• Heroes of Kruty Military Institute of Telecommunications and Informatization, Kyiv, Ukraine

• https://orcid.org/0000-0001-9868-142X

autor

Tsimura Yurii

• Heroes of Kruty Military Institute of Telecommunications and Informatization, Kyiv, Ukraine

• https://orcid.org/0000-0002-6269-3821

autor

Belikova Tatayna

• Kharkiv National University of Radio Electronics, Kharkiv, Ukraine

• https://orcid.org/0000-0001-8178-6903

autor

Viedienieva Rimma

• Іvan Kozhedub Kharkiv National Air Force University, Kharkiv, Ukraine

• https://orcid.org/0000-0002-3988-1912

autor

Kryshtal Vasyl

• National University of Civil Defense of Ukraine, Kharkiv, Ukraine

• https://orcid.org/0000-0002-8221-1244

Bibliografia

• [1] Alakuijala J. et al.: JPEG XL next-generation image compression architecture and coding tools. Proc. SPIE 11137, 2019, 111370K.
• [2] Alakuijala J.: Image compression benchmark [https://drive.google.com/corp/ drive/folders/0B0w_eoSgaBLXY1JlYUVOMzM5VFk] (access 2024/09/08).
• [3] Barannik D. et. al.: Steganographic Coding Technology for Hiding Information in Infocommunication Systems of Critical Infrastructure. 4th International Conference on Advanced Trends in Information Theory (ATIT). 2022, 88–91 [https://doi.org/10.1109/ATIT58178.2022.10024185].
• [4] Barannik V. et. al.: Evaluation of Effectiveness of Masking Methods of Aerial Photographs. 3rd International Conference on Advanced Information and Communications Technologies (AICT). 2019, 415–418 [https://doi.org/10.1109/AIACT.2019.8847820].
• [5] Barannik V. et. al.: Method of indirect information hiding in the process of video compression. Radioelectronic and Computer Systems 4, 2021, 119–131 [https://doi.org/10.32620/reks.2021.4].
• [6] Bondžulić B. et. al.: Picture-wise just noticeable difference prediction model for JPEG image quality assessment. Vojnotehnički glasnik 70(1), 2022, 62–86 [https://doi.org/10.5937/vojtehg70-34739].
• [7] Cardone B.: Fuzzy Transform Image Compression in the YUV Space. Computation 11(10), 2023, 1–19 [https://doi.org/10.3390/computation11100191].
• [8] Chen T. et. al.: End-to-End Learnt Image Compression via Non-Local Attention Optimization and Improved Context Modeling. IEEE Transactions on Image Processing, 2021, 3179–3191 [https://doi.org/10.1109/tip.2021.3058615].
• [9] Cho J., Kwon O.-J., Choi S.: Improvement of JPEG XL Lossy Image Coding Using Region Adaptive DCT Block Partitioning Structure. IEEE Access 9, 113213–113225 [https://doi.org/10.1109/ACCESS.2021.3102235].
• [10] Duda J.: Asymmetric Numeral System implementation by Andrew Polar [http://ezcodesample.com/abs/abs_article.html] (access 2023/05/14).
• [11] Duda J.: Asymmetric numeral systems. arXiv:0902.0271. [https://doi.org/10.48550/arXiv.0902.0271] (access 2024/09/08).
• [12] Gonzalez R. et. al.: Digital Image Processing. 4th Edition. Pearson Education, 2018.
• [13] ITU-T Recommendation H.265. High efficiency video coding. 2019 [https://www.itu.int/rec/T-REC-H.265] (access 2024/09/08).
• [14] Jinming L. et. al.: Learned Image Compression with Mixed Transformer-CNN Architectures. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2023, 14388–14397 [https://doi.org/10.1109/CVPR52729.2023.01383].
• [15] Kim I. et. al.: High efficiency video coding (HEVC) test model 12 (HM12) encoder description. JCTVC 14th meeting, 2013, JCTVC-N1002.
• [16] Landu R. S.: Image Compression Using AI: Brief Insights into Deep Learning Techniques and AI Frameworks. International Journal of Engineering, Science, Technology and Innovation (IJESTI) 2(1), 2022, 1–6.
• [17] Li C. et al.: Yolov6: A single-stage object detection framework for industrial applications. arXiv preprint arXiv:2209.02976, 2022.
• [18] Li H. et al.: Frequency-aware Transformer for Learned Image Compression. ICLR, 2024, 19, arXiv:2310.16387 (access 2024/09/08).
• [19] Liao S. et. al.: Rate-Quality Based Rate Control Model for Neural Video Compression. International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2024, 4215–4219 [https://doi.org/10.1109/ICASSP48485.2024.10447777].
• [20] Lopes F. A. et. al.: FPGA implementation of the JPEG XR for onboard earth observation applications. Journal of Real-Time Image Processing 18(6), 2021, 1–12 [https://doi.org/10.1007/s11554-021-01078-y].
• [21] Park W. et. al.: Fast Computation of Integer DCT-V, DCT-VIII, and DST-VII for Video Coding. IEEE Transactions on Image Processing 28(12), 2019, 5839–5851.
• [22] Ponomarenko N. et. al.: Image database TID2013: Peculiarities, results and perspectives. Signal Processing: Image Communication 30, 2015, 57–77.
• [23] Rao K. et. al.: JPEG Series. 1st edition. River Publishers, 2021.
• [24] Ren S. et al.: Faster R-CNN: Towards real-time object detection with region proposal networks. NeurIPS, 2015, arXiv:1506.01497.
• [25] Russ J. C., Neal F. B.: The Image Processing Handbook. 7th Edition. CRC Press, 2018.
• [26] Sneyers J.: Improve the Web Experience With Progressive Image DecodingImprove the Web Experience With Progressive Image Decoding, 2021 [https://cloudinary.com/blog/improve_the_web_experience_with_progressive_image_decoding] (access 2024/09/08).
• [27] Umbaugh S. E.: Digital Image Processing and Analysis: Computer Vision and Image Analysis 4th Edition. Taylor & Francis Ltd 2023.
• [28] Wassenberg J. et. al.: DIS Text of ISO IEC 18181-1 (JPEG XL), document JPEG (ISO/IEC JTC 1/SC 29/WG 1). 86th Meeting, 2020.
• [29] Wassenberg J., Sneyers J.: JPEG XL White Paper, document JPEG(ISO/IEC JTC 1/SC 29/WG 1). 87th Meeting. Germany, Erlangen, 04.2020, N87021, 27–30.
• [30] Wiegand T. et. al.: Overview of the H.264/AVC Video Coding Standard. IEEE Transactions on Circuits and Systems for Video Technology 13(7), 2003, 560–576.
• [31] Zhang X.: Shufflenet: An extremely efficient convolutional neural network for mobile devices. CVPR, 2018, arXiv:1707.01083.