На основе чего при классификации происходит выделение признаков.

Рекурсивный алгоритм сжатия изображений.

Рекурсивный алгоритм (wavelet) волновое сжатие

Алгоритм ориентирован на цветные и черно-белые изображения с плавными переходами. Алгоритм идеален для ч-б рентгеновских снимков. Степень сжатия от 5 до 100. При задании большего коэффициента сжатия на резких границах появляется лестничный эффект, т.е. несколько пикселей с одинаковыми яркостями.

Идея алгоритма: мы сохраняем разницу числа между средним числом соседних блоков в изображении, эти значения стремятся к 0.

Например, если 2 числа a_2i и a_2i+1, которые можно представить и

a_i=220, 211, 212, 218, 217, 214, 210, 202

=220+211/2=215.5; b=212+218/2=215; b=217+214/2=215.5; b=210+202/2=406

=220-211/2=4.5; b=212-218/2=-3; b=217-214/2=1,5; b=210-202/2=4

Полученные значения можно округлить до целых, ещё дополнительно сжать по алгоритму Хаффмана и получить очень хорошую степень сжатия. Без потери качества можно сжимать в 4-6 раз.

Достоинство алгоритма:

-представляет возможность постепенного проявления изображения;

-упрощается показ огрубленного изображения;

-рекурсивный алгоритм в отличии от jpeg и фрактального не оперирует блоками (работает только строками).

Характеристики:

-степень сжатия от 2 до 200;

-класс изображений: предпочтительней с плавными переходами;

-коэффициент симметричности около 1,5;

-при высокой степени архивации изображение распадается на отдельные блоки.

Полосовые и направленные фильтры.

Полосовые фильтры

Изображение с полосовой фильтрацией можно представить как результат применения низких и высоких частот.

B_p(x,y)=HPF[LPFp(x,y)]=HPF(Lp(x,y))

Полосовые фильтры в основном применяют для выделения и устранения периодических шумов.

 

Направленные фильтры

Тип	Направление фильтрации
Вертикальная	Горизонтальная	Диагональная	Азимутальная
1-я производная	[-1;1]			[sinλ; -sinλ; -cosλ; cosλ]
2-я производная	[-1;2;-1]			Не существует

Каким образом происходит неконтролируемый процесс обучения классификатора

37. Особенности сжатия изображений, требования и критерии сравнения алгоритмов сжатия изображений.

Алгоритм сжатия изображений

Основной объект – это изображение, тип данных, который характеризуется тремя особенностями:

1.Изображение требует большего объема памяти при хранении, чем текст.

2.Человеческое зрение при анализе изображения оперирует контурами, общим переходом цветов, следовательно человеческий глаз не особо чувствителен к небольшим изменениям в изображении, т.е. можно создавать архивы изображений, которые не совсем сходны со входными данными.

3.Изображение обладает избыточностью двух измерений.

 

Известно 3 семейства алгоритмов, разработанные только для сжатия изображений, и неприменимы для других типов данных:

1.какие критерии можно предложить для сравнений алгоритмов;

2.какие классы изображений существуют;

3.какие классы приложений существуют.

Изображение – статическое, растровое изображение, представляющее собой двумерный массив чисел, элементарная единица – пиксель.

 

Изображения бывают двух групп: с палитрой и без:

-у изображений с палитрой в пикселе хранится число, являющееся индексом в некотором одномерном векторе цветов – палитре, например, gif, bitmap (16,32,256);

-изображение без палитры бывает в какой-либо системе цветопредставления, например RGB, и градациях серого (0,255).

 

Для того чтобы корректно оценивать степень сжатия нужно ввести понятие класса изображений. Под классом будем понимать совокупность изображений, применение к которым алгоритма архивации дает качественно одинаковые результаты.

 

Классы:

1.изображения с небольшим количеством цветов (4-16) и большими областями, которые заполнены одним цветом, следовательно плавные переходы отсутствуют;

2.изображение с плавными переходами цветов;

3.фотореалистичные изображения;

4.фотореалистичные изображения с наложением деловой графики.

 

Классы приложений для компьютера:

1.требовательный ко времени процедуры архивации и дизархивации;

2.высокие требования к степени архивации и времени дизархивации;

3.высокие требования к степени архивации.

 

Требования приложений к алгоритмам компрессий:

1.высокая степень компрессии;

2.высокое качество изображения;

3.высокая скорость компрессии;

4.высокая скорость декомпрессии;

5.масштабирование изображений;

6.устойчивость к ошибкам;

7.требования для широковещательных сетей;

8.учет специфики изображения;

9.редактируемость;

10.малая стоимость аппаратной реализации.

 

Критерии сравнения алгоритмов:

Характеристики алгоритмов зависят от конкретных условий, где поставлена алг степень.

-компрессия от того на каком классе алгоритмов тестировался;

-скорость алгоритмов зависит, для какой платформы разрабатывался.

1.степень сжатия (лучшая/средняя/худшая);

2.класс изображений, на который ориентирован алгоритм;

3.симметричность (отношение времени кодирования к декодированию);

4.фактор потери качества;

5.характерные особенности алгоритма и изображений, к которым их применяют.