guest ::
Image compression by microtexture synthesis = Bildkompression durch Mikrotextursynthese
2012 & 2013
Zugl.: Aachen, Techn. Hochsch., Diss., 2012
Druckausgabe: 2012. - Onlineausgabe: 2013
Genehmigende Fakultät
Fak06
Hauptberichter/Gutachter
Tag der mündlichen Prüfung/Habilitation
2012-08-30
Online
URN: urn:nbn:de:hbz:82-opus-43454
URL: https://publications.rwth-aachen.de/record/197512/files/4345.pdf
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
Bildverarbeitung (Genormte SW) ; Gauß-Zufallsfeld (Genormte SW) ; Textur (Genormte SW) ; Visuelles System (Genormte SW) ; Ingenieurwissenschaften (frei) ; Bildkompression (frei) ; image compression (frei) ; texture synthesis (frei) ; human visual system (frei) ; random field model (frei)
Thematische Einordnung (Klassifikation)
DDC: 620
Kurzfassung
Weitere Kompressionsgewinne gegenüber dem Stand der Bildkompressionstechnik sind schwierig zu erzielen, wenn dabei das Paradigma der Pixel Fidelity beibehalten werden soll. Es ist daher notwendig, eine Bildrepräsentation zu finden, die die Definitionen von „Irrelevanz“ und „Redundanz“ auf eine Art und Weise trifft, die näher an der menschlichen Wahrnehmung orientiert ist. In dieser Arbeit werden lineare Zufallsfelder und insbesondere Gauß-Markov-Zufallsfelder als Modelle von Mikrotextur untersucht. Über ihre Sonderrolle in der Informationstheorie bezüglich maximaler Entropie hinaus spielen Gaußsche Zufallsfelder eine besondere Rolle im Zusammenhang mit der Merkmalsdetektion im menschlichen visuellen Cortex. Ein hybrides Kompressionssystem wird entworfen, welches Texturinhalte durch einen Syntheseansatz codiert. Die Eigenschaften von Gaußschen Zufallsfeldern erlauben es, den gängigen Segmentierungs-Klassifikationsansatz von vorangegangenen Methoden durch einen konzeptionell einfachen und eleganten Rahmen zu ersetzen, der auf statistischen Tests beruht. Dies führt zu einer spezifischen Struktur-Textur-Zerlegung, durch die Probleme wie Über- oder Untersegmentierung vermieden werden können. Die Ergebnisse werden auf einem Satz von etablierten Testbildern mit Hilfe von objektiven Metriken evaluiert, die wiederum durch visuelle Experimente verifiziert werden. Das vorgestellte Kompressionssystem ist, verglichen mit einem Referenzcodec der State-of-the-Art, in der Lage, bis zu 35% der Bitrate für natürliche Bilder einzusparen, sowie mehr als 60%, wenn der Algorithmus auf rauschbehaftetes Material angewandt wird.Further compression gains beyond the state of the art in image coding are difficult to achieve when the pixel fidelity paradigm is retained. It is necessary to find an image representation that addresses the definitions of “irrelevance” and “redundancy” in a way that is closer to human perception. In this thesis, linear random field models, and specifically Gauss-Markov Random Fields, are investigated as models of microtexture. Beyond their maximum-entropy role in information theory, Gaussian random fields are special with respect to feature detection in the human visual cortex. A hybrid coding system is designed which encodes texture content by a synthesis approach. The properties of Gaussian random fields allow to replace the common segmentation-classification approach of previous methods with a conceptually simple and elegant statistical testing framework. This gives rise to a unique structure-texture decomposition, thus avoiding problems of over- or under-segmentation. Results are evaluated for a set of established test images using objective metrics, which are verified by visual experiments. The presented coding system is able to provide up to 35% of bitrate savings for natural images compared to a state-of-the-art reference codec, and more than 60% bitrate savings when the algorithm is applied on noisy content.
Fulltext: 
PDF
Dokumenttyp
Dissertation / PhD Thesis
Format
online, print
Sprache
English
Interne Identnummern
RWTH-CONV-143367
Datensatz-ID: 197512
Beteiligte Länder
Germany
|
The record appears in these collections: |
PDF