Аналіз методів та алгоритмів компресії нерухомих зображень
Автор: Машковська Тетяна Олександрівна
Кваліфікаційний рівень: магістр
Спеціальність: Комп'ютерні системи управління рухомими об'єктами (автомобільний транспорт)
Інститут: Інститут комп'ютерних технологій, автоматики та метрології
Форма навчання: денна
Навчальний рік: 2022-2023 н.р.
Мова захисту: українська
Анотація: Стиснення зображення – це процес видалення надлишкової інформації із зображення, щоб можна було зберегти лише важливу інформацію, щоб зменшити розмір пам’яті, пропускну здатність передачі та час передачі. Основна інформація витягується різними методами перетворення, щоб її можна було реконструювати без втрати якості та інформації зображення. Об’єктом дослідження – є аналіз алгоритмів та методів компресії нерухомих зображень. Предметом дослідження – є чотири перетворення, а саме дискретне косинусне перетворення (DCT), дискретне вейвлет-перетворення (DWT) і гібридне (DCT+DWT) перетворення та фрактальне кодування. Метою дослідження – є вивчення таких методів стиснення та перевірка результатів за допомогою програмування в MATLAB. Ця магістерська дипломна робота також спрямована на порівняльне вивчення різних методів стиснення зображень, а також наводить мотиви вибору різних методів стиснення. У цій магістерській дипломній роботі порівняльний аналіз стиснення зображення виконується за допомогою методу чотирьох перетворень, а саме дискретного косинусного перетворення (DCT), дискретного вейвлетного перетворення (DWT) і гібридного (DCT+DWT) перетворення та фрактального кодування. Програми MATLAB були написані для кожного з вищезазначених методів і на основі отриманих результатів дійшли висновку, що гібридний алгоритм DWT-DCT працює набагато краще, ніж автономні DCT на основі JPEG, алгоритми DWT з точки зору пікового співвідношення сигнал/шум (PSNR), а також як візуальне сприйняття при вищому ступені стиснення. В першому розділі йдеться про огляд літературних джерел щодо стиснення зображення. Дргуий розділ починається з теоретичного вступу до зображення та його представлення в різних доменах. Тут також представлені методи трансформації, які зазвичай використовуються для стиснення зображення. Описано дискретне косинусне перетворення (DCT), дискретне вейвлет-перетворення (DWT), гібридне (DCT+DWT) перетворення та техніку стиснення фрактальних зображень. Алгоритм реалізації цих методів за допомогою MATLAB також пояснюється в цьому розділі. Переваги та недоліки всіх цих алгоритмів також включені в цей розділ. Третій розділ пояснює різні параметри вимірювання продуктивності для порівняння методів стиснення. На основі параметрів, пояснених у цьому розділі, проводиться аналіз методів стиснення. Крім того, за допомогою цих параметрів можна провести суб’єктивний і об’єктивний аналіз. Перевіряється якість реконструйованого зображення. Результати моделювання та порівняння представлені в четвертому розділі. Крім того, швидкий алгоритм фрактального кодування також порівнюється з уже обговореними та розробленими схемами. У п’ятому розділі проведено розрахунки собівартості НДР, планового прибутку від її реалізації та оцінено наукову та науково-технічну результативність НДР. Ключові слова: MATLAB, дискретне косинусне перетворення(DCT), дискретне вейвлет-перетворення(DWT), гібридне перетворення(DWT+DCT), алгоритм фрактального кодування. Перелік використаних літературних джерел: 1. Nakonechny A., Veres Z. The wavelet based trained filter for image interpolation // The 1-th IEEE International Conference on Data Stream Mining & Processing, 23-27 August 2016, Lviv, Ukraine, pp. 218-221. 2. Fedak V., Nakonechny A. Adaptive wavelet thresholding for image denoising using sure minimization and clustering of wavelet coefficients //Technical Transactions. Electrical Engineering, WYDAWNICTWO POLITECHNIKI KRAKOWSKIEJ vol. 2-E/2015, pp. 197-210.