فشرده‌سازي تصاوير داراي درجه‌ي تفكيك مكاني بالا مبتني بر تخمين زيرباندهاي جزئيات در حوزه‌ي تبديل موجك

Compression of High-Spatial-Resolution Images Based on Estimating the Detail Sub-bands in the Wavelet Domain

درجه‌ي تفكيك مكاني مناسب در بسياري از انواع تصاوير اهميت بالايي دارد زيرا دربرگيرنده‌ي اطلاعات برخي جزئيات مهم مي‌باشد. در عمده‌ي انواع تصاوير مانند تصاوير متني، چهره، اثرانگشت و پزشكي كارايي روش‌هاي استخراج ويژگي تاحد زيادي به كيفيت تصوير وابسته است. درجه‌ي تفكيك مكاني بالا يكي از مهمترين عوامل افزايش كيفيت تصوير است اما موجب افزايش حجم حافظه‌ي ذخيره‌سازي نيز مي‌شود؛ لذا اهميت روش‌هاي موثر فشرده‌سازي دوچندان مي‌شود. در روش فشرده‌سازي پيشنهادي در اين مقاله، ابتدا ابعاد تصوير ورودي به كمك تبديل موجك تا حد مشخصي كاهش يافته و سپس تصوير به كمك هر روش كدگذار دلخواهي قابل فشرده‌سازياست. در مرحله‌ي بازسازي، ابتدا تصويرِ كاهش يافته به كمك كدگشاي متناظر، بازسازي شده و سپس ابعاد آن به كمك تخمين زيرباندهاي جزئيات در حوزه‌ي تبديل موجك، افزايش مي‌يابد. در بخش شبيه‌سازي و ارزيابي، دو نوع تصويرِ متداول و مهم شامل تصوير متني و تصوير چهره (نماينده‌ي تصاوير داراي طيف به ترتيب عمدتاً ميان‌گذر و عمدتاً پايين‌گذر) به عنوان مطالعه موردي انتخاب و در هركدام، كارايي فشرده‌سازي و بازشناسي تصاوير فشرده شده به كمك تركيب روش پيشنهادي با سه روش JPEG، JPEG2000 و SPIHT بررسي مي‌شود. نتايج شبيه‌سازي نشان‌دهنده‌ي تاثير قابل توجه روش پيشنهادي در كاهش حجم ذخيره‌سازي تصوير فشرده‌شده و حفظ همزمان كارايي بازشناسي است.

Proper spatial resolution has great importance in many image types since it conveys significant details. Performance of feature extraction methods, in some image types such as textual, facial, and fingerprint ones, highly depend on the image quality. Spatial resolution is one of important factors affecting the image quality; but, high spatial resolution increases the storage memory of the corresponding images, showing the importance of image compression methods.
In the proposed image compression approach of this paper,dimension of the input image is first decreased based on the wavelet transform and then is compressed using any desired image compression method. In the decompression stage, first, the dimensionally reduced image is reconstructed and then, the initial dimension is restored by our proposed technique of estimating the detail sub-bands in the wavelet domain.
In the evaluation stage, we chose two image types of textual and facial as two case studies having band-pass and low-pass spectrums respectively. We evaluated the compression and recognition performance of proposed approach by combining it with any of conventional compression methods of JPEG, JPEG2000 and SPIHT.Simulation results showed the noticeable effect of the proposed approach on reducing the storage memory and simultaneously, preserving o the compression/recognition performance.