Адаптивная интерполяция многомерных сигналов при дифференциальной компрессии
Автор: Максимов Алексей Игоревич, Гашников Михаил Валерьевич
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений, распознавание образов
Статья в выпуске: 4 т.42, 2018 года.
Бесплатный доступ
Исследуются алгоритмы интерполяции многомерных сигналов при дифференциальной компрессии. Предлагается подход к построению адаптивных интерполяторов, основанный на автоматическом выборе интерполирующей функции в каждой точке сигнала на основе признаков, вычисляемых по локальной окрестности. В рамках этого подхода предлагается адаптивный многомерный интерполятор, автоматически выбирающий в каждой точке сигнала интерполирующую функцию, обеспечивающую повышенную точность интерполяции для контуров. Для реализации этого выбора предлагается решающее правило, основанное на локальном признаке, характеризующем выраженность и направленность контура в каждой точке сигнала. Предложенный интерполятор реализован для трёхмерного случая, в котором переключение производится между шестью интерполирующими функциями: усредняющей функцией и функциями, учитывающими контуры пяти направлений. Производится экспериментальное исследование предложенного алгоритма на трёхмерных гиперспектральных данных дистанционного зондирования Земли. Экспериментально подтверждается, что использование предложенного интерполятора позволяет существенно повысить эффективность дифференциальной компрессии.
Интерполяция, многомерный сигнал, адаптивность, компрессия, коэффициент сжатия, погрешность
Короткий адрес: https://sciup.org/140238429
IDR: 140238429 | DOI: 10.18287/2412-6179-2018-42-4-679-687
Список литературы Адаптивная интерполяция многомерных сигналов при дифференциальной компрессии
- Woods, J.W. Multidimensional signal, image, and video processing and coding/J.W. Woods. -2nd ed. -Waltham, Oxford: Academic Press, 2011 -616 p. -ISBN: 978-0-12-381420-3.
- Van der Meer, F.D. Multi-and hyperspectral geologic remote sensing: A review/F.D. van der Meer, H.M. van der Werff, F.J. van Ruitenbeek, C.A. Hecker, W.H. Bakker, M.F. Noomen, M. van der Meijde, E.J.M. Carranza, J.B. de Smeth, T. Woldai//International Journal of Applied Earth Observation and Geoinformation. -2012. -Vol. 14, Issue 1. -P. 112-128. - DOI: 10.1016/j.jag.2011.08.002
- Lillesand, T. Remote sensing and image interpretation/T. Lillesand, R.W. Kiefer, J. Chipman. -7th ed. -Hoboken, NJ: John Wiley & Sons, 2015 -768 p. -ISBN: 978-1-118-34328-9.
- Vapnik, V.N. Statistical learning theory/V.N. Vapnik. -New York: John Wiley & Sons, 1998. -768 p. -ISBN: 978-0-471-03003-4.
- Бахвалов, Ю.Н. Метод многомерной интерполяции и аппроксимации и его приложения/Ю.Н. Бахвалов. -М.: Спутник+, 2007. -108 с. -ISBN: 978-5-364-00728-5.
- Васин, Ю.Г. Рекуррентные алгоритмы адаптивного сжатия с использованием хорошо приспособленных локальных восстанавливающих функций/Ю.Г. Васин, Ю.И. Неймарк. -В кн.: Математическое обеспечение САПР: межвузовский сборник. -Горький: ГГУ, 1978. -Вып. I.13.
- Гулаков, К.В. Выбор архитектуры нейронной сети для решения задач аппроксимации и регрессионного анализа экспериментальных данных//Вестник Брянского государственного технического университета. -2013. -№ 2. -С. 95-105.
- Cohen, A. On the stability and accuracy of least squares approximations/A. Cohen, M.A. Davenport, D. Leviatan//Foundations of Computational Mathematics. -2013. -Vol. 13, Issue 5. -P. 819-834. - DOI: 10.1007/s10208-013-9142-3
- Блинов, А.О. Многомерная аппроксимация в задачах моделирования и оптимизации/А.О. Блинов, В.П. Фраленко//Автоматика и телемеханика. -2009. -№ 4. -C. 98-109.
- Чобану, М.К. Сжатие изображений с помощью тензорной аппроксимации/М.К. Чобану, Д.В. Макаров//Проблемы разработки перспективных микро-и наноэлектронных систем (МЭС). -2014. -№ 4. -C. 109-112.
- Бутырский, Е.Ю. Аппроксимация многомерных функций/Е.Ю. Бутырский, И.А. Кувалдин, В.П. Чалкин//Научное приборостроение. -2010. -Т. 20, № 2. -C. 82-92.
- Caiafa, C.F. Computing sparse representations of multidimensional signals using Kronecker bases/C.F. Caiafa, A. Cichocki//Neural Computation. -2016. -Vol. 25, Issue 1. -P. 186-220. - DOI: 10.1162/NECO_a_00385
- Крапухина, Н.В. Новый подход к многомерной аппроксимации технологических данных на основе использования метода группового учёта аргументов и нейронных сетей/Н.В. Крапухина, Б.В. Бринза//Цветные металлы. -2007. -№ 5. -C. 19-23.
- Sahnoun, S. A simultaneous sparse approximation method for multidimensional harmonic retrieval/S. Sahnoun, E.-H. Djermoun, D. Brie, P. Comon//Signal Processing. -2017. -Vol. 131. -P. 36-48. - DOI: 10.1016/j.sigpro.2016.07.029
- Donoho, D.L. Compressed sensing/D.L. Donoho//IEEE Transactions on Information Theory. -2006. -Vol. 52, Issue 4. -P. 1289-1306. - DOI: 10.1109/TIT.2006.871582
- Bigot, J. An analysis of block sampling strategies in compressed sensing/J. Bigot, C. Boyer, P. Weiss//IEEE Transactions on Information Theory. -2016. -Vol. 62, Issue 4. -P. 2125-2139. - DOI: 10.1109/TIT.2016.2524628
- Salomon, D. Data compression: The complete reference/D. Salomon. -4th ed. -London: Springer-Verlag, 2007. -1118 p. -ISBN: 978-1-84628-602-5.
- Gonsales, R.C. Digital image processing/R.C. Gonsales, E. Woods. -3th ed. -Upper Saddle River, NJ: Prentice Hall, 2007. -976 p. -ISBN: 978-0-13-168728-8.
- Gashnikov, M.V. Parameterized adaptive predictor for digital image compression based on the differential pulse code modulation/M.V. Gashnikov//Proceedings of SPIE. -2017. -Vol. 10341. -1034110. - DOI: 10.1117/12.2268530
- Гашников, М.В. Минимизация энтропии постинтерполяционных остатков при компрессии изображений на основе иерархической сеточной интерполяции/М.В. Гашников//Компьютерная оптика. -2017. -Т. 41, № 2. -С. 266-275. - DOI: 10.18287/2412-6179-2017-41-2-266-275
