画像タイプに依存した圧縮のための量子化コードブックマイニング

用于图像类型相关压缩的量化码本挖掘

• 批准号: 14780178
• 负责人: 大久保 好章
• 金额: $ 1.34万
• 依托单位: Hokkaido University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2002
• 资助国家: 日本
• 起止时间: 2002 至 2003
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-14780178/
• 关键词: 画像圧縮; ベクトル量子化; クラスタリング; データマイニング; 機械学習; コードブック; ラティスコードプック

本研究では,画像圧縮における高性能ベクトル量子化コードブックの学習アルゴリズムについて考察を行なった.特に,復元ノイズを抑制するために,所与の画像タイプに特化したコードブックを生成する手法を提案した.所与の汎用コードブックCをもとに,あるタイプの画像を量子化することを考える.そのタイプに属する訓練画像から抽出した画素ブロック(ベクトル)集合のうち,C中の如何なるコードをもってしても許容誤差以内では量子化できない画素ベクトルを,そのタイプに特有なベクトルと定め,それらの集合Esを学習ベクトル系列と考える.一方,Cによる量子化において,一度も使われないコードを取り除いたものをC'としておく.Esに対する学習は,データマイニングの主要技術のひとつであるk-Meansクラスタリング手法を拡張して行なう.具体的には,画像データから抽出したDCT係数の分布の偏りに応じて,LL, HL, HHの3クラスに学習ベクトルを分類し,各クラス毎にクラスタ数を定めることで,よりきめ細かなクラスタリングを行い,復元誤差を抑制する.LLは様々な値の係数が出現するクラスのため,より大きなクラスタ数を割り当てて詳細にクラスタリングする必要があるが,HHはすべての係数がほぼ0となることから,その分クラスタ数を少数に設定してもほとんど劣化は生じない.こうした学習の結果得られるコードブックC_EsとC'の和集合を,この画像タイプに特化したコードブックとして出力する.計算機実験の結果,画像タイプに依存した汎用コードブックの部分的修正と,DCT係数の分布を考慮したK-Means法の拡張が,圧縮画像の復元ノイズ抑制に有効であることが確認できた.

In this study, we investigated the high performance of image compression and quantization. Special, complex elements of the image to create a method All of them are used in the quantization of images. In the training portrait of the owner, the collection of pixels is extracted and the collection of pixels is extracted. The how to use it in C is within the allowable error and the quantization of the pixels is within the allowable error. The unique set of pixels is fixed, and the collection of Es is included in the learning set series and exam. A party,C, C Specifically, the distribution of DCT coefficients in the image is classified into three categories: LL, HL, HH, and the number of DCT coefficients in each category is determined. The complex error is suppressed.LL is the coefficient of DCT coefficients. The number of sub-classes is set to a small number when the sub-classes are not degraded. The result of this study is that the sum of C_Es and C'is set, and the image is specialized. The result of computer implementation is that the distribution of DCT coefficients takes into account the expansion of K-Means method, and the reduction of DCT coefficients is suppressed.

项目成果

Yoshiaki Okubo, Xiaobo Li: "Learning Semi-Lattice Codebooks for Image Compression"Lecture Notes in Artificial Intelligence. 2371. 342-343 (2002)

大久保义明、李晓波：《学习用于图像压缩的半格码本》人工智能讲座笔记。