Порівняльний аналіз алгоритмів суперроздільної здатності для стиснення зображень

Автор(и)

  • Олена Андріївна Бучко Національний університет «Києво-Могилянська академія», Україна https://orcid.org/0009-0006-4190-5895
  • Сан Бинь Ванович Нгуєн Національний університет «Києво-Могилянська академія», Україна https://orcid.org/0000-0001-9991-140X

DOI:

https://doi.org/10.18523/2617-3808.2023.6.24-29

Ключові слова:

стиснення зображень, суперроздільна здатність, нейронні мережі, комп’ютерний зір

Анотація

У статті розглянуто підхід до стиснення зображень, який передбачає використання методів суперроздільної здатності. Запропонований підхід має потенціал підвищити візуальну якість відтворення зображень і забезпечити ефективніший результат стиснення порівняно з традиційними методами стиснення. Наведено експериментальну оцінку запропонованого алгоритму на основі FSRCNN, EDSR, Real-ESRGAN мереж суперроздільної здатності з використанням кількісних та якісних показників.

Біографії авторів

Олена Андріївна Бучко, Національний університет «Києво-Могилянська академія»

Ph.D. технічних наук, доцент факультету інформатики Національного університету «Києво-Могилянська академія», olena.buchko@ukma.edu.ua

Сан Бинь Ванович Нгуєн, Національний університет «Києво-Могилянська академія»

Студент Ph.D. програми «Інженерія програмного забезпечення» факультету інформатики Національного університету «Києво-Могилянська академія», nguen.sun@ukma.edu.ua

Посилання

  1. Choi, J.-S., & Kim, M. (2017). A Deep Convolutional Neural Network with Selection Units for Super-Resolution. In 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). IEEE. https://doi.org/10.1109/cvprw.2017.153.
  2. Dahl, R., Norouzi, M., & Shlens, J. (2017). Pixel Recursive Super Resolution. In 2017 IEEE International Conference on Computer Vision (ICCV). IEEE. https://doi.org/10.1109/iccv.2017.581.
  3. DIV2K Dataset. (n.d.). https://data.vision.ee.ethz.ch/cvl/DIV2K/.
  4. Dong, C., Loy, C. C., He, K., & Tang, X. (2016). Image Super-Resolution Using Deep Convolutional Networks. IEEE Transactions on Pattern Analysis and Machine Intelligence, 38 (2), 295–307. https://doi.org/10.1109/tpami.2015.2439281.
  5. Dong, C., Loy, C. C., & Tang, X. (2016). Accelerating the Super-Resolution Convolutional Neural Network. In Computer Vision – ECCV 2016 (pp. 391–407). Springer International Publishing. https://doi.org/10.1007/978-3-319-46475-6_25.
  6. Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2020). Generative adversarial networks. Communications of the ACM, 63 (11), 139–144. https://doi.org/10.1145/3422622.
  7. Hore, A., & Ziou, D. (2010). Image Quality Metrics: PSNR vs. SSIM. In 2010 20th International Conference on Pattern Recognition (ICPR). IEEE. https://doi.org/10.1109/icpr.2010.579.
  8. Keles, O., Yilmaz, M. A., Tekalp, A. M., Korkmaz, C., & Dogan, Z. (2021). On the Computation of PSNR for a Set of Images or Video. In 2021 Picture Coding Symposium (PCS). IEEE. https://doi.org/10.1109/pcs50896.2021.9477470.
  9. Kim, J., Lee, J. K., & Lee, K. M. (2016). Accurate Image Super-Resolution Using Very Deep Convolutional Networks. In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE. https://doi.org/10.1109/cvpr.2016.182.
  10. Ledig, C., Theis, L., Huszar, F., Caballero, J., Cunningham, A., Acosta, A., Aitken, A., Tejani, A., Totz, J., Wang, Z., & Shi, W. (2017). Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network. In 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE. https://doi.org/10.1109/cvpr.2017.19.
  11. Lim, B., Son, S., Kim, H., Nah, S., & Lee, K. M. (2017). Enhanced Deep Residual Networks for Single Image Super-Resolution. In 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). IEEE. https://doi.org/10.1109/cvprw.2017.151.
  12. Obukhov, A., & Krasnyanskiy, M. (2020). Quality Assessment Method for GAN Based on Modified Metrics Inception Score and Fréchet Inception Distance. In Software Engineering Perspectives in Intelligent Systems (pp. 102–114). Springer International Publishing. https://doi.org/10.1007/978-3-030-63322-6_8
  13. Sajjadi, M. S. M., Scholkopf, B., & Hirsch, M. (2017). EnhanceNet: Single Image Super-Resolution Through Automated Texture Synthesis. In 2017 IEEE International Conference on Computer Vision (ICCV). IEEE. https://doi.org/10.1109/iccv.2017.481.
  14. Shi, W., Caballero, J., Huszar, F., Totz, J., Aitken, A. P., Bishop, R., Rueckert, D., & Wang, Z. (2016). Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network. In 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE. https://doi.org/10.1109/cvpr.2016.207.
  15. Streijl, R. C., Winkler, S., & Hands, D. S. (2014). Mean opinion score (MOS) revisited: methods and applications, limitations and alternatives. Multimedia Systems, 22 (2), 213–227. https://doi.org/10.1007/s00530-014-0446-1.
  16. Sullivan, G. J., Ohm, J.-R., Han, W.-J., & Wiegand, T. (2012). Overview of the High Efficiency Video Coding (HEVC) Standard. IEEE Transactions on Circuits and Systems for Video Technology, 22 (12), 1649–1668. https://doi.org/10.1109/tcsvt.2012.2221191.
  17. Tai, Y., Yang, J., & Liu, X. (2017). Image Super-Resolution via Deep Recursive Residual Network. In 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE. https://doi.org/10.1109/cvpr.2017.298.
  18. Wallace, G. K. (1992). The JPEG still picture compression standard. IEEE Transactions on Consumer Electronics, 38 (1), xviii–xxxiv. https://doi.org/10.1109/30.125072.
  19. Wang, X., Yu, K., Wu, S., Gu, J., Liu, Y., Dong, C., Qiao, Y., & Loy, C. C. (2019). ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks. In Lecture Notes in Computer Science (pp. 63–79). Springer International Publishing. https://doi.org/10.1007/978-3-030-11021-5_5.
  20. Zhang, Y., Li, K., Li, K., Wang, L., Zhong, B., & Fu, Y. (2018). Image Super-Resolution Using Very Deep Residual Channel Attention Networks. In Computer Vision – ECCV 2018 (pp. 294–310). Springer International Publishing. https://doi.org/10.1007/978-3-030-01234-2_18.

##submission.downloads##

Опубліковано

2024-03-24

Як цитувати

[1]
О. А. Бучко і С. Б. В. Нгуєн, «Порівняльний аналіз алгоритмів суперроздільної здатності для стиснення зображень», NRPCOMP, т. 6, с. 24–29, Бер 2024.