بخشی از مقاله
خلاصه
در این مقاله روش جدیدی برای انتقال تصاویر به صورت تدریجی معرفی شده است. در روش پیشنهادی از ویژگیهای مناسب الگوریتم وفقی کمترین مربعات خطای بازگشتی - RLS - استفاده میشود. در مرحلهی اول تصویر به بلوکهای غیرهمپوشان 8×8 تقسیم میگردد. هدف، قرار دادن بردارهایی از اطلاعات تصویر در یک مدل رگرسیون میباشد که با توجه به تشابه رفتار خطاهای بلوکهای مختلف تصویر از رگرسیون خطی برای تخمین خطاها استفاده میشود.
در این مدل برای برآورد این بردارها از الگوریتم وفقی RLS استفاده میگردد. در این روش در مرحله اول مقادیر خطای بلوک اول تصویر به عنوان مقادیر مرجع مورد استفاده قرار میگیرند. در نهایت اطلاعات مربوط به خطاهای تخمین به محل گیرنده ارسال شده و گیرنده در روندی مشابه و با اجرای الگوریتم RLS بردارهای تصویر را تخمین میزند. علاوه بر پیچیدگی کم نسبت به سایر روشهای مطرح شده در این زمینه، نتایج شبیهسازیها نشانگر عملکرد مطلوب این روش از منظر کیفیت تصویر بازسازی شده و نرخ بیت میباشد.
1. مقدمه
انتقال و پردازش تصاویر با اندازه بزرگ در بسیاری از کاربردها به عنوان یک مساله زمانبر و دشوار شناخته شده است. تاکنون تحقیقات زیادی برای فشردهسازی و انتقال موثر این تصاویر صورت گرفته است. به طور کلی اندازه و حجم بالای تصاویر انتقال آنها را با کندی و اشغال بیش از حد پهنای باند شبکه مواجه میکند.
به کمک روشهای فشردهسازی مبتنی بر بازسازی تدریجی در سمت گیرنده، امکان تحلیل تصاویر در مراحل اولیهی انتقال آن وجود دارد که این امکان را فراهم میسازد که در صورت عدم مناسب بودن تصویر مربوطه، عملیات انتقال در میانه راه متوقف شده و در زمان و پهنای باند مصرفی صرفه جویی شود. به این روشها انتقال تدریجی تصویر1 میگویند. این خصوصیت مدیریت زمان و استفاده از پایگاه داده تصاویر را در شبکه سادهتر کرده و امکان استفاده بهینه از تصاویر را فراهم میسازد.
به طور خلاصه هدف این روشها تقسیم کردن فرایند انتقال یک تصویر با توجه به اهمیت اطلاعات تصویر، به چند مرحله میباشد. در اولین مرحله یک تصویر کلی و تقریبی از تصویر اصلی به گیرنده ارسال میشود که این امر منجر به تصمیم گیری سریع نسبت به ادامه انتقال یا متوقف کردن آن توسط گیرنده میگردد. در صورتی که گیرنده تصمیم بر ادامهی انتقال تصویر نماید، کیفیت تصویر به آرامی در مراحل بعدی با ارسال اطلاعات بیشتر افزایش پیدا خواهد کرد.
تاکنون روشهای زیادی در این زمینه ارائه گردیده است. در مقاله [1] برخی از این روشها با یکدیگر مقایسه شدهاند. به طور کلی این روشها را میتوان به سه دستهی روشهای ساختار هرمی1، روشهای حوزه فرکانس2 و روشهای حوزه مکان3 دسته بندی کرد. در روشهای ساختار هرمی اطلاعات تصویر اولیه با روشهای گوناگونی دستهبندی شده و تشکیل یک ساختار هرمی شکل میدهد و سپس این اطلاعات از بالا به پایین ساختار هرمی در مراحل مختلف ارسال میشود.
در این زمینه روشهای مطرح شده در حوزهی فرکانس بر اساس نوع تبدیل به کار گرفته شده به دو دستهی کلی تقسیم بندی میشوند. برخی از این روشها بر مبنای تبدیل کسینوسی گسسته[6-5]4 هستند و برخی دیگر بر مبنای تبدیل موجک[ 13-7] 5 میباشند. به عنوان نمونه تکنیکهای مطرح شده در [17-14] ضرایب تبدیل موجک را بر اساس اهمیت آنها دسته بندی کرده و در گامهای مختلف آنها را ارسال میکنند. با توجه به اینکه پیچیدگی محاسباتی این تبدیلها خصوصا در محاسبه عمل عکس این تبدیلات بسیار زیاد و نیازمند صرف زمان زیادی است در بسیاری از کاربردها به کارگیری آنها امکانپذیر نمیباشد.
بسیاری از روشهای ارائه شده در حوزهی مکان علاوه بر پیچیدگی محاسباتی کمتر، عملکرد مطلوبی را نیز منجر میشوند. یکی از سادهترین این روشها روش تکنیک صفحه بیتی[18] - BPM - 6 میباشد که در این روش در هر مرحله یک بیت برای هر پیکسل ارسال میگردد. فرض کنید تصویری با 256 سطح خاکستری که در آن هر پیکسل با 8 بیت نمایش داده میشود، وجود دارد. این تصویر به 8 صفحه بیت شامل صفحهی پرارزش ترین بیت هر پیکسل تا صفحهی کم ارزشترین بیت آن تجزیه میشود. در مرحله اول صفحه بیت اول انتقال پیدا میکند.
در این حالت بیت 0 نشانگر کمتر بودن پیکسل اصلی از عدد 128 و بیت 1 نشانگر بیشتر یا مساوی بودن پیکسل اصلی از عدد 128 میباشد. در این صورت در گیرنده از حد وسط 0 تا - 127یعنی عدد - 64 برای عدد 0 و حد وسط 128 تا 256 - یعنی عدد - 192 برای عدد 1 استفاده میشود. این پروسه تا صفحهی شامل کم ارزشترین بیت هر پیکسل ادامه پیدا خواهد کرد.
از مزیتهای این تکنیک سرعت بالا و سادگی آن میباشد ولی با این حال کیفیت تصویر در گامهای اولیه در این روش بسیار پایین است. برای اصلاح این مشکل در [19] تکنیک صفحه بیتی بهبود یافته - IBPM - 7 مطرح شده است. اما این روش نیازمند ارسال اطلاعات بیشتر به گیرنده میباشد. از دیگر روشهای موثر و مورد بحث در زمینه فشردهسازی تصاویر، روشهای مبتنی بر فشردهسازی فرکتالی میباشد. این روشها بر مبنای ساختارهای فرکتالی هستند که منجر به کیفیت بالا و نرخ فشرده سازی زیادی میشوند.
در این روشها از ویژگیهای سیستم تابع مکرر - IFS8 - استفاده میشود. بطور کلی روش فراکتالی عبارت است از بدست آوردن کدهای فراکتالی تصویر مربوطه - تبدیلات انقباضی - و ذخیره کردن آنها به جای اطلاعات مربوط به پیکسلهای تصویر مورد نظر، بطوریکه این تصویر یک نقطه ثابت برای این تبدیلات باشد و با اعمال تکراری این تبدیلات به هر تصویر اولیه دلخواه، دنباله تصاویر بدست آمده به سمت تصویر اصلی میل میکند. در این روش تصویر به بلوکهایی به اندازه مناسب تقسیم بندی شده، سپس هر بلوک با یک تابع فراکتال تخمین زده میشود. در اینجا دو دسته بلوک تعریف میشود : بلوکهای برد و بلوکهای دامنه.
بلوکهای برد ، بلوکهایی با اندازه از تصویر اصلی هستند و درواقع همان بلوکهایی هستند که باید کد وارسال شوند . بلوکهای دامنه،بلوکهایی از همان تصویر مورد نظر هستند با این تفاوت که ابعاد آنها برابر 2 2 می باشد . برای هر بلوک برد ، یک بلوک مناسب از میان بلوکهای دامنه و یک تبدیل مناسب انتخاب میشود. بطوریکه با اعمال آن تبدیل روی بلوک دامنه، تصویر حاصل به بلوک برد خیلی نزدیک باشد. مشکل بزرگ الگوریتمهای فشرده سازی فرکتالی، صرف زمان بسیار زیاد برای کدگذاری تصویر است. برای افزایش سرعت این روشها تحقیقات زیادی ارائه گردیده است
سریع ترین روش در [22] مطرح شده و رویکرد آن تنها مقایسهی بلوکهای دامنهای است که با بلوک برد متناظر هم پوشانی داشته باشد، که به این روال روش بدون جستجو گفته میشود. در [24-23] از این الگوریتم استفاده شده است. در [25] ساختاری تدریجی بر مبنای روش فرکتالی - PQBFIC - 9 مطرح شده است. در این مقاله کدینگ فرکتالی روی تصاویری که با ساختار درختی تقسیم بندی شدهاند، اجرا میشود سپس پارامترهای Qi - عمق ساختار درختی - ، I i - نگاشت مربوطه - ، Dxy - مکان بلوک دامنه - به همراه تعدادی بیت از g i - فاکتور کنتراست - و i - فاکتور روشنایی - برای هر بلوک برد به عنوان رشته بیت سربار ارسال خواهد شد.
در مراحل بعدی با روش مطرح شده در این مقاله بیتهای باقیمانده g i و i ارسال شده و کیفیت تصویر در هر مرحله بهبود پیدا خواهد کرد. تاکنون روشهای زیادی بر مبنای کدگذاری BTC1 مطرح گردیده است.
در تکنیک PBTC2 که در [26] ارائه شده است ابتدا تصویر اولیه به صورت یک درخت دودویی که گرههای آن توسط
توسط روشBTC ساخته شده است، شکل میگیرد. سپس در هر مرحله از انتقال همهی گرههای متناظر با سطح مربوطه به گیرنده ارسال میگردد.
روش ODBTC در [27] مطرح شده و این روش قابلیت ارسال اطلاعات به صورت تدریجی PODBTC را دارد. در روش PODBTC ابتدا تصویر به بلوکهای 8×8 تقسیم شده و از یک آرایهی 8×8 برای کدگذاری بلوکها استفاده میشود. سپس پیکسلهای بلوکهای تصویر اصلی با توجه به مقدار متناظر در آرایه مربوطه و مقدار مینیمم و ماکزیمم هر بلوک کدگذاری میشوند.
سپس مجموعه همه پیکسلهایی که در هر بلوک در مکان یکسان هستند تشکیل یک CBP3 میدهند. برای یک تصویر CBP 64 در نظر گرفته شده است و یکنواختی و غیر یکنواختی آنها توسط یک رشته بیت سربار مشخص میشود. در پروسه ارسال تدریجی ابتدا رشته بیت سربار، مقدار مینیمم و ماکزیمم همهی بلوکها و بخشی از CBP ارسال خواهد شد. روش حدس بر اساس همسایگی[28] - GBN - 4 از ویژگی همبستگی بین پیکسلهای همسایه در یک تصویر استفاده میکند. به طورکلی در در این روش نیمی از پیکسلهای اصلی و مقدار خطای حاصل از حدس زدن ارسال میشود.
در این مقاله پس از تقسیم بندی تصویر به بلوکهای یکسان، اطلاعات هر بلوک تصویر در بردارهایی قرار گرفته و از الگوریتم وفقی RLS برای برآورد این بردارها استفاده میشود. سپس از یک مدل خطی برای تخمین خطاهای این بردارها استفاده میگردد. در نهایت آنچه برای گیرنده ارسال میشود تنها مقادیر اسکار حاصل از مدل خطی و مقادیر بلوک اول تصویر میباشد. نتایج شبیهسازیها عملکرد مطلوب روش پیشنهادی را نسبت به سایر روشهای شناخته شده در این زمینه نشان میدهد.
