Deep Colorization networks for image compression
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/355311
Tipus de documentTreball Final de Grau
Data2021-06-30
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
Considering the billions of pictures stored world wide and the rising of streaming services, image compression is, nowadays, a very important field. In this TFG we propose a lossless framework to compress images that takes advantage of the color redundancy when the luminance information is known. We extract the image chrominance information via the LAB transform. Using an autoencoder approach we reduce the chrominance information dimensionality obtaining a color feature vector. We encode, apart from the feature color vector, a decolorized image which only needs the extracted color information to perfectly reconstruct the original image. The decolorized image is less expensive to encode than the original image thanks to the energy reduction. This decolorized image can be encoded using any lossless classical approach. The framework proposed can outperform PNG by a 5% improvement in compression rates across different image sizes when compressing the decolorized image with PNG. Hoy en día, la compresión de imagen es un campo importante teniendo en cuenta que se almacenan miles de millones de imágenes en todo el mundo y el auge de los servicios de streaming. En este TFG, proponemos un algoritmo de compresión sin pérdidas que aprovecha la redundancia de color una vez la información de la iluminación es sabida. Obtenemos la crominancia de las imágenes a codificar mediante la transformada LAB. Usando un autoencoder, reducimos la dimensionalidad de esta crominancia obteniendo un vector que representa la información de color de la imagen. Codificamos, a parte de este propio vector, la imagen original descolorida la cual solo necesitará la información del vector de color para reconstruir perfectamente la imagen original. La imagen descolorida será menos costosa de codificar ya que tendrá menos energía. Además, la podremos codificar con cualquier estándar de codificación sin pérdidas. Hemos conseguido mejorar los ratios de compresión del estándar PNG en un 5% con diferentes tamaños de imagen y cuando comprimíamos la imagen descolorida usando PNG Avui en dia, la compressió d'imatge és un camp important tenint en compte que s'emmagatzemen milers de milions d'imatges arreu del món i l'auge dels serveis en streaming. En aquest TFG, proposem un algorisme de compressió sense pèrdues que aprofita la redundància de color un cop la informació de il·luminació és sabuda. Obtenim la crominància de les imatges a codificar mitjançant la transformació de color LAB. Usant un autoencoder, reduïm la dimensionalitat d'aquesta crominància obtenint un vector que representa la informació de color de la imatge. Codifiquem, a part d'aquest propi vector, la imatge original descolorida la qual únicament necessita la informació del vector de color per reconstruir perfectament la imatge original. La imatge descolorida serà menys costosa de codificar ja que tindrà menys energia. A més, la podrem codificar amb qualsevol estàndard de compressió sense pèrdues. Hem aconseguit millorar els ràtios de compressió de l’estàndard PNG per a diferents tamanys d'imatge i quan comprimíem la imatge descolorida amb PNG.
MatèriesImage compression, Image processing, Data compression (Computer science), Compressió d'imatges, Imatges -- Processament, Dades -- Compressió (Informàtica), autoencoder
TitulacióGRAU EN CIÈNCIA I ENGINYERIA DE DADES (Pla 2017)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
160449.pdf | 1,670Mb | Visualitza/Obre |