Skip to main content
SUPERVISOR
Mohammad Reza Ahmadzadeh,Shadrokh Samavi
محمدرضا احمدزاده (استاد راهنما) شادرخ سماوی (استاد راهنما)
 
STUDENT
Hossein Talebi Esfandarani
حسین طالبی اسفندارانی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1386

TITLE

Compression of Digital Images Using Multilayered Wavelet-Contourlet Method
Considering progress in wireless and network telecommunication, need for digital image compression is inevitable. There are many methods in image compression which some of them have acceptable results. Lossy image compression algorithms are applicable whenever the exact reconstruction of an image is not expected. These algorithms are usually based on transform methods. A traditional scheme to realize multi-resolution image representation (MIR) is to apply 1-D filters separately in horizontal and vertical directions, commonly referred to as “separable” transform. In contrast, “non-separable” transforms consist of 2-D filters and 2-D downsampling matrices which cannot be factorized into 1-D filter/downsampling pairs. The traditional wavelet transform (WT) is categorized as a separable transform, which is used in various applications such as compression, noise removal, image edge enhancement, and feature extraction. Contours are abundant in natural images and cannot be categorized as either horizontal or vertical edges. However, wavelet has poor diagonal orientation selectivity since frequencies with different orientations are gathered into one subband in each resolution. For example, in image coding for low bit rates, reconstructed images often have blurred regions. Combination of separable and non-separable filter banks have been applied to reduce these artefacts. Dividing image in to homogeneous and heterogeneous regions is a new method which is employed recently. In this method each layer of image is compressed by the best transform. The contourlet transform is used to extract curves in texture areas. This transform employs laplacian pyramid and directional filter banks to take out contours and curves which aren't detected completely through other transforms like wavelet. The only problem of the contourlet is its redundancy which is a bottleneck for low bit rate compression purposes. In this thesis we propose new compression methods to avoid this problem. We first introduce contourlet transform and show our simulation results. Then we suggest multilayered methods for compression in low bit rate. In these methods the first transform is wavelet which removes texture regions from first layer image. To compress second layer we used contourlet to extract curves and directional edges. We showed that images that are compressed and reconstructed by our method at low bit rates have good qualities both visually and in terms of the produced Rs. Key Words image compression, multilayer methods, wavelet, contourlet, structure tensor.
نیاز به فشرده‌سازی تصویر با گسترش ارتباطات بی‌سیم و اینترنتی رو به افزایش است. روش‌های بسیار زیادی برای فشرده‌سازی تصاویر موجود است که بعضا کارآئی خیلی خوبی هم دارند. تبدیل تصویر به نواحی دارای بافت‌های پیچیده و نواحی ساده روشی است که جدیدا مورد توجه قرار گرفته است. بر مبنای این روش هر ناحیه از تصویر توسط تبدیلی فشرده می‌شود که بهترین عملکرد را با توجه به خصوصیات آن ناحیه دارد. تبدیل کانتورلت هدف‌گیری در جهت استخراج منحنی‌های تصویر دارد که در نواحی بافت بیشتر مشهود هستند. در این تبدیل با استفاده از بانک فیلتر جهت‌دار، منحنی‌ها و ساختار‌های بافت که به صورت کامل توسط تبدیل‌های دیگری مثل موجک قابل دسترسی نیستند، توسط این تبدیل استخراج می‌گردند. مشکل این تبدیل وجود افزونگی در آن است که در کاربرد‌های فشرده‌سازی در نرخ پائین باعث کاهش کارآئی این تبدیل می‌گردد. به همین دلیل سعی شده است روش‌های جدیدی ارائه گردد که در آن‌ها مشکل وجود افزونگی به نحوی مرتفع شده باشد. در این پایان‌نامه تبدیل کانتورلت مورد بررسی قرار می‌گیرد و شبیه سازی می‌شود. در ادامه روش‌های چند لایه برای فشرده‌سازی پیشنهاد می‌شود. در روش‌های مذکور ابتدا از تصویر تبدیل موجک اخذ شده و با جدا کردن نواحی بافت از آن تبدیل کانتورلت اخذ می‌شود. روش جدید به علت کاهش افزونگی در تبدیل کانتورلت کارآئی قابل قبولی در فشرده‌سازی با نرخ پائین به دست می‌دهد. سعی می‌شود با بهبود روش مذکور نرخ فشرده‌سازی و کیفیت بصری افزایش یابد. کلمات کلیدی : فشرده سازی تصویر، روش‌های چند لایه، موجک، کانتورلت، structure tensor

ارتقاء امنیت وب با وف بومی