Metody wyznaczania modeli predykcyjnych stosowanych do bezstratnej kompresji obrazów

Omówione zagadnienia dotyczą bezstratnej kompresji obrazów cyfrowych. W pracy przedstawiono problem doboru współczynników predykcji dla modeli statycznych gwarantujących wysoki stopień kompresji. Należy jednak zaznaczyć, iż badania dotyczyły wyłącznie metod ze stałym zestawem współczynników predykcji, istnieje jednak spora grupa metod adaptacyjnych, które potrafią dostosować się nie tylko do pojedynczego obrazu, ale nawet do jego fragmentów o różnych cechach w poszczególnych obszarach. Porównywanie bardziej wysublimowanych adaptacyjnych metod z modelem statycznym wykracza poza ramy niniejszej publikacji. Wykazano fakt, że nie zawsze model o niższej entropii charakteryzuje się niższym odchyleniem standardowym błędów predykcji, co oznacza, że budowa modeli predykcyjnych metodą minimalizacji błędu średniokwadratowego nie gwarantuje minimalizacji wartości entropii obrazu poddanego modelowaniu, wniosek ten może służyć także do analizy metod adaptacyjnych, gdzie jako funkcję celu często stosuje się lokalną minimalizację błędu średniokwadratowego, gdyż trudno jest lokalnie minimalizować średnią bitową (takie metody wymagają sprzężeń zwrotnych i wielokrotnego kodowania). Przedstawione zostały różne propozycje metod poszukiwania najlepszego (dla konkretnego obrazu) zestawu współczynników predykcji liniowej. Dalsze prace będą prowadzone w kierunku uzyskania w akceptowalnie krótkim czasie wysokiej efektywności kompresji dla modeli stosujących wysoki (r > 10) rząd predykcji. Wnioski płynące z wyników uzyskanych badań pozwalają ukazać nowy obszar poszukiwań wzrostu efektywności w odniesieniu do wielu już istniejących rozwiązań, które bazują na prostych, lecz nie w pełni uzasadnionych przesłankach, że najlepszy stopień kompresji uzyskamy, posługując się kryterium MMSE.

---

In the paper it is described the problem of selecting prediction coefficients for models guaranteeing high compression ratio. Some remarks on the entropy minimization problem are made, from which one can conclude that it is impossible to obtain it using the minimization of the mean square error method (MMSE). Various methods and his results for searching the best (for a particular image) proposal of a linear prediction coefficient set are presented.