Advanced methods of statistical analysis in image compression

Thesis compares different more or less often used methods of lossless image compression and JPEG recomporession. It shows that despite assumptions DCT-II coefficients don't fit Laplace distribution, rather exponnorm or powernorm distribution. Thesis also shows that in case of lossless image compression k-means clusterization of pixels based on their context gives some gains, and that clusterization is similar for different images. It shows that prediction of Laplace distribution parameters allows for better results. Thesis compares predictors, color transformations, and statistical modelling for lossless image compression and JPEG recompression, for classic scanline decoding and progressive Squeeze upscaling.

Praca porównuje różne częściej lub rzadziej używane metody kompresji bezstratnej obrazów i rekompresji JPEG. Potwierdza ona, że wbrew obiegowej opinii współczynniki DCT-II, nie są z rozkładu Laplace'a, bliżej jest im do rozkładów exponnorm oraz powernorm. Pokazuje również, że w przypadku bezstratnej kompresji obrazów, klasteryzacja pikseli k-means wg ich kontekstu, pozwala na uzyskanie znaczących zysków, i że ta klasteryzacja jest wspólna dla różnych obrazków. Wykazuje, że przewidywanie parametrów rozkładu Laplace'a również pozwala na lepsze wyniki. Porównuje predyktory, transformacje kolorów oraz metody statystycznego modelowania dla obrazów nieskompresowanych oraz dla JPEGów, dla klasycznego dekodowania liniowego i dla użycia upscalingu typu Squeeze.