Кодування зображень з використанням двовимірних ортогональних перетворень

Abstract

Розглянуто особливості кодування зображень на основі двовимірних ортогональних перетворень. Показано, що збільшення коефіцієнта ущільнення може бути досягнуто через векторне квантування трансформант дискретного ортогонального перетворення (Уолша-Адамара, ДКП та інших). Ідеальними для вирішення завдань векторного квантування є нейронні мережі, що самоорганізуються, запропоновані фінським вченим Т. Кохоненом (Self-Organizing Feature Map – SOFM).

Features of image coding based on two-dimensional orthogonal transformations are considered. It is shown that an increase in the compression ratio can be achieved through vector quantization of the transformants of the discrete orthogonal transformation (Walsh-Hadamard, DKP and others). Self-organizing neural networks proposed by the Finnish scientist T. Kohonen (Self-Organizing Feature Map - SOFM) are ideal for solving vector quantization tasks.