KLT编码器的影响在天文图像失真

文摘

提出了论文致力于Karhunen-Loeve变换的应用(KLT)压缩和研究天文学的KLT对图像失真的影响。这个变换是一个最佳的适合图像与高斯概率密度函数最小化均方根误差(RMSE)。提出的主要部分编码器与统计图像属性。选择天文图像处理算法用于编码器测试。天体测量学和点扩散函数畸变选为最重要的标准。结果相比,如JPEG2000标准。从RMSE KLT编码器提供了更好的结果的观点。这些成果喜人,而且显示了新方法的设计也有损图像压缩算法和适合的图像数据结构算法检索、转移和分配。

1。介绍

新型机器人成像系统获得大量的数据在他们的服务(1]。这个数据是必要的归档和分发服务器和用户之间。因此,寻找合适的压缩标准仍然是相当重要的任务(2,3]。有很多压缩标准匹配对人类视觉系统(HVS)用于多媒体4]。这些方法是主观图像质量的优化。最受欢迎的标准如JPEG2000(基于小波滤波)和古典JPEG和离散余弦变换。多媒体压缩算法有不同的质量标准。这些标准的HVS是基础(5]。特别是,他们是人类视觉感知的属性如空间和时间分辨率、亮度差异的敏感性,光谱响应。天文图像用于完全不同的目的和处理任务。因此,这部小说标准可能不适合应用程序旨在人类观察者。这是典型的天文图像压缩在天文学、医学、和其他科学应用程序(6]。

压缩的无损的标准往往是首选的天文学。流行的算法FITSPRESS发达天体物理学中心的哈佛大学。FITSPRESS算法使用Daubechies-4滤波器的小波变换和应用运行长度编码和霍夫曼编码(7]。第二个标准HCOMPRESS开发太空望远镜科学研究所(太空望远镜科学研究所,巴尔的摩)。HCOMPRESS用于分发存档图像数字巡天DSS1 DSS2。哈尔变换块像素用于本标准和它非常快8]。多尺度方法也适用于无损图像压缩。这一原则包含在天文背景编码器(ACC) (9]。无损压缩算法能力有限的可实现的压缩比(5:1)根据噪声在图像数据和有限的冗余。

有损算法提供更高无损压缩比的方法。不合时宜的去除图像能带来一个不可逆压缩图像的失真。它有一个直接影响数据失真,因此有必要研究变形性质。PHOTZIP有损方法基于图像建模功能。压缩比可由设定可接受的天文测量误差(10]。流行的现代图像压缩标准(如JPEG2000、JPEG-LS或JPEGXR)也提供高压缩比为广泛的图像类包括天文应用程序(11,p . 200] [12]。这些标准被设计为常见的图像具有很好的性能(13]。他们可以利用特殊的属性选择特殊图像类型(14]。这些课程包括生物医药、安全性和卫星应用程序。机器人特别努力已经花了望远镜和其他系统与大量的图像数据获得的。

Karhunen-Loeve变换(KLT)是最优数据简化的积分变换性质。KLT提供了最好的数据符合均方根误差最小化的图像数据与高斯概率分布。PCA KLT也密切关系或霍特林变换用于图像处理和模式识别15]。这种变换是一种信号的主要优势在KLT向量空间分解成最优decorrelated组件。KLT可以延长在图像处理中的应用(16解相关)和组件可用于图像压缩。最优KLT基地是信号依赖、有必要单独为每个图像构造基本系统的最佳高斯解相关。这些特点给高潜力的KLT基于解相关的信号和图像处理。压缩是这些任务之一。最优解相关高效高光谱影像尤其是[17]。有损压缩算法可以用于大型图像档案和图像数据的智能管理3,18]。

2。Karhunen-Loeve变换

Karhunen-Loeve变换(KLT)是著名的积分转换为高斯信号处理(15]。让我们假设有一组图像与高斯概率密度分布: 在哪里和列和行指数(即。像素的元素)。这些矩阵向量空间的元素与定义标量产品 在复数。然后都是一个共同的能量元素。符号用于元素从对偶向量空间。之间的关系和被定义为关系(2)。正交性状况定义向量空间可以写成 当我们可以观察到为正交元素,那么我们可以找到一组独立的元素 满足条件的正规化 在那里,克罗内克符号出名。当一组充满时,它可以覆盖整个向量空间。然后一组标准正交基向量空间。这个标准正交的投影图像的基础 和图像重建的逆变换 中值可以获得 在哪里是随机分布的概率密度函数(pdf)的形象。的协方差矩阵有元素 当协方差矩阵的高斯特性,eigenmatrices向量空间的最佳基地吗均方误差准则。协方差矩阵的特征方程 在那里,是协方差矩阵的特征值和等于能源相关光谱中包含的组件。基地的图片可以根据特征值的大小进行排序。特征值的大小如图1宽视场图像的例子。m7 - 300 ff。dat是牧夫座的图像系统(见图2)。这些图片有大小1536×1024像素的像素大小μm和16位量化深度。

3所示。图像数据

该方法是专为图像获得自动系统牧夫座(18,玛雅19威廉),(20.,格洛丽亚(1]。牧夫座(破裂观察者光学瞬态探索系统)是第一个西班牙机器人望远镜和它是一个独特的系统,雄心勃勃的目标连续观察天空。牧夫座有四个主要的车站(马德里竞技和在西班牙马拉加,布伦海姆在新西兰,和在中国昆明)。并于1998年获得了第一个光的主要目的是集中在观察银河系外的对象和伽马线暴光学瞬变。

玛雅(流星自动成像器和分析器)是观察弱流星的视频系统(21]。两个玛雅站配备高质量的以太网相机与非线性响应函数进行图像增强器。特殊的玛雅软件是专为自动处理视频流。威廉(广角全天图像分析监控)系统是一个低成本UWFC (ultrawide视场相机)的实验。威廉的主要目的系统是自主天气监测机器人的望远镜。格洛丽亚(全球智能机器人望远镜阵列)是免费的,开放的网络机器人望远镜;更多细节,请参见[22]。

提出图像编码方案已得到改进的数据库超过200图像从牧夫座,玛雅,威廉。图像的精度位,nonbinning模式。黑色镜框,尚未从原始图像中提取。原始图像文物特别是热像素和宇宙托盘非常狭窄的响应的自相关函数和压缩与困难。图像数据库分为两个主要的类显示了响应自相关函数:(我)宽视场图像(短焦距镜头的照片):自相关函数很窄(见图2)。通常这些图片来自WF和UWF相机。只有几个像素的对象的半最大值宽度。(2)深空图像(图片来自望远镜的主要焦点):这些系统具有较高的空间分辨率。自相关函数的最大值宽度超过了10个像素(见图3)。这些图像也提到深天空图像(DSLI)。压缩图像与大小可以由操作员来分解应用程序的设置图像子矩阵的大小: 在那里,很明显,让这些子矩阵被假设为随机过程的实现希尔伯特向量空间(11]。这些主要的分解算子可以实现模式:(我)块操作符类似于古典JPEG原理与外形尺度与完整的图像覆盖。(2)块的尺寸集中在检测到对象。(3)小波频带分解。(iv)分解算子与不规则周边地区检测到图像中的对象。interpixel相关性的块大小是一个重要的标准的决心。二维自相关批号可以计算为 典型的二维自相关曲线图像归档数据所示2和3。编码器的效率之间的块大小是一个妥协,计算复杂度和图像数据解相关。最优空间的维度可以发现和大小为1536×1024的像素的图像。这个结果已经从自相关函数确定形状和数值成本测量(见图4)。数值的成本可以分为两个部分。第一部分是时间图像分解根据(11),第二个是数值KLT和逆KLT计算基于复杂性(6)和(7)。时间成本和大小之间的关系的分解子矩阵如图4。选择最优尺寸等于使用图像类。

4所示。图像编码器基于KLT

图像压缩编码人员可以从这些部分组成(见图5和6):(我)的应用分解算子。(2)KLT谱计算。(3)量化谱系数。(iv)无损编码冗余删除。一个特殊的光谱系数推导了简单的图像重建。减少数据量的编码器设计已经完成以下步骤:(我)选择一组基向量的向量空间。(2)解相关KLT图像数据的频谱。(3)减少光谱系数的数字。(iv)非线性量化谱系数。(v)组织无损压缩的数据流(霍夫曼方案)。(vi)计算不同矩阵的图像误差估计。

5。图像失真分析

KLT类型光谱组件根据他们的重要性与均方误差最小化。这样的安排提供了最小的图像失真和复杂的数据流组织对天体测量学和光度法测量最小的影响。这些标准已被选定的图像失真的分析。KLT分解已经发现天文图像压缩是一种有效的方法。压缩效率可以通过比评估 在哪里是原始图像大小和分别被压缩图像大小。

扭曲的最常用的方法评价也是著名的PSNR(峰值信噪比)。图像失真的PSNR措施,通常引用分贝,在对数刻度。标准的近似关系有限感知错误注意到HVS(人类视觉系统)。压缩图像的PSNR值高于30 dB缺陷与原始图像区分开来。的形象dB是经常不能接受的主观图像质量的观点。这种方法更相关的主观质量测量方法在多媒体应用。

除了PSNR, MSE和RMSE标准;他们常常被用于确定压缩图像的质量。均方误差(MSE)可以表示为 在哪里图像像素的总数,和图像的指数,和在位置的像素值吗的原始图像和压缩图像。均方根误差(RMSE)计算 第二组图像的失真度量方法包括基于的数据评估算法。这些方法都是基于恒星轮廓拟合(即。,point spread function, PSF, and defects), aperture photometry, astrometry (position error), or successful detection of stars [23- - - - - -25]。有两种常见的函数拟合星档案:高斯和莫法特。努力是匹配一个明星概要文件尽可能接近高斯或莫法特形象。高斯函数是 莫法特函数是更一般的: 在那里,是一个径向距离恒星的中心对象(与最大价值),是一个标准偏差,是一个背景值,是一个像素值在径向距离,莫法特系数。恒星的中心通常有一个概要文件接近于高斯函数。外围部分接近莫法特概要文件。所以理想的拟合函数结合了高斯和莫法特。ultrawide领域系统点扩散函数不同于理想莫法特健康。空间变异的方法需要使用这样的系统(20.]。这些系统的点扩散函数有不同形状的莫法特和高斯近似。恒星概要文件已经被复杂的泽尼克多项式拟合与领域相关的孔径更一般的系统。对象可以被描述为一个椭圆形的形状参数。椭圆率被定义为和(同时考虑高斯函数),和是高斯函数的中心距离的高斯=它的核心价值。和主要和次要的半轴的椭圆,互相垂直(参见图吗11和12)。

6。结果

组测试图像从火卫二数据库(选择26),包括200多个图像从牧夫座,威廉,玛雅实验。有三个典型的类组,第一组包含图像的深度天空图像高角分辨率(牧羊座)和第二ultrawide字段(WILLIAM)和特殊的序列与非线性系统响应函数(玛雅)。

每个图像被划分成块的大小每个像素。实现的总数。协方差矩阵是计算使用上述方程组。协方差矩阵的特征值被用来作为良好的光谱相关系数的意义估计。特征值能量比例相应的谱系数表示为如图7。对象的RMSE位置后省略不重要的光谱系数如图8。超过80%的KLT光谱从RMSE组件冗余的观点。他们的省略导致对象位置误差小于0.5像素。自适应后处理技术可以用于数据和天文测量精度的提高。如图RMSE扭曲9和10为宽视野和深邃的天空图像。在水平,RMSE策划(16位图像)实现了压缩比的函数。可以看出,RMSE天文图像压缩是一个重要的标准。这是一个不同的结果从多媒体压缩方法。

天体测量学分析也做了自适应小波算法(如JPEG2000)和KLT编码器。比较图所示13。应用KLT影响对象的位置编码器将小于如JPEG2000压缩比。它可以被解释为一个小波滤波的效果。这种方法平滑边缘模糊的信号特征。小波效应扭曲了的系统的点扩散函数和形状的物体。古典对象符合基于莫法特函数是不够的。KLT失真和RMSE最小化和它有较小的影响对象形状如图11和12。

7所示。结论

可以找到该编码器基于KLT作为已知的压缩算法的一个很好的选择(JPEG和如JPEG2000)。KLT编码器已经广泛的计算协方差矩阵的特征向量计算的要求。它可以提高使用KLT编码器在安排修改。这种方法是基于计算eigenimages典型形象类优化成像系统使用。KLT编码器有较小的影响对象的形状(PSF)比基于小波变换的常用算法。进一步提高技术可以通过复杂的过滤方法和适当的图像数据的组织。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

支持的工作已经批准号14 - 25251“非线性成像系统点扩散函数空间变体”的捷克科学基金会。

引用

1. a . Castro-Tirado f·s·莫雷诺,c·p·德尔Pulgar et al .,“全球机器人智能阵列望远镜项目(格洛丽亚),“航空杂志上墨西哥de Astronomia y Astrofisica,45卷,第109 - 104页,2014年。视图:谷歌学术搜索
2. d . Vohl c侥幸,g . Vernardos”数据压缩在别的天文学时代:GERLUMPH案例研究中,“天文学和计算》12卷,第211 - 200页,2015年。视图:出版商的网站|谷歌学术搜索
3. y y张和赵”,天文学在大数据时代,“数据科学杂志,14卷,不。11日,1 - 9,2015页。视图:谷歌学术搜索
4. m . Prantl“图像压缩的概述”,http://arxiv.org/abs/1410.2259。视图:谷歌学术搜索
5. m . Klima p Pata、k . Fliegel和p . Hanzlik”安全成像系统图像质量评价”,IEEE航空航天和电子系统杂志,22卷,不。1、22日至25日,2007页。视图:出版商的网站|谷歌学术搜索
6. m·f·麦肯蒂Nikolovski, r·伯恩et al .,“头骨骨折的如JPEG2000压缩对检测的影响,“放射学学术,20卷,不。6,712 - 720年,2013页。视图:出版商的网站|谷歌学术搜索
7. w·h·出版社,“适合图像,小波压缩软件”天文数据分析软件和系统,25卷,p。1992。视图:谷歌学术搜索
8. r·希曼w .便士,r .白色,m·迪金森f·巴尔德斯和n .萨拉特“天文平铺的图像压缩:如何以及为什么”学报16天文数据分析软件和系统(该“06),30卷,p。483年,Nesjavellir,冰岛,2006年6月。视图:谷歌学术搜索
9. p . Pata和j·辛德勒“天文背景图像压缩编码器,”实验天文学,39卷,不。3、495 - 512年,2015页。视图:出版商的网站|谷歌学术搜索
10. l·沙米尔和r . j . Nemiroff PHOTZIP:适合图像有损压缩算法,保护用户定义的光度完整性”天文杂志,卷129,不。1,第546 - 539页,2005。视图:出版商的网站|谷歌学术搜索
11. m·d·亚当斯的静态图像压缩标准jpeg - 2000,2001年。
12. d·穆勒b .雀斑,g . Dimitoglou et al .,“JHelioviewer:可视化大套太阳能使用JPEG图像,”在科学与工程计算,11卷,不。5,38-47,2009页。视图:出版商的网站|谷歌学术搜索
13. a . ibsen Pinheiro k . Fliegel p总编et al .,“绩效评估新兴JPEG XT的图像压缩标准,”学报》第16届IEEE国际研讨会上多媒体信号处理(MMSP 14),页1 - 6,雅加达,印度尼西亚,2014年9月。视图:出版商的网站|谷歌学术搜索
14. d·范布伦”空间,一个高效的如JPEG2000压缩系统”IEEE航空学报》会议,页1 - 7,大的天空,蒙特,美国,2005年3月。视图:出版商的网站|谷歌学术搜索
15. l·p·雅罗斯拉夫斯基”,快速变换在图像处理:压缩、恢复和重采样,”电气工程的发展文章ID 276241卷,2014年,23页,2014。视图:出版商的网站|谷歌学术搜索
16. y高,j . Chen Yu, j .周和L.-M。阿宝,“培训Karhunen-Loeve变换矩阵及其应用h .内部编码,“多媒体工具和应用程序第41卷。。1,第123 - 111页,2009。视图:出版商的网站|谷歌学术搜索
17. c . Egho和t . Vladimirova“适应性高光谱图像压缩使用KLT和整数KLT算法”NASA / ESA学报》自适应硬件和系统会议(AHS的14)IEEE,页112 - 119年,莱斯特,英国,2014年7月。视图:出版商的网站|谷歌学术搜索
18. a . j . Castro-Tirado j .苏丹·m·贝赫那et al .,“爆炸观察者和光学瞬态探索系统(牧羊座),“天文学和天体物理学系列的补充,卷138,不。3、583 - 585年,1999页。视图:出版商的网站|谷歌学术搜索
19. p . Koten p Pata、k . Fliegel和s . Vitek”第一个新开发的自动视频系统玛雅和比较的结果与老式的模拟相机”学报的欧洲行星科学大会(EPSC 13),8卷,p。529年,伦敦,英国,2013年9月。视图:谷歌学术搜索
20. p . Janout p . Pata j . Bednaře . Anisimova m . Blažek p·斯卡拉,“恒星对象识别使用广角镜头,”VI光子学、设备和系统卷。9450年,布拉格,捷克共和国,2015年。视图:出版商的网站|谷歌学术搜索
21. p . Koten j . Vaubaillon a Margonis et al .,“双站的观察Draconid流星来自两个移动飞机的爆发,“地球和空间科学,2015年。视图:出版商的网站|谷歌学术搜索
22. 格洛丽亚项目,“全球智能阵列望远镜”,2015年,http://gloria-project.eu/cs/。视图:谷歌学术搜索
23. f . Hroch“恒星的健壮的检测对CCD图像”,实验天文学,9卷,不。4、251 - 259年,1999页。视图:出版商的网站|谷歌学术搜索
24. f . Mojžišj . Kukal, j .Švihlik”应用程序优化启发式复杂的天体模型识别、”软计算,2014年。视图:出版商的网站|谷歌学术搜索
25. 盖·m·d·Busonero, r . Cancelliere“天体测量信号的统计最优拟合。”天文学会的出版物太平洋,卷125,不。926年,第455 - 444页,2013年。视图:出版商的网站|谷歌学术搜索
26. m . Klima k . Fliegel p Pata et al .,“DEIMOS-an开源图像数据库,”无线电工程,20卷,不。4、1016 - 1023年,2011页。视图:谷歌学术搜索

版权

版权©2015切赫Pata。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。