Контекстный метод сжатия без потерь RGB- и мультиспектральных изображений

Abstract

Рассмотрена проблема сжатия RGB- и мультиспектральных изображений контекстными методами. Логика алгоритма позволила рассмотреть его на примере полноцветных изображений как частном случае мультиспектральных изображений. Каналы, формирующие изображение, разделены на две группы: основные и дополнительные (детектирующие). Основные каналы отличает значительная коррелированность соседей. Рассмотрены варианты предсказания по соседнему каналу для основных и дополнительных каналов для сжатия изображений без потерь. Представленный алгоритм показал в эксперименте на серии изображений разного содержания выигрыш в величине коэффициента сжатия по сравнению с популярными архиваторами WinRar, 7z, PNG, для всех вариантов предсказания. А лидера, среди популярных архиваторов, JPEG-LS превзошел в рекордной конфигурации 2b на изображении из серии Landsat на 40%. Предполагается продолжить исследование на более широкой выборке изображений и использовать данный алгоритм для сжатия мультиспектральных изображений с большим числом каналов. The problem of compression of RGB and multispectral images by contextual methods is considered. The logic of the algorithm made it possible to consider it using the example of full-color images as a particular case of multispectral images. The channels forming the image are divided into two groups: basic and additional (detecting). The main channels are distinguished by a significant correlation of neighbors. The variants of the prediction on the adjacent channel for the main and additional channels for image lossless compression are considered. The presented algorithm showed in an experiment on a series of images of different contents a gain in the compression ratio in comparison with popular compression algorithms WinRar, 7z, PNG for all variants of prediction. And the leader among popular compression methods, JPEG-LS has been surpassed in record configuration 2b on the image from the Landsat series by 40%. It is intended to continue research on a wider sample of images and use this algorithm to compress multispectral images with a large number of channels.