Compresión de redundancia de conjuntos

En ciencias de la computación y teoría de la información , la compresión de redundancia de conjuntos son métodos de compresión de datos que explotan la redundancia entre grupos de datos individuales de un conjunto, generalmente un conjunto de imágenes similares. Se utiliza ampliamente en imágenes médicas y satelitales. ^{[ 1 ]}^{[ 2 ]}^{[ 3 ]}^{[ 4 ]} Los métodos principales son el diferencial min-max , el predictivo min-max y el método del centroide .

Métodos

Diferencial mínimo-máximo

En el algoritmo diferencial mínimo-máximo (o MMD ), para cada posición (píxel) se selecciona el valor más alto o el más bajo. Luego, en cada imagen se almacena la diferencia de cada una de sus posiciones con respecto al valor previamente seleccionado.

Referencias

↑ Karadimitriou, Kosmas (agosto de 1996), Redundancia de conjuntos, el modelo de compresión mejorado y métodos para comprimir conjuntos de imágenes similares , CiteSeerX 10.1.1.35.7146 , Esta correlación estadística entre imágenes similares es resultado de la redundancia entre imágenes. En este estudio, se introduce el término "redundancia de conjuntos" para describir este tipo de información redundante, y se define como sigue: Definición: La redundancia de conjuntos es la redundancia entre imágenes que existe en un conjunto de imágenes similares, y se refiere a la información común que se encuentra en más de una imagen en el conjunto. La redundancia de conjuntos se puede utilizar para mejorar la compresión. Un límite a la compresión es impuesto por la entropía de la imagen. En la siguiente sección se muestra cómo se puede utilizar la redundancia de conjuntos para disminuir la entropía promedio de la imagen en un conjunto de imágenes similares. Tesis doctoral, Departamento de Ciencias de la Computación, Universidad Estatal de Luisiana, Baton Rouge, Luisiana, EE. UU.
↑ Ait-Aoudia, Samy; Gabis, Abdelhalim (2005-02-27), "A Comparison of Set Redundancy Compression Techniques" (PDF) , EURASIP Journal on Applied Signal Processing , 2006 : 092734, Bibcode : 2006EJASP2006..234A , doi : 10.1155/ASP/2006/92734 , recuperado el 28-09-2012 , Las aplicaciones de imágenes médicas producen una enorme cantidad de imágenes similares. Almacenar tal cantidad de datos necesita un espacio de disco gigantesco. Por lo tanto, es necesaria una técnica de compresión para reducir el espacio de almacenamiento. Además, las imágenes médicas deben almacenarse sin ninguna pérdida de información ya que la fidelidad de las imágenes es crítica en el diagnóstico. Esto requiere técnicas de compresión sin pérdidas . La compresión sin pérdidas es una compresión libre de errores. La imagen descomprimida es la misma que la imagen original. Las técnicas clásicas de compresión de imágenes (ver [1–5]) se centran en cómo reducir las redundancias presentes en una imagen individual. Estas técnicas de compresión utilizan el mismo modelo de compresión que se muestra en la Figura 1. Este modelo ignora un tipo adicional de redundancia que existe en conjuntos de imágenes similares, la "redundancia de conjunto". El término "redundancia de conjunto" fue introducido por primera vez por Karadimitriou [6] y se definió de la siguiente manera: "La redundancia de conjunto es la redundancia entre imágenes que existe en un conjunto de imágenes similares, y se refiere a la información común que se encuentra en más de una imagen del conjunto.
↑ Ait-Aoudia, Samy; Gabis, Abdelhalim; Naimi, Amina, Compresión de conjuntos de imágenes similares (PDF) , Las aplicaciones que utilizan este tipo de datos producen una gran cantidad de imágenes similares. Por lo tanto, una técnica de compresión es útil para reducir el tiempo de transmisión y el espacio de almacenamiento. Los métodos de compresión sin pérdida son necesarios en estas aplicaciones críticas. Los métodos de compresión por redundancia de conjuntos (SRC) aprovechan la redundancia entre imágenes y logran mejores resultados que las técnicas de compresión de imágenes individuales cuando se aplican a conjuntos de imágenes similares.
↑ Karadimitriou, Kosmas; Tyler, John M. (1998), "El método del centroide para comprimir conjuntos de imágenes similares", Pattern Recognition Letters , 19 (7): 585– 593, Bibcode : 1998PaReL..19..585K , CiteSeerX 10.1.1.39.3248 , doi : 10.1016/S0167-8655(98)00033-6 , Karadimitriou (1996) propuso el Modelo de compresión mejorado como un modelo más apropiado para comprimir conjuntos de imágenes similares. […] Los métodos que logran la reducción de la redundancia de conjuntos se denominan métodos SRC (Set Redundancy Compression). Dos métodos SRC son el método diferencial Min-Max (Karadimitriou y Tyler, 1996) y el método predictivo Min-Max (Karadimitriou y Tyler, 1997).[…] Una de las mejores áreas de aplicación para los métodos SRC es la imagen médica. Las bases de datos de imágenes médicas suelen almacenar imágenes similares; por lo tanto, contienen grandes cantidades de redundancia de conjuntos.

[kosmas1-1] Karadimitriou, Kosmas (agosto de 1996), Redundancia de conjuntos, el modelo de compresión mejorado y métodos para comprimir conjuntos de imágenes similares , CiteSeerX 10.1.1.35.7146 , Esta correlación estadística entre imágenes similares es resultado de la redundancia entre imágenes. En este estudio, se introduce el término "redundancia de conjuntos" para describir este tipo de información redundante, y se define como sigue: Definición: La redundancia de conjuntos es la redundancia entre imágenes que existe en un conjunto de imágenes similares, y se refiere a la información común que se encuentra en más de una imagen en el conjunto. La redundancia de conjuntos se puede utilizar para mejorar la compresión. Un límite a la compresión es impuesto por la entropía de la imagen. En la siguiente sección se muestra cómo se puede utilizar la redundancia de conjuntos para disminuir la entropía promedio de la imagen en un conjunto de imágenes similares. Tesis doctoral, Departamento de Ciencias de la Computación, Universidad Estatal de Luisiana, Baton Rouge, Luisiana, EE. UU.

[gabis1-2] Ait-Aoudia, Samy; Gabis, Abdelhalim (2005-02-27), "A Comparison of Set Redundancy Compression Techniques" (PDF) , EURASIP Journal on Applied Signal Processing , 2006 : 092734, Bibcode : 2006EJASP2006..234A , doi : 10.1155/ASP/2006/92734 , recuperado el 28-09-2012 , Las aplicaciones de imágenes médicas producen una enorme cantidad de imágenes similares. Almacenar tal cantidad de datos necesita un espacio de disco gigantesco. Por lo tanto, es necesaria una técnica de compresión para reducir el espacio de almacenamiento. Además, las imágenes médicas deben almacenarse sin ninguna pérdida de información ya que la fidelidad de las imágenes es crítica en el diagnóstico. Esto requiere técnicas de compresión sin pérdidas . La compresión sin pérdidas es una compresión libre de errores. La imagen descomprimida es la misma que la imagen original. Las técnicas clásicas de compresión de imágenes (ver [1–5]) se centran en cómo reducir las redundancias presentes en una imagen individual. Estas técnicas de compresión utilizan el mismo modelo de compresión que se muestra en la Figura 1. Este modelo ignora un tipo adicional de redundancia que existe en conjuntos de imágenes similares, la "redundancia de conjunto". El término "redundancia de conjunto" fue introducido por primera vez por Karadimitriou [6] y se definió de la siguiente manera: "La redundancia de conjunto es la redundancia entre imágenes que existe en un conjunto de imágenes similares, y se refiere a la información común que se encuentra en más de una imagen del conjunto.

[gabis2-3] Ait-Aoudia, Samy; Gabis, Abdelhalim; Naimi, Amina, Compresión de conjuntos de imágenes similares (PDF) , Las aplicaciones que utilizan este tipo de datos producen una gran cantidad de imágenes similares. Por lo tanto, una técnica de compresión es útil para reducir el tiempo de transmisión y el espacio de almacenamiento. Los métodos de compresión sin pérdida son necesarios en estas aplicaciones críticas. Los métodos de compresión por redundancia de conjuntos (SRC) aprovechan la redundancia entre imágenes y logran mejores resultados que las técnicas de compresión de imágenes individuales cuando se aplican a conjuntos de imágenes similares.

[kosmas2-4] Karadimitriou, Kosmas; Tyler, John M. (1998), "El método del centroide para comprimir conjuntos de imágenes similares", Pattern Recognition Letters , 19 (7): 585– 593, Bibcode : 1998PaReL..19..585K , CiteSeerX 10.1.1.39.3248 , doi : 10.1016/S0167-8655(98)00033-6 , Karadimitriou (1996) propuso el Modelo de compresión mejorado como un modelo más apropiado para comprimir conjuntos de imágenes similares. […] Los métodos que logran la reducción de la redundancia de conjuntos se denominan métodos SRC (Set Redundancy Compression). Dos métodos SRC son el método diferencial Min-Max (Karadimitriou y Tyler, 1996) y el método predictivo Min-Max (Karadimitriou y Tyler, 1997).[…] Una de las mejores áreas de aplicación para los métodos SRC es la imagen médica. Las bases de datos de imágenes médicas suelen almacenar imágenes similares; por lo tanto, contienen grandes cantidades de redundancia de conjuntos.

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]