用于 CFA 采样原始相机图像压缩的边感知扩展 Star-Tetrix 变换
图像与视频处理
2023-09-21 v2 信号处理
摘要
采用谱-空域变换的编解码器通过将 CFA 采样原始图像（CFA-sampled raw images）的 RGB 色彩空间转换为去相关色彩空间，可高效压缩此类图像。本研究描述了两类谱-空域变换，称为扩展 Star-Tetrix 变换（XSTT），及其边感知版本，称为边感知 XSTT（EXSTT），无需额外比特（边信息）且额外复杂度很小。它们通过以下方式获得：(i) 将最新的谱-空域变换之一 Star-Tetrix 变换（STT）扩展为我们先前提出的小波基谱-空域变换的新版本及一个更简版本；(ii) 将小波变换的每个二维预测步视为两个一维对角或水平-垂直变换的组合；(iii) 沿图像中边缘方向对变换加权。与 XSTT 相比，EXSTT 能更好地对 CFA 采样原始图像去相关：对于高质量相机图像，其将两个绿色分量间能量差降低约 -- \%，对于手机图像降低约 -- \%。基于 JPEG 2000 的 CFA 采样原始图像无损与有损压缩实验显示优于传统方法。对于高质量相机图像，XSTT/EXSTT 取得等于或优于传统方法的结果：尤其在多边缘图像上，I 型 EXSTT 平均无损码率改善约 -- bpp，XSTT 平均 Bjøntegaard delta 峰值信噪比改善约 -- dB。对于手机图像，我们先前工作表现最佳，而 XSTT/EXSTT 呈现与高质量相机图像相似的趋势。
引用
@article{arxiv.2209.00932,
title = {Edge-Aware Extended Star-Tetrix Transforms for CFA-Sampled Raw Camera Image Compression},
author = {Taizo Suzuki and Liping Huang},
journal= {arXiv preprint arXiv:2209.00932},
year = {2023}
}