JQF：基于纹理图像模拟退火与纹理预测的JPEG最优量化表融合
多媒体
2020-08-31 v2 图像与视频处理
摘要
近三十年来，JPEG一直是被广泛使用的有损图像压缩编解码器。JPEG标准允许使用自定义量化表；然而，在可接受的计算代价内找到最优量化表仍是一项具有挑战性的问题。本文通过引入纹理马赛克图像这一新概念，试图解决计算代价与图像特定最优性之间的两难困境。与针对单幅图像或代表性图像集合进行优化不同，我们将模拟退火技术应用于纹理马赛克图像，为每一纹理类别搜索最优量化表。我们使用预训练的VGG-16 CNN模型学习这些纹理特征并预测新图像的纹理分布，随后融合最优纹理表以得出图像特定的最优量化表。在质量设置的Kodak数据集上，我们的实验显示，相较于JPEG标准表，码率降低了23.5%，而FSIM仅轻微下降0.35%，这在视觉上不可感知。所提出的JQF方法以不足一秒的额外时间开销实现了JPEG编码的逐图像最优性。在线演示见 https://matthorn.s3.amazonaws.com/JQF/qtbl_vis.html
引用
@article{arxiv.2008.05672,
title = {JQF: Optimal JPEG Quantization Table Fusion by Simulated Annealing on Texture Images and Predicting Textures},
author = {Chen-Hsiu Huang and Ja-Ling Wu},
journal= {arXiv preprint arXiv:2008.05672},
year = {2020}
}