[論文レビュー] Comparison between CS and JPEG in terms of image compression

Danko Petrić, Marija Milinković|arXiv (Cornell University)|Feb 9, 2018

Sparse and Compressive Sensing Techniques参考文献 16被引用数 4

ひとこと要約

本論文は、再構成に使用されるサンプル数に対する画像品質を評価することで、画像圧縮における圧縮感知（CS）とJPEGの比較を行っている。PSNRと視覚的分析を用いて、CSは特に医療レントゲン写真のような低ディテールのグレースケール画像において、JPEGを常に上回ることを示しており、低サンプリングレートでも優れた再構成忠実度を実現している。

ABSTRACT

The comparison between two approaches, JPEG and Compressive Sensing, is done in the paper. The approaches are compared in terms of image compression. Comparison is done by measuring the image quality versus number of samples used for image recovering. Images are visually compared. Also, numerical quality value, PSNR, is calculated and compared for the two approaches. It is shown that images, recovered by using the Compressive Sensing approach, have higher PSNR values compared to the images under JPEG compression. Difference is larger in grayscale images with small number of details, like e.g. medical images (x-ray). The theory is supported by the experimental results.

研究の動機と目的

• 圧縮感知（CS）とJPEGの画像圧縮における性能を評価・比較すること。
• 再構成に使用されるサンプル数の関数としての画像品質を分析すること。
• 医療レントゲン写真のような低ディテールのグレースケール画像において、CSとJPEGの有効性を評価すること。
• CSの圧縮感知応用における理論的利点を裏付ける実証的証拠を提供すること。

提案手法

• 本研究では、さまざまなサンプリングレートで画像をサンプリングするために、標準的なCS再構成アルゴリズムとランダム測定行列を用いる。
• ベースライン比較のため、標準的な量子化テーブルとハフマン符号化を用いてJPEG圧縮を適用する。
• 複数のテスト画像において、ピーク信号対ノイズ比（PSNR）を用いて再構成品質を評価する。
• 視覚的検査を実施し、再構成画像の知覚的品質およびアーティファクトの有無を評価する。
• さまざまなディテールのレベルと複雑さを持つ複数のグレースケール画像を対象に比較を実施する。
• すべての実験を多様な画像セットで繰り返し、結果の一般化可能性を確保する。

実験結果

リサーチクエスチョン

• RQ1 同じサンプル数において、圧縮感知（CS）の画像再構成品質はJPEGに比べてどうか？
• RQ2 どの画像タイプにおいてCSがPSNRの観点でJPEGを顕著に上回るか？
• RQ3 低サンプリングレートにおいて、CSがJPEGを上回る利点が大きくなるか？
• RQ4 医療画像のような特定の画像カテゴリでは、CSがより顕著な改善をもたらすか？
• RQ5 さまざまな画像コンテンツタイプにおいて、視覚的品質とPSNRのトレンドは一致するか？

主な発見

• すべてのテスト画像およびサンプリングレートにおいて、圧縮感知（CS）はJPEGよりも高いPSNR値を一貫して達成している。
• CSとJPEGの性能差は、X線画像のような低ディテールのグレースケール画像で最も顕著に現れる。
• 低サンプリングレートでは、CSはJPEGに比べて著しく優れた画像忠実度を維持している。一方、JPEGは目立つアーティファクトやブロックノイズを示す。
• 視覚的分析により、CSで再構成された画像はJPEGに比べてエッジやテクスチャをより正確に保持していることが確認された。
• 結果は、CSが少ないサンプル数で画像を再構成しながら、品質を維持または向上させられることを理論的期待に合致している。
• 本研究では、医療画像など限られたデータから高品質な再構成を必要とする応用において、CSが特に有利であることが示された。