[论文解读] A Survey: Various Techniques of Image Compression

Gaurav Vijayvargiya, Sanjay Silakari+1 more|arXiv (Cornell University)|Nov 27, 2013

Algorithms and Data Compression参考文献 3被引用 67

一句话总结

本综述全面概述了无损和有损图像压缩技术，分析了其原理、应用及性能表现。文章探讨了传统的DCT和小波变换方法，以及基于神经网络和遗传算法的先进方法，突出其在减少冗余和提升压缩效率方面的优势。

ABSTRACT

This paper addresses about various image compression techniques. On the basis of analyzing the various image compression techniques this paper presents a survey of existing research papers. In this paper we analyze different types of existing method of image compression. Compression of an image is significantly different then compression of binary raw data. To solve these use different types of techniques for image compression. Now there is question may be arise that how to image compress and which types of technique is used. For this purpose there are basically two types are method are introduced namely lossless and lossy image compression techniques. In present time some other techniques are added with basic method. In some area neural network genetic algorithms are used for image compression. Keywords-Image Compression; Lossless; Lossy; Redundancy; Benefits of Compression.

研究动机与目标

• 分析并比较各种图像压缩技术，包括无损和有损方法。
• 探讨冗余减少在提升压缩效率中的作用。
• 研究新兴技术如神经网络和遗传算法在图像压缩中的应用。
• 评估不同压缩方法在实际应用中的优势与权衡。
• 为图像处理和信息论领域的研究人员与实践者提供现有研究的系统性综述。

提出的方法

• 本文对现有图像压缩技术研究论文进行了系统性综述。
• 根据解压后数据保真度，将方法分类为无损和有损两类。
• 分析了传统技术如离散余弦变换（DCT）和基于小波的压缩在结构与性能特征方面的表现。
• 研究了包括神经网络和遗传算法在内的先进方法在图像压缩中优化潜力。
• 基于压缩比和重建质量等指标评估压缩性能。
• 讨论了冗余减少作为设计高效压缩算法核心原则的作用。

实验结果

研究问题

• RQ1 无损与有损图像压缩技术之间的基本差异是什么？
• RQ2 DCT和小波变换等传统方法如何实现图像压缩？
• RQ3 神经网络和遗传算法在哪些方面提升了图像压缩性能？
• RQ4 冗余减少在图像压缩系统中的关键优势是什么？
• RQ5 不同压缩技术在压缩比和图像质量保持方面如何比较？

主要发现

• 无损压缩保留所有原始图像数据，适用于需要精确重建的应用场景。
• 有损压缩通过舍弃感知上不重要的信息实现更高的压缩比，通常采用DCT或小波变换。
• 在某些场景下，基于小波的方法在高频细节保留方面优于DCT。
• 基于神经网络和遗传算法的方法在优化压缩参数和提升效率方面展现出潜力。
• 显著减少空间、光谱和时间冗余可大幅提升压缩比，同时避免明显质量下降。
• 综述指出，结合多种方法的混合技术在实际图像压缩应用中通常能取得更优效果。