[论文解读] 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 4

一句话总结

本文通过评估重建过程中使用的采样数量，比较了压缩感知（CS）与JPEG在图像压缩中的表现。利用PSNR和视觉分析，CS在所有采样率下均持续优于JPEG，尤其在医学X光片等低细节灰度图像中表现更优，显示出在较低采样率下更高的重建保真度。

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.

研究动机与目标

• 评估并比较压缩感知（CS）与JPEG在图像压缩中的性能。
• 分析图像质量随重建所用采样数量的变化关系。
• 评估CS与JPEG在低细节灰度图像（如医学X光片）中的有效性。
• 提供实证证据，支持CS在压缩感知应用中理论优势的成立。

提出的方法

• 本研究采用标准的CS重建算法，使用随机测量矩阵在不同采样率下对图像进行采样。
• JPEG压缩采用标准量化表和哈夫曼编码，作为基线对比。
• 通过峰值信噪比（PSNR）在多个测试图像上评估图像重建质量。
• 通过视觉检查评估重建图像的感知质量及伪影存在情况。
• 在具有不同细节水平和复杂度的多个灰度图像上进行对比实验。
• 所有实验均在多样化的图像集合上重复进行，以确保结果的普适性。

实验结果

研究问题

• RQ1 在相同采样数量下，压缩感知的图像重建质量与JPEG相比如何？
• RQ2 在哪些图像类型中，CS在PSNR方面显著优于JPEG？
• RQ3 随着采样率降低，CS相对于JPEG的优势是否增强？
• RQ4 是否存在特定图像类别（如医学图像），使得CS能带来更显著的性能提升？
• RQ5 不同图像内容类型的视觉质量与PSNR趋势是否一致？

主要发现

• 在所有测试图像和采样率下，压缩感知（CS）的PSNR值均持续高于JPEG。
• 在低细节灰度图像（如X光片）中，CS与JPEG之间的性能差距最为显著。
• 在低采样率下，CS保持了显著优于JPEG的图像保真度，而JPEG则表现出明显的伪影和方块效应。
• 视觉分析证实，CS重建图像在边缘和纹理保留方面比JPEG重建图像更准确。
• 结果支持理论预期：CS可在更少采样数下实现图像重建，同时保持或提升图像质量。
• 本研究证明，CS在需要从有限数据中实现高质量重建的应用中（如医学影像）具有显著优势。