تعداد نشریات | 44 |
تعداد شمارهها | 1,304 |
تعداد مقالات | 15,975 |
تعداد مشاهده مقاله | 52,346,619 |
تعداد دریافت فایل اصل مقاله | 15,116,715 |
طراحی یک سیستم فشردهسازی/بازسازی تصاویر متنی با درجهی تفکیک مکانی بالا مبتنی بر فرا تفکیکپذیری | ||
پردازش سیگنال پیشرفته | ||
مقاله 7، دوره 5، شماره 1 - شماره پیاپی 7، شهریور 1400، صفحه 65-78 اصل مقاله (5.47 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jasp.2022.45872.1143 | ||
نویسندگان | ||
سعید مرادی1؛ هادی گرایلو* 2 | ||
1دانشکده مهندسی برق - دانشگاه صنعتی شاهرود - شاهرود - ایران | ||
2گروه الکترونیک - دانشکده مهندسی برق - دانشگاه صنعتی شاهرود - شاهرود - ایران | ||
چکیده | ||
در این مقاله یک سیستم فشردهسازی/بازسازی تصاویر متنی با درجهی تفکیک مکانی بالا مبتنی بر فرا تفکیکپذیری پیشنهاد شدهاست. در روش پیشنهادی، برای رسیدن به میزان فشردهسازی بیشتر از ایده کاهش ابعاد در تصاویر متنی استفاده شدهاست. کاهش ابعاد در کنار عمل فشردهسازی ممکن است باعث تنزل در کیفیت تصویر شود. بنابراین باید روشی انتخاب شود که واحد بازسازی بتواند در کنار افزایش ابعاد تصویر، اثرات مخرب تأثیر گذار بر تصویر را نیز اصلاح کند. در مرحله بازسازی از روش فرا تفکیکپذیری استفاده شدهاست. در این روش، تصویر وضوح پایین ورودی به سه لایه تقسیم و سپس هر لایه براساس اهمیت اطلاعاتی آن با یک روش خاص بزرگنمایی شدهاست. در نهایت لایههای بزرگنمایی شده با هم ترکیب و تصویر وضوح بالای نهایی تشکیل شدهاست. یک ویژگی مهم روش پیشنهادی، قابلیت ترکیب آن با روشهای فشردهسازی مختلف است. در این مقاله، ترکیب روش پیشنهادی با هر یک از روشهای فشردهسازی JPEG، JPEG2000 و SPIHT بررسی و ملاحظه میشود، جواب قابل قبولی از نظر معیارهای بازشناسی متن (OCR) و متوسط امتیاز نظرسنجی (MOS) بدست آمده است گرچه از نظر معیار پیک سیگنال به نویز (PSNR) روشهای دیگر بهتر از روش پیشنهادی عمل کردهاند. | ||
کلیدواژهها | ||
فشردهسازی تصاویر متنی؛ فشردهسازی JPEG؛ فشردهسازی JPEG2000؛ فشردهسازی SPIHT؛ فرا تفکیکپذیری؛ شناسایی نوری کاراکترها | ||
مراجع | ||
[1] W. Naaman, “Image Compression Technique Based on Fractal Image Compression Using Neural Network – A Review”,AJRCoS, vol. 10, no. 4, pp. 47-57, Jul. 2021. [2] H Huda, “Lossless Text Image Compression using Two Dimensional Run Length Encoding”, Journal Online Anformatika (JOIN), vol. 4, n0. 2, pp.75-78, 2019. [3] Grailu, M. Lotfizad and H. S. Yazdi, “Farsi and arabic document images lossy compression based on the mixed raster content model,” International Journal on Document Analysis and Recognition (IJDAR), vol. 12, no. 4, pp. 227-248, 2009. [4] C. Francisco, N. M. M. Rodrigues, E. A. B. Silva, M. B. Carvalho, S. M. M. Faria and V. M. M. Silva, “Scanned compound document encoding using multiscale recurrent patterns,” IEEE Transactions on Image Processing, vol. 19, no. 10, pp. 2712-2724, 2010. [5] H. Sharpe and B. Manns, “JPEG 2000 options for document image compression,” Document Recognition and Retrieval IX, Paul B. Kantor, Tapas Kanungo, Jiangying Zhou, Editors, Proceedings of SPIE, vol. 4670, pp. 167-173, 2002. [6] Dhawan, “A review of image compression and comparison of its algorithms,” International Journal of Electronics and Communication Technology, vol. 2, no. 1, pp. 22-26, 2011. [7] A. Pearlman and A. Said, “Set partitioning coding: part I of set partition coding and image wavelet coding systems”, Foundations and Trends in Signal Processing, vol. 2, no. 2, pp. 95-180, 2008. [8] A. Pearlman and A. Said, “Image wavelet coding systems: part II of set partition coding and image wavelet coding systems,” Foundations and Trends in Signal Processing, vol. 2, no. 3, pp. 181-246, 2008. [9] A. Pearlman and A. Said, Digital Signal Compression: Principles and Practice, Cambridge University Press, New York, 2011. [10] Said and W. A. Pearlman, “A new, fast and efficient image codec based on set partitioning in hierarchical trees,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 6, no. 3, pp. 243-250, 1996. [11] Grailu, ‘‘Textual Image Compression for Maintaining or Improving the Recognition Performance’’, Circuits Syst Signal Process, no. 36, pp. 658–674, 2017. [12] Mahesh, P. Rajesh and I. Suneetha, “Improved block based segmentation for JPEG compressed document images”, International Journal of Research in Engineering and Technology, vol. 2, no. 11, pp. 669-673, 2013. [13] Oztan, A. Malik, Z. Fan and R. Eschbach, “Removal of artifacts from JPEG compressed document images”, Proceedings of SPIE-IS&T Electronic Imaging, vol. 6493, pp. 649306-1: 649306-9, 2007. [14] Zaghetto and R. L.Queiroz, “Scanned document compression using a block-based hybrid video codec”, IEEE Transactions on Image Processing, vol. 22, no. 6, pp. 2420-2428, 2010. [15] Grailu, “Textual image compression at low bit rates based on region-of-interest coding”, IJDAR,no. 19, pp. 65-81, 2016. [16] Taubman, “High performance scalable image compression with EBCOT”, IEEE Transactions on Image Processing, vol. 9, no. 7, pp. 1151-1170, 2000. [17] Lim, Y. Liu, T.H. Li, Sh. Liu, G. Li, , “Text Image Super-Resolution by Image Matting and Text Label Supervision”, Conference on Computer Vision and Pattern Recognition Workshop (CVPRW), 2019. [18] Ma, Sh. Guo, L. Zhang, “Text Prior Guided Scene Text Image Super-resolution”, arXiv:2106.15368, 2021. [19] Cai, et al, ‘‘Toward Real-World Single Image Super-Resolution: A New Benchmark and A New Model’’, arXiv:1904.00523, 2019. [20] C. Chiang and T. E. Boulte, “Efficient super-resolution via image warping”, Image and Vision Computing, vol. 18, no. 10, pp. 761-771, 2000. [21] Farsiu, M. D. Robinson, M. Elad and P. Milanfar, “Fast and robust multiframe super resolution”, IEEE Transactions on Image processing, vol. 13, pp. 1327-1344, 2004. [22] Fattal, “Image upsampling via imposed edges statistics”, ACM Transaction on Graphics, vol. 26, no. 3, pp. 95:1-95:8, 2007. [23] Shan, et al., “Fast image/video upsampling”, ACM Transaction on Graphics, vol. 25, no. 5, pp. 153:1-153:7, 2008. [24] Levin, et al., “A closed-form solution to natural image matting”, IEEE Transaction on Pattern Analysis and Machine Intelligence, vol. 30, no. 2, pp. 228-242, 2008. [25] zheng, X.KangShatoLi and Y.HeJunSun, "Real-time document image super-Resolution by fast matting" 11th IAPR International Workshop on Document Analysis System, 2014. [26] Wang and F. Cohen, “Optimized color sampling for robust matting”, International Conference on Computer Vision and Pattern Recognition, pp. 1-8, 2007. [27] He, J. Sun, X. Tang, “Guided image filtering”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 35, no. 6, pp. 1397-1409, 2013. [28] Khangar S. V. and Malik L. G., Handwritten Text Image Compression for Indic Script Document, 2012, International Journal of Computer Applications, Vol. 47, No. 5, pp. 11-16. [29] de Queiroz R., Buckley R. and Xu M., Mixed Raster Content (MRC) Model for Compound Image Compression, Proc. IS&T/SPIE Symposium on Electronic Imaging Science & Technology Visual Communications and Image Processing, San Jose, CA, Vol. 3653, pp. 1106-1177, 1999. [30] Yang, J. Wright, T. Huang and Y. Ma, “Image superresolution via sparse representation of raw image patches”, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), 2008. [31] Mancas-Thillou and M. Majid. ”Super-resolution text using the teager filter.” First International Workshop on Camera-Based Document Analysis and Recognition. pp. 10-16, 2005.
| ||
آمار تعداد مشاهده مقاله: 540 تعداد دریافت فایل اصل مقاله: 405 |