用颜色减少和光滑预处理的JPEG图像增强.
Akane Shoda1, Tomo Miyazaki1, Shinichiro Omachi1
1Graduate School of Engineering, Tohoku University, Sendai 9808579, Japan.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
本研究引入了一种新的深度学习方法,通过预处理图像来提高JPEG图像质量,以减少颜色和渐变的复杂性. 这种方法可以抑制压缩文物,如块噪声和伪轮,而不需要高性能解码设备.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 由于其效率,JPEG是图像压缩的标准.
- 深度学习方法提高了JPEG质量,但需要高性能硬件来解码.
- 现有的方法通常需要对JPEG解码算法进行修改.
研究的目的:
- 通过深度学习提出一种用于生成高质量的JPEG图像的新方法.
- 为了避免在图像解码过程中需要高性能设备.
- 为了提高图像质量而不改变标准JPEG解码过程.
主要方法:
- 拟议的方法涉及在JPEG压缩之前预处理图像.
- 关键技术包括色彩减少和渐变区域的平滑.
- 它使用基于深度学习的色彩转换网络和基于信号处理的伪轮抑制模型.
主要成果:
- 该方法有效地抑制了压缩图像中的红色块噪声和伪轮.
- 它可以实现高质量的图像生成,而不需要专门的解码硬件.
- 实验结果表明,与标准JPEG压缩相比,性能优越.
结论:
- 开发的方法提供了一种计算效率高的方法来提高JPEG图像质量.
- 它成功地减轻了常见的压缩工件,增强了视觉感知.
- 这种方法为使用深度学习进行高质量的图像压缩提供了实用解决方案.


