論文の概要: Recovering Sign Bits of DCT Coefficients in Digital Images as an Optimization Problem

• arxiv url: http://arxiv.org/abs/2211.01096v2
• Date: Mon, 8 Jan 2024 10:40:58 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-10 00:34:44.575736
• Title: Recovering Sign Bits of DCT Coefficients in Digital Images as an Optimization Problem
• Title（参考訳）: 最適化問題としてのデジタル画像におけるDCT係数の符号ビットの復元
• Authors: Ruiyuan Lin, Sheng Liu, Jun Jiang, Shujun Li, Chengqing Li, C.-C. Jay Kuo
• Abstract要約: 一般にNP-hardである混合整数線形プログラミング(MILP)問題を解くための2つの異なる近似法を提案する。 1つの方法は、MILP問題を線形プログラミング(LP)問題に緩和することであり、もう1つは元のMILP問題をより小さなMILP問題とLP問題に分割する。
• 参考スコア（独自算出の注目度）: 39.78948579120157
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recovering unknown, missing, damaged, distorted, or lost information in DCT coefficients is a common task in multiple applications of digital image processing, including image compression, selective image encryption, and image communication. This paper investigates the recovery of sign bits in DCT coefficients of digital images, by proposing two different approximation methods to solve a mixed integer linear programming (MILP) problem, which is NP-hard in general. One method is a relaxation of the MILP problem to a linear programming (LP) problem, and the other splits the original MILP problem into some smaller MILP problems and an LP problem. We considered how the proposed methods can be applied to JPEG-encoded images and conducted extensive experiments to validate their performances. The experimental results showed that the proposed methods outperformed other existing methods by a substantial margin, both according to objective quality metrics and our subjective evaluation.
• Abstract（参考訳）: 画像圧縮、選択的画像暗号化、画像通信など、デジタル画像処理の複数の応用において、未知、欠落、歪曲、失われた情報を復元することは一般的な課題である。 本稿では,デジタル画像のdct係数における符号ビットの復元について,npハードな混合整数線形計画(milp)問題の解法として2つの異なる近似法を提案する。 1つの方法は、MILP問題を線形プログラミング(LP)問題に緩和することであり、もう1つは元のMILP問題をより小さなMILP問題とLP問題に分割する。 提案手法をjpeg符号化画像に適用する方法を検討し,その性能を検証するために広範囲な実験を行った。 実験の結果,提案手法は,客観的品質指標と主観的評価の両方により,既存の手法よりもかなり優れた性能を示した。

関連論文リスト

• Quantization-free Lossy Image Compression Using Integer Matrix Factorization [8.009813033356478]
  我々は、新しい量子化自由損失画像圧縮法を開発するために、整数行列分解(IMF)の変種を導入する。 IMFは、画像データの低ランク表現を、有界整数要素を持つ2つの小さな因子行列の積として提供する。 我々の手法は、JPEGを低ビットレートで0.25ビット/ピクセル(bpp)以下で連続的に上回り、高いビットレートで比較する。
  論文  参考訳（メタデータ） (2024-08-22T19:08:08Z)
• Powerful Lossy Compression for Noisy Images [17.617149104590062]
  提案した信号対雑音比(SNR)対応ジョイントソリューションは、局所的および非局所的特徴を利用して画像圧縮と復調を同時に行う。 我々は,主エンコーダ分岐,誘導分岐,信号-雑音比(SNR)認識分岐を含むエンドツーエンドのトレーニング可能なネットワークを設計する。
  論文  参考訳（メタデータ） (2024-03-21T05:10:26Z)
• QN-Mixer: A Quasi-Newton MLP-Mixer Model for Sparse-View CT Reconstruction [0.0]
  準ニュートン法に基づくアルゴリズムQN-Mixerを導入する。 Incept-Mixerは非局所正規化用語として機能する効率的なニューラルネットワークである。 我々のアプローチは知的に情報をサンプリングし、計算要求を大幅に削減する。
  論文  参考訳（メタデータ） (2024-02-28T00:20:25Z)
• Learning from Multi-Perception Features for Real-Word Image Super-resolution [87.71135803794519]
  入力画像の複数の知覚的特徴を利用する新しいSR手法MPF-Netを提案する。 本稿では,MPFEモジュールを組み込んで,多様な知覚情報を抽出する手法を提案する。 また、モデルの学習能力を向上する対照的な正規化項(CR)も導入する。
  論文  参考訳（メタデータ） (2023-05-26T07:35:49Z)
• Cross-boosting of WNNM Image Denoising method by Directional Wavelet Packets [2.7648976108201815]
  本稿では、方向性準解析ウェーブレットパケット(qWP)と最先端の重み付き核ノルム最小化法(WNNM)を併用した画像復号方式を提案する。 提案手法では, 粗悪な画像においても, エッジや微細なテクスチャパターンをキャプチャするqWPdn機能を結合する。
  論文  参考訳（メタデータ） (2022-06-09T11:37:46Z)
• Mining the manifolds of deep generative models for multiple data-consistent solutions of ill-posed tomographic imaging problems [10.115302976900445]
  断層撮影は一般的に逆問題である。 本稿では,トモグラフィ逆問題に対する複数の解を求める経験的サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T20:27:31Z)
• Denoising Diffusion Restoration Models [110.1244240726802]
  Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。 DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
  論文  参考訳（メタデータ） (2022-01-27T20:19:07Z)
• LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution Homography Estimation [52.63874513999119]
  クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。 既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。 本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-08T02:51:45Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。