Wavelet Filter Parameterization for Compression of Spectral Images

Vaatimus kuvatiedon tiivistämisestä on tullut entistä ilmeisemmäksi viimeisen kymmenen vuoden aikana kuvatietoon perustuvien sovellutusten myötä. Nykyisin kiinnitetään erityistä huomiota spektrikuviin, joiden tallettaminen ja siirto vaativat runsaasti levytilaa ja kaistaa. Aallokemuunnos on osoittautunut hyväksi ratkaisuksi häviöllisessä tiedontiivistämisessä. Sen toteutus alikaistakoodauksessa perustuu aallokesuodattimiin ja ongelmana on sopivan aallokesuodattimen valinta erilaisille tiivistettäville kuville. Tässä työssä esitetään katsaus tiivistysmenetelmiin, jotka perustuvat aallokemuunnokseen. Ortogonaalisten suodattimien määritys parametrisoimalla on työn painopisteenä. Työssä todetaan myös kahden erilaisen lähestymistavan samanlaisuus algebrallisten yhtälöiden avulla. Kokeellinen osa sisältää joukon testejä, joilla perustellaan parametrisoinnin tarvetta. Erilaisille kuville tarvitaan erilaisia suodattimia sekä erilaiset tiivistyskertoimet saavutetaan eri suodattimilla. Lopuksi toteutetaan spektrikuvien tiivistys aallokemuunnoksen avulla.

The requirements of image compression have become more obvious during the last decade for a broad range of applications. Particular interest is now dedicated to the multispectral images whose transmission and storage conditions are limited by their significant size. The wavelet transform has proved to be the most prospective approach in lossy compression schemes. Its implementation through the subband coding is restricted by several constraints to wavelet filters, since a problem of appropriate filter selection for different images in lossy compression exists. This thesis presents an overview of compression methods based on the wavelet transform. The main emphasis is given to the definition of orthogonal wavelet filters through the parameterization procedure. Two distinct approaches leading to notation of linear algebraic equations are reviewed. The experimental part comprises a set of tests verifying the need for parameterization. We have demonstrated that individual parameter values are required for different images as well as for different compression ratios to get the best results in lossy compression. Finally, examples of spectral data reduction employing the wavelet transform with parameterized filter are realized.