Evaluación subjetiva/objetiva de imágenes comprimidas con pérdida
- Autores
- Ramón, Hugo Dionisio; Russo, Claudia Cecilia; De Giusti, Armando Eduardo
- Año de publicación
- 2000
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La compresión de una imagen digital puede facilitar su procesamiento, almacenamiento y transmisión. A medida que los Departamentos de las grandes Organizaciones se vuelven cada vez más digitales y distribuidos, la cantidad de datos multimediales (en particular imágenes) que tienen, obligan a considerar su compresión para su almacenamiento y transmisión. El objetivo general de la compresión es representar una imagen con la menor cantidad posible de bits con la menor pérdida de calidad posible, acelerando así la transmisión y minimizando los requerimientos de almacenamiento. De manera alternativa, el objetivo es lograr la mejor fidelidad posible para una capacidad limitada disponible de almacenamiento. En el campo de las comunicaciones visuales se ha destinado mucho trabajo a la codificación de imágenes digitales, dirigido a reducir los requerimientos de la tasa de bits para la transmisión de las imágenes. La experiencia ha mostrado que cada esquema de codificación está sujeto a su propio y único conjunto de causas de pérdida que a menudo son difíciles de caracterizar. Esto se debe a la forma en la que se diseñan los esquemas de codificación para variar selectivamente la precisión de la representación; el observador puede ser insensible a los errores en algunas partes de la imagen pero no en otras. Una compresión considerable se puede lograr sólo mediante algoritmos con pérdida, los que no permiten la recuperación exacta de la imagen original. Esta pérdida de información hace que la compresión y otros algoritmos de procesamiento de imágenes con pérdida tengan problemas de confiabilidad debido a la potencial pérdida de calidad. Hay una necesidad de mediciones precisas de las perdidas subjetivas que puedan usarse para predecir la calidad de una imagen. El objetivo de este trabajo es determinar estas mediciones de la distorsión y probar que se pueden usar diferentes medidas objetivas para predecir la calidad subjetiva de una imagen. Se describirá enfoques para medir la calidad de las imágenes, como ser, razón señal-ruido (SNR), evaluación subjetiva, mediciones del error crudo, entropía, etc. La necesidad de este tipo de mediciones está particularmente reconocida en el área de la codificación de imágenes digitales. La existencia de mediciones de la distorsión subjetivamente relevantes que reflejen las evaluaciones de la calidad de una imagen que hace un espectador, harían considerablemente más fácil la tarea de diseñar y optimizar los esquemas de codificación. Estas distorsiones se comparan y contrastan con un conjunto de imágenes representativas de varios dominios de aplicación y se examina cuán buenas son las mediciones de distorsiones que se pueden obtener fácilmente para predecir las evaluaciones subjetivas, que son más caras en tiempo. Los ejemplos son de imágenes tradicionales que se utilizan en el área de procesamiento y compresión de imágenes comprimidas utilizando JPEG estándar [Wallace 1991 l.
Eje: Sistema de tiempor real. Procesamiento de señales
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
Evaluación Subjetiva/Objetiva
Real time
Imágenes Comprimidas con Pérdida
Signal processing systems - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/22164
Ver los metadatos del registro completo
id |
SEDICI_3c246021db177954bc041bad24457558 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/22164 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Evaluación subjetiva/objetiva de imágenes comprimidas con pérdidaRamón, Hugo DionisioRusso, Claudia CeciliaDe Giusti, Armando EduardoCiencias InformáticasEvaluación Subjetiva/ObjetivaReal timeImágenes Comprimidas con PérdidaSignal processing systemsLa compresión de una imagen digital puede facilitar su procesamiento, almacenamiento y transmisión. A medida que los Departamentos de las grandes Organizaciones se vuelven cada vez más digitales y distribuidos, la cantidad de datos multimediales (en particular imágenes) que tienen, obligan a considerar su compresión para su almacenamiento y transmisión. El objetivo general de la compresión es representar una imagen con la menor cantidad posible de bits con la menor pérdida de calidad posible, acelerando así la transmisión y minimizando los requerimientos de almacenamiento. De manera alternativa, el objetivo es lograr la mejor fidelidad posible para una capacidad limitada disponible de almacenamiento. En el campo de las comunicaciones visuales se ha destinado mucho trabajo a la codificación de imágenes digitales, dirigido a reducir los requerimientos de la tasa de bits para la transmisión de las imágenes. La experiencia ha mostrado que cada esquema de codificación está sujeto a su propio y único conjunto de causas de pérdida que a menudo son difíciles de caracterizar. Esto se debe a la forma en la que se diseñan los esquemas de codificación para variar selectivamente la precisión de la representación; el observador puede ser insensible a los errores en algunas partes de la imagen pero no en otras. Una compresión considerable se puede lograr sólo mediante algoritmos con pérdida, los que no permiten la recuperación exacta de la imagen original. Esta pérdida de información hace que la compresión y otros algoritmos de procesamiento de imágenes con pérdida tengan problemas de confiabilidad debido a la potencial pérdida de calidad. Hay una necesidad de mediciones precisas de las perdidas subjetivas que puedan usarse para predecir la calidad de una imagen. El objetivo de este trabajo es determinar estas mediciones de la distorsión y probar que se pueden usar diferentes medidas objetivas para predecir la calidad subjetiva de una imagen. Se describirá enfoques para medir la calidad de las imágenes, como ser, razón señal-ruido (SNR), evaluación subjetiva, mediciones del error crudo, entropía, etc. La necesidad de este tipo de mediciones está particularmente reconocida en el área de la codificación de imágenes digitales. La existencia de mediciones de la distorsión subjetivamente relevantes que reflejen las evaluaciones de la calidad de una imagen que hace un espectador, harían considerablemente más fácil la tarea de diseñar y optimizar los esquemas de codificación. Estas distorsiones se comparan y contrastan con un conjunto de imágenes representativas de varios dominios de aplicación y se examina cuán buenas son las mediciones de distorsiones que se pueden obtener fácilmente para predecir las evaluaciones subjetivas, que son más caras en tiempo. Los ejemplos son de imágenes tradicionales que se utilizan en el área de procesamiento y compresión de imágenes comprimidas utilizando JPEG estándar [Wallace 1991 l.Eje: Sistema de tiempor real. Procesamiento de señalesRed de Universidades con Carreras en Informática (RedUNCI)2000-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf130-132http://sedici.unlp.edu.ar/handle/10915/22164spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:54:56Zoai:sedici.unlp.edu.ar:10915/22164Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:57.192SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Evaluación subjetiva/objetiva de imágenes comprimidas con pérdida |
title |
Evaluación subjetiva/objetiva de imágenes comprimidas con pérdida |
spellingShingle |
Evaluación subjetiva/objetiva de imágenes comprimidas con pérdida Ramón, Hugo Dionisio Ciencias Informáticas Evaluación Subjetiva/Objetiva Real time Imágenes Comprimidas con Pérdida Signal processing systems |
title_short |
Evaluación subjetiva/objetiva de imágenes comprimidas con pérdida |
title_full |
Evaluación subjetiva/objetiva de imágenes comprimidas con pérdida |
title_fullStr |
Evaluación subjetiva/objetiva de imágenes comprimidas con pérdida |
title_full_unstemmed |
Evaluación subjetiva/objetiva de imágenes comprimidas con pérdida |
title_sort |
Evaluación subjetiva/objetiva de imágenes comprimidas con pérdida |
dc.creator.none.fl_str_mv |
Ramón, Hugo Dionisio Russo, Claudia Cecilia De Giusti, Armando Eduardo |
author |
Ramón, Hugo Dionisio |
author_facet |
Ramón, Hugo Dionisio Russo, Claudia Cecilia De Giusti, Armando Eduardo |
author_role |
author |
author2 |
Russo, Claudia Cecilia De Giusti, Armando Eduardo |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Evaluación Subjetiva/Objetiva Real time Imágenes Comprimidas con Pérdida Signal processing systems |
topic |
Ciencias Informáticas Evaluación Subjetiva/Objetiva Real time Imágenes Comprimidas con Pérdida Signal processing systems |
dc.description.none.fl_txt_mv |
La compresión de una imagen digital puede facilitar su procesamiento, almacenamiento y transmisión. A medida que los Departamentos de las grandes Organizaciones se vuelven cada vez más digitales y distribuidos, la cantidad de datos multimediales (en particular imágenes) que tienen, obligan a considerar su compresión para su almacenamiento y transmisión. El objetivo general de la compresión es representar una imagen con la menor cantidad posible de bits con la menor pérdida de calidad posible, acelerando así la transmisión y minimizando los requerimientos de almacenamiento. De manera alternativa, el objetivo es lograr la mejor fidelidad posible para una capacidad limitada disponible de almacenamiento. En el campo de las comunicaciones visuales se ha destinado mucho trabajo a la codificación de imágenes digitales, dirigido a reducir los requerimientos de la tasa de bits para la transmisión de las imágenes. La experiencia ha mostrado que cada esquema de codificación está sujeto a su propio y único conjunto de causas de pérdida que a menudo son difíciles de caracterizar. Esto se debe a la forma en la que se diseñan los esquemas de codificación para variar selectivamente la precisión de la representación; el observador puede ser insensible a los errores en algunas partes de la imagen pero no en otras. Una compresión considerable se puede lograr sólo mediante algoritmos con pérdida, los que no permiten la recuperación exacta de la imagen original. Esta pérdida de información hace que la compresión y otros algoritmos de procesamiento de imágenes con pérdida tengan problemas de confiabilidad debido a la potencial pérdida de calidad. Hay una necesidad de mediciones precisas de las perdidas subjetivas que puedan usarse para predecir la calidad de una imagen. El objetivo de este trabajo es determinar estas mediciones de la distorsión y probar que se pueden usar diferentes medidas objetivas para predecir la calidad subjetiva de una imagen. Se describirá enfoques para medir la calidad de las imágenes, como ser, razón señal-ruido (SNR), evaluación subjetiva, mediciones del error crudo, entropía, etc. La necesidad de este tipo de mediciones está particularmente reconocida en el área de la codificación de imágenes digitales. La existencia de mediciones de la distorsión subjetivamente relevantes que reflejen las evaluaciones de la calidad de una imagen que hace un espectador, harían considerablemente más fácil la tarea de diseñar y optimizar los esquemas de codificación. Estas distorsiones se comparan y contrastan con un conjunto de imágenes representativas de varios dominios de aplicación y se examina cuán buenas son las mediciones de distorsiones que se pueden obtener fácilmente para predecir las evaluaciones subjetivas, que son más caras en tiempo. Los ejemplos son de imágenes tradicionales que se utilizan en el área de procesamiento y compresión de imágenes comprimidas utilizando JPEG estándar [Wallace 1991 l. Eje: Sistema de tiempor real. Procesamiento de señales Red de Universidades con Carreras en Informática (RedUNCI) |
description |
La compresión de una imagen digital puede facilitar su procesamiento, almacenamiento y transmisión. A medida que los Departamentos de las grandes Organizaciones se vuelven cada vez más digitales y distribuidos, la cantidad de datos multimediales (en particular imágenes) que tienen, obligan a considerar su compresión para su almacenamiento y transmisión. El objetivo general de la compresión es representar una imagen con la menor cantidad posible de bits con la menor pérdida de calidad posible, acelerando así la transmisión y minimizando los requerimientos de almacenamiento. De manera alternativa, el objetivo es lograr la mejor fidelidad posible para una capacidad limitada disponible de almacenamiento. En el campo de las comunicaciones visuales se ha destinado mucho trabajo a la codificación de imágenes digitales, dirigido a reducir los requerimientos de la tasa de bits para la transmisión de las imágenes. La experiencia ha mostrado que cada esquema de codificación está sujeto a su propio y único conjunto de causas de pérdida que a menudo son difíciles de caracterizar. Esto se debe a la forma en la que se diseñan los esquemas de codificación para variar selectivamente la precisión de la representación; el observador puede ser insensible a los errores en algunas partes de la imagen pero no en otras. Una compresión considerable se puede lograr sólo mediante algoritmos con pérdida, los que no permiten la recuperación exacta de la imagen original. Esta pérdida de información hace que la compresión y otros algoritmos de procesamiento de imágenes con pérdida tengan problemas de confiabilidad debido a la potencial pérdida de calidad. Hay una necesidad de mediciones precisas de las perdidas subjetivas que puedan usarse para predecir la calidad de una imagen. El objetivo de este trabajo es determinar estas mediciones de la distorsión y probar que se pueden usar diferentes medidas objetivas para predecir la calidad subjetiva de una imagen. Se describirá enfoques para medir la calidad de las imágenes, como ser, razón señal-ruido (SNR), evaluación subjetiva, mediciones del error crudo, entropía, etc. La necesidad de este tipo de mediciones está particularmente reconocida en el área de la codificación de imágenes digitales. La existencia de mediciones de la distorsión subjetivamente relevantes que reflejen las evaluaciones de la calidad de una imagen que hace un espectador, harían considerablemente más fácil la tarea de diseñar y optimizar los esquemas de codificación. Estas distorsiones se comparan y contrastan con un conjunto de imágenes representativas de varios dominios de aplicación y se examina cuán buenas son las mediciones de distorsiones que se pueden obtener fácilmente para predecir las evaluaciones subjetivas, que son más caras en tiempo. Los ejemplos son de imágenes tradicionales que se utilizan en el área de procesamiento y compresión de imágenes comprimidas utilizando JPEG estándar [Wallace 1991 l. |
publishDate |
2000 |
dc.date.none.fl_str_mv |
2000-05 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/22164 |
url |
http://sedici.unlp.edu.ar/handle/10915/22164 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
dc.format.none.fl_str_mv |
application/pdf 130-132 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844615807474073600 |
score |
13.070432 |