بهبود رمزگشای استاندارد JPEG AI در نرخ بیت پایین با استفاده از فیلتر عصبی E-Net

با گسترش کاربردهای بینایی ماشین و پردازش تصویر نیاز به روشهای فشرده سازی کارآمدتر افزایش یافته است. استاندارد JPEG AI به عنوان یک چارچوب نوآورانه مبتنی بر شبکه های عصبی عمیق امکان فشرده سازی تصاویر با حفظ کیفیت برای کاربردهای بینایی ماشین را فراهم می کند. در این پژوهش، یک فیلتر بهبود دهنده مبتنی بر رمزگذار خودکار عصبی (E-Net) به بخش رمزگشای مدل VM۳.۲ افزوده شده است. این فیلتر به طور خاص برای کاهش اثرات نامطلوب چندی سازی در نرخ های بیت پایین طراحی شده است. نتایج آزمایش ها نشان می دهد که فیلتر پیشنهادی موجب بهبود میانگین معیار PSNR تا ۰.۵۵ دسی بل و معیار PSNR-HVS تا ۰.۶۶ دسی بل می شود. بهبودهای بصری مشاهده شده در تصاویر بازسازی شده نیز تاثیر مثبت این فیلتر را در کاهش مصنوعات چندی سازی و افزایش وضوح رنگ ها تایید می کند.

Keywords:

فشرده سازی تصویر , استاندارد JPEG AI , شبکه عصبی رمزگذار خودکار , PSNR , PSNR-HVS , بینایی ماشین