Система обучения сжатию изображений с управляемыми потерями
Ключевые слова:
сжатие изображений, сжатие с потерями, JPEG, обучение, интеллектуальная система, PSNR, SSIMАннотация
В работе представлена интеллектуальная система для обучения методам сжатия изображений с управляемыми потерями. Актуальность исследования обусловлена ростом объёмов визуальных данных и необходимостью эффективного их хранения и передачи. Разработанная система представляет собой интерактивное веб-приложение, которое визуализирует принципы работы алгоритмов сжатия, таких как JPEG, и позволяет пользователю экспериментировать с ключевыми параметрами, влияющими на соотношение «степень сжатия – качество изображения». В рамках системы реализованы модули для настройки коэффициента квантования, выбора цветового пространства и оценки метрик искажения (PSNR, SSIM). Проведенные эксперименты демонстрируют, что интерактивное обучение с использованием предложенной системы способствует более глубокому пониманию компромиссов, присущих сжатию с потерями по сравнению с традиционным изучением теоретического материала на лекции. Система предназначена для использования в образовательных целях студентами, изучающими компьютерную графику, обработку изображений и мультимедийные технологии.
Библиографические ссылки
[1] Wallace G.K. The JPEG still picture compression standard // Communications of the ACM. – 1991. – Vol. 34. – № 4. – P. 30–44.
[2] Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера, 2012. – 1104 с.
[3] Иванов Д.В., Кузнецова О.П. Мультимедийные технологии в образовании: учеб. пособ. – СПб.: Лань, 2019. – 320 с.
[4] Ahmed N., Natarajan T., Rao K.R. Discrete Cosine Transform // IEEE Transactions on Computers. – 1974. – Vol. C-23. – № 1. – P. 90–93.
[5] Козлов С.А., Чернявский А.В. Методы сжатия изображений: учебное пособие. – М.: Горячая линия – Телеком, 2018. – 256 с.
[6] В.В. Старовойтов, Д.С. Шпилев. Цифровая обработка сигналов и изображений. – Минск: БГУИР, 2015. – 367 с.
[7] Иванов Д.В. Основы мультимедийных технологий: сжатие данных. – СПб.: БХВ-Петербург, 2017. – 320 с.
[8] Прокопов А.Н., Федотов М.А.. Алгоритмы и методы сжатия изображений. – Новосибирск: НГТУ, 2020. – 180 с.
[9] Kwon M.J., Nam S.H., Yu I.J. et al. Learning JPEG Compression Artifacts for Image Manipulation Detection and Localization // International Journal of Computer Vision, 2022, v. 130, pp. 1875–1895, doi: 10.1007/s11263-022-01617-5.
[10] Сэйдж К., Мерсер М. JPEG: всё о формате сжатия изображений / пер. с англ. – М.: ДМК Пресс, 2019. – 144 с.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Системная инженерия и инфокоммуникации
Это произведение доступно по лицензии Creative Commons «Attribution-ShareAlike» («Атрибуция — На тех же условиях») 4.0 Всемирная.