Compressão de imagens usando redes neurais artificiais

Abstract

A compressão de imagens é um tópico exaustivamente estudado dentro da ciência, em busca de representar a informação de forma mais compacta possível. Esse esforço é justificado pelo grande tráfego dessa mídia pela Internet. Logo, qualquer redução nos dados economiza significativamente na largura de banda e no consumo de energia elétrica. Recentemente, pesquisas de algoritmos baseados em redes neurais artificiais para compressão de imagens têm alcançado resultados com enorme potencial. Em particular, a abordagem ponta-ponta na qual o codificador e decodificador são treinados em conjunto por uma rede conhecida como autocodifcador está presente na maioria desses trabalhos. Esta rede pode ser baseada somente em camadas convolucionais e exigem, geralmente, o treinamento de diversos modelos para comprimir a informação em diferentes taxas. Con tudo, autocodificadores com redes recorrentes são úteis para obter um único modelo capaz de fornecer taxas progressivas, ao usar a capacidade dessas redes em manter informações passadas. Há ainda autocodificadores esparsos onde apenas uma pequena parcela das saídas envolvidas na representação da informação é ativada, e a abordagem variacional que assume modelos probabilísticos para aprender representações latentes. Neste trabalho, realizamos modificações em trabalhos anteriores baseados em redes neu rais convolucionais e recorrentes para compressão de imagem com perdas. Primeiro, avali amos bases de dados com diferentes características de entropia no desempenho do modelo. Em seguida, foram realizados testes com diferentes funções de custo até obtermos uma me dida para otimizar a distorção e, de forma indireta, a taxa. O melhor desempenho ocorreu quando a distorção foi modelada pelo erro quadrático médio e a taxa pela quantidade de bits 1 presentes no código binário. Essa última função foi responsável por promover esparsidade no fluxo de bits, e permitir a codificação de entropia, fornecida pelo GZIP, redução conside rável na taxa. Por fim, propomos um esquema simples de alocação de bits para aproveitar as diferenças de complexidades nas regiões de uma imagem. Os nossos resultados indicam melhor desempenho em relação ao JPEG nas medidas de PSNR, SSIM e MS-SSIM. Ao comparar esses resultados com o JPEG2000 obtemos desem penho competitivo em altas taxas. Todavia, o método de alocação dinâmica de bits gera artefatos de blocos que degradam a qualidade perceptiva das imagens.