セルラニューラルネットワークを用いた画像の階層的可逆符号化

摘要

In this paper, a hierarchical lossless image coding scheme using cellular neural network (CNN) is proposed. The coding architecture of the proposed method is based on the lifting scheme that is one of the scalable coding architecture for still images, and the coding performance strongly depends on the prediction ability. To deal with this characteristic, an image interpolation is modeled by an optimal problem that minimizes the prediction error. By the high optimal ability of CNN, the optimal interpolated image can be obtained. Also, in order to achieve the high accuracy prediction, the parameters of CNN predictors are adjusted to the local structure of the image. In the coding layer, the arithmetic coder with context modeling is used for obtaining a high coding efficiency. Experimental results in various standard test images suggest that the coding performance of our proposed method is better than that of conventional hierarchical coding schemes.%本論文では，画像毎の特徴に応じ適応的に処理を行うセルラニューラルネットワーク（CNN）を用いた階層的可逆符号化方式を提案する．提案方式は，画像の分割と予測に基づく方式であり，符号化性能は予測性能に大きく依存する．このため，予測を予測誤差を最小とする最適化問題に帰着させることにより，CNN による最適な予測を実現している．また，画像の特徴に応じて，CNN のテンプレート形状を変化させ，予測性能の向上を図った．さらに，コンテクストモデリングを用いる算術符号化器を導入し，高い符号化効率を実現している．様々な画像に対し符号化を行い，提案方式の有効性を確認した．