Kramm, Matthias

Thema:

Kompression großer Bilddatenbanken mittels Ähnlichkeitsgruppierung

Abstract:

In dieser Arbeit wird gezeigt, wie sich Redundanzen zwischen ähnlichen Bildern in einer Bilddatenbank gewinnbringend ausnutzen lassen, um Bildkompressionsraten zu erhöhen. Hierzu werden eine Reihe von auf Einzelbildern arbeitende Verfahren (fraktale Kompression, Primärkomponentenanalyse, Textursegmentierung, zeilenbasierte Vorhersagen) auf Bildmengen erweitert. Diese neuen Verfahren komprimieren Bildergruppen effizienter als Einzelbildkompression. Um eine bestehende Bilddatenbank in Gruppen zu zerlegen, auf denen man die genannten Verfahren möglichst gewinnbringend einsetzen kann, werden desweiteren eine Reihe von Clustering-Algorithmen und -Metriken daraufhin untersucht, inwieweit sie eine gewinnbringende Zerlegung einer Datenbank in Gruppen von möglichst ähnlichen Bildern liefern.

 zurück