Murilo Dantas Rogério Galante Sóstenes Gomes 31 de Maio de 2010 CAP 378 – Tópicos em Observação da Terra Professores: Dr. Antônio M. V. Monteiro Dra. Leila M. G. Fonseca COMPRESSÃO DE IMAGENS EM SATÉLITES

Roteiro da apresentação Introdução ▫ Motivação para compressão de imagens em satélites ▫ O que é compressão de imagens? Técnicas de compressão de imagens em satélite ▫ Implementação em software ▫ Implementação em hardware Sistemas de compressão (exemplos)

Introdução

Restrições computacionais e de energia Compressão de dados Armazenamento de dados Transmissão de dados Otimização dos recursos Compressão de imagens: Motivação A compressão de imagem compensa limitações de recursos dos satélites, em termos de memória e largura da banda para transmissão de dados. Sua aplicação provê uma solução para o dilema dos satélites modernos: “Largura de banda vs. Volume de dados” Yu, G. et al. Image compression systems on board satellites, “Com o aumento da resolução espacial e dimensão das imagens, torna-se necessário lidar com grandes quantidades de dados”

Compressão de imagens é a aplicação da tecnologia de compressão de dados em imagens digitais; Seu objetivo é reduzir a redundância dos dados, de forma a armazenar e transmitir esses mesmos dados de forma eficiente. Compressão de imagens: Definições

Principais tipos de redundância Estatística ▫ Probabilidade não uniforme de ocorrência de valores de pixel. ▫ Valores de pixels mais freqüentes devem possuir número maior de bits. Espacial ▫ Refere-se à correlação de pixels vizinhos numa imagem. Estrutural ▫ A imagem é uma projeção de objetos 3D num plano 2D. ▫ Pode ser codificada usando modelos estruturais da imagem.  Codificação de contornos e textura de regiões em separado. Psico-visual ▫ Exploração da deficiência do sistema visual humano.  Maior sensibilidade à distorção em áreas planas que a áreas com mudanças bruscas (isto é, áreas com maior freqüência espacial).  Maior sensibilidade a áreas escuras da imagem.  Maior sensibilidade às mudanças de luminosidade do que em cores.

FONTE: Compressão de imagens Com perda Sem perda Após a compressão dos dados, certos detalhes dos dados são descartados, sendo assim, é impossível recuperar os dados originais Busca reduzir a quantidade de informação, no entanto, é possível decodificar uma cópia exata dos dados originais. Original redução de 85% redução de 96 % maior perda  maior compressão Formas de compressão de imagens

Técnicas de compressão de imagens em Satélites

Implementação em software Codificação baseada na entropia ▫ Aproveitamento da não uniformidade da função densidade de probabilidade (PDF) dos valores de pixel. ▫ Dada uma imagem fonte, pode ser calculada a entropia da imagem gerada. ▫ Razão de compressão desprezível  imagens naturais.  Não é indicada para codificar pixels diretamente. ▫ Compressão significativa  coeficientes de transformada Principais técnicas

Implementação em software Codificação run-length ▫ Técnica sem perdas bastante eficaz em imagens com símbolos idênticos. ▫ Run: seqüência de pixels com valores idênticos (zeros ou uns) ao longo de uma direção. Em vez de codificar um pixel individualmente, é codificado um run de cada vez.  Linha1={ }  Código RLC=[...11,19,17,EOL...] ▫ Usada em imagem dividida num conjunto de planos codificados individualmente. ▫ Usada em codificadores de transformada  maioria dos coeficientes tornam-se zero. Principais técnicas

Implementação em software Codificação preditiva ▫ Explora a redundância relacionada com a previsibilidade dos resultados e a regularidade nos dados.  Ex: uma imagem com nível constante de cinza pode ser completamente previsível a partir do nível de cinza do seu primeiro pixel. ▫ Com imagens com níveis múltiplos de cinza, o nível de cinza dum pixel da imagem pode ser predito a partir dos valores dos pixels vizinhos. Principais técnicas

Implementação em software Codificação DPCM ▫ Differential Pulse Code Modulation ▫ Consiste em gerar como saída não a amplitude digitalizada da imagem, mas sim a diferença entre o valor atual e o anterior. Principais técnicas A1A2 A3X Coeficientes de predição de erro típicos Coeficientes de predição de erro típicos

Implementação em software Codificação de Transformada ▫ A imagem é transportada do domínio espacial para o domínio da freqüência. ▫ Eliminam a correlação dos dados e compactam a maior parte da energia em poucos coeficientes. ▫ Podem ser aplicadas na imagem como um todo (unitária) ou em blocos. ▫ Transformada Ótima: máximo desempenho de compressão.  Elimina completamente a correlação da imagem;  Matriz de auto-correlação é diagonal; e  Empacota os dados num pequeno número de coeficientes.  Ex: Karhunen-Loeve: excelente, mas com alta complexidade computacional. Yu, G. et al. Image compression systems on board satellites, Principais técnicas

Implementação em software Comparação entre as transformadas Principais técnicas TransformadaDesempenhoComplexidade Karhunen-LoeveMelhorAlta Transf. Discreta do cosenoExcelenteMédia Wavelet discretaExcelenteMédia Transf. de Fourier DiscretaBoaComplexidade HadamardBoaBaixa

Implementação em software Codificação de Transformada: DCT ▫ Desempenho próximo da KLT. ▫ Ação parecida à da KLT em imagens naturais (alta correlação). ▫ Melhor que a DFT e suas variantes.  Evita a geração de falsos componentes espectrais. ▫ Eficiente para explorar a natureza de baixa freqüência da imagem, mas muitos coeficientes para os detalhes da imagem (borrões). ▫ Transformada calculada em toda a imagem.  Blocagem: ameniza a perda da não-estacionariedade e diminui a complexidade computacional; mas estrutura em blocos visível; fenômeno de Gibbs (perda de contraste em coeficientes de HF com erros de quantificação); dentre outras desvantagens. Principais técnicas

Implementação em software Codificação de Transformada: DWT ▫ Eficientes em codificar sinais não-estacionários (janela espaço-freqüência). ▫ Alta descorrelação e eficiência na compactação da energia. ▫ Codificador de imagens suportado por wavelets. ▫ Funções de base wavelet se adaptam às características do SVH. ▫ Tamanho da árvore de decomposição depende do tamanho da imagem e do número de derivações de filtro wavelet. ▫ Unitárias permitem uma taxa de compressão superior. Principais técnicas Yu, G. et al. Image compression systems on board satellites, 2009.

Implementação em software DCT x DWT Principais técnicas DCT: resolução de frequência mais alta, resolução espacial baixa. DWT: inverso, menor número de sub-bandas, resolução espacial superior. DCT: resolução de frequência mais alta, resolução espacial baixa. DWT: inverso, menor número de sub-bandas, resolução espacial superior.

Implementação em software JPEG ▫ Joint Photographic Expert Group (1986) ▫ Primeira norma de compressão internacional para imagens de tom contínuo (preto e branco e colorido). ▫ Muito boa taxa de compressão e qualidade da imagem reconstruída. ▫ Complexidade razoável. ▫ 44 variações agrupadas:  Baseline: compactação esquerda  direita; cima  baixo  Progressive: múltiplas linhas de varredura (ver imagem chegando)  Lossless: sem perda  versão atual: JPEG-LS  Hierarquical: codificada em vários tamanhos e enviados do menor para o maior Principais padrões de compressão de imagens Yu, G. et al. Image compression systems on board satellites, 2009.

Implementação em software JPEG-2000 ▫ Maior performance de compressão, devido ao uso da DWT e de codificação por entropia mais sofisticado. ▫ Representação de múltipla resolução  janela espaço-freqüência ▫ Uso mais intenso da transmissão progressiva. ▫ Compressão som e sem perdas: arquitetura única. Sem perdas  CWT. ▫ Resistência a erro: robusto a erros de bit (ruído). ▫ Região de interesse (ROI): acesso espacial aleatório com vários graus de granularidade.  É possível armazenar diferentes partes da mesma imagem usando diferentes qualidades. Principais padrões de compressão de imagens Yu, G. et al. Image compression systems on board satellites, 2009.

Implementação em software Operação JPEG Operação JPEG-2000 Principais padrões de compressão de imagens Entrada DWT Escaneamento Quantização Diferencial Quantização Diferencial Codificação Entrópica Codificação Entrópica Saída Razão de Alocação Razão de Alocação Entrada Preparação de bloco Preparação de bloco DCT Quantização Diferencial Quantização Diferencial Run-length Codificação Entrópica Codificação Entrópica Saída Tabela de Quantização Tabela de Quantização Tanenbaum, A. Redes de Computadores, 2003 e

CCSDS – Consultative Committee for Space Data Systems Italia – ASI – Agenzia Spaziale Italiana Reino Unido – BNSC - British National Space Centre Canadá – CSA – Canadian Space Agency França – CNES – Centre National d‘Etudes Spatiales Alemanha – DLR – Deutsches Zentrum für Luft-und Raumfahrt e.V Europa – ESA – European Space Agency Federação Russa - Federal Space Agency (Roskosmos) Brasil – INPE – Instituto Nacional de Pesquisas Espaciais Japão – JAXA – Japan Aerospace Exploration Agency EUA – NASA – National Aeronautics and Space Administration Grupo internacional dedicado ao fornecimento de soluções técnicas aos problemas comuns das agências espaciais que o compõe.

Base teórica RICE ▫ Explora um conjunto de códigos de comprimento variável  Compressão de dados atribuindo códigos curtos a símbolos que (esperadamente) ocorrem com maior frequência; ▫ Bom índice de adaptabilidade a fontes de baixa e alta entropia; ▫ Dois módulos funcionais  Pre-processador para a decorrelação  Decorrelaciona um conjunto de amostras de dados;  Codificador adaptativo da entropia  Cada código de comprimento variável é aplicado às amostras pré-processadas;  A opção de codificação que consegue a maior compressão é escolhida para a transmissão para o decodificador.

CCSDS-LDC ▫ Extensão do algoritmo Rice; ▫ Recomendação apenas para codificação sem perda; ▫ Adiciona mais duas opções de codificação para entropia baixa. CCSDS-IDC ▫ Recomendação para codificação com e sem perda; ▫ Dois módulos  Módulo DWT para a decorrelação;  Codificador por plano de bits para codificar os dados decorrelacionados. Base teórica

Tipos de implementação em hardware Application-Specific Integrated Circuit (ASIC) ▫ Customizado para uma aplicação específica; ▫ Mais de 100 milhões de portas lógicas; ▫ Incluem processadores 32-bits, blocos de memória (ROM, RAM, EEPROM); ▫ Programação em HDL (VHDL, Verilog)  Linguagem de descrição de hardware. Field-Programmable Gate Array (FPGA) ▫ Tecnologia semelhante ao ASIC; ▫ Menor tempo de concepção; ▫ Re-programável; ▫ Menor custo; ▫ Mais lento e menos eficiente em relação ao consumo de energia.

On-Board Computer (OBC) ▫ Central de processamento; ▫ Módulos de memória; ▫ Conversor de energia; ▫ Em geral utiliza-se módulos redundantes. Digital Signal Processor (DSP) ▫ Microprocessador com arquitetura otimizada para processamento de sinal digital; ▫ Operações aritméticas especiais (FFT). Tipos de implementação em hardware

Compressão em Solo Sem restrições computacionais; É necessário cuidados com relação à forma com que estes dados serão distribuídos (fácil acesso pelos usuários); Calibração da imagem em solo pode afetar a qualidade do objeto final.

Compressão em Solo Imagem não-calibrada. Imagem calibrada.

Imagem não-calibrada.Imagem não-calibrada comprimida. Compressão em Solo

Imagem não-calibrada comprimida. Calibração sobre imagem comprimida. Compressão em Solo

Sistema de compressão (exemplos)

SatéliteAnoAgênciaAlgoritmoBase teóricaImplementação SPOT-1a4‘86-98CNESDPCM (tx. fixa)DPCMn/a SPOT-5‘02CNESDCT (tx. regulav.)DCTn/a IKONOS‘99USGeoEyeADPCM KodakDPCMASIC-Kodak BWCP QuickBird‘01DigitalGlobeADPCM KodakDPCMASIC-Kodak BWCP WorldView-1‘07 DigitalGlobe ADCPM KodakDPCMASIC-Kodak FedSAT‘02AustráliaJPEG-LS Adapt.JPEG-LSFPGA Proba-2‘09ESAJPEG-baselineDCTOBC ALOS‘06JAXAJPEG-baselineDCTASIC-JAXA IDCP Cartosat-1/2‘05-07ISROJPEG-baselineDCTn/a RapidEye‘08SSTLJPEG s/c perdaDCTTempo real THEOS‘08CNESDCT (tx. 2.8/3.7)DCTn/a BilSAT‘03SSTLJPEG2000DWTFPGA & DSP IMS-1‘08ISROJPEG2000DWTn/a Exemplos: satélites de observação da Terra Yu, G. et al. Image compression systems on board satellites, 2009.

Base teórica & Implementação Base teórica de compressãoBase teórica vs. Tempo ImplementaçãoImplementação vs. Tempo Yu, G. et al. Image compression systems on board satellites, 2009.

Obrigado! COMPRESSÃO DE IMAGENS EM SATÉLITES Murilo Dantas Rogério Galante Sóstenes Gomes CAP 378 – Tópicos em Observação da Terra