1.
|
13 p, 7.5 MB |
Prediction-based coding with rate control for lossless region of interest in pathology imaging
/
Bartrina Rapesta, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Hernández-Cabronero, Miguel (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Sanchez, Victor (University of Warwick. Department of Computer Science) ;
Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Jamshidi, Pouya (Northwestern University. Department of Pathology) ;
Castellani, J. (Northwestern University. Department of Pathology)
Online collaborative tools for medical diagnosis produced from digital pathology images have experimented an increase in demand in recent years. Due to the large sizes of pathology images, rate control (RC) techniques that allow an accurate control of compressed file sizes are critical to meet existing bandwidth restrictions while maximizing retrieved image quality. [...]
2024 - 10.1016/j.image.2023.117087
Signal Processing: Image Communication, Vol. 123 (April 2024) , art. 117087
|
|
2.
|
|
3.
|
15 p, 3.5 MB |
A Scalable Reduced-Complexity Compression of Hyperspectral Remote Sensing Images Using Deep Learning
/
Mijares i Verdú, Sebastià (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Ballé, Johannes (Google Research) ;
Laparra, Valero (Universitat de Valencia. Laboratori de Processament d'imatges) ;
Bartrina Rapesta, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Hernández-Cabronero, Miguel (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Two key hurdles to the adoption of Machine Learning (ML) techniques in hyperspectral data compression are computational complexity and scalability for large numbers of bands. These are due to the limited computing capacity available in remote sensing platforms and the high computational cost of compression algorithms for hyperspectral data, especially when the number of bands is large. [...]
2023 - 10.3390/rs15184422
Remote sensing (Basel), Vol. 15, Issue 18 (September 2023) , art. 4422
|
|
4.
|
6 p, 488.4 KB |
Reducing data dependencies in the feedback loop of the CCSDS 123.0-B-2 predictor
/
Sánchez, Antonio José (Universidad de Las Palmas de Gran Canaria. Instituto Universitario de Microelectrónica Aplicada) ;
Blanes Garcia, Ian (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Barrios, Yubal (Universidad de Las Palmas de Gran Canaria. Instituto Universitario de Microelectrónica Aplicada) ;
Hernández-Cabronero, Miguel (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Bartrina Rapesta, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Serra Sagristà, Joan (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions) ;
Sarmiento, Roberto (Universidad de Las Palmas de Gran Canaria. Instituto Universitario de Microelectrónica Aplicada)
On-board multi- and hyperspectral instruments acquire large volumes of data that need to be processed with the limited computational and storage resources. In this context, the CCSDS 123. 0-B-2 standard emerges as an interesting option to compress multi- and hyperspectral images on-board satellites, supporting both lossless and near-lossless compression with low complexity and reduced power consumption. [...]
2022 - 10.1109/LGRS.2022.3213975
IEEE Geoscience and Remote Sensing Letters, Vol. 19 (October 2022) , art. 6014505
|
|
5.
|
|
6.
|
|
7.
|
|
8.
|
|
9.
|
|
10.
|
|