Humans are the end users of visual media. Therefore, in order to develop an effective quantitative assessment of visual computing quality, one must take into account how humans perceive visual quality. For example, in image compression, an adaptive bitrate allocation that favors the image foreground can be expected to increase the visual quality of decoded images.

Our improvement of image compression is based on an eye tracking study of Judd et al “Learning to predict where humans look.”

During my research activities I found two approaches for image compression in order to better evaluate the potential of the adaptive coding idea:

  • Firstly, I developed a bi-level saliency-based image compression based on foreground/background image segmentation. However, this approach has discontinuous visual quality at borders between foreground and background blocks.
  • Secondly, in a multi-level saliency based approach, the bitrate is adapted block-wise and offers smooth visual quality.

In order to evaluate the proposed methods by subjective image quality assessment, a very large crowdsourcing study using pairwise comparisons was performed. The results show a significant improvement of subjective visual quality.

My talk at a lecture room at University of Konstanz.
My talk at the University of Konstanz.

On 12th of July I presented my research in a talk at the University of Konstanz after I spent a sabattical year as a visiting scholar at the SFB-TRR 161. During my research stay I was part of project A05 and of the Multimedia Signal Processing Group of Prof. Dietmar Saupe, where I was involved on the subject of “Saliency based color image compression and evaluation”.

Thanks a lot for the great cooperation!



Improve Image Compression by Using Human Visual Attention Property

Professor of Computer Engineering at Changwon National University in Korea. He has international visiting research experience in some universities such as University of California at Santa Barbara (UCSB), Colorado School of Mine (CSM), and University of Missouri at Kansas City (UMKC). His research interests include visual quality assessment, content-based image retrieval, steganography, watermarking, internet-based remote monitoring, medical image processing, computer vision and pattern recognition, etc.

Leave a Reply

Mit dem Eintrag in das nachstehende Feld können Sie unter Angabe eines Namens einen Kommentar hinterlassen.

Personenbezogene Daten
Sie haben die Möglichkeit die Kommentarfunktion ohne Angabe von personenbezogenen Daten unter einem Pseudonym zu nutzen.
Name - Bei dieser Angabe handelt es sich um eine Pflichtangabe. Der von Ihnen gewählte Name wird mit dem von Ihnen verfassten Kommentar veröffentlicht.
E–Mailadresse - Bitte beachten Sie, dass die Angabe Ihrer E–Mailadresse zur Nutzung der Kommentarfunktion nicht erforderlich ist. Auch im Falle einer Eingabe wird die E-Mailadresse nicht verwendet, auch nicht veröffentlicht. Bitte lassen Sie dieses Feld unausgefüllt.
Webseite - Die Angabe Ihrer Webseite ist freiwillig. Die von Ihnen angegebene Webseite wird zusammen mit Ihrem Kommentar veröffentlicht.

Nach den §§ 21, 22 LDSG haben Sie das Recht, auf Antrag unentgeltlich Auskunft über die von der Universität Stuttgart und Universität Konstanz über Sie gespeicherten Daten zu erhalten und bei unrichtig gespeicherten Daten deren Berichtigung zu verlangen (Auskunfts- und Berichtigungsrecht). Ein Auskunfts- oder Berichtigungsersuchen richten Sie bitte schriftlich an die Geschäftsstellen des SFB-TRR 161 an der Universität Stuttgart (E-Mail: sfbtrr161[at] bzw. der Universität Konstanz (E-Mail: sfbtrr161[at]