Domain Searching method using DCT-coefficient for Fractal Image Compression

Fractal 압축방법을 위한 DCT 계수를 사용한 도메인 탐색 방법

  • Published : 2000.03.25

Abstract

This paper proposes a fractal compression method using the domain classification and local searching, which utilize DCT coefficient characteristic Generally, the fractal Image encoding method has a time consuming process to search a domain to be matched with range block In order to reduce computation complexity, the domain and range regions are respectively classified into 4 category by using the characteristics of DCT coefficients and each range region is encoded by a method suitable for the property of its category Since the bit amount of the compressed image depends on the number of range blocks, the matching of domain block and range block is induced on the large range block by using local search, so that compression ratio is increased by reducing the number of range block In the local search, the searching complexity is reduced by determining the direction and distance of searching using the characteristics of DCT coefficients The experimental results shows that the proposed algorithm have 1 dB higher PSNR and 0 806 higher compression ratio than previous algorithm.

본 논문에서는 DCT 계수특성을 이용한 도메인 분류방법과 부분 탐색방법을 사용한 프랙탈 압축방법을 제안한다 일반적으로 프랙탈 영상 부호화 방법은 레인지 블록과 매칭되는 도메인을 탐색하는데 많은 시간이 걸리는 문제점을 갖는다 이를 해결하기위해 DCT계수 특성을 이용하여 4가지 영역으로 분류하여 탐색을 함으로서 시간복잡도를 해결하고, 분류된 특성에 따라 적합한 부호화 과정을 수행한다 프랙탈 영상의 압축율은 레인지 블록의 개수에 의해 결정되므로, 도메인 영역의 데이터와 레인지 영역의 데이터 매칭을 부분 탐색 과정을 통해 큰 레인지 영역에서 수행되게 유도함으로써 영상의 압축율을 높일 수 있었다 이때 DCT계수의 특성을 이용해 부분 탐색의 방향과 거리를 결정하므로써 부분 탐색의 시간 복잡도를 줄였다 제안한 알고리듬을 실제 영상에 적용하여 실험한 결과, 기존 알고리듬의 결과에 비하여 화질은 1 dB, 압축율은 0 806 이상의 향상된 결과를 얻었다.

Keywords

References

  1. Mandelbrot, B. The Fractal Geometry of Nature, San Francisco, CA : W. H. Freeman and Co., 1982
  2. M. F. Barnsley, Fractal Everywhere, New York : Academic, 1988
  3. M. F. Barnsley and A. D. Sloan, 'A Better Way to Compress Images', Byte 13(1), pp. 215-224, 1988
  4. A. E. Jacquine, 'Image Coding Based on a fractal theory of Iterative Contractive Image Transformation', IEEE Trans. on Image Processing. Vol. 1. Jan, 1992 https://doi.org/10.1109/83.128028
  5. Y. Fisher, 'Fractal Image Compression', Siggraph, 1992 Course Notes
  6. D. M. Monro and F. Dudbridge, 'Fractal Approximation of Image Blocks', IEEE ICASSP, pp. III : 485-288, 1992 https://doi.org/10.1109/ICASSP.1992.226170
  7. S. Lepsoy, G. E. Oien, A. Ramstad, 'Attractor Image Compression with a Fast Non-iterative Decoding Algorithm', ICASSP-93, vol. 5, pp. 337-340, Apr. 1993 https://doi.org/10.1109/ICASSP.1993.319816
  8. Ramanuthi, B.Gersho,A. 'Classified vector quantization of images', IEEE Trans. on Communications, vol. 34, No. 11, Nov. 1988
  9. J. W. Kim and S.U.Lee, 'A transform domain classified vector qauntizer for image coding', IEEE transaction on video technology, vol. 2, pp. 79-90, 1992
  10. Y.Zhao and B.Yuan, 'Image compression using fractals and discrete cosine transform', Electronic Letters, vol. 30, pp. 474-475, 1994 https://doi.org/10.1049/el:19940321
  11. 최진수, 하영호, '주파수 영역에서의 블록 분류를 이용한 프랙탈 영상압축', 한국통신학회 논문지, vol 20, No. 4 pp. 1049-1060, 1995
  12. 박동권, 임재혁, 황정수, 원치선, '사용자 정의 블록 분류를 이용한 프랙탈 영상압축', '97 정보통신의 날 기념 학술 발표회 논문집(정보기술분야), pp.574-580, 1997