초록
프랙탈 영상 압축(Fractral Image Compression:FIC)의 진화 계산(Evolution Computation)을 이용한 영상 분할(Image Partition)을 소개한다. 프랙탈 영상 압축에서 지역(Ranges)의 영상 분할은 꼭 필요하다[1]. 프랙탈 영상 압축은 쉽고 빠르게 복원된다는 장점을 갖는 데 비해 반복적인 프랙탈 변환의 적용으로 많은 계산량을 필요로 한다는 단점을 가지고 있다. 위와 같은 문제점을 해결하기 위한 방법으로 영상 분할을 하는데 있어 진화 계산을 적용하는 것에 대해 제안한다. 치역 영상(Ranges Image)은 작은 사각(Square) 영상 블록들의 결합된 집합으로 구성할 수 있다. 모집단을 구성하는 하나의 $N_p$는 분할되어진 하나의 코드들이다. 진화 계산에서 각각의 구성은 두 개의 이웃하는 치역은 제외하고 그들의 부모(Parent)로부터 분할을 상속받은 자식 $\sigma$를 생성한다. 자손들의 최적의 영상은 콜라주 정리(Collage Theorem)에 기초를 둔 다음 세대 모집단을 위해 선택되어지고 처리된다. 최적의 영상은 영상 데이터에 포함된 중복성을 포함함으로서 적은 저장 공간을 차지하고 속도 문제에 있어서 효율적이고 영상의 화질에 있어서 다른 부호화를 사용한 기법보다 우수한 성능을 갖는다. 멀티미디어 영상 처리(Multimedia Image Processing)의 진화 계산을 이용한 프렉탈 영상 압축은 영상의 복원과 영상의 질, 고 압축률을 요하는 동영상의 적용등의 많은 분야에 적용된다.
he paper introduces evolutionary computing to Fractal Image Compression(FIC). In Fractal Image Compression(FIC) a partitioning of the image into ranges is required. As a solution to this problem there is a propose that evolution computation should be applied in image partitionings. Here ranges are connected sets of small square image blocks. Populations consist of $N_p$ configurations, each of which is a partitioning with a fractal code. In the evolution each configuration produces $\sigma$ children who inherit their parent partitionings except for two random neighboring ranges which are merged. From the offspring the best ones are selected for the next generation population based on a fitness criterion Collage Theorem. As the optimum image includes duplication in image data, it gets smaller in saving space more efficient in speed and more capable in image quality than any other technique in which other coding is used. Fractal Image Compression(FIC) using evolution computation in multimedia image processing applies to such fields as recovery of image and animation which needs a high-quality image and a high image-compression ratio.