Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Wavelet-Based Fractal Image Coding Using SAS Method and Multi-Scale Factor

SAS 기법과 다중 스케일 인자를 이용한 웨이브릿 기반 프랙탈 영상압축

  • 정태일 (부경대학교 전자공학과) ;
  • 강경원 (부경대학교 전자공학과) ;
  • 문광석 (부경대학교 전자공학과) ;
  • 권기용 (부산외국어대학교 전자 컴퓨터공학부) ;
  • 김문수 (부경대학교 전자공학과)
  • Published : 2001.07.01
Download PDF
⟨ Previous Next ⟩

Abstract

The conventional wavelet-based fractal image coding has the disadvantage that the encoding takes a long time, since each range block finds the best domain in the image. In this Paper, we propose wavelet-based fractal image coding using SAS(Self Affine System) method and multi-scale factor. It consists of the range and domain blocks in DWT(discrete wavelet transform) region. Using SAS method, the proposed method is that the searching process of the domain block is not required, and the range block selects the domain which is relatively located the same position in the upper level. The proposed method can perform a fast encoding by reducing the computational complexity in the encoding process. In order to improve the disadvantage of SAS method which is reduced image qualify, the proposed method is improved image qualify using the different scale factors for each level. As a result, there is not influence on an image quality, the proposed method is enhanced the encoding time and compression ratio, and it is able to the progressive transmission.

기존의 웨이브릿 기반 프랙탈 압축 방법은 전 영역에 대하여 최적의 정의역을 탐색하므로, 부호화 과정에서 많은 탐색시간이 소요되는 단점이 있다. 그래서 본 논문에서는 웨이브릿 변환영역에서 SAS(Self Affine System) 기법과 다중 스케일 인자를 이용한 웨이브릿 변환 기반 프랙탈 영상 압축 방법을 제안한다. 웨이브릿 기반 영역에서 정의역과 치역을 구성하고, 각각의 치역 블럭에 대해 모든 정의역 블럭을 탐색하는 것이 아니라, 정의역 탐색과정이 필요 없는 SAS 기법을 도입하여 공간적으로 같은 위치에 있는 상위 레벨 블록을 정의역으로 선택한다 그래서 부호화 과정에서 곱셈 계산량을 감소시켜 고속 부호화를 가능하게 한다. 그리고 SAS 기법의 단점인 화질이 떨어지는 단점을 개선하기 위해, 각 레벨별로 서로 다른 스케일 인자를 사 용하여 화질을 개선한다. 그 결과 화질에는 영향을 미치지 않고 부호화 시간과 압축률이 개선되고, 점진적 전송이 가능한 알고리듬을 제안한다.

Keywords

References

  1. M. Antonini, M. Barlaud and I. Daubechies, 'Image coding using wavelet transform', IEEE Trans. on Image Processing, vol. 1, no. 2, pp. 244-250, Apr. 1992 https://doi.org/10.1109/83.136597
  2. S. G. Mallat, 'A Theory for Multiresolution Signal Decomposition : The Wavelet Representation', IEEE Trans. of PAMI, vol. 11, no. 7, pp. 674-693, Jul. 1989 https://doi.org/10.1109/34.192463
  3. G. Strang and T. Nguyen, Wavelet and Filter Banks, Wellesley-Cambridge Press, 1996
  4. A. E. Jacquin, 'Image Coding Based on a Fractal Theory of Iterated Contractive Image Transforms', IEEE Trans. on Image Processing, vol. 1, no. 1, pp. 18-30, Jan. 1992 https://doi.org/10.1109/83.128028
  5. Z. Baharav, D. Malah and E. Karnin, 'Hierarchical interpretation of fractal image coding and its application to fast decoding', Proc. Digital signal Processing Conference, Cyprus, pp. 190-195, Jul. 1993
  6. G. E. Oien and S.Lepsoy, 'Fractal Based Image Coding with fast Decoder Convergence', Signal Processing, no. 40, pp. 105-117, 1994
  7. J. Domaszewicz and V. A. Vaishampayan, 'Graph-theoretical analysis of the fractal transform', Proc. of ICASSP '95, vol. 4, pp. 2559-2562, 1995 https://doi.org/10.1109/ICASSP.1995.480071
  8. Y. Fisher, Fractal Image Compression: Theory and Application to Digital Images, Springer-Verlag, New York, 1994
  9. D. M. Monro and F. Dudbridge, 'Fractal Approximation of Image Blocks', IEEE ICASSP. pp.Ⅲ-485-488, 1992 https://doi.org/10.1109/ICASSP.1992.226170
  10. H. Krupnik, D. Mallah and E. Karnin, 'Fractal representation of Image via the Discrete Wavelet transform', in IEEE 18th Conv. of EE Israel, in Tel-Aviv, Mar. 1995 https://doi.org/10.1109/EEIS.1995.513796