Abstract
In this paper, we proposed a new lossless image compression algorithm. Lossless image compression has been used in the field that requires the accuracy and precision. Thus, application areas using medical unaging, prepress unaging, image archival systems, precious artworks to be preserved, and remotely sensed images require lossless compression. The compression ratio from lossless image compression has not been satisfactory, thus far. So, new method of lossless image compression has been investigated to get better compression efficiency. We have compared the compression results with the most typical compression methods such as CALIC and JPEG-LS. CALIC has shown the best compression-ratio among the existing lossless coding methods at the cost of the extensive complexity by three pass algorithm. On the other hand, JPEG-LS's compression-ratio is not higher than CALIC, but was adopted as an international standard of ISO because of the low complexity and fast coding process. In the proposed method, we adopted an adaptive predictor that can exploit the characteristics of individual images, and an adaptive arithmetic coding with multiple probability models. As a result, the proposed algorithm showed 5％ improvement in compression efficiency in comparison with JPEG-LS and showed comparable compression ratio with CALIC.
본 논문에서는 새로운 무손실 영상 압축 알고리즘을 제안한다. 무손실 영상 압축(Lossless Image Compression)은 Prepress Industry, Remote Sensing, Image archival system과 같이 정확성과 정밀도를 요하는 분야에서 사용된다 무손실 영상 압축은 원 영상와 복원 영상가 완전히 일치하여 품질을 그대로 유지할 수 있으나. 압축 효율 면에서는 만족할 만한 효과를 볼 수 없다. 기존의 대표적인 무손실 영상 압축 방법으로는 CALIC과 JPEG-LS이 있다. CALIC은 높은 압축률을 나타내지만, 3-PASS의 선처리과정을 요구하여 복잡도가 높아지는 단점이 있는 반면 JPEG-LS는 압축률에서 CALIC에 못 미치지만 복잡도가 낮아 부호화/복호화 과정이 빠르며 이 분야의 표준으로 지정되어 있다. 본 논문에서 제안한 영창 적응형 무손실 영상 압축기술은 다수의 예측기를 통해 현재 화소에 가장 적절한 오차값을 예측하였다. 또한, 산술 부호화(arithmetic coding)시 다수의 심볼 확률 모델을 사용함으로써, 단일 모델을 이용하는 방식에 비해 압축 효율을 향상시켰다. 다중 모델을 이용하는 방식은 본 논문에서 제안한 방식뿐만 아니라, 다른 무손실 영상 압축방법에도 그대로 적용이 가능하다. 실험 결과, JPEG-LS보다 약 5％의 압축 효율 향상이 있었다. 또한 CALIC과는 압축효율이 같거나 근소한 우위를 나타냈다.
