DOI QR코드

DOI QR Code

Lossless Color Image Compression using Inter-channel Correlation

채널 간 상관관계를 이용한 무손실 컬러 이미지 압축

  • Kim, Se-Yun (Dept. of Electrical and Computer Engineering, Seoul National Univ.) ;
  • Cho, Nam-Ik (Dept. of Electrical and Computer Engineering, Seoul National Univ.)
  • 김세윤 (서울대학교 전기컴퓨터공학부) ;
  • 조남익 (서울대학교 전기컴퓨터공학부)
  • Received : 2011.09.06
  • Accepted : 2011.11.07
  • Published : 2011.11.30

Abstract

The conventional lossless compression of color images is to apply a compression method to each of color components separately, without considering the channel correlation. There had been several methods that consider the channel correlation, but they were confined to the compression of satellite or aerial images only, and the performance of these algorithms to general photos is not satisfactory. This paper proposes a new lossless color image compression method that exploits the correlation between the color components. Specifically, asymmetric sampling is applied to transform an image into mosaic image and the rest, which are compressed separately. By using the information from the compressed mosaic image, the rest images are predicted for further reducing the information to be compressed. Experimental results show that the proposed method improves the compression performance by 35% over the conventional separate compression methods and 10% over the existing methods that exploit the channel correlation.

기존의 무손실 압축은 일반적으로 채널간의 상관관계를 고려하지 않고 각각의 채널을 따로 압축하였다. 채널 간 상관관계를 이용하는 경우도 있으나 이들은 위성/항공 영상과 같은 경우에 제한된 것으로서 일반적인 이미지에 대해서는 만족할만한 성능을 얻지 못하였다. 본 논문에서는 컬러 이미지가 갖는 채널 간의 상관관계를 이용하여 무손실 압축의 성능을 향상시키는 방법을 제안하였다. 제안된 방법에서는 채널 간 상관관계를 표현할 수 있도록 하기 위하여, 비대칭 샘플링을 통해 주어진 영상의 모자이크 이미지를 구성하여 압축을 수행하였고, 압축된 모자이크 이미지의 정보를 이용해서 샘플링되지 않은 나머지 이미지를 예측하여 압축할 정보의 양을 감소시켰다. 제안된 방법은 압축 성능을 평가하는데 일반적으로 사용되는 데이터들에 대해서 채널 간 상관관계를 이용하지 않는 방법에 대해 35%, 채널 간 상관관계를 이용한 기존 방법에 대해 10%의 성능 개선을 보인다.

Keywords

References

  1. X. Wu and N. Memon, "Context-based, adaptive, lossless image coding," IEEE Trans. Commun., vol. 45, pp.437-444, 1997. https://doi.org/10.1109/26.585919
  2. Enrico Magli, Gabriella Olmo, Emanuele Quacchio, "Optimized on-board lossless and near-lossless compression of hyperspectral data using CALIC," IEEE Geoscience and Remote Sensing Letters, Vol.1, No.1, pp.21-25, Jan. 2004. https://doi.org/10.1109/LGRS.2003.822312
  3. Bayer, Bryce E. "Color imaging array" U.S. Patent 3,971,065, Jul. 1976.
  4. King-Hong Chung and Yuk-Hee Chan, "A Lossless Compression Scheme for Bayer Color Filter Array Images," IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 17, NO. 2, FEBRUARY 2008.
  5. J. E. Adams and J. F. Hamilton, "Design of practical color filter array interpolation algorithms for digital cameras," in Proc. SPIE, vol. 3028, pp. 117-125, 1997.
  6. B. K. Gunturk, Y. Altunbasak, and R. M. Mersereau, "Color plane interpolation using alternating projections," IEEE Transactions Image Processing, vol. 11, no. 9, pp. 997-1013, September 2002. https://doi.org/10.1109/TIP.2002.801121
  7. N Lian, L Chang, Y Tan, V Zagorodnov, "Adaptive filtering for color filter array demosaicking," IEEE Transactions on Image Processing, VOL. 16, NO. 10, pp. 2515-2525, OCT 2007. https://doi.org/10.1109/TIP.2007.904459
  8. B. K. Gunturk, J. W. Glotzbach, Y. Altunbasak, R. W. Schafer, and R. M. Mersereau, "Demosaicking: Color filter array interpolation," IEEE Signal Process. Mag., vol. 22, no. 1, pp. 44-54, Jan. 2005. https://doi.org/10.1109/MSP.2005.1407714
  9. http://www.site.uottawa.ca/-edubois/demosaicking, images from KODAK Photo CD Photo Sampler, 1991.