Quad-tree Segmentation using Fractal Dimension based on Accurate Estimation of Noise and Its Application

There are many image segmentation methods having been published as the results of research so far, but it is difficult to be partitioned to each similar range that should be extracted into the accurate parameters of image information on the images with noises. Also if it is used to fractal coding, according to amount of noise in image, the image segmentation leads to decreasing of the compression ratio. In this paper, we propose the new quad-tree image segmentation using the box-counting dimension which can estimate the effective image information parameters against the noise properties and apply this method to fractal image coding. As the result of simulation, we confirm that the image segmentation is improved to 31.10% for parameter detection of image information and compression ratio is enhanced to 38.93% for fractal image coding when tested on 10% Gaussian white noise image by the proposed quad-tree method compared with method using existing quad-tree. 

잡음의 정확한 추정 기반 프랙탈 차원 쿼드트리 영역분할과 응용

지금까지 많은 영상 영역분할 방법들이 연구되고 있으나 이들 방법들은 잡음이 영상 내에 포함된다면 잡음으로부터 영상정보를 추정할 수 있는 정확한 파리미터가 없기 때문에 정확한 영역분할을 할 수 없다. 그래서 영역분할 수에 따라 압축률이 결정되는 프랙탈 영상 부호화는 기존의 쿼드트리 영역분할 방법을 이용할 경우 잡음정도에 따라 압축률의 저하를 초래하게 된다. 본 논문에서는 잡음 특성에 효과적인 영상정보 파리미터를 추정할 수 있는 box-counting 차원을 이용한 새로운 쿼드트리 영상 영역분할 기법을 제안하고, 그 응용으로 잡음에 강한 프랙탈 영상 부호화에 적용한다. 시험결과를 통해 본 논문에서 제안된 새로운 쿼드트리 방법이 원 영상에 10% 가우샨 백색 잡음이 포함된 상태에서, 영상정보 파라미터 추출 오류 면에서 기존 쿼드트리 방법보다 31.10% 영역분할이 개선되고, 프랙탈 영상 부호화 측면에서 기존 방법보다 38.93% 압축률을 향상됨을 검증하였다.