Context-based Predictive Coding Scheme for Lossless Image Compression

This paper proposes a novel lossless image compression scheme composed of direction-adaptive prediction and context-based entropy coding. In the prediction stage, we analyze the directional property with respect to the current coding pixel and select an appropriate prediction pixel. In order to further reduce the prediction error, we propose a prediction error compensation technique based on the context model defined by the activities and directional properties of neighboring pixels. The proposed scheme applies a context-based Golomb-Rice coding as the entropy coding since the coding efficiency can be improved by using the conditional entropy from the viewpoint of the information theory. Experimental results indicate that the proposed lossless image compression scheme outperforms the low complexity and high efficient JPEG-LS in terms of the coding efficiency by 1.3% on average for various test images, specifically for the images with a remarkable direction the proposed scheme shows better results.

무손실 영상 압축을 위한 컨텍스트 기반 적응적 예측 부호화 방법

본 논문에서는 영상의 방향성에 따른 적응적 예측 기법과 컨텍스트 기반 엔트로피 부호화 방법을 주요 구성요소로 한 무손실 영상 압축 방법을 제안한다. 적응적 예측 기법에서는 부호화 픽셀을 중심으로 각 방향에 대한 상관도를 분석하고, 이를 이용하여 적절한 예측 픽셀을 선택한다. 또한 예측 에러를 더욱 줄이기 위하여 주변 픽셀의 복잡도 및 방향성을 이용한 컨텍스트 모델 기반 예측 에러 보정 과정을 수행한다. 정보이론의 관점에서 조건부 엔트로피에 의해 부호화 효율이 더욱 향상된다는 점을 이용하여 본 논문에서는 엔트로피 부호화 방식으로 컨텍스트 기반 Golomb-Rice 부호화를 적용한다. 실험결과 제안한 무손실 영상 압축 방식은 다양한 영상에 대해서 기존의 저 복잡도 및 고효율의 JPEG-LS에 비해 평균 1.3%의 압축효율 향상을 나타내었고, 특히 방향성이 뚜렷한 영상에 대해서 성능이 좋음을 알 수 있다.