KR0154739B1 - 프랙탈 영상 압축 장치 및 방법 - Google Patents

프랙탈 영상 압축 장치 및 방법

Info

Publication number
KR0154739B1
KR0154739B1 KR1019950009252A KR19950009252A KR0154739B1 KR 0154739 B1 KR0154739 B1 KR 0154739B1 KR 1019950009252 A KR1019950009252 A KR 1019950009252A KR 19950009252 A KR19950009252 A KR 19950009252A KR 0154739 B1 KR0154739 B1 KR 0154739B1
Authority
KR
South Korea
Prior art keywords
processing
region
definition
regions
area
Prior art date
Application number
KR1019950009252A
Other languages
English (en)
Other versions
KR960040012A (ko
Inventor
문용호
김재호
박동식
Original Assignee
김광호
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김광호, 삼성전자주식회사 filed Critical 김광호
Priority to KR1019950009252A priority Critical patent/KR0154739B1/ko
Priority to GB9516324A priority patent/GB2300083B/en
Priority to US08/521,809 priority patent/US5701369A/en
Publication of KR960040012A publication Critical patent/KR960040012A/ko
Application granted granted Critical
Publication of KR0154739B1 publication Critical patent/KR0154739B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/99—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals involving fractal coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

1. 청구범위에 기재된 발명이 속하는 기술분야
본 발명은 디지털 영상처리방법 및 장치에 관한 것이다.
2. 발명이 해결하고자 하는 기술적 과제
본 발명의 목적은 프랙탈 영상압축방법에 있어서, 압축대상블럭내에서 다수의 정의영역들만을 자기유사영역으로 검색하여 압축률을 증가시키는 프랙탈 영상압축방법 및 장치를 제공함에 있다.
3. 발명의 해결방법의 요지
본 발명은 디지털 영상 처리방법에 있어서, 압축하고자 하는 영상데이타를 기준처리단위로 하여 다수의 처리영역으로 분할하는 단계와, 상기 영상데이타로부터 각 처리영역들에 대하여 상기 각 처리영역 주위로 상기 처리영역을 적어도 포함하는 소정 크기로 다수의 정의영역을 설정하는 단계와, 상기 처리영역들과 각 처리영역들에 대한 다수의 정의영역들과의 왜곡오차를 계산하는 단계와, 상기 각 처리영역들에 대해 다수의 정의영역들을 각각 매칭시키기 위한 컨트랙티브 변환함수의 계수들을 계산하는 단계와, 해당 처리영역에 대한 다수의 정의영역들과의 왜곡오차를 비교하여 최소 왜곡오차를 가지는 정의영역을 해당 처리영역의 최대유사성 정의영역으로 설정하는 단계와, 해당 처리영역에 대해 각각의 최대유사성 정의영역에 의한 컨트랙티브 변환함수의 계수들과 상기 정의영역의 위치에 관한 인덱스를 프랙탈 코드로 저장하는 단계로 구성한다.
4. 발명의 중요한 용도
본 발명은 디지털 영상처리장치에서 중요히 사용될 수 있다.

Description

프랙탈 영상압축장치 및 방법
제1도는 종래의 프랙탈 영상압축장치에 의한 처리영역(Ri) 및 정의영역(Dj)의 지정상태를 도식화한 상태도이다.
제2도는 종래의 다른 프랙탈 영상압축장치에 의한 처리영역(Ri) 및 정의영역(Dj)의 지정상태를 도식화한 상태도이다.
제3도는 본 발명의 바람직한 일 실시예에 따른 프랙탈 영상압축장치의 블록구성도이다.
제4a도는 본 발명의 바람직한 일 실시예에 따른 i번째 처리영역(Ri) 및 9개의 정의영역(D1∼D9)의 지정상태를 도식화한 상태도이다.
제4b도는 본 발명의 바람직한 일 실시예에 따른 전체영상의 바깥쪽 주변에 위치한 8개의 처리영역(R1∼R8)의 지정상태를 도식화한 상태도이다.
제5도는 본 발명의 바람직한 일 실시예의 압축과정을 보여주는 수행흐름도이다.
제6도는 공간변환된 정의영역에서의 화소들의 명암단계와 해당 처리영역에서의 화소들의 명암단계간의 관계를 도시한 도면이다.
본 발명은 디지털 영상압축장치 및 방법에 관한 것으로서, 특히 프랙탈(fractal) 영상압축장치 및 방법에 관한 것이다.
일반적으로 디지털 영상압축방법을 두가지 방법으로 대별된다. 첫 번째 방법을 압축하고자 하는 영상데이타를 주파수영역(frequency domain)으로 변환(transform)하여 압축처리한 후 다시 역변환하는 방법이다. 두 번째 방법은 압축하고자 하는 영상데이타를 공간영역에서 각 화소를 변환 비율에 따라 서브샘플링하여 처리하는 방법이다. 본 발명은 상기한 두 번째 디지털 영상압축방법에 따른 프랙탈 영상압축방법이다. 이러한 프랙탈 영상 압축방법은 복잡하고 엄청난 양의 영상데이타를 상대적으로 간단한 수학적 모델과 컨트랙티브 계수(Contractive Coefficient)에 의해 근사적으로 표현함으로써 디지털 영상데이타의 압축 효과를 얻는 압축방법이다.
일반적으로 프랙탈 영상압축의 이론적 배경은 일상의 자연에 존재하는 영상이 내부적으로 서로 닮은 꼴의 부분들로 이루어져 있어 단순한 변환 규칙의 반복으로 표현되어 질 수 있다는 사실에 기초한다. 따라서 프랙탈 영상압축은 압축할 영상을 자기유사성(Self Similarity)을 지닌 프랙탈 영상으로 가정하고 이를 끌개(Attractor)로 하는 컨트랙티브 변환함수(Contractive Transform Function)을 구하여 영상을 압축하려는 것이다.
즉, 내재된 변환규칙을 컨트랙티브 변환으로 모델링(modeling)하여 압축할 영상을 끌개로 하는 컨트랙티브 변환을 구하는 것이다. 상기의 이론에 의해서 프랙탈 영상압축방법은 먼저 전체영상을 작은 처리영역(Range Block)들로 나누고 상기 각 처리영역과 가장 유사한 정의영역(Domin Block)을 찾아서 상기 처리영역을 끌개로 사용하여 컨트랙티브 변환함수를 구하고 그 함수의 계수를 코드화함으로써 상기 처리영역을 압축한다.
그리고 프랙탈 압축된 영상의 복원방법은 임의의 초기영상에서 시작하여 컨트랙티브 변환함수를 반복해서 적용하여 원 영상으로 복원하는 것이다. 이러한 프랙탈 영상압축방법은 이론적으로는 1/10,000이 고 압축이 가능하고 압축시간보다 복원시간이 훨씬 짧은 비대칭적 과정이므로, 고속의 복원 기능이 필요한 분야에 적용할 수 있는 장점이 있다.
상술한 프랙탈 영상압축방법중, 현재 실용화되어 있는 프랙탈 영상압축방법으로는 반즐리(Barnsley)의 IFS(Iterated Function System)가 있다. 그리고 상기 프랙탈 영상압축방법을 구체화한 종래의 영상압축방법으로는 피셔 알고리즘(Fisher's Algorithm), 자퀴인 알고리즘(Jacquin's Algorthm), 그리고 몬로 알고리즘(Monro's Algorithm)등이 있다. 상기 종래의 프랙탈 영상압축방법들중, 상기 피셔의 알고리즘은 압축할 각 처리영역마다의 정의영역을 구하기 위하여 전체영상의 정의영역들을 모두 검색한다.
제1도는 이러한 피셔의 프랙탈 영상압축방법에 의한 처리영역(Ri) 및 정의영역(Dj)의 지정상태를 도식화한 상태도로서, 상기 제1도를 참조하면,
1. 먼저 전체영상(100)을 일정한 크기의(일례로 BXB)의 처리영역(Ri)들로 나눈다.
2. 상기 전체영상(100)을 일정한 크기(일례로 2BX2B)로 나누어 정의영역(Dj)들을 구한다.
3. 어떤 하나의 처리영역(Ri)에 대해서, 모든 정의영역(Dj)에 다음의 과정을 적용한다. 먼저 상기 정의영역(Dj)을 공간축소시키고, 축소된 정의영역을 8가지 의사변환을 적용하여 각각의 경우에 대한 변환 함수의 계수를 구한다. 그리고 상기 처리영역(Ri)과, 가장 오차가 작은 경우(최대 유사성을 가지는 정의영역)에서의 변환 함수의 계수, 의사변환의 종류, 영상내에서의 상기 정의영역(Dj)의 위치를 프랙탈 코드로 저장한다.
4. 모든 처리영역(Ri)에 대하여 상술한 3과정을 반복하여 전체영상에 대한 컨트랙티브 변환을 구한다.
상술한 피셔의 알고리즘은 하나의 영상을 압축하기 위해서 각각의 처리영역(Ri)에 대하여 전체영상(100)내의 정의영역(Dj)을 모두 설정하여 비교하므로, 영상압축시 많은 시간을 필요로 하는 단점을 지니고 있다.
상술한 문제점을 해결하기 위해 상기 자퀴인의 알고리즘은 전체영상(100)의 정의영역(Dj)들과 각 처리영역(Ri)들을 이미 몇 가지 부류(Class)로 나누고, 압축할 처리영역(Ri)과 동일한 부류에 속하는 정의영역(Dj)들에 한하여 상술한 피셔의 알고리즘중 3,4 과정을 적용한다.
제2도는 이러한 자퀴인의 프랙탈 영상압축방법에 의한 처리영역(Ri) 및 정의영역(Dj)의 지정상태를 도식화한 상태도로서, 상기 제2도를 참조하면, 일례로 하나의 처리영역(Ri)이 D1∼D4로 이루어지는 정의영역의 부류에 대응하는 처리영역의 부류내에 속한다면, 상기 처리영역(Ri)은 동일한 부류내의 정의영역들(D1∼D4)과 비교하여 최대유사성을 갖는 정의영역을 찾아 컨트랙티브 변환을 이루게 된다. 여기서 정의영역(Dj, Dk)은 동일한 부류가 아님을 보인다.
상술한 자퀴인의 방법은 처리영역(Ri)들을 먼저 여러 부류들로 나누어 프랙탈 영상압축을 수행하므로 하나의 처리영역(Ri)에 대한 정의영역(Dj)의 비교횟수가 감소되어 상술한 피셔의 영상압축방법보다 압축시간이 단축된다. 그러나 이러한 자퀴인의 영상압축방법도 일반적인 다른 영상압축방법과 비교해 볼 때는 압축시간이 많이 요구된다는 문제점을 여전히 가지고 있었다.
따라서 상술한 피셔 및 자퀴인의 영상압축법들은 압축시간이 많이 요구되므로 실시간 처리가 불가능하다는 단점을 가지고 있다.
이에따라 상술한 바와 같이 정의영역의 검색에 소요되는 압축시간을 개선하기 위해 몬로의 영상압축방법은 먼저 4개의 계수를 지니는 컨트랙티브 변환함수를 정의하고, 전체영상을 중복되지 않으며 예를들어 2B × 2B 크기의 정의영역들로 구분한다. 그리고 상기 정의영역(Dj)들은 크기가 1/4인 4개의 B×B 크기의 처리영역들로 구성된다고 가정한 후, 상기 정의영역들은 각각 컨트랙티브 변환함수의 변환끌개로 간주하고, 변환함수를 구하여 상기 4개의 처리영역들을 압축한다.
상술한 몬로의 영상압축방법은 정의영역의 검색시간이 효과적으로 단축되므로 실시간 처리가 가능할 만큼 빠른 압축시간을 보인다. 그러나 상술한 몬로의 영상압축방법으로 압축된 영상을 복원하면 블록간의 불연속이 나타난 화질의 저하를 볼 수 있으며, 또한 압축률이 낮다는 단점을 가지고 있었다.
따라서 본 발명의 목적은 프랙탈 영상압축방법에 있어서, 압축대상블럭내에서 다수의 정의영역들만을 유사영역으로 검색하여 처리시간을 감소시키고 압축률을 증가시키는 프랙탈 영상압축방법을 제공함에 있다.
본 발명의 다른 목적은 프랙탈 영상압축장치에 있어서, 각 처리영역의 주변에 위치하는 다수의 정의영역들만을 자기유사영역으로 검색하여 처리시간을 감소시키고 압축률을 증가시키는 프랙탈 영상압축장치를 제공함에 있다.
상술한 목적들을 달성하기 위한 본 발명은 프랙탈 영상압축방법에서의 과다한 압축시간을 줄이고, 화질 및 압축률의 개선을 위해 전체영항으로부터 최대 유사성을 가지는 정의영역(Dj)을 검색하지 않고 프랙탈 영상압축을 수행한다. 즉 임의의 처리영역(Ri)에 있어서, 유사성의 강한 정의영역(Dj)은 적어도 처리영역(Ri)을 포함하는 주위영역에 있다는 개념하에 상기 처리영역(Ri)에 근접한 다수의 정의영역(Dj)들과의 왜곡측정을 이루어 최소오차를 가지는 정의영역(Dj)을 찾아 상기 처리영역(Ri)을 변환끌개로 하는 컨트랙티브 변환함수를 구하고, 그 계수들을 해당 처리영역(Ri)들의 프랙탈 코드로 저장한다.
이하 본 발명의 바람직한 구성 및 동작의 일 실시예를 첨부된 도면을 참조하여 상세히 설명한다.
제3도는 본 발명의 바람직한 일 실시예를 수행하는 프랙탈 영상압축장치의 블록구성로서, 영상압축을 소망하는 영상데이타를 저장하는 페이지메모리(10)와, 상기 페이지메모리(10)로부터 전체영상데이타를 소정 처리영역단위로 분할한 처리영역내의 화소데이타들을 입력받아 저장하는 처리영역 메모리(40)와, 상기 페이지메모리(10)로부터 공간변환된 정의영역의 화소데이타들을 입력받아 저장하는 정의영역 메모리(30)와, 상기 공간변환된 정의영역과 상기 처리영역내의 각 대응화소들간의 평균자승오차(Mean Square Error:MSE)를 계산하여 그 오차값을 출력하며, 해당 처리영역과 각 정의영역들간의 컨트랙티브 변환함수의 기울기와 옵셋(offset)을 계산하여 출력하는 기울기 및 옵셋검출기(50)와, 상기 페이지메모리(10)의 전체영상데이타를 소정 처리영역단위로 분할한 처리영역내의 화소데이타들을 상기 처리영역메모리(40)로 로드(load)시키며, 상기 처리영역에 대응하여 상기 전체영상데이타로부터 상기 처리영역을 적어도 포함하는 다수의 정의영역을 설정하고 설정된 정의영역을 상기 처리영역에 일대일 대응되도록 공간변환하여 상기 정의영역메모리(30)로 로드시키고, 상기 기울기 및 옵셋검출기(50)로부터 해당 처리영역에 대한 정의영역들과의 오차값을 입력받아 최소오차값을가지는 정의영역을 검색하여 상기 기울기 및 옵셋검출기(50)로부터 해당 정의영역의 기울기와 옵셋을 출력시키는 제어부(20)와, 상기 제어부(20)의 제어하에 상기 기울기와 옵셋을 컨트랙티브 변환함수의 변환계수로 해당 처리영역의 고유정보에 대응하여 저장하는 영상압축메모리(60)로 구성한다.
제4a도는 본 발명의 바람직한 일 실시예에 따른 i번째 처리영역(Ri)에 대한 9개 정의영역(D1∼D9)의 지정상태를 도식화한 상태도이고, 제4b도는 본 발명의 바람직한 일 실시예에 따른 전체영상의 바깥쪽 주변에 위치한 8개의 처리영역(R1∼R8)의 지정상태를 도식화한 상태도이며, 제5도는 상기한 제3도의 장치에 의해 수행되는 본 발명의 바람직한 일 실시예에 따른 수행흐름도이며, 제6도는 공간변환된 정의영역에서의 화소들의 명암단계와 해당 처리영역에서의 화소들의 명암단계간의 관계를 도시한 도면이다. 이하 상술한 제3도 및 제4도와 제6도를 참조하여, 상기 제5도의 수행흐름도에 따라 본 발명의 바람직한 일 실시예를 살펴보면 다음과 같다.
먼저 501단계에서 제어부(20)는 페이지 메모리(10)를 제어하여 i번째 처리영역(Ri)의 화소데이타를 읽어 처리영역메모리(40)로 로드한다. 상기 i번째 처리영역(Ri)은 전체영상을 일정한 크기, 일례로 제4a도에 도시된 바와 같이 B×B영역으로 분할한 크기를 가진다. 이와같이 중복되지 않는 처리영역들은 전체영상을 집합적으로 나타낸다. 다음에 503단계에서 상기 제어부(20)는 제4a도와 같이 i번째 처리영역(Ri)에 대응하는 9개의 정의영역들(D1∼D9)을 설정한다. 본 발명의 실시예에 있어서 9개의 정의영역들(D1∼D9)은 면적이 각 처리영역(Ri)의 4배(2B×2B)로 설정한다. 여기서 각 정의영역의 면적은 각 처리영역의 면적의 정수배가 되도록 선택될 수 있다. 제4a도에서 보는 바와 같이 9개의 정의영역들(D1∼D9) 각각은 i번째 처리영역(Ri)을 적어도 포함한다. 따라서 9개의 정의영역들(D1∼D9) 각각은 다른 정의영역들 모두와 부분적으로 중복된다. 제4a도에서 보는 바와 같이 각 정의영역에서 처리영역(Ri)을 포함하는 부분은 다르다. 예를들어 정의영역(D1)은 아래의 오른쪽 코너에 처리영역(Ri)를 포함하는 반면에, 정의영역(D9)은 위의 왼쪽 코너에 처리영역(Ri)을 포함한다. D4 및 D6과 같은 다른 정의영역들은 상대적으로 중앙 오른쪽 부분 및 중앙 왼쪽 부분에 처리영역(Ri)을 포함한다.
이후 505단계에서 상기 제어부(20)는 페이지 메모리(10)를 제어하여 첫 번째 정의영역(D1)의 화소데이타를 읽어 정의영역메모리(30)에 로드한다. 그리고 507단게에서 상기 제어부(20)는 정의영역메모리(30)를 제어하여 처리영역(Ri)에 상기 정의영역(D1)의 각 화소데이타를 일대일 대응되도록 상기 정의영역(D1)을 1/4 축소비로 공간변환하여 기울기 및 옵셋검출기(50)로 화소데이타를 출력시킨다. 또한 상기 제어부(20)는 509단계에서 상기 처리영역메모리(40)에 저장된 처리영역내의 화소데이타들을 상기 기울기 및 옵셋검출기(50)로 출력시킨다. 그러면 상기 기울기 및 옵셋검추기(50)는 상기 공간변환된 정의영역(D1)과 처리영역(Ri)내의 각 대응화소들간의 평균자승오차를 구한다. 그리고 상기 처리영역(Ri)에 대한 공간변환된 정의영역(D1)에 대응하는 컨트랙티브 변환함수의 기울기 및 옵셋을 구한다. 상술한 507단계를 더욱 상세히 설명하면, 상기 컨트랙티브 변환 함수는 직선방정식형태로 함수이다. 그러므로 컨트랙티브 변환으로 압축될 데이터들(처리영역내의 화소데이타)을 기울기와 옵셋이라는 2가지 계수로 특성화함을 뜻한다. 여기서 제6도를 참조하면, 컨트랙티브 변환은 어떤 정의영역을 하기의 1식과 같은 방정식관계를 사용하여 컨트랙티브 변환하면 기울기(일례로 6비트) m과 옵셋(일례로 10비트) n의 데이터만 발생하는 것이다.
또한 상기 1식에서 복원시에는 발산(divergence)하지않기 위해서는 기울기 m이 다음 2식과 같은 조건을 만족해야 한다.
상기 1식에서 f(x,y)는 공간변환된 정의영역에 있어서 화소들(x,y)의 명암단계(gray scale)에 대응하고, f'(x,y)는 해당 처리영역에서의 화소들(x,y)의 명암단계에 대응한다. 만일 공간변환된 정의영역과 대응하는 처리영역의 명암단계기 2차원 면에 있어서의 점들로 표현된다면, 제6도는 기울기 m 및 옵셋 n을 제공하도록 얻어질 수 있다.
상술한 기울기 m 및 옵셋 n을 구하는 방법은, m을 미리 정하고 옵셋값 n을 경정하는 트리얼 및 오차(trial and error)방법과, MSE(mean square error)과 (편)미분방정식을 써서 서브-옵셔널(sub-optional)한 m과 n을 구하는 방법이 있다. 본 발명의 바람직한 일 실시예에서는 상술한 후자의 방법을 사용할 수 있으며, 이러한 상기 기울기 및 옵셋 검출기(50)는 공지의 기술이다.
이후 제어부(20)는 511단계에서 상술한 505∼509의 과정에서 처리된 정의영역이 해당 처리영역(Ri)에 대한 마지막 정의영역, 즉 D9인가를 판단한다. 이때 마지막 정의영역이 아니면 상술한 505단계로 루핑되어 다음 정의영역을 처리영역메모리(40)로 로드시키고 상술한 과정을 반복한다. 한편 마지막 정의영역(D9)임이 판단되면, 513단계에서 상기 제어부(20)는 상술한 505∼511단계를 통해 구해진 해당 처리영역(Ri)에 대한 각 정의영역(D1∼D9)과의 평균자승오차들을 비교하여 최소 평균자승오차를 가지는 최대 유사성 정의영역을 구한다. 그리고 515단계에서 제어부(20)는 상기 최대유사성 정의영역에 대한 컨트랙티브 변환함수의 기울기, 옵셋 및 상기 정의영역의 위치에 관한 인덱스(Index)를 해당 처리영역(Ri)에 대한 프랙탈 코드로 영상압축메모리(60)에 저장시킨다.
그리고 517단계에서 상기 제어부(20)는 상기 처리영역(Ri)이 마지막 처리영역인가를 판단하며, 마지막처리영역이 아니면 상기 501단계로 루핑되어 다음 처리영역을 로드하여 프랙탈 압축과정을 반복하고, 마지막처리영역이면 전체과정을 종료한다.
한편 전체영상의 바깥쪽 주변에 위치한 처리영역들은 9개의 정의영역들(D1∼D9) 모두를 필요로 하지 않는다. 이는 이들 정의영역들은 전체영상의 바깥쪽에 존재하기 때문이다. 제4a도 및 제4b도를 참조하여 전체영상의 바깥쪽 주변에 위치한 처리영역(R1∼R8)이 어떻게 처리되는지를 설명한다. 제4a도에 보인 정의영역(D1∼D9)과 동일한 공간 방위를 가진다고 가정하면, 처리영역(R1)은 단지 정의영역(D9)만 고려하며, 처리영역(R2)은 단지 정의영역(D7)만 고려하며, 처리영역(R3)은 단지 정의영역(D1)만 고려하며, 처리영역(R4)은 단지 정의영역(D3)만 고려하며, 처리영역(R5)은 단지 정의영역(D7,D8,D9)만 고려하며, 처리영역(R6)은 단지 정의영역(D1,D4,D7)만 고려하며, 처리영역(R7)은 단지 정의영역(D1,D2,D3)만 고려하며, 처리영역(R8)은 단지 정의영역(D3,D6,D9)만 고려한다. 따라서 전체영상의 바깥쪽 주변에 위치한 이들 처리영역들(R1∼R8)은 전체영상의 중앙부 근처에 위치된 처리영역들보다 빨리 처리될 수 있다.
상술한 본 발명의 설명에 있어서, 8비트의 분해능을 가지는 영상의 경우 기울기와 옵셋을 임의로 결정할 수 있으나, 본 발명은 일실시예로도 각각 6비트와 10비트로 할당하여 영상압축메모리(60)에 저장한다. 또한 상술한 과정을 통해 압축된 압축영상을 복원하는 방법은 일반적은 공지의 프랙탈 영상복원방법을 사용할 수 있다.
상술한 바와 같이 본 발명은 전체영상영역에 대하여 가능한 모든 정의영역의 검색을 하지않아 실시간 처리가 가능하며, 처리블록간의 불연속이 줄어들어 화질을 개선할 수 있다는 장점이 있다.

Claims (10)

  1. 프랙탈 영상압축방법에 있어서 : 압축하고자 하는 영상데이타를 기준처리단위로 하여 다수의 처리영역으로 분할하는 단계와 ; 상기 영상데이타로부터 각 처리영역들에 대하여 상기 각 처리영역 주위로 상기 처리영역을 적어도 포함하는 소정 크기로 다수의 정의영역을 설정하는 단계와 ; 상기 처리영역들과 각 처리영역들에 대한 다수의 정의영역들과의 왜곡오차를 계산하는 단계와 ; 상기 각 처리영역들에 대해 다수의 정의영역들을 각각 매칭시키기 위한 컨트랙티브 변환함수의 계수들을 계산하는 단계와 ; 해당 처리영역에 대한 다수의 정의영역들과의 왜곡오차를 비교하여 최소 왜곡오차를 가지는 정의영역을 해당 처리영역의 최대유사성 정의영역으로 설정하는 단계와 ; 해당 처리영역에 대해 각각의 최대유사성 정의영역에 의한 컨트랙티브 변환함수의 계수들과 상기 정의영역의 위치에 관한 인덱스를 프랙탈 코드로 저장하는 단계로 구성함을 특징으로 하는 프랙탈 영상압축방법.
  2. 제1항에 있어서 ; 상기 최대유사성 정의영역으로 설정하는 단계가, 상기 다수의 정의영역들을 상기 처리영역과 동일한 데이터량을 가지도록 공간변환하고 상기 처리영역들과 해당 처리영역에 대한 다수의 정의영역들간의 각각의 평균자승연산으로써 왜곡오차를 계산하는 단계임을 특징으로 하는 프랙탈 영상압축방법.
  3. 제1항에 있어서 ; 상기 각 처리영역에 대한 다수의 정의영역들이 해당 처리영역을 적어도 포함하여 상기 처리영역의 정수배크기로 정의된 9개의 정의영역들로 구성함을 특징으로 하는 프랙탈 영상압축방법.
  4. 제2항에 있어서 ; 상기 각 처리영역에 대한 다수의 정의영역들이 해당 처리영역을 적어도 포함하여 상기 처리영역의 정수배크기로 정의된 9개의 정의영역들로 구성함을 특징으로 하는 프랙탈 영상압축방법.
  5. 제3항에 있어서 ; 상기 다수의 정의영역들이 각 처리영역들에 대해, 면적이 4배임을 특징으로 하는 프랙탈 영상압축방법.
  6. 제4항에 있어서 ; 상기 다수의 정의영역들이 각 처리영역들에 대해, 면적이 4배임을 특징으로 하는 프랙탈 영상압축방법.
  7. 프랙탈 영상압축방법에 있어서 ; 압축하고자 하는 영상데이타를 화상메모리에 저장시키는 영상저장단계와 ; 압축하고자 하는 영상데이타를 소정 기준처리단위로하여 다수의 처리영역을 분할하고 순차적으로 하나의 처리영역내의 화소데이타들을 처리영역메모리로 로드하는 처리영역로드단계와 ; 상기 처리영역로드단계에서 로드된 처리영역을 적어도 포함하여 상기 처리영역에 대해 정수배의 크기를 가지는 다수의 정의영역들을 상기 영상데이타로부터 설정하고 설정된 다수의 정의영역중 순차적으로 하나의 정의영역에 속하는 화소데이타들을 정의영역메모리로 로드하는 정의영역로드단계와 ; 상기 로드된 정의영역을 상기 처리영역크기로 공간축소하여 축소된 정의영역내의 화소데이타들을 연산수단으로 출력하는 공간축소단계와 ; 상기 연산수단의 축소된 정의영역과 상기 처리영역내의 대응화소데이타간의 평균자승오차를 계산하는 평균자승오차계산단계와 ; 상기 연산수단이 현재의 처리영역에 대한 상기 축소된 정의영역의 컨트랙티브 변환함수의 계수들을 계산하는 프랙탈변환단계와 ; 제어수단이 현재의 정의영역이 상기 처리영역에 대한 마지막 정의영역인가를 판단하며 마지막 정의영역이 아니면 상기 정의영역로드단계로 돌아가 다음 정의영역을 로드시키는 제1판단단계와, 마지막 정의영역이면 처리영역에 대한 각 정의영역들과의 평균자승오차를 비교하며, 최소 평균자승오차를 가지는 정의영역의 컨트랙트브 변환함수의 프랙탈 계수와 상기 정의영역에 관한 인덱스를 해당 처리영역의 프랙탈 코드로 저장하는 압축데이타저장단계와 ; 현재의 처리영역이 마지막처리영역인가를 판단하며, 마지막처리영역이 아니면 처리영역로드단계로 돌아가 다음 처리영역을 로드시키고, 마지막 처리영역이면 압축과정을 종료하는 제2판단단계로 구성함을 특징으로 하는 프랙탈 영상압축방법.
  8. 제7항에 있어서 ; 상기 다수의 정의영역들이 상기 각 처리영역들에 대해, 해당 처리영역을 적어도 포함하는 9개의 정의영역들로 구성함을 특징으로 하는 프랙탈 영상압축방법.
  9. 프랙탈 영상 압축장치에 있어서 ; 영상압축을 소망하는 영상데이타를 저장하는 제1저장수단과 ; 상기 제1저장수단으로부터 전체영상데이타를 소정 처리영역단위로 분할한 처리영역내의 화소데이타들을 입력받아 저장하는 제2저장수단과 ; 상기 제1저장수단으로부터 공간변환된 정의영역의 화소데이타들을 입력받아 저장하는 제3저장수단과 ; 상기 공간변환된 정의영역들과의 해당 처리영역내의 각 대응화소들간의 평균자승오차를 계산하여 그 오차값을 출력하며, 해당 처리영역에 대한 각 정의영역들간의 컨트랙티브 변환함수의 계수들을 계산하여 출력하는 연산수단과 ; 상기 페이지메모리의 전체영상데이타를 소정 처리영역단위로 분할한 처리영역내의 화소데이타들을 상기 제2저장수단으로 로드시키며, 상기 처리영역에 대응하여 상기 전체영상데이타로부터 상기 처리영역을 적어도 포함하는 다수의 정의영역을 설정하고 설정된 정의영역을 상기 처리영역에 일대일 대응되도록 공간변환하여 제3저장수단으로 로드시키고, 상기 연산수단으로부터 해당 처리영역에 대한 정의영역들과의 오차값을 입력받아 최소오차값을 가지는 정의영역을 검색하여 상기 연산수단을 통해 해당 정의영역의 컨트랙티브 변환함수의 계수들을 출력시키는 제어수단과 ; 상기 제어수단의 제어하에 상기 계수들과 상기 정의영역의 인덱스 정보를 해당 처리영역의 프랙탈 코드로 저장하는 제4저장수단으로 구성함을 특징으로 하는 프랙탈 영상압축장치.
  10. 제9항에 있어서 ; 상기 다수의 정의영역들이 각 처리영역들에 대해 상기 처리영역을 적어도 포함하는 상기 처리영역의 정수배 크기를 가지는 9개의 정의영역들로 구성됨을 특징으로 하는 프랙탈 영상압축장치.
KR1019950009252A 1995-04-19 1995-04-19 프랙탈 영상 압축 장치 및 방법 KR0154739B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1019950009252A KR0154739B1 (ko) 1995-04-19 1995-04-19 프랙탈 영상 압축 장치 및 방법
GB9516324A GB2300083B (en) 1995-04-19 1995-08-09 Fractal image compression
US08/521,809 US5701369A (en) 1995-04-19 1995-08-31 Fractal image compression device and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019950009252A KR0154739B1 (ko) 1995-04-19 1995-04-19 프랙탈 영상 압축 장치 및 방법

Publications (2)

Publication Number Publication Date
KR960040012A KR960040012A (ko) 1996-11-25
KR0154739B1 true KR0154739B1 (ko) 1998-11-16

Family

ID=19412531

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019950009252A KR0154739B1 (ko) 1995-04-19 1995-04-19 프랙탈 영상 압축 장치 및 방법

Country Status (3)

Country Link
US (1) US5701369A (ko)
KR (1) KR0154739B1 (ko)
GB (1) GB2300083B (ko)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6850252B1 (en) 1999-10-05 2005-02-01 Steven M. Hoffberg Intelligent electronic appliance system and method
US5903454A (en) 1991-12-23 1999-05-11 Hoffberg; Linda Irene Human-factored interface corporating adaptive pattern recognition based controller apparatus
US6400996B1 (en) 1999-02-01 2002-06-04 Steven M. Hoffberg Adaptive pattern recognition based control system and method
US10361802B1 (en) 1999-02-01 2019-07-23 Blanding Hovenweep, Llc Adaptive pattern recognition based control system and method
US6418424B1 (en) 1991-12-23 2002-07-09 Steven M. Hoffberg Ergonomic man-machine interface incorporating adaptive pattern recognition based control system
US8352400B2 (en) 1991-12-23 2013-01-08 Hoffberg Steven M Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
US5862263A (en) * 1995-04-13 1999-01-19 Samsung Electronics Co., Ltd. Fractal image compression device and method using perceptual distortion measurement
US5867603A (en) * 1995-07-10 1999-02-02 Iterated Systems, Inc. Method for transmitting fractal transform data to support different compressor/decompressor designs
DE19615490A1 (de) * 1996-04-19 1997-10-23 Philips Patentverwaltung Verfahren zur fraktalen Bildkodierung sowie Anordnung zur Durchführung des Verfahrens
FR2753820B1 (fr) * 1996-09-26 1998-10-23 Procede de recherche d'echantillons dans des images d'une base de donnees
JP3864400B2 (ja) 1996-10-04 2006-12-27 ソニー株式会社 画像処理装置および画像処理方法
US5838820A (en) * 1997-04-30 1998-11-17 Bergman; Anthony J. Pattern recognition apparatus and method
JP3580670B2 (ja) * 1997-06-10 2004-10-27 富士通株式会社 入力画像を基準画像に対応付ける方法、そのための装置、及びその方法を実現するプログラムを記憶した記憶媒体
WO1998059495A1 (en) * 1997-06-20 1998-12-30 Sony Corporation Device and method for iterative conversion encoding of images, device and method for iterative conversion decoding of images, and providing medium
US6167155A (en) * 1997-07-28 2000-12-26 Physical Optics Corporation Method of isomorphic singular manifold projection and still/video imagery compression
JP3042459B2 (ja) * 1997-08-25 2000-05-15 日本電気株式会社 映像表示装置
US7966078B2 (en) 1999-02-01 2011-06-21 Steven Hoffberg Network media appliance system and method
KR100387559B1 (ko) * 2001-05-30 2003-06-18 위영철 프랙탈 영상압축방법
JP4123356B2 (ja) * 2002-11-13 2008-07-23 富士ゼロックス株式会社 画像処理装置、画像処理プログラム、記憶媒体
US7467119B2 (en) * 2003-07-21 2008-12-16 Aureon Laboratories, Inc. Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition
US7505948B2 (en) * 2003-11-18 2009-03-17 Aureon Laboratories, Inc. Support vector regression for censored data
WO2005050563A2 (en) * 2003-11-17 2005-06-02 Aureon Biosciences Corporation Pathological tissue mapping
TW200532523A (en) * 2004-02-27 2005-10-01 Aureon Biosciences Corp Methods and systems for predicting occurrence of an event
ATE374979T1 (de) * 2004-04-13 2007-10-15 Aic Fraktal-skr-verfahren zur auswertung der bildqualität
US7761240B2 (en) * 2004-08-11 2010-07-20 Aureon Laboratories, Inc. Systems and methods for automated diagnosis and grading of tissue images
JP4760468B2 (ja) * 2006-03-23 2011-08-31 カシオ計算機株式会社 画像処理装置及び画像処理方法
US9286643B2 (en) 2011-03-01 2016-03-15 Applaud, Llc Personalized memory compilation for members of a group and collaborative method to build a memory compilation
US10701353B1 (en) * 2019-03-20 2020-06-30 United States Of America, As Represented By The Secretary Of The Army Pattern, method, and apparatus for testing imaging system performance

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4694407A (en) * 1985-06-11 1987-09-15 Rca Corporation Fractal generation, as for video graphic displays
US4789933A (en) * 1987-02-27 1988-12-06 Picker International, Inc. Fractal model based image processing
DE3853899T2 (de) * 1987-07-21 1995-12-21 Matsushita Electric Ind Co Ltd Verfahren und Vorrichtung zur Codierung und Decodierung eines Signals.
US4941193A (en) * 1987-10-02 1990-07-10 Iterated Systems, Inc. Methods and apparatus for image compression by iterated function system
US5065447A (en) * 1989-07-05 1991-11-12 Iterated Systems, Inc. Method and apparatus for processing digital data
US5148497A (en) * 1990-02-14 1992-09-15 Massachusetts Institute Of Technology Fractal-based image compression and interpolation
US5384867A (en) * 1991-10-23 1995-01-24 Iterated Systems, Inc. Fractal transform compression board
US5416856A (en) * 1992-03-30 1995-05-16 The United States Of America As Represented By The Secretary Of The Navy Method of encoding a digital image using iterated image transformations to form an eventually contractive map

Also Published As

Publication number Publication date
US5701369A (en) 1997-12-23
KR960040012A (ko) 1996-11-25
GB2300083B (en) 1997-11-05
GB2300083A (en) 1996-10-23
GB9516324D0 (en) 1995-10-11

Similar Documents

Publication Publication Date Title
KR0154739B1 (ko) 프랙탈 영상 압축 장치 및 방법
Culik II et al. Image compression using weighted finite automata
US5867221A (en) Method and system for the fractal compression of data using an integrated circuit for discrete cosine transform compression/decompression
JP4398257B2 (ja) テクスチャ・イメージが使用する空間を最適化するための方法及びプログラム
CN110717868B (zh) 视频高动态范围反色调映射模型构建、映射方法及装置
KR20000052771A (ko) 벡터양자화 코드북 발생방법
EP2145476B1 (en) Image compression and decompression using the pixon method
US7248744B2 (en) Vector quantization of images
US20030081852A1 (en) Encoding method and arrangement
Goodwill et al. Adaptively lossy image compression for onboard processing
Siddeq et al. A novel 2D image compression algorithm based on two levels DWT and DCT transforms with enhanced minimize-matrix-size algorithm for high resolution structured light 3D surface reconstruction
KR100189542B1 (ko) 지각있는 왜곡 측정을 이용한 프랙탈 영상 압축 장치 및 방법
CN113962882A (zh) 一种基于可控金字塔小波网络的jpeg图像压缩伪影消除方法
Salih et al. Image compression for quality 3D reconstruction
Park et al. Squantizer: Simultaneous learning for both sparse and low-precision neural networks
US11490102B2 (en) Resilient image compression and decompression
Ribés et al. Combined Kohonen neural networks and discrete cosine transform method for iterated transformation theory
Ayyoubzadeh et al. Lossless compression of mosaic images with convolutional neural network prediction
Nandi et al. Efficiency and capability of fractal image compression with adaptive quardtree partitioning
Deshmukh Image compression using neural networks
US6373989B1 (en) Iterated image transformation and decoding apparatus and method, and recording medium
Cilingir et al. Image Compression Using Deep Learning
Siddeq Novel methods of image compression for 3D reconstruction
JPH08511138A (ja) タイル細分化を用いたデジタル・イメージの圧縮
Singh et al. A STUDY OF PATTERN BASED RESIDUAL VECTOR QUANTIZATION ALGORITHM FOR IMAGE COMPRESSION

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20090629

Year of fee payment: 12

LAPS Lapse due to unpaid annual fee