اعمال یک طرح اصلاحی بر روی حوضچه دامنه برای افزایش سرعت وبهبود کیفیت فشرده سازی فرکتالی تصویر
محورهای موضوعی : مهندسی الکترونیکژاله مولای زاهدی 1 , حمید دهقانی 2 , علیرضا ملاح زاده 3
1 - گروه مهندسی برق- الکترونیک،دانشکده تحصیلات تکمیلی ،دانشگاه آزاد بوشهر
2 - استادیار دانشگاه صنعتی مالک اشترتهران
3 - استادیار دانشگاه خلیج فارس
کلید واژه: فشرده سازی فرکتالی, حوضچه دامنه متداول, حوضچه دامنه اصلاحی, کاهش بار محاسباتی, Fractal Compression, Common domain pond, Correction domain pond, Reduce computational load,
چکیده مقاله :
در این جا یک طرح حوضچه دامنه اصلاحی برای فشرده سازی فرکتالی تصویر ارائه می کنیم . این طرح به طور اصلاحی حوضچه دامنه را برای هر بلوک برد ، براساس موقعیت آن برد انتخاب می کند . بنابراین یک کتابخانه دامنه موثرتر و کوچکتر برای هر برد ایجاد می شود . این روش باعث کاهش بار محاسباتی و کاهش بیت های مورد نیاز جهت ذخیره موقعیت دامنه می شود . نتایج آزمایش های مختلف روی تصاویر استاندارد نشان می دهد که این روش یک میزان اعوجاج خیلی کمتر و دارای بار محاسباتی بسیار پایین تری است .
Here we present a correction domain pond design for fractal image compression. The plan modifies the domain pool for each block of the board, based on the position of that board. So a more efficient and smaller domain library is created for each page. This method reduces the computational load and reduces the bits required to store the domain position. The results of various experiments on standard images show that this method has a much lower degree of distortion and a much lower computational load.
[1] M. F. Barnsley” Fractal Image Compression” A. K. Peters,Ltd., Wellesly, MA, 1993.
[2] Kin-Wah Ching Eugene and Ghim-Hwee Oug,“A Twopass Improved Encoding Scheme for Fractal Image Compression ” ,Proceedings of the International conference on Computer Graphics, Imaging and Visualization, IE
EE,2006.
[3] M.Polvere and M.Nappi, “Speed-Up in Fractal Image
Coding: Comparison of Methods”, IEEE Transactions on
Image Processing, vol.9, No.6, pp.1002-1009, June 2000
[4] C.M.Lai, K.M.Lam, and W.C.Siu, “Improved Searching
Scheme for Fractal Image Coding”, Electronics Letters, vol.38, No.25, pp.153-54, Dec.2009.
[5] Y. Fisher” Fractal Image Compression. Theory and
Application”s. Springer-Verlag, New York, USA, 1995.
[6] C. Tong and M. Pi, “Fast Fractal Image compression using Adaptive Search” IEEE Trans. on IP, vol.10, no.9, pp.1269- 1277, Sep. 2010.
[7] S. K. Mitra, C. A. Murthy, and M. K. Kundu, “Technique for fractal image compression using genetic algorithm,” IEEE Trans. Image Processing, vol. 7, pp. 586–592, Apr. 2008.
[8] Dipankar Dasgupta, German Hernandez, and Fernando
Niño, “An Evolutionary Algorithm for Fractal Coding of Binary Images”, IEEE Transactions on Evolutionary Computation, vol. 4, no. 2, July 2010.
[9] Yong Ho Moon, Hyung Soon Kim, Jae Ho Kim, “A fast fractal decoding algorithm based on the selection of an initial image,” IEEE Transaction on image Processing, 9(5), pp. 941-945 , 2000.
[10] C.K. Lee, and W.K. Lee, “Fast fractal image block coding based on local variances,” IEEE Transaction on Image Processing, vol. 7, no. 6, pp. 888-891, 1998.
[11] R. Hamzaoui, D. Saupe, and M. Hiller, “Distortion minimization with fast local search for fractal image compression,” J. Vis. Common. Image Represent., no. 12, pp. 450–468, Dec. 2001.
_||_