Abstract
This paper presents image data compression using a classified vector quantization (CVQ) which categories
edge blocks according to the energy distribution of subimages in the discrete cosine transform
domain. Classifying the edge blocks enhances visual quality of the compressed images while maintaining
a high compression ratio. The proposed classification method categories subimages into eight
lypes of edge features according to an energy distribution. A neural network, trained with the data generated
from the proposed classification method, can successfully classify subimages to eight edge categories.
Experimental results are given to show how the (1VQ method incorporatd with a neural network
can produce faithful compressed image quality for high compression ratios.
이 논문에서는 영상데이터를 여러개의 영상블록들로 나누고 이산 코사인변환 영역에서 물체의 에지에 해당하는 영상블록을 에지방향을 고려하여 적절히 분류함으로써 영상데이터를 효과적을 압축하였다. 벡터양자화에 의한 영상데이터의 압축은 높은 압축률을 실현할 수 있지만 영상내 물체의 에지부근이 손상되어 시각적인 화질이 저하되는 단점이 있다. 높은 압축률을 유지하면서도 시각적인 화질의 열화를 피하기 위하여 영상블록의 이산 코사인변환계수의 에너지 분포에 따라 에지블록을 8개의 부류로 분류하였다. 또한 이 분류과정을 통하여 얻어진 데이터를 가지고 신경회로망을 학습하여 구현한 에지블록의 분류과정과 성능을 비교하였다. 에너지분포에 의한 에지분류방법과 신경망으로 학습한 분류과정은 에지특성벡터에 의한 분류벡터양자화에 비해 더 높은 PSNR과 시각적으로 좋은 화질을 보여주었다.