Codec LAR couleur: Schéma de représentation et de compression d’images couleur fondé sur l’adaptation de la résolution locale et sur la représentation en régions auto-extractibles

Codec LAR couleur: Schéma de représentation et de compression d’images couleur fondé sur l’adaptation de la résolution locale et sur la représentation en régions auto-extractibles

Color LAR codec : a color image representation and compression scheme based on local resolution adjustment and on self-extracting region representation

Olivier Déforges Marie Babel  Laurent Bédat  Joseph Ronsin 

Institut d’Électronique et des Télécommunications de Rennes, UMR CNRS 6164, Groupe Image et Télédétection INSA, 20 av. des Buttes de Coësmes, CS 14315, 35043 Rennes cedex

Corresponding Author Email: 
odeforge@insa-rennes.fr
Page: 
479-498
|
Received: 
15 June 2004
|
Accepted: 
N/A
|
Published: 
31 October 2004
| Citation

OPEN ACCESS

Abstract: 

This LAR (Locally Adaptive Resolution) color image coding scheme yields to an efficient progressive compression with a better subjective quality than Jpeg2000. Additionally, it offers region functionalities for low bit rate coding and decoding. From highly compressed luminance, a region description, without contours encoding, can be obtained through a segmentation process performed at both coder and decoder. Considering color results, controlled chrominance components segmentation provides a better data consistency simultaneously with a low bit rate compression. As regions and their encoding are based on a same representation grid, enhancement of image quality can be global, or only restricted to a Region Of Interest.

Résumé

Cet article présente un schéma original de codage progressif d'images couleur apportant à la fois une efficacité en termes de compression (meilleure qualité subjective que Jpeg2000) et des fonctionnalités au niveau région à bas débits pour le codeur et le décodeur. À partir de l'image des luminances codée à bas débit par le codec LAR (Locally Adaptive Resolution), une description en régions, sans codage des contours, est obtenue à travers un procédé de segmentation effectué au codeur et au décodeur. Cette segmentation peut être contrôlée par les composantes chromatiques pour une meilleure cohérence du résultat d'un point de vue couleur. Un codage basé régions appliqué sur les images de chrominance produit alors une compression de ces composantes à très bas débit. Comme les régions et le codage de leur contenu partagent une même grille de représentation, l'amélioration de la qualité de l'image peut être globale, ou limitée à une zone d'intérêt.

Keywords: 

Scalable coding, gray-level and color images segmentation, regions representation based coding, region of Interest Coding

Mots clés

Codage progressif, segmentation d'images en niveaux de gris et couleur, codage par représentation en régions, codage par Région d'Intérêt

1. Introduction
2. Présentation Du CODEC LAR Simple
3. Représentation En Régions Auto-Extractibles Et À Coût Nul
4. Codage Et Représentation Des Images Couleur
5. Conclusion Et Perspectives
  References

[1] H264 MPEG-4 10 AVC, “Joint Committee Draft (CD)”, Joint Video Team (JVT) of ISO/IEC MPEG and ITU-T VCEGn 3rd Meeting: Fairfax, Virginia, USA, May 2002.

[2] M. KUNT, A. IKONOMOPOULOS, M. KOCHER, “Second Generation Image Coding Techniques”, Proceedings of the IEEE, 73(4): 549-575, April 1985.

[3] L. TORRES, M. KUNT, “Video Coding: The Second Generation Approach”, Kluwer Academic, 1996.

[4] MPEG-4 Committee, “Generic Coding of Moving Pictures and Associated Audio Information: Video”. ISO/IEC, 2000, May 2000.

[5] MPEG-7 Requirements Group. “MPEG-7 : Context, Objectives and Technical Roadmap, V.12”. ISO/IEC JTC 1/SC29/WG11 MPEG99/N2861, D Lib Magazine, Vancouver, July 1999.

[6] T. EBRAHIMI, M. KUNT, “Visual Data Compression for Multimedia Applications”, Proceedings of the IEEE, 86(6): 1109-1125, June 1998.

[7] N. PETERFREUND, Y.Y. ZEEVI, “Nonuniform Image Representation in Area-Of-Interest Systems”, Trans. on Image Processing, 4(9) : 1202–1212, September 1995.

[8] B. DEKNUYDT, J. SMOLDERS, L. VAN EYCKEN, A. OOSTERLINCK, “Color Space Choice for Nearly Reversible Image Compression”, SPIE, Visual Communications and Image Processing’92, volume 1818, pages 1300-1311, Boston, November 1992.

[9] C.A. SHAFFER, H. SAMET, “Optimal Quadtree Construction Algorithms”, Computer Vision, Graphics, Image processing, 37(3): 402-419, March 1987.

[10] P. STROBACH, “Tree-Structured Scene Adaptive Coder”, IEEE Trans. on Communication, 38(4) :477-486, April 1990.

[11] M. A. LOSADA, K.T. MULLEN, “The Spatial Tuning of Chromatic Mechanisms Identified by Simultaneous Masking”, Vision Research, 34(3): 331-341, Februar 1994.

[12] K.K. DE VALOIS, M.A. WEBSTER, E. SWITKES, “Orientation and Spatial-Frequency Discrimination for Luminance and Chromatic Gratings”, Journal of the Optical Society of America, 7(6): 1034-1049, June 1990.

[13] L. BÉDAT, A. SAADANE, D. BARBA, “Masking Effects of Perceptual Colour Components on Achromatic Grating”, ECVP 97, Helsinki, August 1997.

[14] M.J. WEINBERGER, G. SEROUSSI, G. SAPIRO, “LOCO-I: a low complexity, context-based, lossless image compression algorithm”, IEEE Data Compression Conference, pages 141-150, March 1996.

[15] B. GANDHI et al. “Dierential Adaptive Run Coding”. Rapport Technique, ISO Working Document ISO/IEC JTC1/SC29/WG1 N204, 1995.

[16] R.E. GRAHAM. “Predictive Quantizing of Television Signals”, IREWESCON Convention Record, 22(4) :147-157, August 1958.

[17] D. MURESAN, T. PARKS, “Optimal Recovery Approach to Image Interpolation”, ICIP’01, volume 3, pages 848-851, 2001.

[18] M. GOLOMB, H.F. WEINBERGER, “On Numerical Approximation”, Chapitre Optimal Approximation and Error Bounds, pages 117-190, R. E. Langer ed., The University of Wisconsin Press, 1959.

[19] R.G. SHENOY, T.W. PARKS, “An Optimal Recovery Approach to Interpolation”, IEEE Trans. Signal Processing, 40(8): 1987-1996, August 1992.

[20] D. MURESAN, “Review of Optimal Recovery”, Rapport Technique TR-2002-10, DMMD, 2002.

[21] M. BABEL, O. DÉFORGES, J. RONSIN, “Adaptive MultiResolution Scheme for Efficient Image Compression”, Picture Coding Symposium, PCS’03, Saint-Malo, France, April 23-25 2003.

[22] M. BABEL, O. DÉFORGES, J. RONSIN, “Lossless and Lossy Minimal Redundancy Pyramidal Decomposition for Scalable Image Compression Technique”, 4th IEEE International Conference on Multimedia and Expos, ICME’03, volume 3, pages 161-164, Baltimore, USA, July 6-9 2003.

[23] P. WILLEMIN, T. REED, M. KUNT, “Image Sequence Coding by Split and Merge”, IEEE Trans. on Communication, 39(12): 1845-1855, December 1991.

[24] M. SONKA, V. HLAVAC, R. BOYLE, “Image Processing, Analysis, and Machine Vision”, Chapman & Hall, 1993.

[25] K. HARIS, S.N. EFSTRATIADIS, N. MAGLAVERAS, A.K. KATSAGGELOS, “Hybrid Image Segmentation Using Watersheds And Fast Region Merging”, IEEE Trans. on Image Processing, 7(12) : 1684-1699, December 1998.

[26] J.-M. BEAULIEU, M. GOLDBERG, “Hierarchy in Picture Segmentation : a Stepwise Optimization Approach”, IEEE Trans. on Patern Analysis and Machine Intelligence, 11(2) :150-163, February 1989.

[27] J. MAEDA, V.V. ANH, T. ISHIZAKA, Y. SUZUKI, “Integration of Local Fractal Dimension and Boundary Edge in Segmenting Natural Images”, IEEE International Conference on Image Processing, ICIP’96, volume 1, pages 845-848, 1996.

[28] A. TREMEAU, “Analyse d’Images Couleurs: du Pixel à la Scène”, H.D.R., Université de Saint-Etienne, May 1998.

[29] J. KRAUSKOPF, D.R. WILLIAMS, D.W. HEELEY, “The Cardinal Directions of Color Space”, Vision Research, 22(9): 1123-1131, 1982.

[30] K.T. MULLEN, “The Contrast Sensitivity of Human Colour Vision to Red-Green and Blue-Yellow Chromatic Gratings”, Journal on Physiology, 359: 381-400, 1985.

[31] L. BÉDAT, A. SAADANE, D. BARBA, “Optimal Quantisation of Colour Image”, ECVP 99, August 1999.