Fractal image coding: a review

Jacquin, A.

doi:10.1109/5.241507

Cited by 425 publications

(161 citation statements)

References 33 publications

Supporting

Mentioning

156

Contrasting

Unclassified

Order By: Relevance

“…La librería contiene códigos llamados sistemas de funciones iterativas, los cuales son conjuntos compactos de números. Usando un procedimiento sistemático, se determina un conjunto de códigos para una imagen dada, de forma que, cuando los códigos de los sistemas de funciones iterativas se aplican a un conjunto adecuado de bloques de la imagen, se obtiene una aproximación muy cercana a la original (69). Este esquema es muy eficiente para la compresión de imágenes que tienen buena regularidad y autosimilitud.…”

Section: Transformación Ortogonal Superpuesta •unclassified

“…Esto se debe a la eficiencia del método en la agrupación de un número arbitrario de símbolos durante la codificación que, en general, se adaptan a las estadísticas de entrada reales. Las técnicas de compresión sin pérdida más recientemente aplicadas a las imágenes médicas, como los quadtrees, han producido resultados prometedores en la compresión de imágenes de tomografía axial computadorizada y resonancia magnética (69), debido a que su representación por regiones (agrupamiento de pixeles idénticos) permite aprovechar la redundancia existente en los datos médicos. La trasformación discreta del coseno, por su parte, se ha constituido en el ícono de la compresión, dada su capacidad de concentrar la mayor parte de la información en pocos coeficientes del dominio de frecuencias, lo que permite tasas de compresión considerablemente altas en cualquier tipo de imagen (57).…”

Section: Conclusionesunclassified

See 1 more Smart Citation

Compresión de imágenes médicas

Noreña

Romero

2012

biomedica

View full text Add to dashboard Cite

Contribución de los autores:Ambos autores participaron en la recopilación, unificación y síntesis de los antecedentes más destacados en el área de la compresión, mediante la discusión de la información publicada sobre el tema. Además, estructuraron las metodologías ya existentes para la compresión de imágenes médicas, aportando un guía base para las personas que desean introducirse en el área. La medicina moderna es una actividad cada vez más compleja, basada en la información proveniente de múltiples fuentes: historias clínicas, dictáfonos e imágenes y vídeos provenientes de múltiples dispositivos. Las imágenes médicas constituyen una de las fuentes de mayor importancia, por cuanto ofrecen un apoyo integral del acto médico: el diagnóstico y el seguimiento. Sin embargo, la cantidad de información generada por los dispositivos de adquisición de imágenes sobrepasa rápidamente la disponibilidad de almacenamiento que tienen los servicios de radiología, lo cual genera costos adicionales en equipos de cómputo con mayor capacidad de almacenamiento. Además, la tendencia actual de desarrollo de aplicaciones en la "nube de cómputo", tiene limitaciones por cuanto, aunque el almacenamiento es virtual y está disponible desde cualquier sitio, la conexión se hace a través de internet. En estos dos casos, el uso óptimo de la información requiere necesariamente de algoritmos de compresión potentes y adaptados a las necesidades de la actividad médica. En este artículo se presenta una revisión de las técnicas de compresión más utilizadas para el almacenamiento de imágenes, así como un análisis crítico de éstas desde el punto de vista de su uso en ambientes clínicos. REVISIÓN DE TEMAPalabras clave: procesamiento de imagen asistida por computador, compresión de datos, metodologías computacionales.doi: http://dx.doi.org/10.7705/biomedica.v33i1.804 Medical image compression: a reviewModern medicine is an increasingly complex activity, based on the evidence; it consists of information from multiple sources: medical record text, sound recordings, images and videos generated by a large number of devices. Medical imaging is one of the most important sources of information since they offer comprehensive support of medical procedures for diagnosis and follow-up. However, the amount of information generated by image capturing gadgets quickly exceeds storage availability in radiology services, generating additional costs in devices with greater storage capacity. Besides, the current trend of developing applications in cloud computing has limitations, even though virtual storage is available from anywhere, connections are made through internet. In these scenarios the optimal use of information necessarily requires powerful compression algorithms adapted to medical activity needs. In this paper we present a review of compression techniques used for image storage, and a critical analysis of them from the point of view of their use in clinical settings. Las imágenes médicas son hoy en día parte fundamental de la exploración diagnóstica de un paci...

show abstract

Section: Transformación Ortogonal Superpuesta •unclassified

Section: Conclusionesunclassified

Compresión de imágenes médicas

Noreña

Romero

2012

biomedica

View full text Add to dashboard Cite

show abstract

“…One such approach is based upon fractal image compression (FIC) [9,[22][23][24][25][26][27][28][29][30][31][32]. This technique seeks to exploit affine redundancy that is present in typical images in order to achieve high compression ratios, generally maintaining good image quality with resolution independence.…”

Section: Introductionmentioning

confidence: 99%

“…Other image compression techniques are available however [8,9]. One such approach is based upon fractal image compression (FIC) [9,[22][23][24][25][26][27][28][29][30][31][32].…”

Section: Introductionmentioning

confidence: 99%

Fractal image compression

1993

Mathematics and Computers in Simulation

View full text Add to dashboard Cite

show abstract

“…In this method, similarity between different parts of an image is used for representing of an image by a set of contractive transforms on the space of images, for which the fixed point is close to the original image. This concept was first proposed by Barnsley [1], [2]. Jacquin was the first to publish an implementation of fractal image coding in [3].…”

Section: Introductionmentioning

confidence: 99%

Face recognition using fractal codes

Ebrahimpour-Komleh

Chandran²,

Sridharan³

Proceedings 2001 International Conference on Image Processing (Cat. No.01CH37205)

View full text Add to dashboard Cite

In this paper we propose a new method for face recognition using fractal codes. Fractal codes represent local contractive, affine transformations which when iteratively applied to range-domain pairs in an arbitrary initial image result in a fixed point close to a given image. The transformation parameters such as brightness offset, contrast factor, orientation and the address of the corresponding domain for each range are used directly as features in our method. Features of an unknown face image are compared with those pre-computed for images in a database. There is no need to iterate, use fractal neighbor distances or fractal dimensions for comparison in the proposed method. This method is robust to scale change, frame size change and rotations as well as to some noise, facial expressions and blur distortion in the image.

show abstract

Fractal image coding: a review

Cited by 425 publications

References 33 publications

Compresión de imágenes médicas

Compresión de imágenes médicas

Fractal image compression

Face recognition using fractal codes

Contact Info

Product

Resources

About