Image coding using vector quantization: a review

Nasrabadi, Nasser M.; King, Robert A.

doi:10.1109/26.3776

Cited by 858 publications

(233 citation statements)

References 79 publications

Supporting

Mentioning

225

Contrasting

Unclassified

Order By: Relevance

“…At the destination, the index accesses to the corresponding entry from an identical codebook and permits to reconstruct approximately the original image ( Figure 10). For more detail, the reader is referred to [9,57,60].…”

Section: Vector Quantization Compressionmentioning

confidence: 99%

A Survey of Image Compression Algorithms for Visual Sensor Networks

Mammeri

Hadjou

Khoumsi

2012

ISRN Sensor Networks

View full text Add to dashboard Cite

With the advent of visual sensor networks (VSNs), energy-aware compression algorithms have gained wide attention. That is, new strategies and mechanisms for power-efficient image compression algorithms are developed, since the application of the conventional methods is not always energy beneficial. In this paper, we provide a survey of image compression algorithms for visual sensor networks, ranging from the conventional standards such as JPEG and JPEG2000 to a new compression method, for example, compressive sensing. We provide the advantages and shortcomings of the application of these algorithms in VSN, a literature review of their application in VSN, as well as an open research issue for each compression standard/method. Moreover, factors influencing the design of compression algorithms in the context of VSN are presented. We conclude by some guidelines which concern the design of a compression method for VSN.

show abstract

Section: Vector Quantization Compressionmentioning

confidence: 99%

A Survey of Image Compression Algorithms for Visual Sensor Networks

Mammeri

Hadjou

Khoumsi

2012

ISRN Sensor Networks

View full text Add to dashboard Cite

show abstract

“…First International Conference on Emerging Trends in Engineering and Technology, ICETET-2008, Nagpur, India, (59). Su principal limitación se encuentra en la gran complejidad computacional en tiempos de búsqueda (60,61). El vector de cuantificación es extremadamente eficiente en compresión de regiones uniformes de una imagen (62).…”

Section: Cuantificaciónunclassified

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

“…Matematicamente, a quantização vetorial pode ser definida como um mapeamento ¥ de um vetor de entrada [7,8]), é expressa em bit/amostra. Em se tratando de codificação de imagens (e. g. [6,9]), é expressa em bits por pixel (bpp).…”

Section: Introductionunclassified

Construção de Dicionários Voltados para a Redução da Complexidade Computacional da Etapa de Codificação da Quantização Vetorial

Madeiro¹,

Lopes²,

Neto³

et al. 2016

Anais Do 6. Congresso Brasileiro De Redes Neurais

View full text Add to dashboard Cite

IntroduçãoA quantização vetorial [1, 2], que pode ser vista como uma extensão da quantização escalar em um espaço multidimensional, encontra-se fundamentada na Teoria da Distorção Versus Taxa [3], formulada por Shannon, segundo a qual um melhor desempenhoé obtido codificando-se blocos de amostras (istoé, vetores) ao invés de amostras individuais (istoé, escalares). Em outras palavras, essa teoria ressalta a superioridade da quantização vetorial (QV) sobre a quantização escalar [4]. Matematicamente, a quantização vetorial pode ser definida como um mapeamento ¥ de um vetor de entrada

show abstract

Image coding using vector quantization: a review

Cited by 858 publications

References 79 publications

A Survey of Image Compression Algorithms for Visual Sensor Networks

A Survey of Image Compression Algorithms for Visual Sensor Networks

Compresión de imágenes médicas

Construção de Dicionários Voltados para a Redução da Complexidade Computacional da Etapa de Codificação da Quantização Vetorial

Contact Info

Product

Resources

About