체인코드

Chain code

체인 코드는 2치 화상에 대한 무손실 압축 기반의 화상 분할 방법이다.체인 코드의 기본 원리는 이미지에서 연결된 각 구성 요소 또는 "블럽"을 개별적으로 인코딩하는 것입니다.

이러한 영역 마다, 경계상의 점을 선택해, 그 좌표를 송신한다.그런 다음 인코더는 영역의 경계를 따라 이동하고 각 단계에서 이 이동 방향을 나타내는 기호를 전송합니다.

이것은 인코더가 시작 위치로 돌아갈 때까지 계속되며, 이 시점에서 BLOB가 완전히 설명되고 이미지 내의 다음 BLOB부터 인코딩이 계속됩니다.

이 부호화 방법은 비교적 적은 수의 대규모 연결 컴포넌트로 구성된 이미지에 특히 효과적입니다.

바리에이션

일반적인 체인 코드는 다음과 같습니다.

  • Freeman Chain Code of Eight[1] Directions(FCCE)
  • Directional Freeman Chain Code of Eight Directions[2] (DFCCE)
  • 정점 체인[3] 코드(VCC)
  • 3개의 OrThogonal 심볼 체인[4] 코드(3OT)
  • Unsigned Manhattan Chain[5] Code(UMCC)
  • 개미집 체인[6] 코드(ACC)
  • Predator-Prey 시스템 체인[7][8] 코드(PPSCC)
  • 비버 지역 체인[9] 코드(BTCC)
  • 생물 재생 체인[10] 코드(BRCC)
  • 에이전트 기반 모델링 체인[11] 코드(ABMCC)

특히 FCCE, VCC, 3OT 및 DFCE는 서로 변환할[12] 수 있습니다.

추상 셀 좌표 지향 균열 코드

관련된 BLOB 부호화 방법은 크랙 [13]코드이다.체인 코드, 크랙 코드 및 런렝스 부호화를 변환하기 위한 알고리즘이 존재합니다.

체인 코드의 새로운 경향은 생물학적 행동의 활용을 포함한다.이는 개미의 페로몬을 이용해 이미지 정보를 추적하는 알고리즘을 개발한 모링 [6]등의 작업으로 시작됐다.개미는 먹이를 발견하면 페로몬을 방출한다.다른 개미들은 먹이를 추적하기 위해 페로몬을 사용한다.이들의 알고리즘은 원본 이미지 내의 픽셀 분포에 따라 음식과 경로로 구성된 가상 환경으로 이미지를 전송한다.그런 다음 개미들이 분포하고 그들의 일은 먹이를 만나면 페로몬을 방출하면서 이동하는 것이다.이것은 다른 개미들이 정보를 식별하는데 도움을 주고, 따라서 정보를 인코딩합니다.

사용중

최근에는 Move-to-Front 변환과 적응형 런렝스 인코딩의 조합으로 널리 사용되는 체인 [14]코드를 효율적으로 압축할 수 있었습니다.또한 체인 코드를 사용하여 DjVu 및 JBIG2와 [11][10][9][8][7][6][15]같은 표준을 능가하는 높은 수준의 이미지 문서를 압축할 수 있습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Freeman, Herbert (June 1961). "On the Encoding of Arbitrary Geometric Configurations". IRE Transactions on Electronic Computers. EC-10 (2): 260–268. doi:10.1109/TEC.1961.5219197.
  2. ^ Liu, Yong Kui; Žalik, Borut (April 2005). "An efficient chain code with Huffman coding". Pattern Recognition. 38 (4): 553–557. doi:10.1016/j.patcog.2004.08.017.
  3. ^ Bribiesca, Ernesto (February 1999). "A new chain code". Pattern Recognition. 32 (2): 235–251. doi:10.1016/S0031-3203(98)00132-0.
  4. ^ Sanchez-Cruz, Hermilo; Rodríguez-Dagnino, Ramón M. (September 2005). "Compressing bilevel images by means of a three-bit chain code". Optical Engineering. 44 (9). 097004. Bibcode:2005OptEn..44i7004S. doi:10.1117/1.2052793.
  5. ^ Žalik, Borut; Mongus, Domen; Liu, Yong-Kui; Lukač, Niko (July 2016). "Unsigned Manhattan chain code". Journal of Visual Communication and Image Representation. 38: 186–194. doi:10.1016/j.jvcir.2016.03.001.
  6. ^ a b c Mouring, Matthew; Dhou, Khaldoon; Hadzikadic, Mirsad (2018). "A Novel Algorithm for Bi-Level Image Coding and Lossless Compression based on Virtual Ant Colonies". Proceedings of the 3rd International Conference on Complexity, Future Information Systems and Risk. COMPLEXIS 2018. Vol. 1. pp. 72–78. doi:10.5220/0006688400720078. Retrieved 2022-07-06.
  7. ^ a b Dhou, Khaldoon (January 2020). "A new chain coding mechanism for compression stimulated by a virtual environment of a predator–prey ecosystem". Future Generation Computer Systems. 102: 650–669. doi:10.1016/j.future.2019.08.021.
  8. ^ a b Dhou, Khaldoon (2018). A Novel Agent-Based Modeling Approach for Image Coding and Lossless Compression Based on the Wolf-Sheep Predation Model. ICCS 2018. Computational Science – ICCS 2018. LNCS. Vol. 10861. pp. 117–128. doi:10.1007/978-3-319-93701-4_9.
  9. ^ a b Dhou, Khaldoon; Cruzen, Christopher (May 2021). "A highly efficient chain code for compression using an agent-based modeling simulation of territories in biological beavers". Future Generation Computer Systems. 118: 1–13. doi:10.1016/j.future.2020.12.016.
  10. ^ a b Dhou, Khaldoon; Cruzen, Christopher (December 2019). "An Innovative Chain Coding Technique for Compression Based on the Concept of Biological Reproduction: An Agent-Based Modeling Approach". IEEE Internet of Things Journal. 6 (6): 9308–9315. doi:10.1109/JIOT.2019.2912984.
  11. ^ a b Dhou, Khaldoon (June 2019). "An innovative design of a hybrid chain coding algorithm for bi-level image compression using an agent-based modeling approach". Applied Soft Computing. 79: 94–110. doi:10.1016/j.asoc.2019.03.024.
  12. ^ Sanchez-Cruz, Hermilo; Lopez-Valdez, Hiram H. (January 2014). "Equivalence of chain codes". Journal of Electronic Imaging. 23 (1). 013031. Bibcode:2014JEI....23a3031S. doi:10.1117/1.JEI.23.1.013031.
  13. ^ Rosenfeld, Azriel; Kak, Avinash C. (1982). "Chapter 11 - Representation". Digital Picture Processing. Vol. 2 (2nd ed.). Academic Press. p. 220. Bibcode:1982dpp..book.....R. doi:10.1016/B978-0-12-597302-1.50010-4. ISBN 0-12-597302-0. ISBN 0-12-597301-2, 0-12-597302-0
  14. ^ Žalik, Borut; Lukač, Niko (January 2014). "Chain code lossless compression using move-to-front transform and adaptive run-length encoding". Signal Processing: Image Communication. 29 (1): 96–106. doi:10.1016/j.image.2013.09.002.
  15. ^ Rodríguez-Díaz, Mario A.; Sánchez-Cruz, Hermilo (July 2014). "Refined fixed double pass binary object classification for document image compression". Digital Signal Processing. 30: 114–130. doi:10.1016/j.dsp.2014.03.007.