Progressive Image Transmission: A Review And Comparison Of Techniques

Tzou, Kou-Hu

doi:10.1117/12.7974121

Cited by 148 publications

(50 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pyramid data structures, in particular, play an important role in coding, and are ideally suited for progressive image transmission [13,15]. In these data structures, the image is represented hierarchically with each level corresponding to a reduced-resolution approximation.…”

Section: Introductionmentioning

confidence: 99%

An improved least squares Laplacian pyramid for image compression

Unser

1992

Signal Processing

View full text Add to dashboard Cite

Abstract. This paper describes two ways of improving Burt and Adelson's Laplacian pyramid, a technique developed for image compression. The Laplacian pyramid is a multi-resolution image representation that captures the loss of information occurring through repeated reduction of the spatial resolution. The generation of this data structure involves the use of two complementary functions: EXPAND, which increases the size of an image by a factor of 2, and REDUCE, which performs the reverse operation. The first modification is the adjunction of a pre-filter to the initial EXPAND function in order to guarantee an image extrapolation that is an exact interpolation of the coarser resolution level. The second refinement is a REDUCE operation modified to minimize information loss. The corresponding least squares Laplacian pyramid (LSLP) is generated by adding a post-filter to the initial REDUCE function. These new functions have an efficient implementation using recursive algorithms. Preliminary experiments indicate improved performance: for a Gaussian-like kernel (a = 3), the new EXPAND function exhibits a 2 to 2.5 dB attenuation of the first level of the Laplacian pyramid, while the complete scheme (LSLP) leads to a 4.7 to 8.5 dB improvement in the two images used to test the procedure. For comparable compression ratios, the subjective image quality for the LSLP appears to be significantly better. A theoretical relationship between the present approach and the family of quadrature mirror filter image pyramids is also derived.Zusammenfassung. Diese Arbeit beschreibt zwei Methoden, die Laplacepyramide yon Burr und Adelson zu verbessern, welche zur Bildkompression dient. Die Laplacepyramide ist eine Bilddarstellung dutch Mehrfachaufl6sung, welche den Informationsverlust erfasst, der durch die wiederholte Reduktion der rS.umlichen Aufl6sung entsteht. Fiir die Erzeugung dieser Datenstruktur werden zwei komplement/ire Funktionen gebraucht : EXPAND, welche das Bild um einen Faktor zwei vergr6s-sert, und REDUCE, welche die inverse Operation durchfiihrt. Die erste Modifikation besteht im Hinzufiigen eines Vorfilters zur EXPAND Funktion, um eine Bildextrapolation zu erreichen, welche eine pr/izise Interpolation des gr6beren Aufl6sungsni-veaus ist~ Die zweite Verbesserung betrifft die REDUCE Funktion, welche modifiziert wird, um einen minimalen Informationsverlust zu erreichen. Die entsprechende Laplacepyramide kleinster Quadrate (LSLP) wird durch Hinzufiigen eines Nachfilters zur REDUCE Funktion erzeugt. Diese zwei neuen Funktionen erlauben eine effiziente Realisierung mithilfe rekursiver Algorithmen. Erste Versuche deuten auf eine deutliche Verbesserung hin: fiir einen Gauss-artigen Kern (a = 3) erreicht die neue EXPAND Funktion eine D/impfung von 2 bis 2.5 dB im ersten Niveau der Laplacepyramide, w/ihrend die vollst/indige Methode (LSLP) eine Verbesserung yon 4.7 bis 8.5 dB fiir zwei Testbilder erreicht. Fiir vergleichbare Bildkompressionsfaktoren ist die subjektive Bildqualit/it von LSLP wesentlich besser. Ferner wird ein the...

show abstract

Section: Introductionmentioning

confidence: 99%

An improved least squares Laplacian pyramid for image compression

Unser

1992

Signal Processing

View full text Add to dashboard Cite

show abstract

“…Una opción alternativa que soluciona esta limitación es la llamada transmisión progresiva [64]. Bajo este enfoque el conjunto de datos (imagen digital) se divide, de una cierta manera, en muchos subconjuntos o fragmentos, y és-tos se envían uno a uno.…”

Section: Transmisión Progresivaunclassified

“…Este modelo de transmisión progresiva descrito tiene sentido cuando existe poco ancho de banda disponible en el canal de comunicación y dichos canales se puelen saturar con una gran cantidad de datos de la imagen, o también cuando el ancho de banda, aún siendo alto, está ocupado con la transmisión de un gran número de imágenes [64]. Excepto en 7(c), en las demás opciones podemos ahorrar consumo del ancho de banda y aligerar una gran cantidad del tráfico diario en la red, y por lo tanto, reducir el tiempo necesario para poder visualizar una imagen.…”

Section: Transmisión Progresivaunclassified

“…Por otro lado están los sistemas de transmisión progresiva [64] que organizan los datos de la imagen de tal forma que, desde el comienzo mismo de la transmisión puede verse una reconstrucción aproximada de la imagen original (veáse figura 3.3) y la calidad de esta reconstrucción va mejorando según se van recibiendo un mayor número de datos.…”

Section: Transmisión Progresiva Y Roisunclassified

“…Otro aspecto interesante de la transmisión progresiva es el gran nivel de compresión efectiva que puede lograrse de forma indirecta, ya que el cliente puede detener la transmisión de datos cuando observe que la imagen haya alcanzado suficiente nivel de detalle o que la imagen ya no resulte de su interés [39] y [64]. Además, si el cliente es capaz de interactuar con el proceso de transmisión y seleccionar ciertas regiones de interés en el preciso instante en que algunas regiones de la imagen le parezcan relevantes, entonces podrá reconstruir la secuencia de transmisión y enviar en primer lugar sólo la información relativa a dichas ROIs (figura 3.4).…”

Section: Transmisión Progresiva Y Roisunclassified

See 2 more Smart Citations