SavedAdd your journal

Journals / Afyon Kocatepe Üniversitesi Fen Bilimleri Dergisi / 2004 / Cilt: 4 - Sayı: 1-2

Multiscale image representation using switched codebook predictive vector quantization

Anahtarlamalı ve öngörülü vektör kuantalama ile çok çözünürlüklü görüntü sıkıştırma

Cihan KARAKUZU
Mehmet YAKUT
Sıtkı ÖZTÜRK
Pages
67–79
Publication Date
2022-10-11
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

The method used here is useful for applications like fast search on criminal database over low rate transmission lines and user selectable progressive wieving of images on slow internet services.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:In this study different vector formation is proposed for mutiscale image representation similar to pyramidal representation.
📊
Key Findings & Data:Using the vector formation described here higher predictability assured between successive vectors.
💡
Conclusion & Impact:The method used here is useful for applications like fast search on criminal database over low rate transmission lines and user selectable progressive wieving of images on slow internet services.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Domain Parameters

Abstract

In this study different vector formation is proposed for mutiscale image representation similar to pyramidal representation. Using the vector formation described here higher predictability assured between successive vectors. Switched codebook predictive vector quantizer is developed for the proposed vector formation. User selectable high resolution images are obtained using -the information carried on low resolution vector quantized images. The method used here is useful for applications like fast search on criminal database over low rate transmission lines and user selectable progressive wieving of images on slow internet services.

Özet

Bu çalışmada çok çözünürlüklü görüntü temsili için piramit temsildekine benzer şekilde, yeni vektör oluşturma biçimi önerilmiştir. Burada tanımlanan yeni vektör oluşturma biçimi ile ardışıl vektör bileşenleri arasında yüksek öngörülebilirlik elde edilmektedir. Ayrıca önerilen vektör biçimi için anahtarlamalı kod tablolu, öngörülü vektör kuantalama yöntemi geliştirilmiştir. Düşük çözünürlük düzeyine ilişkin vektör kuantalanmış bilgi kullanılarak daha yüksek çözünürlük düzeyine kullanıcı isteğine bağlı olarak geçilmektedir. Geliştirilen yöntem yavaş internet servisleri üzerinden görüntülerin kullanıcı isteği ile kademeli olarak yüksek çözünürlük düzeylerinde izlenmesi, düşük iletim hatları üzerinden suçlu görüntülerinin bulunduğu geniş veri tabanlannda hızlı görüntü arama gibi uygulamalarda kullanmaya uygundur.

🔖

Cite This Article

KARAKUZU, C., YAKUT, M., ÖZTÜRK, S. (2022). Multiscale image representation using switched codebook predictive vector quantization. Afyon Kocatepe Üniversitesi Fen Bilimleri Dergisi, Cilt: 4 - Sayı: 1-2, 67–79. https://ajindex.com/articles/429530

References (1)

  1. Jaın K., Image Data Compression; A Review, Proceedings IEEE, 349-389, (1981). 2.Gersho A., Gray R. M., Vector Quantisation and Signal Compression, Kluwer Academic Publishers, (1992). 3.Gray R. M., Vector Quantisation, IEEE ASSP Magazine (1984). 4.Kunt M., Ikonomopoulos A., Kocher M., Second Generation Image Coding Techniques, Proceedings IEEE,73, (1985). 5.Barnes C. F., Rizvi S. A., Nasrabadi N. M., Advances in Residual Vector Quantisation, IEEE Transactions On Image Processing, (1996). 6.Harry H. M., Woods J. W., Predictive Vector Quantisation of Images, IEEE Transactions on Communications, (1985). 7.Wang L., Goldberg M., Progressive Image Transmission Using Vector Quantisation in Pyramid Form, IEEE Transactions on Comm., 37 (12), 1339-1349, (1989). 8.Lim J. S., 2-D Signal and Image Processing, Prentice Hall, (1990). 9.Linde Y., Buzo A., Gray R. M., An Algorithm for VQ Design, IEEE Transactions on Communications, (1980). 10.Wang L., Rizvi S. A., Nasrabadi N. M., A Modular Neural Network Vector Predictor for Predictive Image Coding, IEEE Transactions on Image Processing, 8(7),1198-1217, (1998). 11.Wegmann B., Zetzche C., Feature Spesific Vector Quantisation of Images, IEEE Transactions on Image Processing, (1996). 12.Kohonen T., Learning Vector Quantisation for Pattern Recognition, Helsinki University of Technology, Finland, (1986). 13.Kohonen T., Self Organisation and Associative Memory, Springer Verlag, Newyork, (1988). 14.Kohonen T., The Self-Organizing Map, IEEE Proceedings, (1990). 15.Nasrabadi N. M., King R. A., Image Coding Using Vector Quantisation: A Review, IEEE Transactions on Comm.,36(8), (1988).