Universitatea Politehnica" Bucureti Facultatea de tiine Aplicate

Dorinel ENACHE
TCSI An I

Prezentare Fractali
1. Introducere

Ce este un fractal? Benoit B. Mandelbrot a inventat termenul in 1975. Acest cuvnt deriv din fractus care n limba latin inseamn fracturat (derivat, la rindul su, din verbul frangere - a frnge, a rupe). El vrea s sugereze o multime care este mult mai "neregulat" dect multimile considerate in geometria clasic; cu ct aceasta este mrit, tot mai multe neregularitti devin vizibile l. De asemenea am putea afirma c : fractalii sunt forme geometrice (corpuri naturale), care pot fi imprtie in bucti, fiecare dintre ele fiind o copie la scar redus a intregului. Fractali pot fi considerati : norii, muntii, copacii, malurile etc. De exemplu, o linie de coast neregulat (cum ar fi, de exemplu,

coasta estic a Angliei) arat destul de neted dac o privim din avion, de la o inltime mare, dar, pe msur ce ne apropiem, tot mai multe neregularitti devin vizibile. Aceste neregularitti creeaz probleme i in calcularea lungimei liniei de coast sau a frontierei a dou tri vecine. Propriti

prtile sale componenete au aceeai form sau structur cu intregul, dei sunt privite la o scar diferit i sunt putin deformate.

forma sa este neregulat, intrerupt sau fragmentat. prtile sale componente sunt distincte i foarte variate.

2. Dimensiunea Fractal Obiectele geometrice au o dimensiune topologic; de exemplu, liniile au dimensiunea 1; suprafetele plane au dimensiunea 2 (ptrate, cercuri etc.); spatiul dimensiunea 3. S-au construit figuri care nu se puteau carcateriza prin nici una din dimensiunile cunoscute. Unei linii curbe ce unete dou puncte nu i se poate determina lungimea, iar dac se fceau detalieri succesive asupra fiecrui punct de pe dreapt, lungimea liniei cretea (conturul unui munte se detaliaz cu ct distanta de la care este privit e mai mic). n 1919, matematicianul Hausdorff a introdus o nou dimensiune: dimensiunea fractal sau dimensiunea Hausdorff. Aceast dimensiune msoar numrul de mulimi de diametre mai mici necesare pentru a acoperi o figur. Dc acest numr este intreg atunci dimensiunea este topologic, altfel dimensiuna este fractal. De exemplu :

Un segment de lungime l poate fi imprtit n n segmente mai mici, fiecare de lungime l/n; Un ptrat de latura 1 poate fi imprtit n n2 ptrate cu latura de l/n; Un cub de latura l poate fi imprtit n n3 cuburi cu latura de l/n.

Un obiect ce are dimensiunea D, compus din elemente asemenea cu el, poate fi imprtit in nD elemente de n ori mai mici.

D = lim
n

log( NumarComponente) log( n)

Este interesant de remarcat c acest raport nu depinde de baza logaritmului. Astfel, dimensiunea fractal poate fi calculat far a ni se impune vreo condiie asupra bazei logaritmului.
___________________________________________________ 1

Wikipedia, the free encyclopedia - http://en.wikipedia.org

3. Exemple de fractali2:
Curba Koch(1904) - curba cu distana infinit intre oricare dou puncte de arie O. Se pornete cu un segment unitate (iniiatorul) care se mparte n 3 segmente congruente i se inlocuiete segmentul din mijloc cu cele dou laturi ale unui triunghi echilateral, avndu-l ca baz i situat deasupra lui (generatorul).

n continuare se repet aceeai procedur cu fiecare din cele 4 segmente obinute; construcia are un caracter recursiv. Curba poligonal obinut in fiecare stadiu este, dup Mandelbrot, o structur prefractal. Curba lui Koch este figura obinut la limit.

Dimenisunea fractal va fi :

D=

log 4 = 1,2618..... log 3

Triunghiul Sierpinsky - Se pornete cu un triunghi echilateral care se mparte prin mijloacele laturilor sale in 4 triunghiuri congruente i se elimin triunghiul din mijloc. Cu fiecare din triunghiurile rmase se procedeaz analog.

Mulimea rmas se numete sita lui Sierpinski.

Dimenisunea fractal va fi :

D=

log 3 = 1,585... log 2

___________________________________________________
2

K. Falconer "Fractal Geometry Mathematical Foundations and Applications", Chichester,

Wiley, 1990.

Covorul lui Sierpinsky - Se pomete cu un ptrat care se imparte in 3 2 ptrate congruente i se elimin ptratul din mijloc. Cu fiecare din ptratele rmase se procedeaz la fel.

Dimenisunea fractal va fi:

D=

log 8 = 1,893... log 3

Aceste structuri se pot dovedi foarte interesante pentru a modela unele probleme de transport medii poroase i permit calcule analitice exacte pentru diverse proprieti fizice (conductan, vibraii, electrozi fractali etc.). Mulimile fractale modeleaz o intreag varietate de fenomene tiinifice, de la cele moleculare la cele astronomice: micarea brownian a particulelor, turbulena n fluide, creterea plantelor, studiul rocilor, materiale compozite, polimeri i geluri, peisaje, muni, linii de coast geografice, distribuia galaxiilor n univers i chiar fluctuaiile de preuri pe pieele de schimb. Astfel, ceea ce a prut la inceput un concept de matematic pur a gsit numeroase tiine. Dac aceste aplicaii vor continua s se diversifice i s se adnceasc, s-ar putea ca studiul fractalilor s devin o parte obligatorie a cursurilor universitare. Geometria fractal este completarea care lipsea geometriei euclidiene i simetriei cristaline (sau cvasicristaline).

4. Fractali Naturali
De la distributia galaxiilor in univers pn la structura organismelor vii, natura prezint aspecte fractale. Complexitatea copacilor, norilor, rurilor, muntilor, poate fi evaluat cantitativ calculnd dimensiunea fractala a conturului acestora.3

De peste 20 de ani se stie c distribuia galaxiilor relativ apropiate (pn la 50 de milioane de ani-lumina) este fractal, de dimensiune 1,23. Dintre toate stiinele, medicina utilizeaz cel mai mult geometria fractal. Aproape toate organele corpului uman au caracter fractal si buna lor funcionare este strns legat de dimensiunea lor.

Rurile si fluviile au aspect fractal si dimensiunea lor msoara complexitatea bazinului hidrografic. Se stie c Amazonul are dimensiunea 1.85, iar Nilul numai 1.4

___________________________________________________

B. Mandelbrot "The Fractal Geometry of Nature", W. H. Freeman, San Francisco, 1982 (rev. ed. of "Fractals", 1977).

5. Aplicaii

Compresia fractal

Oamenii de tiin au gsit un model matematic capabil s genereze peisaje artificiale i care totui arat destul de realist i copacii care rsreau din sol. i matematicienii au avut la dispoziie o lume nou de entiti geometrice.Nu a trecut mult timp inainte ca matematicienii s se intrebe dac exist o unitate in cadrul acestei diversiti. Aceast unitate exist, dup cum a demonstrat John Hutchinson in 1981, iar aceast ramur a matematicii este cunoscut in prezent drept Teoria Funciilor Iterative4. Mai trziu in aceeai decad (anii .80), Michael Barnsley, un cercettor de seam de la Georgia Tech, scria cartea bine cunoscut Fractale peste tot. (Fractals Everywhere). Cartea prezint teoria matematic. a Sistemului de Funcii Iterate (IFS) i demonstreaz un rezultat cunoscut drept Teorema Collage. Aceast teorem exprim modul in care trebuie s arate un Sistem de Funcii Iterate pentru ca acesta din urm s reprezinte o imagine. Acest rezultat matematic prezenta o posibilitate intrigant. Dac, in direcia inainte, matematica fractal se dovedete capabil pentru generarea unor imagini apropiate de imaginile naturale, atunci se pune intrebarea dac, in direcie opus, nu ar putea servi pentru compresia imaginilor? Problema invers se refer la urmtorul lucru: Plecind de la o imagine dat se poate ajunge la un Sistem de Funcii Iterate care s poat genera sau mcar s se poat apropia ct mai mult posibil de imaginea original? Aceast problem rmne nerezolvat. in martie 1988, dup afirmaiile lui Barnsley, el ajunsese la o schem modificat pentru reprezentarea imaginilor, numit Sistem de Funcii Iterate Partiionate (Partitioned Iterated Function System (PIFS)). Barnsley a aplicat aceast schem i i-a fost acordat un al doilea patent pentru un algoritm care poate converti automat o imagine intr-un Sistem de Funcii Iterate Partiionate,compresnd imaginea in timpul procesului. Pentru a capta diversitatea imaginilor reale sunt folosite Sisteme de Funcii Iterate Partiionate(PIFS, Partitioned IFS). intr-un PIFS transformrile nu se refer la intreaga imagine infiat prin prile ei; este vorba de transformarea prilor mai mari din imagine in prti mai mici. 0 imagine poate varia din punct de vedere calitativ de la o zon la alta (de exemplu nori apoi cer apoi iar nori). Un PIFS stabilete o legtur Intre acele zone ale imaginii iniiale care sunt in aparen similare. Folosind notaia lui Jacquin, zonele mari ale imaginii sunt numite blocuri domeniu, iar zonele mici sunt numite blocuri scop. Este necesar ca fiecare pixel din imaginea original s aparin cel puin unui bloc scop. Configuraia blocurilor scop este numit partiionarea imaginii. Deoarece acest sistem de redare este inc, reductibil, cnd va fi supus iteraiilor va converge rapid ctre imaginea convertit. Construirea unui PIFS se rezum la imperecherea fiecrui bloc scop cu blocul domeniu cu care se aseamn cel mai mult prin aplicarea unor transformri ce urmeaz a fi determinate. Dac este realizat bine, codarea PIFS a unei imagini va fi mult mai mic dect imaginea original i va fi foarte asemntoare cu aceasta. De aceea o imagine compresat folosind compresia fractal reprezint o codare care descrie:

1. Partiionarea reelei (blocurile scop). 2. Transformrile atomice (una pentru fiecare bloc scop).
___________________________________________________

Biblioteca virtuala de Inteligenta artificiala - http://eureka.cs.tuiasi.ro

Independena de scal i mrirea rezoluiei

Cnd este capturat o imagine folosind un sistem de achiziie cum ar fi o camer digital sau un scanner, aceasta (imaginea) este obinut la o anumit scal determinat de rezoluia de capturare a acelui

dispozitiv. Dac sunt folosite aplicaii software pentru a face un zoom in asupra imaginii, de la un anumit punct nu se mai pot percepe anumite detalii, ci doar pixeli mai mari. 0 imagine fractal este diferit. Deoarece transformrile atomice sunt reductibile spaial, sunt create detalii la rezoluii din ce in ce mai mici cu fiecare iteraie. La limit, detalii similare sunt create la toate nivelele de rezoluie pn la nivelul infinitezimal. Deoarece nu exist nivele care s nu respecte aceast regul, imaginile fractale sunt considerate a fi independente de scal.Ceea ce inseamn acest lucru in practic este faptul c, pe msur ce se face zoom in pe o imagine fractal, aceasta va arta aa cum ar trebui i nu cu efectul de trepte a replicrii pixelilor. Dar exist o problem. Detaliul nu a fost reinut, ci generat. Cu puin noroc, va arta cum ar trebui, dar nu trebuie s ne bazm pe asta. Dac vom face zoom pe faa unei persoane nu vom scoate in eviden porii. n mod obiectiv, ceea ce ofer compresia fractal a imaginii este o form avansat de interpolare.Aceast proprietate este folositoare i atractiv. Folositoare, de exemplu unui grafician sau pentru tiprirea folosind echipamente cu rezoluie mare. Dar nu furnizeaz rate de compresie fantastic de mari.

Problema vitezei
Esena procesului de compresie const in imperecherea fiecrui bloc scop cu un bloc domeniu astfel inct diferena dintre cele dou, msurat in numrul de transformri atomice, s fie minim.Acest lucru implic multe cutri. De fapt, nu exist nici o condiie conform creia blocurile ar trebui s fie ptratice sau mcar dreptunghiulare. Aceasta este doar o impunere pentru a menine problema maleabil. in general, metoda pentru gsirea unui PIFS bun pentru orice imagine dat implic 5 etape principale: 1. Partiionarea imaginii in blocuri scop. 2. Formarea setului de blocuri domeniu. 3. Alegerea tipurilor de transformri ce vor fi luate in consideraie. 4. Selectarea unei distane metrice intre blocuri. 5. Specificarea unei metode pentru imperecherea blocurilor scop cu blocurile domeniu. Importana impririi pe categorii poate fi observat dac se face un calcul a dimensiunii domeniului total. S presupunem c imaginea este partiionat n blocuri scop de dimensiune 4x4. 0 imagine de dimensiune 256x256 conine n total (256-8+1)^2 = 62.001 blocuri domeniu diferite de dimensiune 8x8. Incluznd i cele 8 simetrii izometrice totalul crete la 496.008. Sunt (256-4+1)^2 = 64.009 blocuri scop de dimensiune 4x4, ceea ce presupune testarea a 31.748.976.072 imperecheri posibile. Chiar i pe o main putemic o cutare complet este extreme de lent. Mrirea vitezei de cutare reprezint provocarea principal in ceea ce privete compresia fractal a imaginilor.

Compresia fractal vs. JPEG din punct de vedere calitativ

Avnd n vedere aceste msurtori controversate, din rezultatele testelor tragem urmtoarele concluzii: pentru rate de compresie mici este

mai recomandat utilizarea metodei JPEG, dar pentru rate de compresie mari, compresia fractal este ce1 mai bine de utilizat. Punctul de referin n luarea unei decizii este rata de compresie 40:1. La rate de compresie sub 40:1, folosind metoda JPEG o imagine ii va pstra calitile initiale, pe cnd peste aceast valoare o imagine va avea multe probleme, i probabil va fi inutilizabil.

Similariti in imagini
Deosebirile fa de similaritile din fractali sunt c imaginea nu este format din copii ale aceleiai imagini ca intreg (prin transformarea afin corespunztoare), ci va fi format din copii transformate ale unor pri constituente ale imaginii. Aceste pri transformate nu pot fi puse impreun pentru a constitui exact imaginea iniial i din aceast cauz ca trebui s acceptam un anumit grad de eroare n reprezentarea imaginii ca un set de transformri. Acest lucru inseamn c imaginea pe care o vom codifica prin setul de transformri nu va fi o copie exacta a imaginii originale, ci o aproximare a ei.

Codificarea Imaginilor
Presupunem c avem o codificm. Aceasta inseamn imagine trebuie dat f , pe care dorim s o sa gsim o colecie de funcii

w1, w2,..., wn , cu W = Uwi ,i f = W . Acestea sunt necesare deoarece dorim ca s fie un punct fix pe Ecuaia punctului fix f W. f = W ( f ) = w1 ( f ) w2 ( f ) .. wn ( f ) ne sugereaz cum se realizeaz acest lucru. Dup ce am partiionat f aplicnd transformrile wi , trebuie sa obinem din nou f . n general, nu putem realiza acest lucru, deoarece
imaginile nu sunt compuse din pri care pot fi transformate i apoi fixate perfect in a1t loc al imaginii. Sperm s gsim o alt imagine

f '= W

cu este

( f ' , f ) foarte mic. Cutm transformarea W a crui punct fix f ' = W asemntor cu f . n acest caz avem: f f ' = W ( f ') W ( f ) = w1 ( f ) w2 ( f ) .. wn ( f ) .
Astfel, este suficient s aproximm pri ale imaginii cu transformate. Vom face acest lucru minimiznd urmtoarele cantiti: ( f ( Ri I ) , wi ( f )) , cu i = 1, , N . Acest lucru inseamn c gsim bucile

pri

Di i funciile wi astfel inct atunci cnd aplicm o funcie wi prii de imagine de peste Di , vom obine ceva foarte apropiat prii de imagine de peste Ri . Gsirea prilor Ri i a Di -urilor corespunztoare este fundalul problemei.

Un exemplu ilustrativ simplu

Urmtorul exemplu ne sugereaz cum ar putea fi realizat acest lucru. Presupunem ca lucrm cu o imagine de dimensiune 256 x 256 pixeli n care fiecare dintre pixeli poate avea una dintre cele 256 nuane de gri (de

R1 , R2 ,..., R1024 subptratele disjuncte de dimensiune 8 x 8 ale imaginii i fie D mulimea tuturor ptratelor de dimensiune 16 x 16
la alb la negru). Fie ce pot fi i nedisjuncte ale imaginii. Mulimea D conine 241*241 = 58081 ptrate. Pentru fiecare

Ri

cutm prin toat mulimea D pentru a gsi o submulime Di D ce minimizeaz ecuaia de mai sus, adic vom cuta partea de imagine ce se aseamn cel mai mult cu imaginea de peste Ri . Se spune c acest domeniu acoper scopul. Sunt 8 modaliti de a mapa un ptrat peste altul (ptratul poate fi rotit de 4 ori ntr-o direcie i de 4 ori in alta i att), acest lucru insemnnd compararea a 8*58081 = 464648 ptrate cu fiecare dintre cele 1024 ptrate scop. De asemenea, un ptrat din D are de 4 ori mai muli pixeli dect un ptrat Ri deci va trebui sau s procedm aleator (alegnd unul dintre fiecare 2 x 2 subptrate ale lui Di ) sau s interpolm ptratele de dimensiune 2 x 2 corespunztoare fiecrui pixel din Ri cnd minimizm ecuaia respectiv.5 Minimizarea ecuaiei semnific dou lucruri: primul l reprezint gsirea unei valori potrivite pentru Di (adic partea imaginii care se aseamn

Ri ); in al doilea rnd semnific gasirea unui contrast i a unei luminoziti oi pentru wi pentru fiecare Di D .
cel mai mult cu imagine de deasupra lui

Imaginea original, prima, a doua i a zecea iteraie a transformarilor de codificare.

___________________________________________________

C. E. Krohn "Fractal measurements", J. Geophys. (1988).

Metode de Partiionare a Imaginilor

Partiionarea Quadtree

n aceast metod, o imagine n form de ptrat este imprit in patru ptrate identice ca dimensiune, dac poriunea respectiv de imagine nu e reprezent destul de bine intr-un anumit domeniu (conine prea detalii). Acest proces de partiionare se repet recursiv incepnd iniial cu toat imaginea i continund pn cnd ptatele astfel obinute sunt destul de mici pentru a acoperi imaginea cu o anumit toleran rms . Ptrelele mici pot reprezenta mai bine dect ptratele mari o imagine, pentru c pixelii invecinai dintr-o imagine tind sa fie asemntori.

a)imagine Alb-Negru si partiionarea QadTree (b)

Imaginea este de 256x256, comprimat cu metoda quadtree, rata de compresie 28.95:1, cu o eroare rms tolerat de 8.5

Partiionarea HV

10

ntr-o partiionare HV, o imagine dreptunghiular este recursiv imprit fie orizontal, fie vertical pentru a forma dou noi dreptunghiuri. Partiionarea se face recursiv pn cnd se obine tolerana dorit.

Prima partiie,

a doua, a treia i a patra partiie

Metoda HV ncearc s creeze dreptunghiuri similare la scri iferite. Aceast schem este mult mai flexibil, deoarece modul de partiionare este variabil. Urmtoarea etap este de a face partiionarea avnd n vedere c figurile astfel obinute s fie alctuite din structuri relativ similare. De exemplu, vom incerca sa aranjm partiionarea astfel inct marginile imaginii s tind s fie in diagonala formelor astfel obinute. Dup aceasta, este posibil ca partiiile mai mari s le acopere pe cele mici, cu o toleran destul de bun. Figura de mai sus este elocvent in acest caz. In cadrul (a), este prezent o parte din imagine. in partea (b), prima partiionare genereaz dou dreptunghiuri, marginea figurii trecnd aproximativ prin diagonala dreptunghiului R1 , iar R2 neavnd nici o margine. in figura (c), observm ca dup urmtoarele trei partiionri a lui R 1 in patru dreptunghiuri, avem dou dreptunghiuri care sunt relativ identice din punctul de vedere al structurii (amndou posed o margine care coincide cu diagonala) i dou care pot fi reprezentate de ctre R2 (deoarece nu au nici o margine). In figura urmtoare, avem prezentat oraul SanFrancisco, imagine codat folosind schema prezentat mai sus.

Partiia Triunghiular. 11

O alt metod folosit pentru a partiiona o imagine este partiionarea imaginii respective folosind triunghiuri. ntr-o schema de partiionare triunghiular, o imagine dreptunghiular este imprit n dou triunghiuri, cele dou triunghiuri avnd ca l a t u r c o m u n d i a g o n a l a dreptunghiului. Fiecare triunghi astfel obinut, este partiionat recursiv n alte patru triunghiuri, prin segmente obinute prin unirea a trei puncte ce se afl pe cele trei laturi ale triunghiului. Aceast metod are cteva avantaje, n comparaie cu metoda HV. Este foarte flexibil, astfel inct triunghiurile pot fi alese n funcie de similaritatea dintre ele. Liniile astfel obinute nu sunt numai orizontale sau verticale, i acest fapt reprezint un mare avantaj n codarea imaginii. Totodat, triunghiurile astfel obinute pot avea orice orientare, i deci scpm de restricia de la metoda HV de rotaie cu 90 grade, care era fix. n figura de mai jos, avem prezentate cele trei moduri de partiionare, folosind o imagine cu Lena ca exemplu.

Model de partiionare QuadTree (5008 ptrate),

HV (2910 dreptunghiun),

Ttriunghiular (2954 triunghiun)

Metod hibrida de compresie fractal i cuantizare vectorial. 12

Este utilizat cutarea regiunilor similare cu dimensiuni diferite. Este foarte asemnatoare cu metoda QuadTree cu diferenta c n loc s se efectueze transformarea afin se efectueaz cuantizarea vectorial pe blocuri. n urma testelor s-au constatat urmtoarele avantaje comparativ cu metoda QuadTree: Creterea Cresterea Cresterea Creterea vitezei de compresie; vitezei de decompresie; calitii imaginilor comprimate; ratei de compresie.

Viteza de compresie crete cu pn la 2 ori comparativ cu metoda QuadTree.

Raportul Semnal-Zgomot Maxim (Peak Signal-Noise Ratio PSNR) este

superioar ( calitate superioar a imaginii) metodei QuadTree.

Imagine original 320x320 TrueColor ( 24 biti /pixel - 307 Kb)

13

Imagine original (307 Kb)

JPEG (compresie 40x ) (7,67 Kb)

Imagine original (307 Kb)

FIF6 (compresie 100x) (3.08 Kb)

Comparaie intre compresie JPEG si FIF la acelasi factor de compresie;

JPEG (100x) ) (3,06 Kb)

___________________________________________________

FIF6 (compresie 100x) (3.08 Kb)

Concluzii

FIF Fractal Image Format

14

Cea mai important trstur a compresiei de imagini cu fractali este faptul c pstreaz o calitate foarte bun a imaginii in condiiile scalrii la dimensiuni foarte mari. Acest tip de compresie de imagini poate fi aplicat n domeniul medical, acolo unde medicii doresc s observe detaliile imaginii la diferite scri. De asemenea n domeniile militar i al sistemelor de securitate aceast trstur este deosebit de util. Imaginile cu fractali au un timp de decompresie foarte mic, astfel inct sistemele multimedia, video-on-demand i tele-browsing pot progresa datorit faptului c n cadrul acestor sisteme imaginea este comprimat o singur dat i decomprimat de foarte multe ori. Imaginile comprimate cu fractali au o rat de compresie foarte bun, avnd o dimensiune comparabil cu cele comprimate cu JPEG, de multe ori chiar mai mic.

Bibliografie

Wikipedia, the free encyclopedia - http://en.wikipedia.org/wiki/Fractal_compression B. Mandelbrot "The Fractal Geometry of Nature", W. H. Freeman, San Francisco, 1982 (rev. ed. of "Fractals", 1977). C. E. Krohn "Fractal measurements", J. Geophys. (1988) B. Mandelbrot - Obiectele fractale, Editura Nemira, 1998 http://courses.engr.illinois.edu/ece547/notes/compression.pdf The hybrid method of a fractal image compression and vector quantization http://www.graphicon.ru/1998/Image_&_Data_Compression/Vatolin_p.pdf A.E. Jacquin , Image coding based on a fractal theory of iterated contractive i mage transformations IEEE Trans. Image Processing 1 (1992) 18 30. Jacquin, image transformations 18Y. Fisher, Fractal image compression , SigGraph 92. compression, A.E. Jacquin , Fractal image coding A review Proceedings of the IEEE 81,10 (1993) 1451 1465. Jacquin, coding 1451M. Gharavi Alkhansari , T. Huang, Fractal based techniques for a generalised image coding method Proc. IEEE ICIP 94, Austin, Texas, Nov 1994. Gharavi-Alkhansari, method ICIPM. Barnsley , L. Hurd , Fractal Image Compression AK Peters. 1993 Barnsley, Hurd, Compression S. Lepsoy , Block based attractor coding: Potential and comparison to vector quantization Conference on Signals, systems and Computers, pp. 1504 1508, 1993 Lepsoy, Block-quantization 1504T.Murakami K/ Asai , E/Yamazaki. Vector quantiser of video signals , Electronics Letters 7 (1982) 1005 1006 Asai, signals, 1005R. Hamzaoui , M.Muller, D. Saupe VQ enhanced fractal image compression IEEE ICIP96 Hamzaoui, VQ-compression

15