기존의 프랙탈 복원방법은 모든 치역영역에 대해 반복축소변환을 수행하였다 그러나 일부영역은 반복축소변환 없이 복원 가능하고, 데이타 의존영역이 존재한다 $R{ imes}R$ 치역을 복원하기 위해서 $2R{ imes}2R$ 정의역이 필요하다 이러한 복원과정은 의존그래프로 해석이 가능하다 치역은 정점에 해당하고, 정점은 치역정점과 정의역 정점으로 구분한다 에지는 정의역 정점이 다른 치역정점에 참조됨을 나타낸다 치역정점으로 들어오는 에지 수를 입력수, 치역정점에서 나가는 에지 수를 출력수로 정의한다 제한한 방법은 프랙탈 코드를 의존그래프로 해석하고 복원되는 정정의 순서를 재구성하여 출력수의 정보를 이용한다 즉 정점의 출력수가 영이면, 그 정점은 다론 정점에게 참조되지 않는 정점으로서 데이타 의존영역이 되는 정점이다 이와 같이 복원 되는 정점의 순서를 재구성함으로서, 데이타 의존영역을 확장하여 반복축소변환이 필요한 영역을 최소화한다 그 결과 화질에는 거의 영향을 미치지 않고, 복원과정에서의 불필요한 계산량을 제거하여 고속 복원이 가능하다
The conventional fractal decoding was implemented to IFS(iterated function system) for every range regions But a part of the range regions can be decoded without the iteration and there is a data dependence regions In order to decode $R{ imes}R$ range blocks, It needs $2R{ imes}2R$ domain blocks This decoding can be analyzed to the dependence graph The vertex of the graph represents the range blocks, and the vertex is classified into the vertex of the range and domain The edge indicates that the vertex is referred to the other vertices The in-degree and the out-degree are defined to the number of the edge that is entered and exited, respectively The proposed method is analyzed by a dependence graph to the fractal code, and the decoding order is recomposed by the information of the out-degree That is, If the out-degree of the vertex is zero, then this vertex can be used to the vertex with data dependence Thus, the proposed method can extend the data dependence regions by the recomposition of the decoding order As a result, the Iterated regions are minimized without loss of the image quality or PSNR(peak signal-to-noise ratio), Therefore, it can be a fast decoding by the reducing to the computational complexity for IFS in the fractal Image decoding
