@article{oai:ipsj.ixsq.nii.ac.jp:00018267,
 author = {近藤弘一 and 笹田, 昇平 and 小幡, 雅彦 and 岩崎, 雅史 and 中村, 佳正 and Koichi, Kondo and Syohei, Sasada and Masahiko, Obata and Masashi, Iwasaki and Yoshimasa, Nakamura},
 issue = {SIG8(ACS18)},
 journal = {情報処理学会論文誌コンピューティングシステム（ACS）},
 month = {May},
 note = {本論文では非可逆画像圧縮におけるKakarala-Ogunbona（KO）の画像分解アルゴリズムを考える．KO分解では行列の特異値分解（SVD）を利用した主成分分析が行われ，2次元離散ウェーブレット変換と同様な多重解像度解析が可能である．左特異ベクトルをフィルタとして利用することが特徴である．一般に特異値の近接度が高いとき， SVD数値計算アルゴリズムによって特異ベクトルが高精度に求められるとは限らない．本論文ではKO分解における特異値の近接度を低減させるアルゴリズムを提案する．元画像に対してランダム模様のふちどりを追加することで特異値分布を変化させる．数値実験によりその効果を示し，圧縮画像の誤差評価を行う．さらには，フィルタ行列の量子化について議論する．, In this paper, the Kakarala-Ogunbona (KO) algorithm for lossy image compression is considered. It is a transformation of multiresolution image decomposition like the two dimensional discrete wavelet transformation, and is based on principal components analysis by singular value decomposition (SVD) for matrices. The point of the KO algorithm is to use left singular vectors as  decomposition filters. If any singular values are very close to each other, then existing numerical SVD algorithms may fail to compute accurate  singular vectors. In this paper, we propose a modified algorithm of the KO decomposition to increase gaps between singular values. The distribution of singular values are variable by adding random bordering to the original image. We show its efficiency and estimate errors of the compressed images by numerical experiments. Moreover, we discuss a quantization of the filter matrices.},
 pages = {216--225},
 title = {Kakarala-Ogunbonaの画像分解における特異値の近接度を低減させるアルゴリズム},
 volume = {48},
 year = {2007}
}