JPEG2000 이미지에서 사용자의 관심영역에 따라 동적으로 이미지의 일부를 우선적으로 처리하는 것이 관심 영역 처리기법이다. 작은 이미지는 큰 의미가 없지만, 큰 이미지에서는 화면에 출력되는 속도가 느리기 때문에 사용자가 먼저 보고자하는 영역을 지정함으로써 지정된 부분을 우선처리하게 된다. 사용자는 대략의 이미지 중에서 관심영역을 지정하면 지정된 영역의 범위를 마스킹 하여 이미지를 전송한 곳으로 보내게 된다. 관심영역 마스킹 정보를 얻은 서버는 우선적으로 마스킹 되어 있는 코드 블록을 우선적으로 전송한다. 여기서, 빠르게 마스킹 정보를 생성하는 것이 중요한데, 본 연구에서는 미리 만들어 놓은 48개의 마스킹 패턴을 사용하여, ROI(Region-of-Interest)와 배경의 분포에 따라 마스킹 패턴 중에 하나를 선택함으로써 마스킹 영역을 계산하는 시간을 현저히 줄였다. 이 패턴이 적용되는 블록은 한 블록 내에 ROI 영역과 배경 영역이 섞여 있는 블록이다. 한 블록 전체가 ROI 이거나 배경이면 이 패턴은 사용되지 않는다. 실험한 결과, ROI와 배경을 정확하게 분리하여 처리하는 방법에 비하여 약간의 품질은 떨어지지만, 처리시간은 현저히 줄었음을 보였다.
JPEG2000 이미지에서 사용자의 관심영역에 따라 동적으로 이미지의 일부를 우선적으로 처리하는 것이 관심 영역 처리기법이다. 작은 이미지는 큰 의미가 없지만, 큰 이미지에서는 화면에 출력되는 속도가 느리기 때문에 사용자가 먼저 보고자하는 영역을 지정함으로써 지정된 부분을 우선처리하게 된다. 사용자는 대략의 이미지 중에서 관심영역을 지정하면 지정된 영역의 범위를 마스킹 하여 이미지를 전송한 곳으로 보내게 된다. 관심영역 마스킹 정보를 얻은 서버는 우선적으로 마스킹 되어 있는 코드 블록을 우선적으로 전송한다. 여기서, 빠르게 마스킹 정보를 생성하는 것이 중요한데, 본 연구에서는 미리 만들어 놓은 48개의 마스킹 패턴을 사용하여, ROI(Region-of-Interest)와 배경의 분포에 따라 마스킹 패턴 중에 하나를 선택함으로써 마스킹 영역을 계산하는 시간을 현저히 줄였다. 이 패턴이 적용되는 블록은 한 블록 내에 ROI 영역과 배경 영역이 섞여 있는 블록이다. 한 블록 전체가 ROI 이거나 배경이면 이 패턴은 사용되지 않는다. 실험한 결과, ROI와 배경을 정확하게 분리하여 처리하는 방법에 비하여 약간의 품질은 떨어지지만, 처리시간은 현저히 줄었음을 보였다.
An region of interest processing technique is to handle preferentially some part of an image dynamically according to region of interest of the users in JPEG2000 image. A small image is not important, but in a big image the specified region that the user indicated has to be handled preferentially be...
An region of interest processing technique is to handle preferentially some part of an image dynamically according to region of interest of the users in JPEG2000 image. A small image is not important, but in a big image the specified region that the user indicated has to be handled preferentially because it takes long time to display the whole image. If the user indicates a region of the outline image, the browser masks the region and sends the mask information to the source that transmitted the image. The server which got the mask information preferentially sends the code blocks matching the masks. Here, quickly generating mask information is important, so, in this paper using predefined 48 mask patterns, selecting one of the patterns according to the distribution of ROI(Region-of-Interest) and background, we remarkably reduced the time computing the mask region. Blocks that the patterns are applied are the blocks mixed of ROI and background in a block. If a whole block is an ROI or a background, these patterns are not applied. As results, comparing to the method that precisely handles ROI and background, the quality is unsatisfactory but the processing time remarkably reduced.
An region of interest processing technique is to handle preferentially some part of an image dynamically according to region of interest of the users in JPEG2000 image. A small image is not important, but in a big image the specified region that the user indicated has to be handled preferentially because it takes long time to display the whole image. If the user indicates a region of the outline image, the browser masks the region and sends the mask information to the source that transmitted the image. The server which got the mask information preferentially sends the code blocks matching the masks. Here, quickly generating mask information is important, so, in this paper using predefined 48 mask patterns, selecting one of the patterns according to the distribution of ROI(Region-of-Interest) and background, we remarkably reduced the time computing the mask region. Blocks that the patterns are applied are the blocks mixed of ROI and background in a block. If a whole block is an ROI or a background, these patterns are not applied. As results, comparing to the method that precisely handles ROI and background, the quality is unsatisfactory but the processing time remarkably reduced.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 ROI 마스크를 빠르게 생성하여 서버로 전송하는 기법을 제안하고, 실험하였다. ROI 마스크는 한 블록의 전체가 ROI인 경우는 ROI 마스크 처리되며, 한 블록 내에 ROI와 배경이 섞여 있는 경우에는 일부가 ROI 마스크로 처리 되어야 한다.
[11]에서는 하나의 블록 내에서 ROI와 배경 영역을 구분하는데, 가장자리를 탐색하여 배경과 ROI가 나뉘는 두 점을 얻어, 두 점을 직선으로 연결하여 개략적인 마스크를 생성하였다. 이 방법은 약간의 정밀성을 떨어뜨리면서 마스크 생성 속도를 높이고자 하였다. 결국 이런 방법들은 사람이 이미지를 보고 관심 영역을 결정하는데 비해, 자동적으로 관심 영역을 추출하는 연구도 활발히 진행되고 있다[12].
제안 방법
한 코드 블록 내의 계수를 전부 탐색하지 않고 일부만 탐색하여 개략적인 정보를 이용해 빠르게 ROI 마스크를 생성하는 기법이다. 개략적인 정보는 코드 블록의 가장자리에 걸쳐 있는 ROI와 배경간의 경계를 빠르게 탐색한 후, 탐색된 두 가장 자리의 위치를 직선으로 연결하여 한쪽은 배경, 다른 한쪽은 ROI 영역으로 간주한다. 그림 1의 (a)의 회색 부분은 ROI 영역으로 지정된 부분이고 오른쪽은 배경이다.
EBCOT에서 각 품질 레이어는 코드블록들의 임베디드 비트 스트림으로부터 임의의 공헌도를 포함한다. 따라서 우선처리는 각 코딩 패스에서 손실률을 조절한 후, PCRD 최적화 알고리즘을 다시 수행한다. 전체 손실 최소화에 의해서 코드 블록 공헌도를 할당하기 때문에, 묵시적 ROI는 손실 감소와 ROI가 일치하도록 코드블록 공헌도를 할당한다.
본 연구에서 제안하는 방법은 한 블록에서 가장자리 8개의 점을 이용하여 개략적인 ROI 마스크를 생성하는 미리 정의된 48 개의 마스크 패턴을 사용하여 마스크 테이블을 만드는 방법을 제안한다.
그러므로 오히려 ROI 영역을 개략적으로 정의하고 빠른 시간 안에 마스크를 생성하는 것이 중요하다. 본 연구에서는 32x32 ROI 마스크를 미리 정의하여 개략적인 ROI 마스크를 생성한다. 사용되는 마스크 패턴은 48 개이며 표 1과 같다.
실험은 Maxshift 방법, 묵시적 방법, 수정된 묵시적 방법, 기울기정보 기반 방법, 제안한 방법을 이용하여, PSNR과 ROI 마스크 생성 시간들을 비교하였다. 실험을 위해 Maxshift 방법을 제외한 방법에서 k의 값은 5로 설정하였다.
이렇게 두 가지가 섞여 있는 경우에 빠르게 ROI 마스크를 계산하고 서버로 전송하는 데, 화질은 최대한 보장해 주는 것이 중요하다. 이를 위해 본 연구에서는 한 블록에서 가장자리 8개의 점을 이용하여 개략적인 ROI 마스크를 생성한다. 다른 ROI 마스크 생성 기법들은 ROI 마스크를 생성하기 위해 한 블록을 모두 탐색하면서 마스크 테이블은 만들지만, 제안한 기법은 미리 정의된 48 개의 마스크 패턴을 사용함으로써 마스크 테이블은 만드는 시간을 혁신적으로 줄였고, ROI와 배경의 경계점을 찾는데 8개의 점만을 사용함으로써 경계선을 찾는 계산 시간도 혁신적으로 줄였다.
표 6은 ROI 마스크 생성 시에 소요되는 시간을 보인다. 제안한 방법은 이미 마스크가 생성되어 있으므로 디코더로부터 얻어진 패턴 번호를 인덱싱하여 찾아가면 된다. 반면에 다른 방법들은 수식이나, 마스크 비트를 사용하여 한 번 더 ROI 마스크를 생성하는 과정을 거쳐야 한다.
대상 데이터
본 연구에서는 32x32 ROI 마스크를 미리 정의하여 개략적인 ROI 마스크를 생성한다. 사용되는 마스크 패턴은 48 개이며 표 1과 같다.
실험을 위해 Maxshift 방법을 제외한 방법에서 k의 값은 5로 설정하였다. 실험에 사용된 영상은 그림 5와 같이 Yuna와 Persimmon이다. 관심 영역의 모양은 타원이며, 위치는 이미지의 중앙 부분으로 하였다.
이론/모형
본 연구와의 비교를 위하여 Maxishift 방법, 묵시적 ROI 방법, 수정된 묵시적 ROI 방법, 기울기 정보기반 방법[11]을 사용한다.
성능/효과
이를 위해 본 연구에서는 한 블록에서 가장자리 8개의 점을 이용하여 개략적인 ROI 마스크를 생성한다. 다른 ROI 마스크 생성 기법들은 ROI 마스크를 생성하기 위해 한 블록을 모두 탐색하면서 마스크 테이블은 만들지만, 제안한 기법은 미리 정의된 48 개의 마스크 패턴을 사용함으로써 마스크 테이블은 만드는 시간을 혁신적으로 줄였고, ROI와 배경의 경계점을 찾는데 8개의 점만을 사용함으로써 경계선을 찾는 계산 시간도 혁신적으로 줄였다. 다만 그 경계점이 대략의 경계를 이루고 있으므로 화질은 다른 기법들이 비해 다소 떨어진다.
k 값이 클수록 ROI 코드블록내의 배경 계수의 우선권이 낮아진다. 장점은 계수 단위로 ROI 처리가 가능하며, 전체 ROI 전송이 묵시적 ROI 방법보다 약 24% 속도가 빠르다는 것이다. 그리고 ROI 크기가 작을수록 무손실 재구성 비트율도 낮아진다.
ROI 정확도는 모든 영역을 탐색하여 하나의 계수 범위까지 마스크를 표현해주는 Maxshift와 수정된 묵시적 방법이 가장 좋다. 제안한 방법은 마스크 비트 탐색시간이나 마스크 생성시간이 다른 기법에 비해 현저히 줄어든 것에 비해 약간의 품질은 떨어질 수밖에 없다.
시간을 줄이기 위한 방법인 기울기 기반 방법은 기존의 방법보다는 시간을 줄였지만 여전히 시간이 꽤 걸린다. 하지만 제안한 방법에서는 단지 6 개의 가장자리 점만을 탐색하여 탐색시간을 줄였고, 탐색 후 얻어진 패턴 번호를 이용하여 ROI 마스크의 생성시간도 현저히 줄였다. 이 방법은 개략적인 ROI 마스크를 생성하므로 화질은 기존 방법에 비해 떨어지지만 실시간 처리에 유용하게 사용될 수 있다.
후속연구
이 방법은 개략적인 ROI 마스크를 생성하므로 화질은 기존 방법에 비해 떨어지지만 실시간 처리에 유용하게 사용될 수 있다. 향후 과제로는 자동 ROI 추출을 이용하여 동적 ROI 코딩에 적용하는 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
JPEG2000의 특징에는 무엇이 있는가?
JPEG2000에서는 새로운 정지영상 압축 표준을 발표하여[4,5], 다양한 사용자의 요구 사항을 충족시킬 수 있게 되었다. JPEG2000의 특징은 무손실/손실 압축, 무손실 코딩에의 내포된 손실, 화소 정확성과 해상도에 의한 점진적인 전송, 비트 에러 그리고 관심영역 부호화 등이 있다[6,7]. 특히 관심영역 부호화는 영상 내의 관심 영역을 배경보다 먼저 전송하여 사용자가 볼 수 있게 할 수 있으며, 낮은 압축률로 배경보다 고품질로 영상을 저장하는 것을 말한다.
Maxshift방법은 어떤 방법인가?
Maxshift방법은 양자화된 계수 중에 ROI 계수와 배경 계수를 구분하여, 배경 계수 중에서 가장 큰 계수 값, s을 구한 다음, ROI 계수를 s보다 높은 비트-평면에 이동시키는 방법으로서 JPEG2000 Part1 표준이다. 식(1)은 s을 구하는 수식이고, 식(2)는 ROI 처리 후의 계수, a′(u,v)를 구하는 수식이다.
ROI 부호화의 장점은 무엇인가?
ROI 부호화는 전체 영상을 전송 및 복원하기보다는 ROI를 배경보다 우선적 처리하는 기술이다. 이것은 점진적 이미지 전송 방법보다 압축률과 전송시간을 단축시킬 수 있을 뿐만 아니라 효율적인 메모리 관리 등으로 인해 보다 빠른 이미지 서비스가 가능하다[13, 14]. ROI 마스크 생성은 사용자가 원 이미지를 보고 ROI 모양을 정의하면, 이미지 도메인에서의 이진 ROI 마스크를 생성하고, 생성된 ROI 마스크는 IDWT(Inverse DWT)를 이용하여 웨이블릿 도메인에서의 ROI 마스크를 생성한다.
참고문헌 (14)
N. Kock, "Media Richness or Media Naturalness? The Evolution of Our Biological Communication Apparatus and Its Influence on Our Behavior Toward E-Communication Tools", IEEE Transactions on Profession Communication, Vol.48, No. 2, Jun. 2005
M. Rabbani and R. Joshi, "An overview of the JPEG2000 still image compression standard", Signal Processing, Vol. 17, pp.3-48, 2002
J. Hara, "An Implementation of JPEG 2000 Interactive Image Communication System", ISCAS 2005, Vol. 6, pp.5922-5925, May 2005
J. In, Shahram Shirani, and Faouzi Kossentini, "On RD Optimized Processive Image Coding Using JPEG", IEEE Transactions on Image Processing, Vol. 8, No. 11, Nov. 1999
Ahn, C.B., Kim, I.Y., Han, S.W., "Medical Image Compression Using JPEG Progressive Coding", Nuclear Science Symposium and Medical Imaging Conference, 1993 IEEE Conference Record, pp.1336-1339, Nov. 1993
ISO/IEC International Standard 15444-1, ITU Recommendation T.800, "JPEG2000 Image Coding System", 2000
C. Christopoulos, A. Skodras, and T. Ebrahimi, "The JPEG2000 Still Image Coding System : An Overview", IEEE Transactions on Consumer Electronics, Vol. 46, No. 4, pp.1103-1127, Nov. 2000
Kong H-S, Vetro A., Hata T. and Kuwahara N., "Fast Region-of-Interest Transcoding for JPEG2000 Images", Mitsubishi Electric Research Laboratories, Inc., Dec. 2005
M. Boliek and C. Christopoulos, "JPEG 2000 Par I Final Committee Draft Version 1.0", ISO/IEC JTC 1/SC 29/WG 1 N1646R, March 2000
M. Boliek, E. Majani, J. S. Houchin, J. Kasner and M. L. Carlander, "JPEG 2000 Part II Final Committee Draft", ISO/IEC JTC 1/SC 29/WG 1 N2000, Dec. 2000
박순화 외 4명, "관심영역 코딩을 위한 기울기 정보기반의 빠른 마스크 생성 기법", 한국컴퓨터정보학회 논문지, 제14권, 제1호, 81-89쪽, 2009년1월
박재흥 외 4명, "JPEG2000에서 ROI의 자동 추출과 우선적 처리", 한국컴퓨터정보학회 논문지, 제14권, 제6호, 127-136쪽, 2008년11월
H. Yang, M. Long and H. M. Tai, "Region-of-Interest Image Coding Based on EBCOT", IEE Proceedings-Vision, Image, and Signal Processing, Vol. 152, pp.590-596, Oct. 2005
※ AI-Helper는 부적절한 답변을 할 수 있습니다.