[논문]서브샘플링을 이용한 새로운 고속 움직임 예측 알고리즘

김철중; 채병조; 오승준; 정광수

서브샘플링을 이용한 새로운 고속 움직임 예측 알고리즘
New Fast Motion Estimation Search With Subsmapling Method 원문보기

김철중 (광운대학교 전자공학부) , 채병조 (광운대학교 전자공학부) , 오승준 (광운대학교 전자공학부) , 정광수 (광운대학교 전자공학부)

동영상을 효율적으로 압축하기 위한 움직임벡터 예측에 관한 많은 연구가 진행되어 왔다. 가장 일반적인 FBMA(Full search-based Block Matching Algorithm)는 화질은 좋지만 계산량이 많기 때문에 실시간 인코딩을 요구하는 시스템에서 사용하는데 문제가 있다. 좋은 화질을 유지하면서 인코딩 속도를 해결하기 위한 많은 알고리즘들이 제안되어 왔지만 ASIC이나 소형 시스템에서 사용할 수 있는 방법이 계속 요구되고 있다. 본 논문에서는 계산량을 더욱 줄여 속도향상을 가져오면서 FBMA와 비숫한 SNR을 유지하는 방법인 NMS(New Fast Motion Estimation Search With Subsmapling Method)를 제안하였다. NMS는 서브샘플림한 값을 이용하여 SAD값을 구하고 또한 새로운 Search를 제안하여 기존 방법들이 제공하는 주관적 화질이나 PSNR을 높게 유지하면서도 속도를 10~15% 정도 개선시킬 수 있다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

기존의 일반적인 탐색점 수를 줄이는 방법으로는 화질이나 PSNR을 유지하면서 속도를 크게 개선하기 힘들다. 따라서 본 논문은 최적의 탐색점을 찾기 위하여 요구되는 계산량을 효과적으로 줄이기 위해 서브샘플링 방법으로 BDM을 구하고 이에 부합되는 탐색 알고리즘을 설계하여 화질을 유지하면서도 계산 속도를 향상시키는 방법을 제안한다.
본 논문에서는 디더링 패턴을 이용한 서브샘플링 방식과 주위의 움직임벡터를 이용한 탐색 방법인 NMS를 제안하였다. NMS 방법은 기존의 TSS 방식과 Nearest Neighbour 방식보다 속도가 10~15% 정도 향상되었다.

제안 방법

H.263+ 코덱에 움직임예측 모듈을 기존 방법과 NMS 방법으로 대치하여 각 방법들의 성능을 비교한다. 사용한 영상은 H.
서브샘플링한 화소 개수에 따른 전체프레임의 평균 BDM 값을 계산하면 50개 이상의 화소를 취한 평균 BDM과 256개 화소 모두를 사용한 값과 거의 유사하다[4][8]. 따라서 본 논문은 참조논문[4][8]에서 제시된 패턴에서 0에서 47번째까지의 화소들을 48개 화소들을 취하여 BDM을 구한다. 서브샘플링하여 구한 BDM과 256개를 이용한 원래의 BDM은 공간적 유사성을 최대한 이용한 것이므로 각각의 값을 비교했을 때 큰 차이를 보이지는 않지만 작은 차이를 보일 수 있다.
사용된 영상으로는 아키오(Akiyo), 세일즈맨(Salesman), 수지(Suzie), 흘(hall), 포어맨(foreman) 등이다. 영상포맷은 QCIF이고 목표로 하는 비트율을 56 Kbps로 하여 150프레임을 부호화하였다. 주로 실시간 인코딩에 맞는 속도의 향상을 중심으로 했기 때문에 타겟비트율을 56Kbps로 했고 주요 비교영상도 헤드앤쇼울드(head and shoul der)영상이 아키오와 세일즈맨으로 하였다.
영상포맷은 QCIF이고 목표로 하는 비트율을 56 Kbps로 하여 150프레임을 부호화하였다. 주로 실시간 인코딩에 맞는 속도의 향상을 중심으로 했기 때문에 타겟비트율을 56Kbps로 했고 주요 비교영상도 헤드앤쇼울드(head and shoul der)영상이 아키오와 세일즈맨으로 하였다.

대상 데이터

263과 MPEG에서 성능 검사를 위하여 가장 보편적으로 여러 테스트 영상을 사용하였다. 사용된 영상으로는 아키오(Akiyo), 세일즈맨(Salesman), 수지(Suzie), 흘(hall), 포어맨(foreman) 등이다. 영상포맷은 QCIF이고 목표로 하는 비트율을 56 Kbps로 하여 150프레임을 부호화하였다.
263+ 코덱에 움직임예측 모듈을 기존 방법과 NMS 방법으로 대치하여 각 방법들의 성능을 비교한다. 사용한 영상은 H.263과 MPEG에서 성능 검사를 위하여 가장 보편적으로 여러 테스트 영상을 사용하였다. 사용된 영상으로는 아키오(Akiyo), 세일즈맨(Salesman), 수지(Suzie), 흘(hall), 포어맨(foreman) 등이다.

성능/효과

본 논문에서는 디더링 패턴을 이용한 서브샘플링 방식과 주위의 움직임벡터를 이용한 탐색 방법인 NMS를 제안하였다. NMS 방법은 기존의 TSS 방식과 Nearest Neighbour 방식보다 속도가 10~15% 정도 향상되었다. PSNR 값을 기존 방법과 비교하였을 때 0.
PSNR측면에서도 NMS방식은 FS방식에 비해 크게 떨어지지 않음을 알 수 있다. TSS 방식에 비해 0.1~0.2dB 정도 개선되었고 FBMA과 비교해도 떨어지지 않음을 알 수 있다. 세일즈맨 영상을 네 가지 방식으로 각각 부호화 한 후 다시 복호화한 결과를 그림 3에 보였다.
실험결과를 표1과 표2에 정리하였다. 이 표에서 알 수 있듯이 NMS가 가장 빠르며, 전체적인 속도 향상은 10%~15%이다.

원문 보기

ScienceON 원문보기

*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.

내보내기 메뉴

내보내기 구분

파일저장
인쇄
메일전송

구성항목

기본정보
상세정보

관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관

저장형식

Text(ASCII format)
Excel format
RefWorks Direct Export
RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley

메일정보

받는사람 (필수): @
보내는사람 (선택): @
제목
내용: KISTI 검색결과 이메일 서비스

안내

총 건의 자료가 검색되었습니다.

다운받으실 자료의 인덱스를 입력하세요. (1-10,000)

검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다.

데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요)

다운로드 파일은 UTF-8 형태로 저장됩니다.
파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오.

Text(ASCII format)
Excel format

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

AI-Helper ※ AI-Helper는 을 사용합니다.

AI-Helper

안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

연합인증

서브샘플링을 이용한 새로운 고속 움직임 예측 알고리즘
New Fast Motion Estimation Search With Subsmapling Method 원문보기

초록
AI-Helper