선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 하지만 이미지 데이터들은 값의 범위가 다양하고, 그 용량 또한 비교적 크기 때문에 이와 같은 엔트로피부호화에 의해 효율적으로 압축되지 않을 수 있다. 따라서 본 논문에서는 다음과 같은 기법을 사용하여 이미지의 픽셀 값들을 재조정하는 전처리 기법을 소개한다.
- 본 논문에서는 단순한 명암도 등급 이미지들이 엔트로피 부호화기에 의해 보다 효율적으로 압축될 수 있도록 인접한(adjacent) 명암도 값들을 다른 값들로 변환하는 전처리기법을 소개한다. 제안한 전처리기는 인접한 픽셀 쌍들의 발생확률을 토대로, 명암도 값들을 순서화된 특별한 값들로 대체한다.
- 제안한 전처리기는 인접한 픽셀 쌍들의 발생확률을 토대로, 명암도 값들을 순서화된 특별한 값들로 대체한다. 이러한 전처리를 하는 목적은 엔트로피부호화에서의 압축 성능을 향상시키기 위하여 데이터의 중복성 (redundancy)과 같은 이미지의 통계적인 특성들을 강화시키는 것이다.
- 이후의 복원은 부가 정보인 ONT를 참조하여 순서열 S'를 원래의 순서열 S로 변환하는 단순한 과정이다. 이제 성능 평가를 통하여 제안한 기법을 통해 실제적으로 얼마만큼의 압축률을 향상시킬 수 있는지에 대해 알아보도록 하겠다.
- 픽셀 값들의 발생 확률을 이용하는 이러한 방식들은 가변(variable) 비트를 사용하여 자주 나타나는 값에는 보다 적은 비트를, 드물게 나타나는 값에는 보다 많은 비트를 할당하여 평균 부호 길이를 최소한으로 하는 효율적인 압축 기법이다. 이제 엔트로피 부호화의 예로 산술부호화와 허프만부호화를 살펴보겠다.
가설 설정
- 제안한 전처리기는 이 두 개의 행렬을 가지고 다음과 같은 간단한 단계를 거쳐서 이미지의 픽셀 값들을 재조정한다. Step 1. 그레이레벨 G를 갖는 MxN 크기의 입력이 미지의 값들을 일차원적인 순서열 S로 변환. Step 2.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.