[논문]정합 오차 기준을 확장한 제한된 1비트 변환 알고리즘

이상구; 윤장혁; 정제창

정합 오차 기준을 확장한 제한된 1비트 변환 알고리즘
Constrained One-Bit Transform using Extension of Matching error criterion 원문보기

이상구 (한양대학교 전자컴퓨터통신공학과) , 윤장혁 (한양대학교 전자컴퓨터통신공학과) , 정제창 (한양대학교 전자컴퓨터통신공학과)

본 논문은 제한된 1비트 변환 (Constrained One-Bit Transform : C1BT) 알고리즘의 정합 오차 기준의 동적 범위를 확장하는 알고리즘을 제안하였다. C1BT는 정합 오차 기준으로 SAD (Sum of Absolute Differences)를 사용하지 않고 CNNMP (Constrained Number of Non-Matching Points)를 사용하여 하드웨어 구현을 용이하게 하고 속도를 대폭 향상시켰다. 이는 기존의 움직임 예측 방법인 전역 탐색 알고리즘 (Full Search Algorithm: FSA)과 비교하여 연산량을 크게 줄였으나 움직임 예측의 정확도를 현저히 감소시켰다. 이 점을 개선하기 위해 이 논문에서는 C1BT의 정합 오차 기준을 확장하여 움직임 예측의 정확도를 높이는 알고리즘을 제안하였다. 기존의 C1BT와 제안하는 알고리즘을 비교한 결과에서 제안하는 알고리즘이 기존의 C1BT에 비해 움직임 예측의 정확도의 기준인 PSNR 측면에서 더 우수한 성능을 보였다.

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

문제 정의

본 논문에서는 정합 오차 기준의 동적 범위를 확장시키면서 기존의 이진 변환 움직임 예측 알고리즘인 C1BT와 비교하여 움직임 예측의 정확도를 개선하는 알고리즘을 제안하였다.

제안 방법

이 알고리즘은 영상내 프레임을 이루고 있는 8비트 픽셀 (pixel)을 이진 변환하여 움직임을 예측한다. 이에 따라 이진 변환된 프레임들을 불리언 (Boolean) 연산을 사용하면서 최적의 움직임 벡터를 찾고 하드웨어 구현 시 고속 움직임 예측이 가능하게 하였다. 각 픽셀의 이진 변환을 위한 알고리즘 으로는 1비트 변환 [1] (One-Bit Transform : 1BT) 알고리즘, 2비트 변환^[2](Two-Bit Transform : 2BT) 알고리즘 그리고 제한된 1비트 변환^[3](Constrained One-Bit Transform : C1BT) 알고리즘이 있다.
표 2는 기존의 이진 변환 움직임 예측 알고리즘 1BT, 2BT, C1BT 그리고 전역 탐색 알고리즘인 FSA 와 PSNR을 비교한 결과이다. 제안하는 알고리즘은 가장 좋은 성능을 보인 문턱 값 12를 사용하였다. 표와 같이 기존의 이진 변환 움직임 예측 알고리즘보다 월등한 성능을 보여준다.

대상 데이터

실험은 움직임 특성이 서로 다른 6개의 CIF(352 x 288) 영상을 이용하였으며 움직임 예측을 측정하기 위한 알고리즘이므로 휘도 성분 만을 고려하였다. 실험조건으로 탐색 범위와 움직임 블록 크기를 각각 ±16, 16x16 으로 결정하고 정합블록 탐색 순서는 나선형(spiral) 기법을 이용하였다.

이론/모형

이 알고리즘은 영상 내 연속되는 프레임 사이의 시간적 중복성을 제거하여 기존의 송신 데이터양을 획기적 으로 감소시킨다. 가장 간단하고 보편적인 움직임 예측 기법은 블록 매치 알고리즘 (Block Matching Algorithm : BMA) 이다. 이는 각 영상내 프레임을 일정한 크기의 정사각형 블록으로 분할하고 압축하고자 하는 프레임 내 각 블록들과 정합 오차가 가장 작은 정합블록을 이전 프레임에서 지정된 탐색 범위 내에서 찾아내는 방법이다.
실험조건으로 탐색 범위와 움직임 블록 크기를 각각 ±16, 16x16 으로 결정하고 정합블록 탐색 순서는 나선형(spiral) 기법을 이용하였다. 또한 제안하는 알고리즘과 기존 알고리즘의 성능 비교를 위해 화질 비교에 자주 사용되는 복원 영상의 PSNR (Peak Signal-to-Noise Ratio)를 사용하였다.
실험조건으로 탐색 범위와 움직임 블록 크기를 각각 ±16, 16x16 으로 결정하고 정합블록 탐색 순서는 나선형(spiral) 기법을 이용하였다.
최적의 움직임 벡터를 찾는 알고리즘은 여러 가지 방법이 있는데이 중 가장 적합한 방법으로 알려져 있는 알고리즘은 전역 탐색 알고리즘 (Full Search Algorithm : FSA)이다. 이 알고리즘은 현재 프레임내 정합블록과 가장 정합오차가 적은 정합블록을 찾기 위해 참조 프레임의 탐색 영역 내 모든 정합후보블록들을 탐색하며 정합 오차 기준으로 SAD (Sum of Absolute Difference)를 사용한다. 그러나 전역 탐색 알고리즘은 탐색 영역 내에서 모든 후보블록들을 탐색하면서 각 후보 블록마다 SAD를 계산하여 방대한 연산량을 요구한다.
유한한 통신용량과 대역폭을 가지고 있는 멀티미디어 환경 내 영상 통신에서는 압축 기술이 필수적이다. 이를 위해 영상 통신에서는 움직임 예측 알고리즘을 사용한다. 이 알고리즘은 영상 내 연속되는 프레임 사이의 시간적 중복성을 제거하여 기존의 송신 데이터양을 획기적 으로 감소시킨다.

성능/효과

(i,j)는 제한된 1비트 변환된 이전 프레임의 제한된 마스크, 제한된 1비트 변환된 현재 프레임의 제한된 마스크를 의미한다. C1BT 역시 전역 탐색 알고리즘보다 움직임 예측의 정확도가 떨어지나 1BT의 문제점을 개선하며 정확도가 향상되었다.
먼저 제안된 1BT의 경우 원 영상 프레임을 이진 변환한 평면 1개만 사용하면서 기존 프레임의 정보를 많이 잃어버려 정확하지 않은 움직임 벡터를 구할 확률이 증가하였다. 이에 따라 움직임 예측의 정확도가 전역 탐색 알고리즘보다 매우 저하되는 단점을 가지게 되었다.
표 1은 제안하는 알고리즘에서 최적의 문턱 값을 결정하기 위해 문턱 값을 변화시키면서 PSNR을 측정한 결과이다. 실험결과 문턱 값이 12일 때 제안하는 알고리즘이 가장 좋은 성능을 보였고 기존의 알고리 즘보다 PSNR이 0.11 dB 상승하였다. 표 2는 기존의 이진 변환 움직임 예측 알고리즘 1BT, 2BT, C1BT 그리고 전역 탐색 알고리즘인 FSA 와 PSNR을 비교한 결과이다.
실험결과를 통해 제안하는 알고리즘은 기존의 알고리즘보다 PSNR 측면에서 0.11 dB 상승하였고 다른 이진 변환 알고리즘인 1BT, 2BT에 비해 0.44 dB, 0.30dB 상승하였다. 이는 고화질 디지털 영상의 구현에 적합한 알고리즘이 될 수 있겠다.
이에 따라 NNMP C1BT 의 동적 범위가 0 ≤ NNMP C1BT ≤ 3xNxN 으로 기존 CNNMP에 비해 3배 늘어났다.

핵심어

질문

논문에서 추출한 답변

최적의 움직임 벡터를 찾는 알고리즘 중 가장 적합한 방법으로 알려져 있는 알고리즘은 무엇인가?

최적의 움직임 벡터를 찾는 알고리즘은 여러 가지 방법이 있는데이 중 가장 적합한 방법으로 알려져 있는 알고리즘은 전역 탐색 알고리즘 (Full Search Algorithm : FSA)이다. 이 알고리즘은 현재 프레임내 정합블록과 가장 정합오차가 적은 정합블록을 찾기 위해 참조 프레임의 탐색 영역 내 모든 정합후보블록들을 탐색하며 정합 오차 기준으로 SAD (Sum of Absolute Difference)를 사용한다.

움직임 예측 알고리즘은 어떻게 기존의 송신 데이터양을 획기적으로 감소시키나?

이를 위해 영상 통신에서는 움직임 예측 알고리즘을 사용한다. 이 알고리즘은 영상 내 연속되는 프레임 사이의 시간적 중복성을 제거하여 기존의 송신 데이터양을 획기적 으로 감소시킨다. 가장 간단하고 보편적인 움직임 예측 기법은 블록 매치 알고리즘 (Block Matching Algorithm : BMA) 이다.

가장 간단하고 보편적인 움직임 예측 기법은 무엇인가?

이 알고리즘은 영상 내 연속되는 프레임 사이의 시간적 중복성을 제거하여 기존의 송신 데이터양을 획기적 으로 감소시킨다. 가장 간단하고 보편적인 움직임 예측 기법은 블록 매치 알고리즘 (Block Matching Algorithm : BMA) 이다. 이는 각 영상내 프레임을 일정한 크기의 정사각형 블록으로 분할하고 압축하고자 하는 프레임 내 각 블록들과 정합 오차가 가장 작은 정합블록을 이전 프레임에서 지정된 탐색 범위 내에서 찾아내는 방법이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
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

연합인증

정합 오차 기준을 확장한 제한된 1비트 변환 알고리즘
Constrained One-Bit Transform using Extension of Matching error criterion 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

정합 오차 기준을 확장한 제한된 1비트 변환 알고리즘 Constrained One-Bit Transform using Extension of Matching error criterion 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

정합 오차 기준을 확장한 제한된 1비트 변환 알고리즘
Constrained One-Bit Transform using Extension of Matching error criterion 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper