$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

적응적 휘도 성분 부호화와 블록의 움직임을 고려한 프레임율 증강 기법에서의 장면전환 기법
Scene Change Detection for Frame Rate Up Conversion Considering Adaptive Luminance Coding and Block Motion Activity 원문보기

한국방송공학회 2015년도 하계학술대회, 2015 July 01, 2015년, pp.211 - 214  

배창영 (한양대학교 전자컴퓨터통신공학과) ,  김정환 (한양대학교 전자컴퓨터통신공학과) ,  김일승 (한양대학교 전자컴퓨터통신공학과) ,  정제창 (한양대학교 전자컴퓨터통신공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 적응적 휘도 성분 부호화(Adaptive Luminance Coding)알고리듬을 이용한 블록의 움직임을 고려한 장면전환 감지 성능을 개선시키는 알고리듬을 제안하고자 한다. 기존의 장면전환 기법에서는 단순 물체의 움직임도 장면전환으로 인식하는 문제가 발생하는 점을 착안하여 본 논문에서는 적응적 휘도 성분 부호화와 블록 매칭 오류를 활용하여 보다 정확한 장면전환 기법을 제안하고자 한다. 실험결과를 통해 제안하는 방법이 기존 방법보다 높은 Precision과 Recall을 보이는 것을 확인할 수 있다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 기존의 알고리듬에서 움직임에 의한 장면전환 감지의 문제의 해결책으로 본 논문에서는 적응적 휘도 성분 부호화와 블록의 움직임을 고려한 장면전환 기법 알고리듬이 제안하고자 한다. 제안된 알고리듬의 흐름도는 그림 4과 같다.
  • 본 논문에서는 블록의 움직임을 고려한 장면전환 감지 알고리듬을 제안하고자 한다. 적응적 휘도 성분 부호화를 이용하여 장면전환 후보군을 만들고, 복원된 참조 프레임의 정보를 활용하여, 움직임 예측이 가능한 부분에서의 장면전환 선택을 방지함으로써 Precision과 Recall을 대폭 향상시켰다.
  • 본 논문에서는 적응적 휘도 성분 부호화와 블록의 움직임을 고려한 프레임율 증강 기법에서의 장면전환 기법 알고리듬을 제안하였다. 움직임 보상이 가능한 영역에서의 장면전환을 찾아 수정함으로써 정 확도를 높여 주었고, 이를 통해 정확한 장면전환 감지가 되어 프레임율 증강기법 후의 보간 프레임의 화질 저하를 줄였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
적응적 휘도 성분 부호화 알고리듬은 무엇인가? 적응적 휘도 성분 부호화 알고리듬은 휘도성분 부호화를 통해 블록을 이진 부호화 된 픽셀들과 픽셀들의 평균값의 차 두 가지를 이용하여 장면전환을 감지하는 알고리듬이다. 우선 이전 프레임과 현재 프레임의 휘도 성분만 뽑아 저역 통과필터를 적용하여 주위 픽셀 간의 갑작스런 변화를 제거한다.
보간 프레임 움직임 보상 기술은 어떤 과정에 쓰이는가? 움직임 보상 프레임율 증강 기법은 두 가지 기술의 조합으로 이루어진다. 하나는 우선 움직임 예측(Motion Estimation: ME)기술로 연속된 프레임에서 물체의 움직임 벡터(Motion Vector: MV)를 찾는 과정이고, 또 다른 하나는 보간 프레임 움직임 보상 (Motion Compensated Interpolation: MCI)기술로 움직임 예측에서 찾은 움직임 벡터를 활용하여 보간 프레임을 생성하는 과정이다. 이 두 가지 과정을 통해 움직이는 물체가 포함된 프레임 사이에서도 보간 프레임을 정확하게 생성할 수 있다.
Hold-type display특성으로 인해 어떤 문제점이 있는가? 최근 UHDTV에 많이 사용되는 LCD는 CRT(Cathode Ray Tube), PDP(Plasma Display Panel)와 같이 프레임 당 짧은 시간 화면을 유지하는 방식과 다르게 프레임 당 오랫동안 화면을 유지하는 Hold-type display특성이 있다[1]. 이 특성으로 영상 내에서 현재 프레임에서 이전 프레임의 잔상이 나타나는 동작 흐림 현상(motion blur effect)같은 심각한 문제가 발생하고 이는 화질 저하의 원인이 된다.
질의응답 정보가 도움이 되었나요?

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

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

선택된 텍스트

맨위로