융합신호처리학회논문지 (Journal of the Institute of Convergence Signal Processing)

한국융합신호처리학회 (The Korea Institute of Convergence Signal Processing)
권호 표지

유전적 알고리즘을 이용한 동화상의 영역분할 부호화 방법

A Moving Picture Coding Method Based on Region Segmentation Using Genetic Algorithm

  • 정남채 (초당대학교 정보통신공학과)
  • 발행 : 2009.01.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

동화상의 부호화 효율향상을 위하여 유전적 알고리즘(Genetic Algorithm: GA)을 이용하여 영역 분할하는 방법을 제안한다. 유전적 알고리즘은 함수치만을 이용하여 큰 탐색공간으로부터 최적의 조합을 축차적으로 찾아내는 방법이다. 이동추정과 영역분할을 동시에 진행함으로써, 이동 벡터를 화면내의 작은 블록이나 화소의 각각에 할당하고, 그것을 부호화 정보량과 신호 대 잡음비의 관계로부터 최적화 문제로 변환할 수 있다. 즉, 이동보상예측 부호화에는 영역분할과 이동 추정은 서로 밀접하게 관계되어 있다. 이것은 부호량과 S/N비를 최적화하는 것으로서 화면 속의 각 블록에서 이동 벡타를 최적의 상태로 배치하는 것이다. 그러므로, 본 논문에서는 최적인 영역분할 결과를 얻기 위하여 GA의 데이터형과 그 데이터의 처리 방법에 대해서 검토하였다. 또한, 테스트 화상을 이용한 컴퓨터시뮬레이션을 통하여 제안 방법의 유효성을 확인하였다.

In this paper, the method of region segmentation using genetic algorithm is proposed for an improvement of efficiency in moving picture coding. A genetic algorithm is the method that searches a large probing space using only a function value for a optimal combination consecutively. By progressing both motion presumption and region segmentation at once, we can assign the motion vector in a image to a small block or a pixel respectively, and transform the capacity of coding and a signal to noise rate into a problem of optimization. That is to say, there is close correlation between region segmentation and motion presumption in motion-compensated prediction coding. This is to optimize the capacity of coding and a S/N ratio. This is to arrange the motion vector in each block of picture according to the state of optimization. Therefore, we examined both the data type of genetic algorithm and the method of data processing to obtain the results of optimal region segmentation in this paper. And we confirmed the validity of a proposed method using the test pictures by means of computer simulation.

키워드

참고문헌

  1. K. J. Astrom and P. Eykhoff, "System identification A survey," Automatics, vol. 7, pp. 123-162, 1971. https://doi.org/10.1016/0005-1098(71)90059-8
  2. K. S. Narendra and K. Parthasarathy, "Identification and control of dynamical systems using neural networks," IEEE Trans. Neural Networks, vol. 1, no. 2, pp. 4-27, 1990. https://doi.org/10.1109/72.80202
  3. S. Chen, S. A. Billings, C. F. N. Cowan, and P. M. Grant, "Non-linear systems identification using radial basis function networks," Int. J. Systems Sci., vol. 21, no. 12, pp 2513-2539, 1990. https://doi.org/10.1080/00207729008910567
  4. J. P. Rosca and D. H. Ballard, "Hierarchical self organization in genetic programming," Proc. 11th Int. Congo of Machine Learning, pp. 251-258, 1994.
  5. K. E Kinnear, Jr., "Alternatives in automatic function definition: A comparison of performance," Advances in Genetic Programming, pp. 119-141, MIT Press, 1994.
  6. H. Iba, Y. Kurita, H. de Garis, and T. Sato, "Genetic programming using a minimum description length principle," Advances in Genetic Programming, pp. 265-284, MIT Press, 1994.
  7. P. J. Angeline, "Two self-adaptive crossover operators for genetic programming," Advances in Genetic Programming, pp. 89-109, MIT Press, 1994.
  8. J. P. Rosca and D. H. Ballard, "Causality in genetic programming," Proc. 6th Int. Conf. on Genetic Algorithms, pp. 256-263, 1994.