• Journal of the Korean Institute of Intelligent Systems
• /
• v.25 no.2
• /
• pp.133-138
• /
• 2015

This paper presents a performance improvement of gray level co-occurrence matrix(GLCM) based on the nonuniform quantization, which is generally used to analyze the texture of images. The nonuniform quantization is given by Lloyd algorithm of recursive technique by minimizing the mean square error. The nonlinear intensity levels by performing nonuniformly the quantization of image have been used to decrease the dimension of GLCM, that is applied to reduce the computation loads as a results of generating the GLCM and calculating the texture parameters by using GLCM. The proposed method has been applied to 30 images of $120{\times}120$ pixels with 256-gray level for analyzing the texture by calculating the 6 parameters, such as angular second moment, contrast, variance, entropy, correlation, inverse difference moment. The experimental results show that the proposed method has a superior computation time and memory to the conventional 256-level GLCM method without performing the quantization. Especially, 16-gray level by using the nonuniform quantization has the superior performance for analyzing textures to another levels of 48, 32, 12, and 8 levels.

• Proceedings of the KAIS Fall Conference
• /
• 2008.05a
• /
• pp.278-281
• /
• 2008

본 논문은 그림자 밝기의 선형적 변화를 비균일하게 양자화하여 그림자를 검출하는 기법을 제안한다. 그림자의 밝기의 선형성 적용은 기하학 정보, 광원의 종류 및 방위에 독립적일 수 있다는 장점이 있다. 이 기법은 그림자 밝기가 점진적으로 변하거나 변화가 없다는 가정과 그림자는 어둡다는 공리를 기반한다. 먼저, 전처리를 통하여 그림자 후보영상을 검출한다. 다음으로, 인접화소들 사이의 선형의존성을 낮추기 위하여 유사 밝기를 대표 밝기로 표현하기 위해 양자화 한다. 이때 선형성을 증가시키 위해 등비수열을 이용하여 비균일 양자화한다. 마지막으로, 그림자 밝기의 선형적 변화 특성을 이용하여 선형의존성이 높은 그림자를 검출한다. 임의의 단일 자연영상의 실험에서, 제안한 알고리즘은 본영과 단색 배경을 갖는 반영 및 셀프그림자의 검출에 강건함을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.39-40
• /
• 2020

본 논문은 홀로그램 압축을 위한 다양한 양자화기에 대한 특성을 분석한다. 홀로그램의 정보는 32 비트 혹은 64비트의 부동 소수점으로 표현되어 표준코덱을 이용하여 압축하기 위해서는 양자화 과정이 반드시 필요하다. 홀로그램 데이터는 JPEG Pleno에서 제공하는 표준 데이터 세트를 사용하였다. 사용한 양자화기는 균일 양자화기와 비균일 양자화기 중 ��-law 양자화기를 사용하였으며 파워 변환 함수를 사용하였다. 사용한 표준 코덱은 HEVC Intra를 사용하였다. 본 논문에서는 다양한 양자화기를 통해 홀로그램을 압축하고 그 성능을 비교한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.17 no.9
• /
• pp.2029-2035
• /
• 2013

In this paper, we presented non-uniform quantization method for LDPC decoder specified in DVB-S2 standard. There are some problems in order to implement LDPC decoder in aspect to algorithm and implementation. In algorithm aspect, because of large number of iterations, LDPC decoding in general give rise to a large number of computation operations, mass power consumption, and decoding delay. Therefore, this paper studies Horizontal Shuffle Scheduling (HSS) algorithm which reduced iteration number without performance loss. In aspect of implementation, there are some solutions to improve the decoding speed, however this paper focused on non-uniform quantization which reduce the quantization bits of LDPC decoder. In simulation results, Decoding throughput of HSS LDPC decoder based on non-uniform quantization is 816Mbps and it improved 12% compared to conventional one.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.662-663
• /
• 2020

최근 MPEG 에서는 인공신경망 모델을 다양한 딥러닝 프레임워크에서 상호운용 가능한 포맷으로 압축 표현할 수 있는 NNR(Compression of Neural Network for Multimedia Content Description and Analysis) 표준화를 진행하고 있다. 본 논문에서는 MPEG-NNR 에서 CNN 모델을 압축하기 위한 지역 비선형 양자화(Local Non-linear Quantization: LNQ) 기법을 제시한다. 제안하는 LNQ 는 균일 양자화된 CNN 모델의 각 계층의 가중치 행렬 블록 단위로 추가적인 비선형 양자화를 적용한다. 또한, 제안된 LNQ 는 가지치기(pruning)된 모델의 경우 블록내의 영(zero) 값의 가중치들은 그대로 전송하고 영이 아닌 가중치만을 이진 군집화를 적용한다. 제안 기법은 음성 분류를 위한 CNN 모델(DCASE Task)의 압축 실험에서 기존 균일 양자화를 대비 동일한 분류 성능에서 약 1.78 배 압축 성능 향상이 있음을 확인하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.26 no.6B
• /
• pp.810-819
• /
• 2001

칼라가 물체 인식에 아주 효율적인 단서를 제공하지만 칼라 분포는 시청 조건과 카메라의 위치에 아주 큰 영향을 받는다. 생김새와 모양의 변화에 의한 칼라 분포 변화 문제를 해결하기 위해 본 논문에서는 밝기 값의 변화에 영향을 받지 않고, 색상(hue) 성분에 민감한 칼라 벡터각(color vector angle)을 이용하여 칼라 에지를 추출한 후, 영상의 화소들을 평탄 화소와 에지 화소로 구분하여 칼라 특징 값을 추출하였다. 에지 화소의 경우에는 에지 주위 칼라 쌍의 전체 분포를 HLS 색좌표계의 비균일 양자화를 통해 칼라 인접 히스토그램(color adjacency histogram)으로 표현하고, 평탄 화소의 경우에는 HLS 색좌표계의 비균일 양자화와 칼라 벡터각 균일 양자화를 통해 칼라 벡터각 히스토그램(color vector angle histogram)을 구성하여 공간적인 칼라분포를 표현하였다. 제안한 칼라 히스토그램을 이용하여 영상 검색에 적용하여 성능을 실험한 결과, 작은 빈의 수를 가지는 제안한 방법이 기존의 방법들보다 훨씬 효율적이고, 생김새와 모양의 변화에 아주 강건한 영상 검색이 가능하였고, 기존의 칼라 히스토그램 역투사 방법보다 훨씬 정확한 물체 위치 추정이 가능함을 확인할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.262-263
• /
• 2019

본 논문에서는 뉴로모픽 시스템 구현을 위해 시냅스 소자의 비선형적인 전도도를 고려한 균일 양자화 방식을 제안한다. 소프트웨어로 학습시킨 가중치에 최댓값을 나누는 것으로 정규화를 수행한다. 그 다음, 제안하는 균일 양자화 방식을 수행한다. 양자화를 수행할 때 소자의 제한적인 전도도 레벨을 고려하여 5 부터 25 레벨로 설정하여 실험하였다. 그 결과 MNIST 시험 데이터 세트의 정확도가 10 레벨에서 95.75%로, 소프트웨어의 정확도와 1%미만의 차이를 가진다.

• Journal of Broadcast Engineering
• /
• v.19 no.3
• /
• pp.329-341
• /
• 2014

Kernel-based mean-shift object tracking has gained more interests nowadays, with the aid of its feasibility of reliable real-time implementation of object tracking. This algorithm calculates the best mean-shift vector based on the color histogram similarity between target model and target candidate models, where the color histograms are usually produced after uniform color-space quantization for the implementation of real-time tracker. However, when the image of target model has a reduced contrast, such uniform quantization produces the histogram model having large values only for a few histogram bins, resulting in a reduced accuracy of similarity comparison. To solve this problem, a non-uniform quantization algorithm has been proposed, but it is hard to apply to real-time tracking applications due to its high complexity. Therefore, this paper proposes a fast non-uniform color-space quantization method using the histogram equalization, providing an adjusted histogram distribution such that the bins of target model histogram have as many meaningful values as possible. Using the proposed method, the number of bins involved in similarity comparison has been increased, resulting in an enhanced accuracy of the proposed mean-shift tracker. Simulations with various test videos demonstrate the proposed algorithm provides similar or better tracking results to the previous non-uniform quantization scheme with significantly reduced computation complexity.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.141-144
• /
• 2002

영상에서의 칼라분포 정보는 영상간의 유사성을 표현하는데 매우 유용하여 내용기반 영상검색분야에서 기본적으로 사용하고 있다. 이때, 영상 데이터베이스에서의 각 영상에 대하여 동일한 방식으로 (비)균일하게 양자화하여 표현한 칼라 히스토그램이 주로 사용되고 있다. 그러나, 전체영상에 대하여 동일한 개수의 고정된 양자화를 통해 칼라분포 정보를 표현하는데, 여러 가지 문제점과 성능 차이가 있어 다양한 해결 방안이 연구되고 있다. 본 논문에서는, 적응적 양자화 방법으로 각 영상의 칼라분포 정보를 표현하되, 상이한 양자화 칼라간의 유사도를 정의하여 칼라히스토그램 인터섹션 방법과 유사하게 영상간의 칼라분포 유사도를 계산하는 방법을 제안한다. 양자화 칼라간의 유사도는 거리에 반비례하면서 두 양자화 칼라의 작은 빈도값에 비례하도록 정의하였다. 영상간의 칼라분포 유사도는 칼라 히스토그램 인터섹션 방법을 생산자-소비자 모델로 해석하여 구하는 방법을 제안한다. 제안한 방법에 의해 기존의 칼라 히스토그램 인터섹션 방법보다 향상된 결과를 얻을 수 있음을 실험을 통해 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.05c
• /
• pp.164-169
• /
• 2002

칼라 정보를 이용하여 영상을 정합하기 위해서는 적은 수의 칼라 집합으로 영상을 표현하는 영상 양자화 과정이 필요하다. 적응적 양자화를 사용하는 경우에는 균일 양자화에 비해 높은 정합 성능을 기대할 수 있지만 상이한 칼라 집합의 생성으로 인해 영상 정합 과정이 힘들게 된다. 이에 본 논문에서는 상이한 칼라 집합을 갖는 영상을 정합할 수 있는 기초적인 연구를 수행하였다. 영상 정합을 위해 우선 STR(sort-tile-recursive) 방법[1]을 응용하여 질의 영상의 각 칼라에 대한 유사 칼라를 DB 영상으로부터 빠르게 선정할 수 있는 방법을 개발하였다. 질의 칼라와 유사 칼라간의 유사도를 정의하고 이를 기반으로 영상간의 유사도를 계산함으로써 영상 정합에 이용할 수 있도록 하였다. 칼라간의 유사도는 칼라 차이가 고려되어 정의되는데 칼라 차이는 칼라 공간에서의 칼라 거리로 계산된다. 칼라 거리를 계산하기 위해 유클리디언 거리를 이용할 경우 많은 계산량이 요구되므로 기존의 시티블록 거리나 체스보드 거리에 비해 유클리디언 거리를 좀더 유사하게 근사화하면서 빠른 계산이 가능한 거리 계산 방법을 개발하였다.