• The Transactions of the Korea Information Processing Society
• /
• v.4 no.8
• /
• pp.2133-2142
• /
• 1997

Compared with previous compression methods, fractal image compression drastically increases compression rate by using block-based encoding. Although decompression can be done in real time even with softwares, the most serious problem in utilizing the fractal method is the time required for the encoding. In this paper, we propose and verify i) an algorithm that reduces the encoding time by reducing the number of similarity searching on the basis of dimensional informations, and ii) an algorithm that enhances the quality of the restored image on the basis of brightness and contrast information. Finally, a method that enables fast compression with little quality degradation is proposed.

• Journal of KIISE:Software and Applications
• /
• v.28 no.5
• /
• pp.402-411
• /
• 2001

H.263 압축 방식은 실현하는데 여러 가지 문제가 있지만 그 중에서 그 대표적인 것은 인코딩 과정에서의 압축 시간이 오래 걸린다는 것이고 다른 한 가지는 과도한 압축률에 의한 복원된 이미지 화질 저하이다. 이 논문에서는 H.263에서의 압축 속도 향상과 복원 이미지의 화질 이미지의 화질 보상에 대한 두 가지 새로운 방법을 제안하였다. 압축 속도를 향상시키기 위해서 움직임 벡터를 찾는 알고리즘을 개선하여 새로운 4단계 탐색 알고리즘을 제안하였다. 또한 화질을 보상하기 위해 디코더에서 블록 아티팩을 제거하고 복원 이미지를 선명하게 하는 알고리즘을 제안하였다. 여기서 화질 보상은 원본 이미지와 동일하게 만드는 것이 아니라 인간이 더 좋은 영상으로 인식하도록 하는 걸 목적으로 한다. 우리가 제한한 알고리즘에 의해서 압축 속도는 초당 2.5에서 17 프레임으로 증가하였고 블록 아티팩을 제거하고 명암 대비를 높임으로써 보기 좋은 영상을 제공하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.272-275
• /
• 2018

본 논문에서는 기존 신경망 기반의 이미지 압축에 많이 사용되었던 신경망인 ResNet 을 대신하여 더 적은 개수의 파라미터를 사용하여 좋은 성능을 낼 수 있는 신경망 구조인 DenseNet 을 이미지 압축에 사용한다. 이미지 압축을 위해 사용되는 신경망 구조는 일반적으로 오토 인코더 구조인데, 병목 층에서 정보 손실이 상당히 많이 발생한다. 따라서 이미지 압축에서 신경망 내에서의 정보 전달은 상당히 중요하다. 기존의 논문에서는 이를 위해 이전의 정보를 그대로 뒤로 전달해주는 구조인 ResNet 을 사용하여 깊은 층에 대해서도 수렴이 잘 되는 결과를 보여주었다. 그러나 많은 수의 파라미터를 사용하는 단점을 해결하기 위해 본 논문에서는 DenseNet 을 이미지 압축에 사용하였고, 병목 층에서의 정보 손실로 인해 이미지의 고주파수 성분이 사라지는 현상을 해결하기 위해 원래 이미지와 JPEG2000 으로 압축한 이미지와의 차이를 추가 입력으로 넣어주어서 주관적인 화질을 개선하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.11a
• /
• pp.139-140
• /
• 2022

최근에 정지 홀로그램에 대한 표준화 및 압축 방법에 대한 연구를 JPEG Pleno에서 진행 중에 있다. 또한, 기존 연구들에서 웨이블릿 변환의 효율이 좋은 대안이 될 수 있다는 것을 보여왔다. 웨이블릿 변환기반의 압축에서 EZW, EBCOT 그리고 SPIHT 등을 사용할 수 있다. 하지만 부대역 단위의 제로트리 기반의 알고리즘들은 고해상도의 영상에 대해서 고압축으로 코딩할 경우에 비트스트림 제어 시 악영향을 줄 수 있으며, EBCOT는 지나치게 복잡도가 높다. 이를 보완하기 위해 본 논문에서는 홀로그램의 압축을 위해 양자화된 웨이블릿 트리를 사용하여 압축하는 방법을 제안한다. 양자화 트리는 해당 홀로그램의 대표 계수 값을 양자화하여 획득한다. 양자화 트리를 사용하여 양자화한 후에 원본과의 차이 값을 SPIHT를 통해 압축하여 목표 BPP에 맞게 압축한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.74-77
• /
• 2022

본 논문에서는 계층적 픽셀 예측과 컨텍스트 적응적 산술 부호화를 이용한 이미지 적응 무손실 압축 알고리즘을 제안한다. 입력 RGB 이미지는 먼저 가역적 색상 변환이 적용된다. Y 채널 이미지는 기존의 무손실 압축 인코더로 압축되고, U와 V채널 이미지는 Y 채널 이미지를 기반으로 예측된다. 원본과의 차이는 컨텍스트 적응적 산술 부호화를 통해 압축된다. 본 논문에서 제안된 알고리즘에서는 입력 이미지의 성질에 따라 산술 부호화에 사용되는 인코더의 개수를 적응적으로 변화시킨다. 또한 저주파 성분에 상대적으로 많은 자원을 집중시킴으로써 압축 성능을 향상시켰다. 제안된 방법은 기존에 사용되던 압축 방식들과 비교했을 때에도 의미 있는 성능을 보였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.11a
• /
• pp.43-45
• /
• 2020

궁극의 3D 디스플레이 기술이라고 할 수 있는 홀로그램 기술로 실물을 보는 것과 같은 3차원 영상이 가능해 지고 있다. 그러나 디지털 홀로그램 영상의 데이터양은 HD나 UHD 영상의 수십에서 수천 배에 달해 원본 화질의 열화를 최소화 하면서 데이터양을 줄이기 위한 압축 부호화 기술이 매우 중요하다. 본 논문에서는 위상 홀로그램 동영상에 대해 최신 영상 압축 표준인 HEVC(High Efficiency Video Coding)와 VVC(Versatile Video Coding)로 압축한 후 홀로그램 영역과 수치 복원 영역에서 압축 성능을 비교하며, 다양한 실험영상에 대한 HEVC 압축 결과에 대해 객관적 압축성능 분석 및 주관적 성능 분석을 진행한다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.43-46
• /
• 2021

최근 기계 임무수행에 사용되는 데이터양이 증가함에 따라 기계를 위한 효율적인 영상 압축방식의 필요성이 높아졌다. 기존의 비디오 코덱은 HVS (Human Visual System) 특성을 고려한 기술이기 때문에 부호화 과정에서 기계 임무수행에 필요하지 않은 정보를 효과적으로 제거할 수 없다. 반면 심층신경망 기반 압축네트워크의 경우, 원본 영상으로부터 기계 임무수행에 필수적인 데이터만을 추출하여 부호화 하도록 학습할 수 있는 장점이 있다. 본 논문에서는 압축 심층신경망과 기계 임무수행 네트워크로 구성되는 VCM (Video Coding for Machine) 프레임워크를 제안하고 학습에 의한 압축효율 향상을 검증한다. 이를 위해 압축 심층신경망을 객체탐지 임무수행 네트워크와 함께 학습시킨 결과, VVC (Versatile Video Coding) 대비 평균 61.16%의 BD-rate 감소가 확인되었다. 뿐만 아니라, 학습된 압축 심층신경망은 객체분할 임무수행에서도 VVC 대비 평균 58.43%의 BD-rate 감소를 보여 다중 기계 임무의 효율적 수행이 가능함을 확인할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2021.06a
• /
• pp.1-3
• /
• 2021

최근 딥러닝 기술에 발전으로 스마트 시티, 자율주행 자동차, 감시, 사물인터넷 등 다양한 분야에서 활용이 되고 있으며, 이에 따라 기계를 위한 영상 압축에 대한 필요성이 대두되고 있다. 본 논문에서는 열 적외선 영상에서 기계 소비를 위한 객체 기반 압축 기법을 제안한다. 신경망의 객체 탐지 결과와 객체 크기에 따라 이미지를 객체 부분과 배경 부분으로 나누어 서로 다른 압축률로 인/디코딩 한 후, 나눠진 이미지들 다시 하나의 이미지로 합치는 기법을 사용하여 압축하였으며, 이는 압축효율은 높이면서 객체 탐지 성능을 높게 유지한다. 실험 결과, 제안하는 방법이 Pareto mAP에서 BD-rate가 -28.92%로 FLIR anchor 결과와 비교했을 때 압축효율이 뛰어나다는 것을 확인할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.966-968
• /
• 2021

본 논문에서는 효과적인 고해상도 비디오 데이터의 처리를 위하여 부호화기 내에서 참조 영상을 저장하는 프레임 메모리를 압축하는 방법을 제안한다. 프레임 메모리는 응용분야의 특성상 무손실 압축 및 저 복잡도를 갖는 방법이 요구되는데, 블록 단위의 PCT 를 이용하여 픽셀 사이의 상관도를 제거하고, 적응적 GR 부호기를 이용하여 최종 비트열을 구성하여 압축하는 방법을 제안한다. 다양한 테스트 영상을 대상으로 실험한 결과 제안하는 방법이 기존의 압축 방법에 비해 압축 성능이 우수하면서 실행 시간으로 측정한 복잡도 측면에서 유사한 성능을 나타냄을 확인하였다. 압축 성능과 복잡도의 두가지 측면을 종합적으로 판단한 결과 제안하는 방법이 기존의 방법에 비해 충분히 경쟁력이 있음을 알 수 있다.

• The Bulletin of The Korean Astronomical Society
• /
• v.45 no.1
• /
• pp.52.3-52.3
• /
• 2020

천문학적 유체는 강하게 자화되어 있는 경우가 많은데, 이러한 강한 자기장을 얻는 한 방법이 난류에 의한 자기장의 증폭이다. 플라즈마 효과나 기타의 이유로 약한 씨앗 자기장이 유체에 생길 경우, 난류는 이 씨앗 자기장을 매우 효과적으로 증폭시킬 수가 있다. 이 과정을 난류 다이너모라 하는데, 난류 다이너모는 주로 비압축성 난류 구동력을 사용하여 연구해 오고 있다. 비압축성 구동력을 사용할 때의 난류 다이너모 과정은 비교적 잘 규명되어 있다. 기존의 연구 결과에 의하면, 자기장의 세기는 지수 함수적 성장을 거친 후 선형적 성장 단계를 겪는다. 이후, 자기장의 에너지 밀도가 난류의 에너지 밀도와 비슷해지면 자기장은 더 이상 성장하지 못하고 포화 상태에 접어든다. 결론적으로 난류는 자기장이 동력학적으로 중요한 수준까지 증폭을 시킬 수 있다. 압축성 난류 구동력을 사용한 난류 다이너모 연구도 일부 존재하는데, 기존의 연구 결과에 의하면 다이너모 효과가 비압축성 구동력의 경우보다 비효율적이다. 본 연구에서는 압축성 구동력을 사용하여 난류 다이너모를 체계적으로 연구하였다. 특히 압축성 구동력과 비압축성 구동력이 난류 다이너모 효과에 어떤 차이를 주는지 체계적으로 비교하였다.