• 한국인터넷방송통신학회논문지
• /
• 제12권3호
• /
• pp.29-35
• /
• 2012

본 논문에서는 MPEG(Moving Picture Experts Group) 영상 디코더에서 영상을 압축, 비교, 복원, 저장한후 디코딩 처리하는 방법을 종래의 픽셀 단위로 처리하는 방법과는 다르게 영상의 단위 화소 주변을 군집화소로 분류한 후 이를 클러스터링하여 오버랩정도를 결정 한다. 오버랩 정도의 임계치값을 결정하는데는 패턴식별을 취한후 샘플 패턴에 대한 기하구조의 파악과 결정함수의 도출로 활용된다. 특징공간이 4차원 이상이면 주어진 패턴 구조를 시각적으로 관찰할 수 없다. 이 때, 분포구조를 고찰해 볼수 있는 방법은 군집중심간의 거리, 군집별 패턴의 수 및 표준편차 등을 이용하는 방법이다. 임계치 값을 넘는 중복화면은 소거되고 넘지않는 군집화면은 패턴인식으로 복원된후 동영상으로 구현된다. 이방법이 기존의 픽셀 단위 처리하는 방법 과는 20%정도의 메모리 감축과 15%정도의 화면 복원에 성능이 향상된 것으로 판정된다.

• 방송공학회논문지
• /
• 제17권5호
• /
• pp.734-741
• /
• 2012

차세대 영상압축 표준인 HEVC (High Efficiency Video Coding)에 적용되는 새로운 인트라 코딩 기법은 잔차 변환을 기반으로 하고 있다. HEVC는 공간상의 중복성을 줄이기 위해 다양한 방향의 공간 예측 방식을 하도록 만들어졌으며, 이를 위해 부호화 하려는 블록의 주변 화소들을 활용하고 있다. 본 논문에서 제안하는 HEVC 표준에서의 새로운 무손실 인트라 코딩 방식은, 공간적 예측을 위해 화소 단위 DPCM (Difference Pulse Code Modulation)을 수행하면서도 잔차 변환과, 잔차 변환의 결과로 얻어지는 잔차 신호에 대해 잔차 변환을 재차 시행하는 제 2차 잔차 변환을 사용하여 블록 단위 처리 구조를 유지하고 있다. 결과에서 보여지는 대로, 새로운 무손실 인트라 코딩 방식은 기존의 HEVC 표준과 비교하였을때 비트레이트를 평균 약 6.45%정도 감소시킨다.

• 방송공학회논문지
• /
• 제19권3호
• /
• pp.307-315
• /
• 2014

차세대 영상압축 표준인 HEVC(High Efficiency Video Coding)에 적용 가능한 무손실 인트라 예측 방법 CR-DPCM(Cross-Residual Difference Pulse Code Modulation)을 제안한다. HEVC는 공간상의 중복성을 줄이기 위해 다양한 방향의 예측을 하도록 만들어졌으며, 이를 위해 부호화 하려는 블록의 주변 화소들을 사용하고 있다. 본 논문에서 제안하는 HEVC 적용 가능한 무손실 인트라 예측 방법은, 예측을 위해 화소 단위 DPCM을 수행하면서도 잔차 변환과, 잔차 변환의 결과로 얻어지는 잔차 신호에 대해 2차로 진행하는 잔차 변환을 예측 방향에 맞추어 교차시키는 CR-DPCM 방법을 사용하며, 이는 기존 제안한 방법인 제 2차 잔차 변환(Secondary Residual Transform)보다 높은 성능 향상을 가진다. 제안하는 무손실 인트라 코딩 방식인 CR-DPCM 방법은 기존의 HEVC 표준 방법과 비교 하였을 때 bit-rate 평균 약 8.43%정도 감소시키며, JPEG2000 무손실 압축 방법과 비교해서도 높은 성능 향상을 가진다.

• 전자공학회논문지S
• /
• 제35S권6호
• /
• pp.101-108
• /
• 1998

물체를 인식하기 위한 효율적인 방법 중의 하나는 물체의 경계선에서 가장 적절한 특징들을 추출해 내어 인식에 사용하는 것이다. 본 논문에서는 경계선 위의 각 화소에서 주변 화소들과의 관계를 이용해 코너점, 접점, 변곡점을 추출하여 물체의 특징점으로 사용하였다. 기존에 주로 사용되던 중요한 특징점의 하나인 코너점은 곡률 함수상에서 찾고, 또한 물체가 직선과 곡선으로 이루어져 있을 경우 코너점만으로 물체를 표현하기에 부족하므로 곡률 함수를 미디안 필터링하여 양자화 잡음을 제거함으로써 접점과 변곡점을 찾는 새로운 방법을 제안하였다. 그리고 이 세 가지 특징점을 물체 정합의 요소로 사용하여 물체를 정합하였다. 정합 방법으로는 Discrete Hopfield Neural Network을 사용하였으며, 성능 분석 결과 곡선이 섞인 물체에서 코너점만으로 물체를 정합한 경우보다 특징점으로 물체를 정합한 경우 우수한 정합 성능을 나타내었다.

• 전자공학회논문지CI
• /
• 제48권1호
• /
• pp.8-16
• /
• 2011

영상 인페인팅(Image Inpainting)은 영상에서 손상된 영역을 제거하고 제거한 영역을 주변 영역과 유사하게 채워 넣어 자연스럽게 만E는 영상 복원의 한 기법이다. 그러나 제거할 영액이 클 경우, 복원한 결과의 구조가 자연스럽지 않아 원하지 않는 영상을 획득할 수 있는 문제가 발생한다. 본 논문에서는 화소 값 차이뿐만 아니라 거리 정보를 고려한 다중 패치들을 사용하는 향상된 예제 기반 영상 인페인팅 기법을 제안한다. 일반적인 예제 기반 영상 인페인팅 기법에서는 패치를 잘못 선택함으로써 블록 현상 같은 부자연스러운 결과들이 발생할 수 있다. 이런 문제점을 개선하기 위해 채워질 패치와 원본 영역에서의 패치들 간의 공간상 거리와 화소 값 차이를 둘 다 고려하여 여러 후보 패치들을 선택하고 선택된 패치들의 가중치를 적용하여 새로운 구조와 질감 정보를 생성하는 것을 제안한다. 실험 결과를 통해 제안하는 방법을 이용한 결과가 기존의 방법을 이용한 결과보다 구조와 질감 정보가 보다 향상된 결과를 보여준다.

• 센서학회지
• /
• 제8권2호
• /
• pp.124-132
• /
• 1999

본 논문에서는 에지 영역 보상을 이용한 원격 센싱된 인공위성 화상의 대역간 벡터양자화 기법을 제안하였다. 이 기법에서는 인공위성 화상데이타의 분광적 반사 특성에 따라 각 화소벡터를 분류한 후, 각 분류영역에 대하여 대역내 및 대역간 중복성을 각각 제거하기 위하여 분류영역별 대역내 벡터양자화 및 분류영역별 대역간 벡터양자화를 행한다. 에지영역의 경우에 주변블럭의 영역정보 및 양자화 된 기준대역의 화소값을 이용하여 에지영역을 보상한다. 그후, 대역간 중복성을 효과적으로 제거하기 위하여 보상된 영역정보를 이용하여 분류영역별 대역간 벡터양자화를 행한다. 실제 원격 센싱된 인공위성 화상데이타에 대한 실험을 통하여 제안한 기법의 부호화 효율이 기존의 기법에 비하여 우수함을 확인하였다.

• 대한전자공학회논문지SP
• /
• 제37권5호
• /
• pp.54-63
• /
• 2000

고속 움직임 추정을 위한 다 해상도 블록 정합 기법을 제안한다 최저 해상도 계층에서 전역 탐색을 통해 최소 정함 오치를 갖는 움직임 벡터를 선택하고, 공간적으로 인접한 블록들의 움직임 벡터들 중에서 최소 정합 오차를 갖는 움직임 벡터를 찾는다 이 때, 주변 움직임 벡터들의 보다 정확한 탐색을 위해 저 해상도 계층에서도 움직임 벡터의 양자화 없이 탐색을 할 수 있는 효과적인 방법을 제안한다. 이렇게 얻어진 2개의 움직임 벡터들은 중간 해상도 계층에서의 탐색을 위한 초기 탐색 중심점들로 사용된다 중간 계층에서, 각 초기점을 중심으로 훨씬 좁아진 영역에서의 지역 탐색을 수행한다. 최저 해상도 계층에서 주변 움직임 벡터 탐색을 위해 사용했던 방법을 이용하면, 각 지역 탐색을 정수 화소 단위로 수행할 수 있다 지역 탐색 영역 내에서 최소 정함 오차를 갖는 움직임 벡터를 찾고, 이 벡터를 중심으로 마지막 계층에서의 마지막 탐색을 수행한다 그러나, 중간 해상도 계층에서 이미 정수 화소 단위의 정확한 움직임 벡터 추정을 수행했기 때문에, 마지막 최고 해상도 계층에서의 지역 탐색은 전체 성능에 미미한 영향을 주게 된다. 따라서 최고 해상도 계층에서의 탐색을 생략하더라도 성능 저하 없이 탐색 속도를 향상시킬 수 있다 모의 실험을 통해 최고 계층에서의 지역 탐색을 생략하더라도 제안한 블록 정합 기법이 전역 탐색 기법에 비해 보편적인 MPEG2 부호화 환경 하에서 최대 02dB의 PSNR 저하만을 보이며, 200배 이상의 계산 속도를 가점을 보인다 또한, 제안한 기법은 규칙적인 데이터 흐름을 가지am로 하드웨어 구현에도 적합하다.

• 대한공간정보학회지
• /
• 제4권1호
• /
• pp.93-102
• /
• 1996

수치표고모델(DEM, Digital Elevation Model)을 컴퓨터를 이용하여 자동으로 생성할 때 입체영상매칭(stereo matching) 연산은 많은 수행시간이 소요된다. 매칭연산은 일반적으로 상관계수(correlation)에 의한 방법이 사용되고 있으며, 매칭점 분포가 균등한 지역기반방식(area-based method)이 주로 이용되고 있다. 본 논문에서는 지형을 식별하여 매칭연산에서 검색영역(search area)과 기준윈도우(mask window)의 크기를 조정하여 효율적인 매칭을 수행하는 방안을 제시하였다. 영상을 분할하기 위하여 경계보호평활화 필터(edge-preserving smoothing filter)를 사용하여 전처리를 수행하였으며, 필터를 거친 영상에 대해서 영역성장 알고리듬을 적용하였다. 분할된 영역은 MRF(Markov Random Field) 모델에 의한 식별과정을 통하여 산악, 평야, 수계지역으로 식별된다. 영상매칭은 예비시차(predicted parallex) 계산과 상세매칭(fine matching)의 두 단계를 거치며, 예비시차를 이용하여 상세매칭단계에서 검색영역의 위치를 결정한다. 검색영역과 기준윈도우의 크기는 화소에 대한 지형식별정보에 의해 결정된다. 주변화소와 시차가 유사한 평야지역과 수계지역의 검색영역을 축소함으로서 매칭연산시간을 단축시켰다. 대전-금산지역의 $10km{\times}10km(1024{\times}1024)$ 영상을 4개 사용하여 실험한 결과 지형식별정보를 이용하지 않았을 경우보다 영상매칭 수행시간이 $25%{\times}35%$정도 단축시킬 수 있음을 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권7호
• /
• pp.149-156
• /
• 2011

본 논문은 모바일 환경 하에서 효과적인 그래프 기반의 이미지 분할 적용 시, 실행시간 및 메모리 사용량 향상시키고, 이를 이용해 surface layout의 전처리 작업으로 수퍼 픽셀을 얻기 위한 효율적인 방법을 제안한다. 그래프기반의 이미지 분할은 영상으로부터 오브젝트 영역을 추출하는 알고리즘으로 입력 영상의 각 화소 정보를 이용한 에지 생성 및 그래프를 구성한다. 그래프 구성 시 기준 화소 및 주변 화소 위치 정보 및 색상 강도 차이 값(edgeweight)을 이용하여 에지를 구성하며, 색상 강도 차이 값에 따른 문턱치 값을 기준으로 각 에지를 연결함으로써 객체 영역을 추출하고 있다. 따라서 에지의 수는 그래프 기반의 이미지 분할의 실행시간 및 메모리 사용량을 결정하게된다. 모바일 디바이스는 PC에 비해 프로세서 속도 및 메모리 사용량 등 하드웨어적인 제약사항이 많으며, 프로그램 응답 시간이 주요 이슈가 되고 있다. 이러한 모바일 디바이스 상의 영상 처리 기술 적용 시 빠른 프로그램 응답시간 제공은 반드시 이루어져야 하며, 이미지 분할 단계에서도 보다 빠른 응답 시간을 위한 프로세싱 시간과 메모리사용량을 줄여야만 한다. 본 논문은 그래프 상의 에지의 수를 효과적으로 선택하는 효과적인 에지 선택 알고리즘 적용을 통해 그래프 기반의 이미지 분할 알고리즘을 모바일 디바이스에 적용 시, 프로세싱 시간 및 메모리 사용량의 개선을 보이도록 하고, 수퍼 픽셀 당 정확도가 입력영상 사이즈에 관계없이 70%이상 생성되며, 그 정확도가 96%동일하다는 것을 보인다.

• 대한원격탐사학회지
• /
• 제21권2호
• /
• pp.121-133
• /
• 2005

화소들 사이의 관계를 고려해 Texture 영상을 생성해 내는 것을 의미하는 Texture 영상화는 유용한 영상 분석 방법 중의 하나로 잘 알려져 있고, 대부분의 상업적인 원격 탐사 소프트웨어들은 GLCM이라는 Texture 분석 기능을 제공하고 있다. 본 연구에서는, GLCM 알고리즘에 기반한 Texture 영상화 프로그램이 구현되었고, 추가적으로 GLDV에 기반을 둔 Texture 영상화 모듈 프로그램을 제공한다. 본 프로그램에서는 Homogeneity, Dissimilarity, Energy, Entropy, Angular Second Moment(ASM), Contrast 등과 같은 GLCN/GLDV의 6가지 Texture 변수에 따라 각각 이에 해당하는 Texture 영상들을 생성해 낸다. GLCM/GLDV Texture 영상 생성에서는 방향 의존성을 고려해야 하는데, 이 프로그램에서는 기본적으로 동-서, 북동-남서, 북-남, 북서-남동 등의 기본적인 방향설정을 제공한다. 또한 이 논문에서 새롭게 구현된 커널내의 모든 방향을 고려해서 평균값을 계산하는 Omni 방향 모드와 커널내의 중심 화소를 정하고_그 주변 화소에 대한 원형 방향을 고려하는 원형방향 모드를 지원한다. 또한 본 연구에서는 여러 가지 변수와 모드에 따라 얻어진 Texture 영상의 분석을 위하여 가상 영상 및 실제 위성 영상들에 의하여 생성된 Texture 영상간의 특징 분석과 상호상관 분석을 수행하였다. Texture 영상합성 응용시에는 영상의 생성시에 적용된 변수들에 대한 이해와 영상간의 상관도를 분석하는 과정이 필요할 것으로 생각된다.