• 방송공학회논문지
• /
• 제18권5호
• /
• pp.730-737
• /
• 2013

본 논문은 정합 오차 기준을 확장한 제한된 1비트 변환 (Constrained One-Bit Transform : C1BT) 기반의 움직임 예측 알고리즘을 제안하였다. 제한된 1비트 변환 기반의 움직임 예측 알고리즘에서는 정합 오차 기준으로 기존의 움직임 예측 방법인 전역 탐색 알고리즘 (Full Search Algorithm: FSA)에서 사용되는 SAD (Sum of Absolute Differences) 대신 NNMP (Number of Non-Matching Points)를 사용하여 하드웨어 구현을 용이하게 하고 연산량을 크게 줄였으나 움직임 예측의 정확도를 감소시켰다. 이 점을 개선하고자 이 논문에서는 제한된 1비트 변환의 정합 오차 기준을 확장하여 움직임 예측의 정확도를 높이는 알고리즘을 제안하였고 이는 기존의 알고리즘과 비교한 결과 PSNR (Peak Signal to Nosie Ratio) 측면에서 더 우수한 성능을 보였다.

• 방송공학회논문지
• /
• 제20권2호
• /
• pp.257-264
• /
• 2015

본 논문에서는 개선된 이진 블록 매칭 방법을 사용한 제한된 1비트 변환 (Constrained One-bit Transform : C1BT) 알고리듬을 제안한다. 이진 영상 기반의 움직임 예측은 기존의 정합 오차 기준인 SAD (Sum of Absolute Difference)를 사용한 움직임 예측의 방대한 계산량을 줄이기 위해 정합오차 기준을 이진 논리 연산을 사용하는 NNMP (Number of Non-Matching Points)를 사용하여 움직임 예측의 속도를 향상시키고 하드웨어 구현을 용이하게 하는 방법이다. C1BT 알고리듬은 기존의 1BT알고리듬이 원본의 픽셀값을 1개의 비트만으로 표현하며 발생하는 단점을 보완하여 이진 영상 기반의 움직임 예측의 정확도를 향상시킨 알고리듬이다. 이 논문에서는 이진 블록 기반의 움직임 예측이 작은 크기의 정합블록을 사용할 때 더욱 정확한 정확도를 갖는 방법을 제안하였다. 기존의 C1BT기반의 움직임 예측의 결과와 제안하는 알고리듬의 결과를 비교해 보았을 때 PSNR측면에서 더 우수한 성능을 갖는 것을 볼 수 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2013년도 하계학술대회
• /
• pp.267-269
• /
• 2013

본 논문은 제한된 1비트 변환 (Constrained One-Bit Transform : C1BT) 알고리즘의 정합 오차 기준의 동적 범위를 확장하는 알고리즘을 제안하였다. C1BT는 정합 오차 기준으로 SAD (Sum of Absolute Differences)를 사용하지 않고 CNNMP (Constrained Number of Non-Matching Points)를 사용하여 하드웨어 구현을 용이하게 하고 속도를 대폭 향상시켰다. 이는 기존의 움직임 예측 방법인 전역 탐색 알고리즘 (Full Search Algorithm: FSA)과 비교하여 연산량을 크게 줄였으나 움직임 예측의 정확도를 현저히 감소시켰다. 이 점을 개선하기 위해 이 논문에서는 C1BT의 정합 오차 기준을 확장하여 움직임 예측의 정확도를 높이는 알고리즘을 제안하였다. 기존의 C1BT와 제안하는 알고리즘을 비교한 결과에서 제안하는 알고리즘이 기존의 C1BT에 비해 움직임 예측의 정확도의 기준인 PSNR 측면에서 더 우수한 성능을 보였다.

• ETRI Journal
• /
• 제34권5호
• /
• pp.795-798
• /
• 2012

This letter proposes a new low-complexity motion estimation method. The proposed method classifies various nonmatching pixel pairs into several categories and assigns an appropriate weight for each category in the matching stage. As a result, it can significantly improve performance compared to that of the conventional methods by adding only one 1-bit addition and two Boolean operations per pixel.

• 방송공학회논문지
• /
• 제16권5호
• /
• pp.861-872
• /
• 2011

움직임 예측 분야에서 많은 고속 블록 정합 알고리즘들은 불필요한 움직임 후보 블록들을 고유한 조건식으로 필터링하는 방법, 즉 탐색 포인트의 수를 줄이는 방법으로 연산의 복잡도를 줄이고 있다. 비록 많은 고속 블록 정합 알고리즘들이 기존의 전역 탐색 알고리즘과 비교하여 연산량을 상당 부분 줄일 수 있다 하더라도, 각 조건식의 특성에 의해 때때로 어느 정도의 정합 오차를 감수해야 한다는 단점이 있다. 본 논문에서는 제한된 1비트 변환 움직임 예측을 위한 새로운 고속 정합 알고리즘을 제안 하며, 이는 전역 탐색 알고리즘 대비 화질의 열화를 최소화 하면서도 움직임 블록 예측시의 연산량을 현저하게 줄이는 것에 목적을 둔다. 기존의 고속 블록 정합 알고리즘들과는 달리 제안된 알고리즘은 연산량을 줄이는데 있어서 새로운 접근 방법을 보여준다. 그것은 1비트 변환 후의 이진 평면이 오직 0 과 1이라는 두 개의 성분만으로 이루어진다는 사실에 기초하여 이항 분포 (binomial distribution)를 활용한 접근 방법이다. 모의실험 결과 제안된 알고리즘은 기존의 전역 탐색 기법을 적용한 제한된 1비트 변환 움직임 예측과 비교하여 PSNR (Peak signal-to-noise ratio) 성능은 매우 근접하게 유지하면서도 연산량은 획기적으로 줄여주는 효과를 보여 준다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 추계학술대회
• /
• pp.225-228
• /
• 2011

동영상을 고효율로 압축할 수 있는 중요한 기술 중의 하나가 움직임 추정 기술이다. 움직임 추정 기술에서 가장 널리 사용되는 탐색 방식과 정합오차를 판단하는 기준은 각각 전역 탐색(FS: Full Search)알고리듬과 Sum of Absolute Differences(SAD)이다. 하지만, FS와 SAD를 사용한 움직임 추정기술은 인코더 전체 계산량의 50%이상을 차지하게 된다. 무선 통신 및 인터넷 환경에서 사용되는 응용프로그램에 대해서는 많은 계산량이 실시간 전송을 어렵게 만든다. 이러한 이유로, 동영상 압축 기술에서 계산량을 줄이는 방법이 중요하게 되었다. 그 결과로, SAD대신 다른 정합 오차 기준을 사용하여 움직임 추정기술의 계산량을 줄이는 알고리듬들이 제안되었다. 본 논문에서는 계산량을 줄이면서 하드웨어 구현 시 많은 이점을 가진 1비트 변환 (One-bit Transform, 1BT)알고리듬과 1비트 변환의 성능을 향상시킨 제한된 1비트 변환(Constrained one-bit transform, C-1BT)을 소개하고 C-1BT방법에 있어서 기존 방식의 빠른 인코딩속도를 유지하면서 PSNR을 증가시키는 알고리듬을 제안한다. 제안하는 알고리듬에서는 기존 C-1BT에서 고정해서 사용한 파라미터 D값을 대신에 현재블록과 동일한 위치에 있는 참조영역의 블록과 그 주변블록의 움직임벡터 정보를 이용해서 블록의 움직임 정도를 판단하고, 블록단위로 D값을 적응적으로 결정한다. 실험결과는 제안하는 알고리듬이 기존의 알고리듬과 비교하여 평균 0.11dB PSNR 증가를 보여 준다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2013년도 추계학술대회
• /
• pp.209-212
• /
• 2013

본 논문에서 적응적 탐색 영역(Adaptive Search Range)을 이용하여 개선한 제한된 1비트 변환 알고리즘을 제안하였다. 이 변환은 전역 검색 알고리즘 (Full Search Algorithm)을 사용한다. 그러나 이것은 매우 많은 연산량과 복잡도를 가진다. 제안된 알고리즘에서는 각 블록의 탐색범위를 결정하기 위한 움직임 벡터 (Motion Vector)와 함께 제한된 1비트 변환 알고리즘의 제한된 마스크 (Constrained Mask)를 사용한다. 실험결과를 통해 제안된 알고리즘은 움직임 예측의 정확도에 대한 성능을 비슷하게 유지하면서 평균적으로 Search Point의 수를 84% 줄일 수 있음을 보여준다.