인공지능 : DCT 맵과 이진 트리 구조 벡터 양자화기를 이용한 영상 부호화 = Artificial Intelligence : Image Coding Using DCT Map and Binary Tree-structured Vector Quantizer

국문 초록 (Abstract)

벡터 양자화기를 이용하여 영상의 부호화기를 설계하는데 있어서 2차원 이산여현변환(2D-Discrete Cosine Transform)에 근거한 DCT맵(map)과 새로운 부호책(codebook) 설계 알고리즘을 제안한다. 영상을 작은 부블록으로 나누고 2차원 이산여현변환으로 대부분의 정보를 포함하는 부분, 즉 부호화하기 어려운 부분과 부호화하기 쉬한 적은 정보를 포함하는 영역으로 나누어 맵을 만들고 이 맵에 따라 영상의 중요한 특징들을 2차원 이산여현변환으로 추출한다. 부호책은 트리 구조에 근거한 2진 트리로 두 영역을 따로 학습세트로 나눔으로서 만들어 진다. 2진 트리의 중산 노드에서 각 학습 벡터는 그 노드에서의 문턱 값과 비교하여 두개의 아래 노드중 하나에 속하게 된다. 국제 표준 화상인 Lenna와 Boat 영상에 대하여 본 알고리즘으로 영상을 부호화했을 때 PNN과 CVQ 알고리즘에 비하여 수행시간을 줄이고 PNN 알고리즘보다는 각각 약 0.45dB과 0.33dB 만큼, CVQ 알고리즘보다 각각 약 0.05dB과 0.1dB만큼 더 좋은 영상의 화질을 얻을 수 있었다.

다국어 초록 (Multilingual Abstract)

A DCT map and new codebook design algorithm based on a two-dimension discrete cosine transform (2D-DCT) is presented for coder of image using vector quantizer. We divide the image into smaller subblocks, then using 2D DCT, separate it into blocks which are hard to code but it bears most of the visual information and easy to code but little visual information, and DCT map is made. According to this map, the significant features of training image are extracted by using the 2D DCT. A codebook is generated by partitioning the training set into a binary tree based on tree-structure. Each training vector at a nonterminal node of the binary tree is directed to one of the two descendants by comparing a single feature associated with that node to a threshold. Compared with the pairwise nearest neighbor (PNN) and classified VQ (CVQ) algorithm, about ''Lenna'' and ''Boat'' image, the new algorithm results in a reduction in computation time and shows better picture quality with 0.45dB and 0.33dB differences as to PNN, 0.05dB and 0.1dB differences as to CVQ respectively.