수정 퍼지 신경회로망을 이용한 객체기반 동영상 압축 알고리즘에 관한 연구 = A study on the modified fuzzy neural network algorithm for the image coding and compression

국문 초록 (Abstract)

벡터 양자화(Vector Quantization:VQ)는 높은 압축률을 갖으나, 경계(Edge) 부분의 정보를 약화시키고. 분류 벡터 양자화(Classified Vector quantization:CVQ)［2］는 입력되는 샘플 벡터들을 특성에 따라서 분류하여 각각의 부코드북을 설계함으로써 VQ의 단점을 개선한다. CVQ에 적용하기 위한 알고리즘인 경쟁 학습 네트워크(Competitive Learning Network)［5］는 입력되는 샘플 벡터의 각 플러스터에 대한 속도가 이분법적으로 표현되기 때문에 상대적으로 큰 속도를 가지는 코드벡터가 학습 과정에서 무시된다. 퍼지 경쟁 학습 네트워크(Fuzzy Competitive Learning Network)［8］는 각 클러스터가 연속적인 속도로 이러한 문제점을 해결했다. 그러나 퍼지 경쟁 학습 네트워크를 CVQ에 적용하면 각 부코드북의 크기를 시행착오로 결정해야 하는 문제점을 여전히 가지고 있다 본 논문에서는 수정 퍼지 경쟁 학습 신경회로망(Modified Fuzzy Competitive Learning Neural Network)를 제안하여 이러한 문제점들을 해결한다.

다국어 초록 (Multilingual Abstract)

Vector Quantization (VQ) has a high compression rate, but has a weakness to degrade the edge. Classified Vector Quantifation (CVQ) corrects this weakness with classifying sample vector in accordance with its properties. designing aubcode book by learning with classified sample vector. In this paper. The Modified Fuzzy Competitive Learning Neural Network, which has continuous membership extending binary membership, is proposed, as an a1gorithm applied to CVQ. Existing algorithms determine the size of subcode book by a trial and error. but the proposed algorithm determines the size of each subcode book by the given sample vector in learning process, and prevents the defigned subocde book from to the local minimum point by applying Fuzzy concept to the Competitive Learning algorithm.