메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

정상현 (성균관대학교, 성균관대학교 일반대학원)

지도교수
전병우
발행연도
2017
저작권
성균관대학교 논문은 저작권에 의해 보호받습니다.

이용수1

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (3)

초록· 키워드

오류제보하기
율-왜곡 최적화란 주어진 데이터 양으로 최선의 화질을 가진 영상을 만들어 내는 것을 말한다. 최적화를 통해 영상의 왜곡과 영상을 만들기 위해 필요한 데이터양의 비율을 적절히 조절하여 최선의 화질을 만들어 낸다. 그런데 통상의 HEVC(High Efficiency Video Coding)에서는 측정하는 화질의 기준으로 PSNR(Peak Signal-to-noise ratio)를 사용하여 율-왜곡 최적화를 수행한다. 하지만 PSNR은 HVS(Human Visual System)을 고려하지 않았다는 단점이 있어 사물의 구조적 특성에 더 민감한 HVS를 고려한 화질 평가 방법인 SSIM(Structural Similarity Index Metric)이 연구 되었고 이후 관찰자와 디스플레이 간 거리까지 고려한 MS-SSIM(Multi Scale?SSIM)이 연구 되었다.
본 논문에서는 HEVC의 율-왜곡 최적화 왜곡의 척도를 PSNR 대신 HVS가 고려된 이미지 평가 방법인 MS-SSIM을 사용하여 MS-SSIM의 관점에서의 최선의 화질을 구하는 방법을 연구 하였다. 율-왜곡 최적화에서 적절한 데이터와 왜곡의 조절에 사용 되는 Lagrange Multiplier(λ)에 원본 영상의 특성에서 추출된 가중치를 이용하여 MS-SSIM을 높이도록 한다. 본 연구에서 사용 되는 특성에는 분산, MS-SSIM에서 사용되는 Scale간 연관성, 주파수 특성이다. 연구를 통해 만들어진 λ 가중치를 통해 율-왜곡 최적화를 수행 한 결과 부호화 시 Anchor(HEVC reference software, HM16.6)의 결과 보다 BD-rate 기준 MS-SSIM은 대폭 상승하고 PSNR는 소폭 감소했다. 예를 들어 주파수 특성을 이용한 율-왜곡 최적화는 Anchor 대비 Low Delay 조건에서 MS-SSIM은 15.3% 상승 하였고 PSNR은 6% 감소 하였다. 기존 MS-SSIM 기반의 율-왜곡 최적화 연구에서 얻은 결과인 MS-SSIM의 12.7% 증가, PSNR 36% 감소와 비교하면 MS-SSIM은 2.6%, PSNR 30% 개선시킴으로 기존 연구보다 뛰어남을 보이며 목표하던 관찰자의 주관적 화질 측면에서 개선되었음을 확인하였다.

목차

목차 .............................................................................................. i
표목차 .............................................................................................. iii
그림목차 .............................................................................................. iii
논문요약 .............................................................................................. v
제1장 서론 .............................................................................................. 1
제2장 배경지식 및 관련연구...................................................................... 4
2-1. 율-왜곡 최적화(RDO) ..................................................................... 4
2-2. 영상 화질평가 방법 ..................................................................... 7
2-2-1. PSNR ..................................................................... 7
2-2-2. SSIM ..................................................................... 8
2-2-3. MS-SSIM ..................................................................... 10
2-3. Lagrange Multiplier(λ) 수정에 따른 율-왜곡 최적화 ................... 11
2-4. MS-SSIM 기반 율-왜곡 최적화(RMSO) ................................ 13
제3장 영상 특성을 이용한 율-왜곡 최적화 ........................................... 17
3-1. 수정된 λ와 dQP 간 상관관계 ......................................................... 17
3-2. 분산 기반 율-왜곡 최적화 ......................................................... 20
3-3. DCT(Discrete Cosine Transform) 기반 율-왜곡 최적화.............. 24
3-4. 영상의 공간 및 주파수 특성을 이용한 율-왜곡 최적화.................... 31
제4장 실험결과 ................................................................................... 37
4-1. 실험 조건 ................................................................................... 37
4-2. 객관적 성능 평가 ...................................................................... 38
4-3. 주관적 성능 평가 ...................................................................... 44
제5장 결론 ............................................................................................... 48
참고문헌 ............................................................................................... 50
ABSTRACT ............................................................................................... 52

최근 본 자료

전체보기

댓글(0)

0