KR100224801B1 - 스케일 팩터 조정회로 - Google Patents

스케일 팩터 조정회로 Download PDF

Info

Publication number
KR100224801B1
KR100224801B1 KR1019930017538A KR930017538A KR100224801B1 KR 100224801 B1 KR100224801 B1 KR 100224801B1 KR 1019930017538 A KR1019930017538 A KR 1019930017538A KR 930017538 A KR930017538 A KR 930017538A KR 100224801 B1 KR100224801 B1 KR 100224801B1
Authority
KR
South Korea
Prior art keywords
scale factor
code length
expected
storage means
pixel data
Prior art date
Application number
KR1019930017538A
Other languages
English (en)
Other versions
KR950006643A (ko
Inventor
최광철
Original Assignee
윤종용
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 윤종용, 삼성전자주식회사 filed Critical 윤종용
Priority to KR1019930017538A priority Critical patent/KR100224801B1/ko
Publication of KR950006643A publication Critical patent/KR950006643A/ko
Application granted granted Critical
Publication of KR100224801B1 publication Critical patent/KR100224801B1/ko

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00Details of television systems
    • H04N5/14Picture signal circuitry for video frequency region
    • H04N5/20Circuitry for controlling amplitude response
    • H04N5/205Circuitry for controlling amplitude response for correcting amplitude versus frequency characteristic
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

본 발명은 신경회로망을 이용한 스케일 팩터 조성회로를 공개한다. 그 회로는 2프레임의 화소 데이타를 저장하기 위한 제1저장수단, 상기 제1저장수단의 제1프레임분의 화소 데이타를 순서대로 입력하여 예상되는 부호길이와 예상되는 스케일 팩터를 출력하기 위한 신경망, 상기 신경망의 출력신호를 입력하여 각 화소 데이타에 대한 예상되는 스케일 팩터와 예상되는 부호길이를 저장하기 위한 제2, 제3저장수단, 상기 제3저장수단에 예상되는 부호길이가 저장되는 동시에 각 예상되는 부호길이를 누산하기 위한 누산수단, 상기 제2, 제3저장수단에 저장된 예상되는 부호길이 및 예상되는 스케일 팩터와 상기 누산수단의 예상되는 부호길이를 입력하여 정규화하여 계산된 스케일 팩터와 윈하는 부호길이를 출력하는 정규화 수단, 상기 제1프레임의 화상 데이타를 이산코사인 변환을 하고 양자화 하여 출력되는 부호 길이와 상기 원하는 부호길이의 차를 계산하여 오차값을 발생하고 상기 계산된 스케일 펙터를 상기 오차값만큼 보상하여 최종적으로 스케일 팩터를 발생하기 위한 필터를 구비하여 상기 최종적인 스케일 팩터에 따라 양자화를 수행하는 것을 특징으로 한다. 따라서, 보다 정확한 스케일 팩터를 발생할 수가 있다.

Description

스케일 팩터 조정회로
제1도는 본 발명의 일실시예의 신경회로망을 이용한 화상 압축키의 스케일 팩터 조성회로를 나타내는 것이다.
제2도는 본 발명의 다른 실시예의 신경회로망을 이용한 화상 압축기의 스케일 팩터 조성회로를 나타내는 것이다.
본 말명은 스케일 팩터 조성회로에 관한 것으로, 특히 신경회로망을 이용한 스케일 팩터 조정회로때 관한 것이다.
양자회기와 가변장 부호화기를 이용한 화상 데이타 압축방법에서 양자화기의 스케일 팩터를 적당히 조절하여 부호의 길이를 조정해야한다. 특히 VCR에서는 화면 단위의 편집이나 트릭 플레이(trick play) 또는 기록방식의 특성 등에 따라 화면 단위당 부호의 양을 일정하게 고정할 필요가 있다. 이에 따라 제안된 방법은 화질과 부호량의 측면에서 최적의 스케일 팩터를 산출하기 위해 입력신호를 신경회로망을 이용자여 한화면에 대해 전체적으로 분석한 뒤 각 블럭단위로 스케일 펙터를 할당해주면서 적응 필터를 사용하여 오차가 최소화 될 수 있도록 계속 조정해 가는 것이다.
본 발명의 목적은 신경회로망을 이용한 스케일 펙터 조정회로를 제공자는데 있다.
이와같은 목적을 달성하기 위하여 본 발명의 스케일 펙터 조성회로는 2프레임의 화소 데이타를 저장하기 위한 제1저장수단, 상기 제1저장수단의제1프레임분의 화소 데이타를 순서대로 입력하여 예상되는 부호길이와 예상되는 스케일 펙터를 출력하기 위한 신경, 상기 신경망의 출력신호를 입력하여 각 화소 데이타에 대한 예사이되는 스케일 팩터와 예상되는 부호길이를 저장하기 위한 제2, 제3저장수단, 상기제3저장수단에 예상되는 부호길이가 저장되는 동시에 각 예상되는 부호길이를 누산하기 위한 누산수단, 상기 제2, 제3저장수단에 저장된 예상되는 부호길이 및 예상되는 스케일 팩터와 상기 누산수단의 예상되는 총 부호길이를 입력하여 규정화하여 계산된 스케일 팩터와 원하는 부호길이를 출력하는 정규화 수단, 상기 제1프레임의 화상 데이타를 이산코사인 변환을 하고 양자화 하여 출력되는 부호 길이와 상기 윈하는 부호길이의 차를 계산하여 오차값을 발생하고 상기 계산된 스케일 팩터를 상기 오차값만큼 보상하여 최종적인 스케일 팩터를 발생하기 위한 필터를 구비하여 상기 최종적인 스케일 팩터에 따라 양자화를 수행하는 것을 특징으로 한다.
첨부된 도면을 참고로 하여 본 발명의 스케일 팩터 조정회로를 설명하면 다음과 같다.
제1도는 본 발명의 일실시예의 신경회로망을 이용한 스케일 팩터 조정회로의 블럭도이다.
제1도에 있어서, 스케일 팩터 조정회로는 2프레임 메모리(10), 스위치 수단(11), DCT회로(12), 양자화 수단(13), 가변장 부호 수난(14), 직응 필터(15) , 제1신경망 (16 ) , 제2신경망(17) , 레지스터(18 ), 누산기(19), 정규화 수단(20), 및 가산기(21)로 구성되어 있다.
상기 구성의 동작을 설명하면 다음과 같다.
먼저 입력된 신호는 그대로 또는 DCT변화된 후 제2신경망(17)에 입력한다. 제2신경망(17)의 출력은 일차적으로 레지스터(18)에 저장되면 동시에 누산기(19)에서 계속 더해진다.이 방법으로 한화면의 데이타가 전부 처리되면 누산기(19)에는 화면 전체를 부호화할 경우의 전체 예상되는 부호길이가 저장된다. 이때 스위치 수단(11)에 의해 다음 화면이 똑같은 과정으로 선행 분석되는 동안 지굼화면은 선행 분석결과를 이용하여 부호화된다. 먼저 레지스터(l8)의 값과 누적된 값의 비를 이용하여 제1신경망(16)에서 출력되는 스케일 팩터의 값을 재조정하여 정규화 수단(20)에서 정구화시키고 따라서 요구되는 총길이에 근사하게 부호화 할 수 있는 스케일 팩터를 산출한다. 그런데 여기서 결성된 스케일 팩터를 사용하여 부호화한다면 실제 부호의 길이와 목표 부호의 길이는 차이가 날 수 있으므로 이 차이를 줄여 갈 수 있는 보정장치로서는 적응필터(15)를 사용한다. 실제 부호의 길이와 목표 부호의 길이사이의 차이를 적응필터(15)의 오차신호로 이용하여 필터의 가중값을 갱신해 나간다. 이를 통때 최적의 가중값으로 게속하여 조정해 갈 수 있도륵 한다. 적응필터(l5)의 출력이 실제로 사용되는 스케일 팩터가 된다.
부호화하기 전에 블럭단위의 화상입력 또는 DCT계수를 제2신경망(17)의 입력으로 이용하여 예상되는 부호의 길이를 신경망의 출력으로 얻는다. 그런데 한 화면에 할당된 전체 부호길이는 이미 결성되어 있으므로 예상되는 길이를 이에 맞추어 주어야 한다. 이를 위해 레지스터(l3)에 저장되어 있는 그 화면내의 모든블럭에 대한 예상 부호의길이와 그 스케일 팩터를 총 예상길이 대 할당된 총 길이의 비로써 재조성한다. 이 과정은 정규화 수단(20)에서 이루어진다. 이에 따라 정규화 수단(20)의 출력은 각각의 블럭에 대한 목표길리와 그때의 스케일 팩터가 된다.
2프레임 메모리(l0)는 2프레임의 화소 데이타를 저장한다. 스위치 수단(11)은 상기 2프레임분의 화소 데이타의 제1프레임분의 화소 데이타를 제2신경망(17)에 입력하여 각 화소 데이타에 대한 예상되는 부호 길이를 출력한다. 제2신경망(17)은 각 화소 때이타 대한 예상되는 부호 길이를 출력될 수 있도록 설계되어 있다. 상기 예상되는 부호길이는 레지스터(l8)때 저장되는 동시에 누산기(l9)에서 누산되어 예상되는 총 부호길이를 출력한다. 스위치 수단(17)는 제2프레임분의 화소 데이타를 입력하여 동일한 동작을 수행하고 또한 제1신경망(16)은 제1프레임분의 화소 데이타를 입력하여 예상되는 스케일 펙터를 출력한다.
제l신경망(16)은 화소 데이타에 해당하는 스케일 팩터를 출력하도록 설계되어 있다. 정규화는 수단(20)은 예상되는 총 부호길이, 예상되는 부호길이 및 예상되는 스케일 팩터를 입럭하여 정규화를 수행한다. 정규화는 스케일 펙터에 예상되는 총 부호길이를 예상되는 부호길이로 나눈값을 곱함에 의해서 구해진다. 즉, 정규화 수단(20)은 원하는 부호길이와 계산된 스케일 팩터를 출력하게 된다. 또한. 제l프레임의 화소 데이타는 DCT회로(12)에 입력되어 DCT변환된다. 양자화 수단(13)은 이 변환된 데이타의 양자화를 수행한다. 가변장 부호수단(l4)은 상기 양자화된 신호를 가변장 부호화하여 부호길이와 부호화된 데이타를 출력한다. 가산기(21)은 상기 가변장 부호수단(20)으로 부터 출력되는 부호길이와 정규화 수단(20)으로 부터 출력되는 원하는 부호길이를 입력하여 감산한 후 오차값을 출력한다. 적용필터(15)는 상기 정규화수단(20)으로 부터의 계산된 스케일 팩터에 상기 에러값만큼을 보상하여 형성된 스케일 팩터를 출력한다. 이 스케일 팩터는 양자화 수단(l3)에 입릭되어 상기 스케일 팩터에 따라서 양자화를 수행하게 된다.
이와같이 신경망을 이용하여 스케일 팩터를 발생하는 경우에 종래의 회로에 비해서 더 정확한 스케일 팩터를 발생할 수가 있게 된다.
제2도는 본 발명의 다른 실시예의 신경망을 이용한 스케일 팩터 발생회로의 블럭도이다.
제2도에 있어서, 스케일 팩터 발생회로는 2프레임 메모리(30), 스위치 수단(31), 이산 코사인 변환(DCT; Discrete Cosine Transform)수단(32), 양자화 수단(33), 가변장 부호수단(34), 신경망(35), 레지스터(36), 누산기(37), 레지스터(38), 정규화 수단(39), 적응필터(40), 및 가산기(4l)로 구성되어 있다.
제2도에 있어서, 스케일 팩터 발생회로의 신경망(35)은 제1도에 나타난 제l신경망과 제2신경망의 기능을 동시에 수행하는 것으로 각 화소 데이타에 대한 예상되는 스케일 팩터와 예상되는 부호길이를 동시에 출력할 수 있도록 설계되어 있다. 신경망(35)로 부터 줄력되는 예상되는 스케일 팩터를 저장하기 위한 레지스터(38)를 구비하여 구성되어 있다. 그밖의 다른 구성은 제1도에 나타난 회로의 구성과 동일하다.
따라서. 본 발명의 신경회로망을 사용한 스케일 팩터 조정회로는 보다 정확하게 스케일 팩터를 발생할 수 있다.

Claims (2)

  1. 2프레임분의 화소 데이타를 저장하고 있는 제l저장수단, 상기 저장수단의 제l프레임의 화소 데이타를 순차적으로 입력하여 각 화소 데이타의 예상되는 부호길이를 출력하기 위한 제l신경망, 상기 예상되는 부호길이를 순서대로 저장하기 위한 제2저장수단, 상기 예상되는 부호길이를 누산하기 위한 누산수단, 상기 제1신경망이 상기 제1저장수단의 제2프레임의 화소 데이타에 대한 예상되는 부호길이를 출력하는 동안에 상기 제1저장수단의 제1프레임의 화소 데이타를 순서대로 입력하여 예상되는 스케일 팩터를 출력하기 위한 제2신경망, 상기 스케일 팩터와 상기 제1신정망의 출력신호에 예상되는 부호길이와 예상되는 총 부호길이를 입력하여 정규화하여 계산된 스케일 팩터와 원하는 부호길이를 수행하는 정규화 수단, 상기 제1프레임의 화상 데이타를 이산 코사인 변환을 하고 양자화하여 출력되는 부호 길이와 상기 원하는 부호길이의 차를 계산하여 오차값을 발생하고 상기 계산된 스케일 팩터를 상기 오차값만큼 보상하여 최종적인 스케일 팩터를 발생하기 위한 필터를 구비하여 상기 최종적인 스케일 팩터에 따라 양자화를 수행하는 것을 특징으로 하는 스케일 팩터조정회로.
  2. 2프레임의 화소 데이타를 저장하기 위한 제1저장수단, 상기 제1저장수단의 제1프레임분의 화소 데이타를 순서대로 입력하여 예상되는 부호길이와 예상되는 스케일 팩터를 출력하기 위한 신경망, 상기 신경망의 출력신호를 입력하여 각 화소 데이타에 대한 예상되는 스케일 팩터와 예상되는 부호길이를 저장하기 위한 제2, 제3저장수단, 상기 제3저장수단에 예상되는 부호길이가 저장되는 동시에 각 예상되는 부호길이를 누산하기 위한 누산수단, 상기 제2, 제3저장수단에 저장된 예상되는 부호길이 및 에상되는 스케일 팩터와 상기 누산수단의 예상되는 총 부호길이를 입력하여 정규화하여 계산된 스케일 팩터와 원하는 부호길이를 출력하는 정규화수단, 상기 제1프레임의 화상 데이타를 이산 코사인 변환을 하고 양자화하여 출력되는 부호 길이와 상기 원하는 부호길이의 차를 계산하여 오차값을 발생하고 상기 계산된 스케일 팩터를 상기 오차값만큼 보상하여 최종적인 스케일 팩터를 발생하기 위한 필터를 구비하여 상기 최종적인 스케일 팩터에 따라 양자화를 수행하는 것을 특징으로 하는 스케일 팩터 조정회로.
KR1019930017538A 1993-08-31 1993-08-31 스케일 팩터 조정회로 KR100224801B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1019930017538A KR100224801B1 (ko) 1993-08-31 1993-08-31 스케일 팩터 조정회로

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019930017538A KR100224801B1 (ko) 1993-08-31 1993-08-31 스케일 팩터 조정회로

Publications (2)

Publication Number Publication Date
KR950006643A KR950006643A (ko) 1995-03-21
KR100224801B1 true KR100224801B1 (ko) 1999-10-15

Family

ID=19362745

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019930017538A KR100224801B1 (ko) 1993-08-31 1993-08-31 스케일 팩터 조정회로

Country Status (1)

Country Link
KR (1) KR100224801B1 (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200126185A1 (en) 2018-10-19 2020-04-23 Samsung Electronics Co., Ltd. Artificial intelligence (ai) encoding device and operating method thereof and ai decoding device and operating method thereof
US10819993B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Methods and apparatuses for performing encoding and decoding on image
US10817987B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Method and apparatus for streaming data
US10817985B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Apparatuses and methods for performing artificial intelligence encoding and artificial intelligence decoding on image
US10825205B2 (en) 2018-10-19 2020-11-03 Samsung Electronics Co., Ltd. Methods and apparatuses for performing artificial intelligence encoding and artificial intelligence decoding on image
US10825204B2 (en) 2018-10-19 2020-11-03 Samsung Electronics Co., Ltd. Artificial intelligence encoding and artificial intelligence decoding methods and apparatuses using deep neural network
US10950009B2 (en) 2018-10-19 2021-03-16 Samsung Electronics Co., Ltd. AI encoding apparatus and operation method of the same, and AI decoding apparatus and operation method of the same
US11395001B2 (en) 2019-10-29 2022-07-19 Samsung Electronics Co., Ltd. Image encoding and decoding methods and apparatuses using artificial intelligence
US11616988B2 (en) 2018-10-19 2023-03-28 Samsung Electronics Co., Ltd. Method and device for evaluating subjective quality of video
US11720998B2 (en) 2019-11-08 2023-08-08 Samsung Electronics Co., Ltd. Artificial intelligence (AI) encoding apparatus and operating method thereof and AI decoding apparatus and operating method thereof
US12132931B2 (en) 2019-10-29 2024-10-29 Samsung Electronics Co., Ltd. Image encoding method and apparatus and image decoding method and apparatus using deep neural networks

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100693247B1 (ko) * 2000-06-13 2007-03-13 삼성전자주식회사 웨이퍼 세정장치
WO2019021826A1 (ja) * 2017-07-24 2019-01-31 東レ・ダウコーニング株式会社 多成分硬化型熱伝導性シリコーンゲル組成物、熱伝導性部材および放熱構造体
US10428256B2 (en) * 2017-10-23 2019-10-01 Honeywell International Inc. Releasable thermal gel
CN115885014A (zh) * 2020-09-29 2023-03-31 株式会社 Lg新能源 可固化组合物和双组分可固化组合物

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10950009B2 (en) 2018-10-19 2021-03-16 Samsung Electronics Co., Ltd. AI encoding apparatus and operation method of the same, and AI decoding apparatus and operation method of the same
US10817988B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Method and apparatus for streaming data
US10819993B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Methods and apparatuses for performing encoding and decoding on image
US10819992B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Methods and apparatuses for performing encoding and decoding on image
US20200126185A1 (en) 2018-10-19 2020-04-23 Samsung Electronics Co., Ltd. Artificial intelligence (ai) encoding device and operating method thereof and ai decoding device and operating method thereof
US10817986B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Method and apparatus for streaming data
US10817985B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Apparatuses and methods for performing artificial intelligence encoding and artificial intelligence decoding on image
US11170473B2 (en) 2018-10-19 2021-11-09 Samsung Electronics Co., Ltd. Method and apparatus for streaming data
US10817989B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Apparatuses and methods for performing artificial intelligence encoding and artificial intelligence decoding on image
US11170472B2 (en) 2018-10-19 2021-11-09 Samsung Electronics Co., Ltd. Method and apparatus for streaming data
US10825204B2 (en) 2018-10-19 2020-11-03 Samsung Electronics Co., Ltd. Artificial intelligence encoding and artificial intelligence decoding methods and apparatuses using deep neural network
US10825139B2 (en) 2018-10-19 2020-11-03 Samsung Electronics Co., Ltd. Apparatuses and methods for performing artificial intelligence encoding and artificial intelligence decoding on image
US10825203B2 (en) 2018-10-19 2020-11-03 Samsung Electronics Co., Ltd. Methods and apparatuses for performing artificial intelligence encoding and artificial intelligence decoding on image
US10825206B2 (en) 2018-10-19 2020-11-03 Samsung Electronics Co., Ltd. Methods and apparatuses for performing artificial intelligence encoding and artificial intelligence decoding on image
US10832447B2 (en) 2018-10-19 2020-11-10 Samsung Electronics Co., Ltd. Artificial intelligence encoding and artificial intelligence decoding methods and apparatuses using deep neural network
US10937197B2 (en) 2018-10-19 2021-03-02 Samsung Electronics Co., Ltd. Methods and apparatuses for performing artificial intelligence encoding and artificial intelligence decoding on image
US10817987B2 (en) 2018-10-19 2020-10-27 Samsung Electronics Co., Ltd. Method and apparatus for streaming data
WO2020080782A1 (en) * 2018-10-19 2020-04-23 Samsung Electronics Co., Ltd. Artificial intelligence (ai) encoding device and operating method thereof and ai decoding device and operating method thereof
US10825205B2 (en) 2018-10-19 2020-11-03 Samsung Electronics Co., Ltd. Methods and apparatuses for performing artificial intelligence encoding and artificial intelligence decoding on image
US11170534B2 (en) 2018-10-19 2021-11-09 Samsung Electronics Co., Ltd. Methods and apparatuses for performing artificial intelligence encoding and artificial intelligence decoding on image
US20210358083A1 (en) 2018-10-19 2021-11-18 Samsung Electronics Co., Ltd. Method and apparatus for streaming data
US11190782B2 (en) 2018-10-19 2021-11-30 Samsung Electronics Co., Ltd. Methods and apparatuses for performing encoding and decoding on image
US11200702B2 (en) 2018-10-19 2021-12-14 Samsung Electronics Co., Ltd. AI encoding apparatus and operation method of the same, and AI decoding apparatus and operation method of the same
US11288770B2 (en) 2018-10-19 2022-03-29 Samsung Electronics Co., Ltd. Apparatuses and methods for performing artificial intelligence encoding and artificial intelligence decoding on image
US11748847B2 (en) 2018-10-19 2023-09-05 Samsung Electronics Co., Ltd. Method and apparatus for streaming data
US11720997B2 (en) 2018-10-19 2023-08-08 Samsung Electronics Co.. Ltd. Artificial intelligence (AI) encoding device and operating method thereof and AI decoding device and operating method thereof
US11616988B2 (en) 2018-10-19 2023-03-28 Samsung Electronics Co., Ltd. Method and device for evaluating subjective quality of video
US11647210B2 (en) 2018-10-19 2023-05-09 Samsung Electronics Co., Ltd. Methods and apparatuses for performing encoding and decoding on image
US11663747B2 (en) 2018-10-19 2023-05-30 Samsung Electronics Co., Ltd. Methods and apparatuses for performing artificial intelligence encoding and artificial intelligence decoding on image
US11688038B2 (en) 2018-10-19 2023-06-27 Samsung Electronics Co., Ltd. Apparatuses and methods for performing artificial intelligence encoding and artificial intelligence decoding on image
US11405637B2 (en) 2019-10-29 2022-08-02 Samsung Electronics Co., Ltd. Image encoding method and apparatus and image decoding method and apparatus
US11395001B2 (en) 2019-10-29 2022-07-19 Samsung Electronics Co., Ltd. Image encoding and decoding methods and apparatuses using artificial intelligence
US12132931B2 (en) 2019-10-29 2024-10-29 Samsung Electronics Co., Ltd. Image encoding method and apparatus and image decoding method and apparatus using deep neural networks
US11720998B2 (en) 2019-11-08 2023-08-08 Samsung Electronics Co., Ltd. Artificial intelligence (AI) encoding apparatus and operating method thereof and AI decoding apparatus and operating method thereof

Also Published As

Publication number Publication date
KR950006643A (ko) 1995-03-21

Similar Documents

Publication Publication Date Title
KR100224801B1 (ko) 스케일 팩터 조정회로
US7460597B2 (en) Encoding apparatus and method
CA2118189C (en) Image coding method and apparatus therefor
US5719962A (en) Method of and apparatus for compressing image representing signals
EP0759678A1 (en) Method and device for encoding picture signal
EP0717567A2 (en) Video coder with data rate control
JP2003032677A (ja) 動画像圧縮符号化装置
JPH07162863A (ja) 適応量子化パラメータ制御装置
US5822005A (en) Pre-oddification
US5508745A (en) Apparatus for controlling a quantization level to be modified by a motion vector
JPH10108184A (ja) 画像データ処理装置およびその方法
JP2734905B2 (ja) 画像符号化装置
US6859562B2 (en) Coded data length detection apparatus, method of the same, and image coding apparatus
JP2934342B2 (ja) 画像圧縮符号化装置
JP3265696B2 (ja) 画像圧縮符号化装置
KR0176505B1 (ko) 고정부호량 영상부호화방법 및 장치
JP2623891B2 (ja) データ圧縮装置及びその方法
JP3297471B2 (ja) 画像符号化装置
JPH0898175A (ja) 画像符号化装置
KR0148226B1 (ko) 양자화레벨의 부호화방법 및 그 장치
JPH0818952A (ja) 画像信号符号化装置
JPH0683444B2 (ja) 画像符号化方式
KR0166728B1 (ko) 에지특성을 고려한 영상신호부호화장치 및 양자화레벨결정방법
KR950005653B1 (ko) 영상특성을 고려한 데이타양자화율 제어방법 및 그 장치
KR0147583B1 (ko) 영상압축시스템의 부호길이 조절장치 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20080627

Year of fee payment: 10

LAPS Lapse due to unpaid annual fee