KR100613106B1 - 나무구조벡터양자화(ｔｓｖｑ)에 기반하는 부호화를 위한 인덱스할당방법 - Google Patents

Abstract

나무구조벡터양자화코드북(TSVQ)에 기반하는 부호화를 위한 인덱스할당방법은, (1) 연속적으로 입력하는 소스벡터들을, 상기 나무구조벡터양자화코드북에 기초하여 대응하는 코드벡터들로 양자화하는 단계; 및 (2) 상기 나무구조벡터양자화코드북상에서 상기 연속적으로 양자화되는 코드벡터들간의 공간적 상관성을 이용하여, 상기 코드벡터들중에서 이후에 양자화된 코드벡터의 인덱스를 할당하는 단계를 포함한다. 특히, 본 발명은 연속적으로 벡터양자화된 두 코드벡터가 각각 위치하는 단말노드들간의 최단경로를 탐색하고, 이를 표현하는 이진비트들을 현재의 코드벡터의 인덱스로 할당함으로써, 영상의 품질을 동일하게 유지하면서도 월등하게 향상된 압축부호화성능을 제공한다.

Description

나무구조벡터양자화(ＴＳＶＱ)에 기반하는 부호화를 위한 인덱스할당방법{An index assignment method for coding based on Tree-Structured Vector Quantization}

도 1은 가변길이-나무구조벡터양자화(VL-TSVQ)코드북에 기반하는 부호화시스템에서, 기존의 인덱스할당방법을 설명하기 위한 도면,

도 2는 본 발명의 바람직한 일실시예에 따른 인덱스할당방법이 적용된, TSVQ-기반 부호화시스템을 간략하게 보여주는 도면,

도 3은 도 2의 TSVQ-기반 부호화시스템에서, 본 발명에 따른 인덱스할당방법 및 그 시스템을 구체적으로 설명하기 위한 도면,

도 4는 도 3에 관련하여, TSVQ 코드북상에서 두 코드벡터들간의 최단경로를 구하는 일례를 보여주는 도면,

도 5는 도 3에 관련하여, 본 발명의 인덱스할당을 위한 상태머쉰(state machine;SM)의 알고리즘을 보여주는 도면,

도 6은 도 5에 관련하여, 구해진 최단경로상의 개별가지경로마다의 유한상태머쉰의 일람표, 및 그 설명예를 보여주는 도면,

도 7은 도 2 내지 도 6에 관련하여, 본 발명에 따라 할당된 소정 단말노드의 인덱스를 기존의 방식에 따른 인덱스와 비교하여 보여주는 도면

도 8은 TSVQ-기반 부호화시스템에서, 기존의 인덱스할당방식에 대비되는 본 발명의 인덱스할당방식의 부호화성능을 보여주는 도면,

도 9a 및 도 9b는, 상관인자가 서로 다른 여러 영상에 대하여, 종래의 방식에 대한 본 발명의 방식에 따른 부호화이득을 보여주는 그래프들로서, 도 9a는 블럭크기 K=4인 경우의 그래프를, 도 9b는 블럭크기 K=16인 경우의 그래프.

본 발명은 나무구조벡터양자화(TSVQ)에 기반하는 부호화를 위한 인덱스할당방법에 관한 것으로, 특히 TSVQ코드북을 사용하여 연속적으로 벡터양자화되는 두 소스벡터들간의 상관관계에 따라 적응적으로 인덱스를 할당함으로써, 영상의 품질을 동일하게 유지하면서도 그 압축부호화효율을 월등하게 개선한 인덱스할당방법에 관한 것이다.

일반적으로, 스칼라양자화에 대비되는 벡터양자화(Vector Quantization;이하 'VQ'라 표기함)기법은 소스샘플들 또는 그 소스파라메타들의 K-차원 영역을, VQ코드북을 이용하여 대응하는 코드벡터('대표벡터'라고도함)로 양자화한다. 그리고, 벡터양자화기법은 양자화된 코드벡터 대신 그 코드벡터를 식별케하는 인덱스를 VQ코드북으로부터 찾아 채널로 전송함으로써, 전송되는 소스정보의 데이터량을 더 압축한다. 따라서, 벡터양자화기법은 소스코딩(source coding)의 데이터압축율이 매우 크므로 저비트율(low bit rates)의 소스코딩에 효율적이다.

그리고, 전술한 벡터양자화의 여러 기법들중에서 나무구조벡터양자화(Tree-Structured Vector Quantization; 이하 TSVQ)기법은 나무구조(Tree-Structured)로 된 코드북을 이용한다. 도 1은 다양한 TSVQ기법들중에서 부호화효율을 더 향상시킨 가변길이-나무구조벡터양자화(Variable Length-TSVQ; 이하 VL-TSVQ)에 기반하는 부호화시스템에 이용되는 코드북의 구현예를 보여준다. VL-TSVQ기법은 소정 특성을 갖는 영상의 발생확률에 따라 데이터량이 다른 인덱스를 할당함으로써 부호화효율을 향상시킨 것으로, 상세하게는, 소정 특성을 갖는 영역의 영상의 발생확률이 클수록 데이터량이 작은 인덱스를 할당하고, 그 발생확률이 작을수록 데이터량이 큰 인덱스를 할당한다.

도 1을 참조하여, TSVQ기법으로부터 변형된 VL-TSVQ의 코드북, 및 그에 기초하는 일반적인 신호원부호화(source coding)방법을 설명한다. 도 1에 보여진 VL-TSVQ코드북에는 벡터양자화될 소스벡터와 같은 K-차원의 벡터들을 하나씩 갖는 두 종류의 노드들, 및 그 가지경로(branch pass)들로 이루어진다. 두 종류의 노드들은 '○'로 표기된 비단말노드(non-terminal node)들 및 '□'로 표기된 단말노드(terminal node)들로 구분된다. 여기서, 임의의 비단말노드의 바로 하래쪽 좌우가지경로들은 그 가지경로를 구분하기 위한 이진꼬리표값들(0,1)을 갖는다. 그리고, 단말노드들에는 소스벡터(source vector)들이 벡터양자화된 코드벡터(code vector)들이 위치한다. 여기서, VL-TSVQ기법은 K-차원 소스벡터의 발생빈도에 따라, 루트노드로부터 각 단말노드까지의 경로길이가 다르게 되도록 더 고려된다. 그리고, 루트노드로부터 각 단말노드까지의 경로를 나타내는 이진값의 시퀀스는, 해당 단말노드에 위치한 코드벡터의 인덱스로 할당된다.

이러한 도 1의 VL-TSVQ 코드북에 기초하는 벡터양자화 및 그 인덱스할당방법을 살펴본다. 먼저 VL-TSVQ 벡터양자화기는, 도 1에 보여진 단말노드들(단말노드a 내지 단말노드k)에 하나씩 위치한 코드벡터들중에서, 입력하는 K-차원 소스벡터에 가장 유사한 코드벡터가 위치한 단말노드를 선택한다. 다음으로, 벡터양자화기는 루트노드로부터 선택된 단말노드까지의 경로상에 표기된 이진꼬리표값들의 시퀀스를, 벡터양자화된 코드벡터를 식별케 하는 인덱스(index)로 할당한다. 설명예를 들면, 연속하여 벡터양자화기로 입력하는 두 소스벡터들이 도 1에 보여진 단말노드a 및 단말노드b로 순차적으로 양자화되었다고 가정한다. 이 경우, 단말노드a에 위치하는 코드벡터의 인덱스로는 이진비트값들"00100"이 할당되고, 단말노드b에 위치하는 코드벡터의 인덱스로는 이진비트값들"001010"이 할당된다. 이로써, TSVQ에 기반하는 부호화체계는, TSVQ코드북을 이용한 소스벡터의 벡터양자화에 따라 할당되는 인덱스를 채널로 전송하거나 저장함으로써, 전송하고자 하는 소스정보를 압축하게 된다.

하지만 기존의 TSVQ에 기반하는 부호화체계는, 전술의 TSVQ코드북을 이용하여 연속하는 소스벡터들을 코드벡터들로 양자화하고 그 양자화된 각 코드벡터에 인덱스를 할당할 때마다, 그 인덱스를 항상 나무구조의 루트노드로부터 해당 단말노드까지의 경로에 대응하는 이진비트들로 표현함으로써 그 압축부호화효율을 더 이상 개선할 수 없다는 문제점을 갖는다. 특히, VL-TSVQ에 기반하는 부호화체계는 일반적인 TSVQ기법들에 비해서는 그 부호화효율이 개선되었음에도 불구하고, 전술한 이유로 인해 그 부호화효율을 더 월등하게 향상시킬 수 없다.

전술한 문제점들을 해결하기 위한 본 발명의 목적은, 나무구조벡터양자화에 기반하는 부호화를 위한 전술의 인덱스할당방법에 있어서, 연속적으로 벡터양자화될 소스벡터들 또는 그 벡터양자화에 따른 코드벡터들간의 상관성을 이용함으로써, 종래의 방식에 비해 영상의 품질을 동일하게 유지하면서도 그 부호화효율을 월등하게 개선한 최적의 인덱스할당방법을 제공함에 있다.

전술한 목적을 달성하기 위한 본 발명의 인덱스할당방법은, 나무구조벡터양자화(TSVQ) 코드북에 기반하는 부호화를 위한 인덱스할당방법에 있어서, (1) 연속적으로 입력하는 소스벡터들을, 상기 나무구조벡터양자화코드북에 기초하여 대응하는 코드벡터들로 양자화하는 단계; 및 (2) 상기 나무구조벡터양자화코드북상에서 상기 연속적으로 양자화되는 코드벡터들간의 공간적 상관성을 이용하여, 상기 코드벡터들중에서 이후에 양자화된 코드벡터의 인덱스를 할당하는 단계를 포함한다.

이러한 본 발명의 기술적 사상은, 일반적으로 연속적으로 벡터양자화될 K-차원 영상의 소스벡터들간에는 상당히 높은 상관성이 존재함에 근거한다. 이 경우, 나무구조벡터양자화코드북을 이용하여 연속적으로 양자화된 코드벡터들간에도 상당히 높은 공간적 상관성이 존재하게 된다. 그러므로, 본 발명은 나무구조벡터양자화코드북상에서, 연속적으로 양자화된 두 코드벡터들간의 상대적인 위치 즉 그 코드벡터들이 위치한 단말노드들간의 최단경로를 표현하는 값을, 이후에 양자화된 코 드벡터의 인덱스로 할당함으로써, 영상의 품질을 유지하면서도 그 압축부호화효율을 월등하게 개선한다.

덧붙여, 전술의 인덱스배정방법을 가변길이-나무구조벡터양자화(VL-TSVQ)에 기반하는 부호화시스템에 적용하면 그 부호화효율은 더욱 향상될 것임이 이 기술분야의 당업자에게는 자명하며, 다만 이것으로 본 발명의 기술범위가 한정되지는 않는다.

이하, 첨부한 도면들을 참조하여 본 발명에 따른 바람직한 일실시예를 상세하게 설명한다.

도 2는 본 발명의 바람직한 일실시예에 따른 인덱스할당방법이 적용된, TSVQ-기반 부호화시스템을 간략하게 보여준다. 도 2에 보여진 나무구조벡터양자화기(Tree Structured Vector Quantizer; Q)로는, 벡터양자화될 영상의 K-차원 소스벡터(Y_i)가 입력된다. 이 소스벡터는, 신호원부호화(source coding)될 영상(image)이 K-화소들을 갖는 소정 블럭들로 분할된 후, 각 블럭내의 화소들의 강도(intensities)가 K-차원 유클리드 공간(R^K)으로 표현됨으로써 얻어진다. 그리고, 소스벡터들의 집합은 {Y_i, 1≤i≤T}로 표현되며, 여기서, T는 소스벡터들의 수를 의미한다.

도 2에 보여진 나무구조벡터양자화기(Tree Structured Vector Quantizer; Q)는, 입력하는 영상의 소스벡터(Y_i)를 나무구조벡터양자화(TSVQ)코드북상의 특정 단 말노드에 위치한 코드벡터(Q(Y_i); X^T(l _j ,n _j ))로 양자화한다. 이러한 각 소스벡터의 양자화과정에 따른 코드벡터들의 집합은 다음의 수학식 1로 표현된다.

Q(Yi)∈{XT(lj,nj),1≤j≤N}, 1≤i≤T

여기서, N은 단말노드들의 수를, 그리고 T는 소스벡터들의 수를 나타낸다.

도 2에서 변환기(Transformer; H)는 TSVQ코드북에서 양자화된, 즉 수학식 1의 각 코드벡터가 위치하는 단말노드의 위치정보(l_j,n_j)를 추출한다. 이러한 관계를 표현하면 아래의 수학식 2와 같다.

여기서, l은 나무구조상에서의 노드깊이(depth)를, 그리고 n은 그 노드깊이에서의 해당 단말노드번호(number)를 각각 나타낸다.

이러한 단말노드의 위치정보(l,n)는 차등인덱스발생기(Differential Index Generator; DIG)의 입력데이터(x_i)로 사용된다. 이를 표현하면 아래의 수학식 3과 같다.

따라서, 하나의 유한시퀀스 "x₁x₂…x_T"가 차등인덱스발생기(DIG)로 공급되면, 그 차등인덱스발생기는 나무구조벡터양자화코드북상에서 연속적으로 양자화된 코드벡터들이 각각 위치하는 단말노드들간의 공간적 상관관계를 이용하여 하나의 유한시퀀스 "y₁y₂…y_T"를 발생한다. 여기서, 차등인덱스발생기로부터 출력되는 차등인덱스y_i의 길이를 다르게 함으로써, 가변길이부호화(variable-length coding)를 가능케 할 수 있다.

도 3은 도 2의 TSVQ-기반 부호화시스템에서의 차등인덱스발생기(DIG)의 구성 및 동작을 보여주는 상세도면으로서, 본 발명에 따른 바람직한 차등인덱스할당방법 및 그 시스템을 구체적으로 보여준다. 도 3을 참조하면, 차등인덱스발생기(DIG)는 인접하는 영상블럭들간의 높은 상관성을 고려하며, 이전의 입력데이터(단말노드위치정보에 대응) x_i-1는 현재의 입력데이터 x_i의 기준(reference)으로 사용된다. 이러한 차등인덱스발생기(DIG)의 주요기능은 다음의 수학식 4로 표현된다.

도 3 및 수학식 4를 참조하면, 연속적으로 입력하는 두 단말노드위치정보들(x_i-1, x_i)이 서로 동일하면, 즉 영상의 두 인접블럭들이 TSVQ코드북(또는 VL-TSVQ코드북)의 동일 단말노드로 연속적으로 양자화되면, 차등인덱스발생기(DIG)는 현재의 단말노드에 위치한 코드벡터의 인덱스y_i를 1비트벡터 "v₁=0"로 결정하여 출력한다.

반면에 서로 일치하지 않으면, 차등인덱스발생기(DIG)의 최단경로발생기(The Shortest Path Generator;S)는 직전 단말노드위치(x_i-1)로부터 현재 단말노드위치(x_i)까지의 최단경로를 탐색하여 시퀀스"I_i=(d₁b₁ )(d₂b₂)…(d_L(i)b_L(i)) =z₁z₂…z_L(i)"로 1차적으로 표현한다. 이를 정리하면 아래의 수학식 5와 같다.

여기서, L(i)는 연속하여 양자화된 두 단말노드들간의 최단경로에 대응하는 하나의 시퀀스 I_i의 길이를 나타내며, 그 시퀀스 I_i는 (d_k,b_k)의 쌍들(pairs)로 이루어진다. 여기서, 전술의 최단경로는 그 최단경로상에 존재하는 두 노드들간의 개별가지경로들로 구분되고, d_k는 그 개별가지경로상에서 현재노드로부터 다음노드로의 방향을 나타낸다. 나무구조상에서 다음노드가 현재노드보다 하위노드이면(즉, 개별가지경로의 방향이 아래쪽) "d_k=+1"로, 그리고 다음노드가 현재노드보다 상위노드이면(즉, 개별가지경로의 방향이 위쪽) "d_k=-1"로 설정한다. 그리고, b_k는 두 노드들을 연결하는 개별가지경로의 이진꼬리표값(binary label; 좌측가지경로는 비트값 "0"으로, 그리고 우측가지경로이면 비트값 "1"로 설정됨)을 나타낸다.

도 4는 도 3에 보여진 최단경로발생기(S)가 TSVQ코드북상에서, 벡터양자화된 두 코드벡터들의 단말노드들간의 최단경로를 구하는 일례를 보여준다. 도 4를 참 조하면, 연속적으로 벡터양자화된 두 코드벡터들(X^T(l_i-1,n_i-1), X^T (l_i,n_i))이 각각 위치한 단말노드a로부터 단말노드b까지의 최단경로는, 하나의 시퀀스 "I=(d₁b₁)(d₂b₂)(d₃b₃)=(-1,0)(+1,1)(+1,0)"로 표현된다. 이 경우, 최단경로를 구성하는 개별가지경로들은 세개이며, 그 시퀀스 I_i의 길이는 개별가지경로들의 수에 의해 결정된다. 따라서, 두 단말노드들간의 최단경로가 짧을수록, 즉 TSVQ코드북을 이용하여 연속적으로 벡터양자화될 소스벡터들간, 또는 연속적으로 벡터양자화된 코드벡터들간의 공간적 상관성이 크게 되고, 이에 따라 이후에 벡터양자화된 코드벡터에 할당되는 인덱스의 데이터량은 작아질 수 있게 된다.

한편, 최단경로발생기(S)로부터 발생된 최단경로의 시퀀스I_i의 데이터량을 더욱 줄임과 동시에 이후에 수신기에서의 정확한 복원능력을 더 고려하여, 도 3에 보여진 상태머쉰(State Mashine; SM)이 최단경로의 시퀀스I_i에 대하여 사용된다. 도 3에 보여진 최단경로발생기(S)의 각 출력시퀀스 I_i는 상태머쉰(SM)으로 입력된다.

유한상태머쉰(finite-state machine)의 알고리즘에 기초하는 상태머쉰(SM)은, 탐색된 최단경로에 대응하는 하나의 유한시퀀스 "I_i=z₁z₂…z_L(i) " 및 그 최단경로의 상태에 관련한 상태값(w_k)들에 근거하여 이진비트시퀀스 "yi=v₁v₂…v _L(i)"를 구하고, 이를 현재 벡터양자화된 코드벡터의 인덱스로 할당한다. 이를 정리하면 아래 의 수학식 6과 같다.

그리고, 전술의 최단경로를 구성하는 개별가지경로들중, 현재의 개별가지경로의 상태값 w_k를 갖는 상태머쉰(SM)의 다음 상태값 w_k+1은, 현재의 개별가지경로를 나타내는 값인 (d_k,b_k) 및 현재의 상태값인 w_k에 의하여 결정되며, 이를 표현하면 아래의 수학식 7과 같다.

환언하면, 상태머쉰(SM)의 현재의 상태값 w_k은, 전술의 최단경로를 구성하는 개별가지경로들중 직전의 개별가지경로의 상태값 w_k-1 및 그 개별가지경로를 나타내는 값인 (d_k-1,b_k-1)에 의하여 결정된다. 여기서, 현재의 개별가지경로의 상태값 w _k이 직전 개별가지경로(d_k-1, b_k-1)의 이진꼬리표값 b_k-1로 설정되는 경우, 전술의 수학식 7은 아래의 수학식 8로 정리된다.

여기서, 전술의 최단경로를 구성하는 최초 개별가지경로의 상태값은, 즉 "w₁ =1"로 미리 설정된다.

도 5는 도 3에 보여진 상태머쉰(SM)의 다이어그램에 관한 것으로, 수학식 6 및 수학식 7의 기능들을 수행하기 위한 구체적인 방법을 보여준다. 그리고, 그 상태머쉰(SM)은 결정론적-유한상태머쉰(deterministic finite-state machine)으로서, 모든 상태들은 명확하게 구해지며 불확실한 상태의 전이는 없다. 도 5를 참조하면, 이러한 상태머쉰이 전술의 최단경로를 1차적으로 표현한 시퀀스 I_i를 입력받으면, 그 시퀀스를 이루는 각 개별가지경로의 (방향값, 비트값)의 쌍(즉, (d_k,b_k)) 및 현재의 상태값(w_k)에 따라, 각 쌍마다 하나의 이진비트값(0, 또는 1)(즉,v_k)을 할당하며, 다음 상태값(w_k+1)을 결정한다. 그리고, 이러한 동작은 입력된 시퀀스 Ii를 이루는 각 쌍에 대하여 수행됨으로써, 최종적으로 하나의 최단경로에 대응하는 하나의 이진비트값의 시퀀스 y_i=v₁v₂…v_L(i)를 발생하여 현재 벡터양자화된 코드벡터의 인덱스로 할당한다. 이러한 도 5에 보여진 상태머쉰(SM)의 기능들의 동작의 근거가 되는 상태테이블은 다음의 표 1과 같다.

현재상태값(wk)	출력비트값(vk)/다음상태값(wk+1)
	zk=(-1,0)	(+1,0)	(-1,1)	(+1,1)
0	0/0	0/0	0/1	1/1
1	1/0	0/0	1/1	1/1

전술한 표 1 및 도 5에 관련하여, 상태머쉰으로 입력되는 시퀀스I_i를 이루는 각 개별가지마다의 쌍(z_k=(b_k,d_k))에 대하여, 가능한 모든 다음쌍들(zk+1) 및 그 출 력비트값들(v_k+1)의 예가 도 6에 보여졌다. 특히, 도 6에 보여진 일람표중 세번째 라인의 상태 및 네번째 라인의 상태가 각각, 그 일람표를 기준한 우측 및 좌측의 나무구조로 보여졌다. 요약하면, 임의의 특정 입력 z^* _k에 대하여 가능한 다음 입력들 z_k+1의 경우의 수는 두개씩이다. 그리고, 그 두개의 z_k+1 각각마다의 가능한 다음출력비트값들(v_k+1)은 서로 다른 비트값(0 또는 1)을 갖는다.

도 2 내지 도 6에 관련하여 본 발명에 따른 인덱스할당방법을 보다 명료하게 이해할 수 있도록 설명예를 들면, 도 7에 보여진 바와 같다. 도 7의 설명예는, 두 소스벡터들이 TSVQ코드북에 의하여 도 1에 보여진 단말노드a 및 단말노드b로 순차적으로 벡터양자화된 경우에, 이후에 벡터양자화된 단말노드b에 위치하는 코드벡터의 인덱스를, 기존의 방식과 본 발명간에 대비하여 보여준다. 종래의 인덱스할당방식에 따르면, 단말노드b의 인덱스는 TSVQ코드북의 루트노드로부텨 단말노드b까지의 경로를 표현하는 이진비트값의 시퀀스 "001010"으로 할당된다. 반면에, 본 발명의 인덱스할당방식에 따르면, 단말노드b의 인덱스는 TSVQ코드북에서 직전에 벡터양자화된 결과인 단말노드a로부터 현재의 단말노드b까지의 최단경로를 표현하는 이진비트값의 시퀀스 "110"으로 할당된다. 그러므로, 종래의 방식에 따른 코드벡터의 인덱스보다 본 발명에 따른 인덱스의 데이터량이 현저하게 감소함으로써 그 압축부호화효율이 크게 향상됐음을 알 수 있다.

다음으로, 본 발명의 방식에 따른 코드벡터의 인덱스로부터 수신측이 원래의 그 코드벡터를 정확하게 복원할 수 있는지를 살펴본다.

첫째로, 연속하는 소스벡터들이 TSVQ코드북에서 단말노드들로 벡터양자화되고, 그 단말노드들의 위치정보(I_i=(l_j,n_j))들이 도 2 및 도 3에 보여진 차등인덱스발생기(DIG)로 입력되어 최초의 코드벡터들을 제외한 연속하는 코드벡터들이 차등인덱스(differential index)로 할당된다. 여기서, 연속적으로 벡터양자화된 두 코드벡터들간에 있어서, 직전에 벡터양자화된 코드벡터의 특정 단말노드정보가 x_p=(l_p,n_p)이고 현재 벡터양자화된 코드벡터가 나무구조코드북상의 단말노드들중에서 서로 다른 단말노드중의 하나로 선택되면, 그 서로 다른 단말노드마다에는 서로 다른 차등인덱스가 할당됨은, 본 발명의 바람직한 실시예의 설명에 기초하여 이 기술분야의 당업자에게 자명하게 이해된다. 이를 정리하면 다음의 수학식 9와 같다.

둘째로, 전술한 바와 같이 공통의(또는 고정된) 이전 단말노드로부터의 최단경로로 표현된 그 직후의 서로 다른 단말노드들 각각의 서로 다른 차등인덱스중에서, 임의의 특정 차등인덱스의 비트들은 나머지 다른 차등인덱스의 비트들의 접두부(prefix)가 될 수 없다. 왜냐하면, 임의의 특정 차등인덱스가 나머지 다른 인덱스들의 접두부가 된다함은, 그 특정 차등인덱스가 나머지 다른 인덱스들의 상위노드로 되어 단말노드가 될 수 없기 때문이다. 이는 도 1에 보여진 나무구조벡터양자화코드북의 구성 및 전술의 설명들로부터 이 기술분야의 당업자에게는 자명하게 이해된다.

그러므로, 전술의 첫째 및 둘째의 설명들에 근거하여, 본 발명에 따라 할당된 임의의 차등인덱스 x_i는, 복호기측에서 직전에 복원된 코드벡터의 단말노드위치정보 x_p 및 현재의 임의의 차등인덱스 y_i로부터, 특정 단말노드에 위치한 코드벡터로 유일하게(uniquely) 복원될 수 있다. 그리고, 그 복원과정의 구체적인 알고리즘은, 전술한 본 발명의 차등인덱스할당방법의 역과정을 통하여 이루어지며, 이는 이 기술분야의 당업자에게는 자명하게 이해될 것이므로 상세한 설명을 생략한다.

이제 전술한 본 발명에 따른 차등인덱스할당방식이 적용되는, TSVQ에 기반하는 부호화체계의 부호화성능을, 대응하는 기존의 방식들과 비교한 컴퓨터 모의실험(simulation)결과를 참조하여 살펴본다.

이 모의실험에서 40 자기해상도(magnetic images; MR)의 영상들(512×512 size)이 트레이닝영상(training image)으로 사용되었다. MR 영상들의 각 픽셀은 12비트들로 표현된다. 그리고 압축된 영상의 왜곡은 '피크신호 대 노이즈 비율'(PSNR)로 측정된다. 그리고 테스트영상(test image)은 전술의 트레이닝영상과는 다른 512×512 MR 영상이다.

도 8은 TSVQ-기반 부호화시스템에서, 기존의 인덱스할당방식에 대비되는 본 발명의 인덱스할당방식의 부호화성능을 보여준다. 도 8에서, 가로축은 PSNR을, 그리고 세로축은 픽셀당 소요되는 비트량(bpp)을 각각 나타낸다. 그리고, "VLTSVQ+CI" 및 "VLTSVQ+DI"는, MR영상을 VL-TSVQ기법으로 양자화하고, 그에 따라 선택된 단말노드들을, 종래의 방식에 따른 인덱스(CI; Conventional Index) 및 본 발명에서 제안된 차등인덱스(DI; Differential Index)로 각각 부호화한 결과를 나타낸다. 또한, "PTSVQ+CI" 및 "PTSVQ+DI"는, MR영상을 이 기술분야에서 공지된 PTSVQ(Pruned-TSVQ)기법으로 양자화하고, 그에 따라 선택된 단말노드들을, 종래의 인덱스(CI) 및 제안된 차등인덱스(DI)로 각각 부호화한 결과를 나타낸다. 그리고 "VLTSVQ+Hilbert+DI"는, 연속적인 소스벡터들간의 상관특성을 더 개선하기 위한 것으로, 이 기술분야에서 공지된 힐버트스캔(Hilbert Scan)기법을 제안된 "VLTSVQ+DI"에 더 적용하여 부호화한 결과를 나타낸다. 도 8에 따르면, 제안된 DI를 채용한 부호화시스템이 기존의 CI를 채용한 부호화시스템보다 PSNR의 전체영역에서 월등하게 향상된 부호화성능을 갖는 것으로 측정되었다. 그리고, 이러한 특징은 "VLTSVQ+DI"에 필요한 전체비트량이 "PTSVQ+CI"의 그것보다 훨씬 적게 소요됨을 보여준다. 이는 차등인덱스(DI)기법이 '분할 및 예측(segmentatio and prediction) 기법보다 부호화된 비트량을 감소시키는데 더 효율적임을 의미한다. 그리고 제안된 부호화체계(DI)는 영상의 품질을 전혀 감소시키지 않으면서도 부호화된 비트율을 감소시킨다.

다음으로, 본 발명에서 제안된 부호화체계의 대다수 연산부하는 소스벡터의 양자화단계 및 그 차등인덱스발생(DIG)단계에 있다. 본 발명의 발명자들에 의한 모의실험에 따르면, 차등인덱스(DI)기법을 사용하는 제안된 부호화체계의 연산복잡도는 종래의 부호화체계의 그것보다 대략 세배가 되는 것으로 측정되었다.

또한, 차등인덱스기법의 성능과 소스벡터들(Y_i's)의 상관인자(correlation factor)간의 관계를 측정하기 위하여, 서로 다른 상관인자를 갖는 여러 MR 영상들이 테스트되었고, 그 결과가 도 9a 및 도 9b에 보여졌다.

도 9a 및 도 9b에서, 세로축의 게인(G;%)은 종래의 인덱스할당기법(CI) 및 제안된 차등인덱스할당기법(DI) 각각에 소요되는 전체비트량들간의 차이값을, CI의 전체비트량으로 나누고 이를 백분율로 표시한 것이다. 그리고, 가로축의 C_Y는 영상(특히, 의료분야의 영상; 일반적으로 의료영상은 인접하는 블럭들간에 높은 상관성을 가짐)의 상관인자를 표시한 것이다. 그리고, 도 9a 및 도 9b에 보여진 모의실험은, 2×2(K=4) 및 4×4(K=16)의 블럭크기마다 각각 수행되었다.

도 9a 및 도 9b에서, 가로축의 상관인자(G_Y)가 클수록 세로축의 부호화이득(G)은 비례하여 커짐을 알 수 있다. 이는 제안된 DI기법이 연속하는 블럭들간의 상관관계가 커짐에 비례하여 더 효율적임을 의미한다. 그리고, 도 9a 및 도 9b를 비교하면, 블럭크기(K)가 커질수록 상관인자(G_Y)가 감소하므로 블럭크기가 증가할수록 제안된 DI의 부호화이득은 감소함을 알 수 있다.

한편, 본 발명에서 제안된 인덱스할당 및 이를 적용한 부호화는, 소프트웨어 및 하드웨어로 구현할 수 있음은 이 기술분야의 당업자에게 자명하다. 또한, 본 발명의 기술적 사상에 근거하여 전술한 바람직한 실시예로부터 언급되지 않은 다수의 변형실시예들이 도출가능함은 이 기술분야의 당업자에게 역시 자명하다.

전술한 바와 같이, 본 발명은 나무구조벡터양자화(TSVQ)에 기반하는 부호화에 있어서, 연속적으로 벡터양자화될 소스벡터들간 또는 연속적으로 벡터양자화된 코드벡터들간의 상관관계를 이용하여 인덱스를 할당함으로써, 기존의 인덱스할당방식 및 그 부호화체계에 비하여 월등하게 향상된 부호화효율을 제공한다. 보다 구체적으로는, 본 발명은 연속적으로 벡터양자화된 코드벡터들이 위치한 단말노드들간의 최단경로를 인덱스로 할당함으로써, 기존의 방식에 비해 영상의 품질을 동일하게 유지하면서도 그 부호화된 데이터량을 현저하게 압축할 수 있게 한다. 따라서, 본 발명에서 제안된 인덱스할당방법 및 그 부호화방식을 통신시스템(일례로 화상정보 송수신기기)에 채용하는 경우, 그 통신시스템의 성능(전송시간 및 그 필요한 메모리용량)을 월등하게 향상시킬 수 있다. 특히, 본 발명은 의료영상과 같이 인접하는 영상블럭들간의 상관관계가 큰 화상의 신호원부호화에 적용하면, 그 부호화성능을 더 월등하게 향상시킬 수 있다.

Claims (9)

1. 나무구조벡터양자화(TSVQ) 코드북에 기반하는 부호화를 위한 인덱스할당방법에 있어서,

   (1) 연속적으로 입력하는 소스벡터들을, 상기 나무구조벡터양자화코드북에 기초하여 대응하는 코드벡터들로 양자화하는 단계; 및

   (2) 상기 나무구조벡터양자화코드북상에서 상기 연속적으로 양자화되는 코드벡터들간의 공간적 상관성을 이용하여, 상기 코드벡터들이 각각 위치하는 두 단말노드중 직전 단말노드에 위치한 코드벡터 이후의 현재 단말노드에 위치한 양자화된 코드벡터의 인덱스를 할당하는 단계를 포함하는 인덱스할당방법.
2. 제 1항에 있어서, 상기 인덱스할당방법은 가변길이-나무구조벡터양자화(VL-TSVQ) 코드북에 기반하는 부호화에 적용되는 인덱스할당방법.
3. 제 1항에 있어서, 상기 제 (2)단계에서 할당되는 인덱스는, 나무구조벡터양자화코드북상에 위치하는, 연속하는 두 코드벡터들간의 최단경로를 표현하는 값에 의해 결정되는 인덱스할당방법.
4. 제 1항에 있어서, 상기 제 (2)단계는,

   (2a) 상기 나무구조벡터양자화코드북에서, 상기 연속적으로 양자화된 두 코드벡터들중, 이전에 양자화된 제 1코드벡터의 위치로부터 이후에 양자화된 제 2코 드벡터의 위치까지의 최단경로를 탐색하는 단계; 및

   (2b) 상기 탐색된 최단경로를, 상기 나무구조벡터양자화코드북의 소정 특성을 이용하여 이진값의 시퀀스로 표현하여 상기 인덱스로 할당하는 단계를 포함하는 인덱스할당방법.
5. 제 4항에 있어서, 상기 제 (2a)단계에서 상기 최단경로는 그 최단경로상에 위치하는 두 노드들간의 개별가지경로들로 구분되고,

   상기 개별가지경로는, 현재노드로부터 다음노드로의 개별가지경로의 방향을 나타내는 방향값 및 그 개별가지경로의 꼬리표를 나타내는 이진값(0,1)으로 된 쌍(개별가지경로의 방향값, 개별가지경로의 이진값)으로 표현되며,

   상기 탐색되는 최단경로는, 그 최단경로를 이루는 개별가지경로마다의 상기 쌍의 시퀀스로서 나타내는 인덱스할당방법.
6. 제 5항에 있어서, 상기 개별가지경로의 방향값은 나무구조상에서 다음노드가 현재노드보다 하위노드인지 상위노드인지를 구분하는 값인 인덱스할당방법.
7. 제 4항에 있어서, 상기 제 (2b)단계는

   상기 두 코드벡터들간의 최단경로를 이루는 각 개별가지경로의 쌍(개별가지경로의 방향값, 개별가지경로의 이진값)의 시퀀스, 및 상기 나무구조벡터양자화코드북상에서 상기 최단경로를 이루는 개별가지경로의 상태에 따른 상태값에 근거하 여, 상기 이진값의 시퀀스를 결정하는 인덱스할당방법.
8. 제 7항에 있어서, 상기 이진값의 시퀀스의 길이는 상기 최단경로를 이루는 개별가지경로들의 수에 대응하는 인덱스할당방법.
9. 제 1항에 있어서, 상기 제 (2)단계에서 할당된 인덱스는,

   상기 나무구조벡터양자화코드북 및 그 인덱스에 관련한 공간적 상관성을 이용하는 상기 인덱스할당방법의 역과정을 통하여, 상기 인덱스가 지정하는 원래의 코드벡터를 복원하는데 이용되는 인덱스할당방법.

Images