KR101470191B1 - 지역적 극대 필터 및 지역적 극소 필터를 이용한 비디오 내의 블록 오류 고속 검출 방법 및 장치 - Google Patents

지역적 극대 필터 및 지역적 극소 필터를 이용한 비디오 내의 블록 오류 고속 검출 방법 및 장치 Download PDF

Info

Publication number
KR101470191B1
KR101470191B1 KR20130080761A KR20130080761A KR101470191B1 KR 101470191 B1 KR101470191 B1 KR 101470191B1 KR 20130080761 A KR20130080761 A KR 20130080761A KR 20130080761 A KR20130080761 A KR 20130080761A KR 101470191 B1 KR101470191 B1 KR 101470191B1
Authority
KR
South Korea
Prior art keywords
image
frame
filter
pixel
pixels
Prior art date
Application number
KR20130080761A
Other languages
English (en)
Inventor
김재면
이문식
하명환
최성우
정병희
안기옥
류병용
송기훈
채옥삼
Original Assignee
한국방송공사
경희대학교 산학협력단
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 한국방송공사, 경희대학교 산학협력단 filed Critical 한국방송공사
Priority to KR20130080761A priority Critical patent/KR101470191B1/ko
Application granted granted Critical
Publication of KR101470191B1 publication Critical patent/KR101470191B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/89—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving methods or arrangements for detection of transmission errors at the decoder
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

입력 비디오 내의 프레임들의 블록 오류를 검출하기 위한 방법 및 장치가 제공된다. 프레임에 제1 필터 및 제2 필터를 적용함으로써 제1 영상 및 제2 영상이 생성될 수 있다. 생성된 제1 영상 및 제2 영상에 기반하여 차영상이 생성될 수 있다. 생성된 차영상에 기반하여 프레임 내의 블록 오류가 검출될 수 있다.

Description

지역적 극대 필터 및 지역적 극소 필터를 이용한 비디오 내의 블록 오류 고속 검출 방법 및 장치{METHOD AND APPARATUS FOR FAST BLOCK ERROR DETECTION IN VIDEO USING LOCAL PEAK FILTER AND LOCAL VALLEY FILTER}
기술 분야는 비디오 내의 블록 오류 검출 방법에 관한 것으로, 특히 지역적 극대 필터 및 지역적 극소 필터를 이용함으로써 블록 오류의 특성을 강화시키는 블록 오류 고속 검출 방법 및 장치에 관한 것이다.
방송 콘텐츠 제작에는 카메라, 브이씨알(Video Cassette Recorder; VCR), 비선형 편집 시스템(Non-Linear Editing system; NLE) 및 인코더 등의 장비가 사용되고 있다. VCR 헤더 불량, 테이프 노후화, 테이프 보관불량, NLE 편집 오류 및 인코더 장비 불량 등의 다양한 이유로 콘텐츠에 예기치 않은 비디오 오류 및 오디오 오류가 발생할 수 있다.
방송 콘텐츠에 포함된 오류로 인해 일차적으로는 방송 이후 품질에 대한 시청자들의 불만이 발생할 수 있다. 또한, 콘텐츠가 오류를 가진 채 비디오 아카이브에 저장된다면, 아카이브를 이용한 인터넷 다시보기 서비스 등의 콘텐츠 재활용 시에도 여전히 오류가 남아, 콘텐츠 서비스의 품질을 저하시킬 수 있다.
이러한 오류를 찾는 가장 단순한 방법은 사람이 눈으로 직접 검사하는 것일 수 있다. 그러나, 비디오 아카이브와 같은 방대한 자료를 사람의 육안으로 검사하는 것은 사실상 불가능할 수 있다. 특히, 단일 프레임 오류의 경우 1/30 초의 짧은 순간에 발생하므로 육안으로는 찾지 못하는 경우가 많다. 또한, 사람이 오류를 찾은 경우에도 오류로 분류할 지 여부를 판단하는 것 또한 주관적이어서 오류를 찾음에 있어서 일관성이 보장될 수 없다.
한국공개특허 제10-2000-0075760호(공개일 2000년 12월 26일)에는 비디오 비트 스트림을 디코딩하는 동안 오류를 은닉시키기 위한 방법 및 장치가 개시되어 있다. 공개된 발명은 시간 영역에 대한 움직임 벡터의 추정을 사용한다. 두 개의 연속 프레임간의 이동이 기본적으로 일정하다고 가정을 했을 때, 잃어버린 블록에 대한 시간적 추정(temporal estimation)을 하기 위하여 그 다음 프레임에 있는 블록의 추정 움직임 벡터가 사용된다. 만약, 시간 영역 추정이 실행 불가능하다면, 공간 영역에 대한 움직임 벡터를 추정한다. 그 후, 매크로블록이 상기 추정 움직임 벡터에 기초해서 추정한다. 만약 시간 영역에서의 추정이 실행 불가능하면, 매크로블록 추정은 추정 움직임 벡터를 사용하지 않고 이루어진다.
상기에서 설명된 정보는 단지 이해를 돕기 위한 것이며, 종래 기술의 일부를 형성하지 않는 내용을 포함할 수 있으며, 종래 기술이 통상의 기술자에게 제시할 수 있는 것을 포함하지 않을 수 있다.
일 실시예는 비디오 내에 포함된 블록 오류를 프레임 단위로 검출하기 위한 장치 및 방법을 제공할 수 있다.
일 실시예는 비디오 내의 프레임을 샘플링함으로써 고속으로 프레임 내에 포함된 블록 오류를 검출하기 위한 장치 및 방법을 제공할 수 있다.
일 측면에 있어서, 입력 비디오를 디코딩함으로써 프레임을 생성하는 단계, 상기 프레임에 제1 필터 및 제2 필터를 각각 적용함으로써 상기 제1 필터가 적용된 제1 영상 및 상기 제2 필터가 적용된 제2 영상을 생성하는 단계, 상기 제1 영상 및 제2 영상의 차영상을 생성하는 단계 및 상기 차영상에 기반하여 상기 프레임 내의 오류의 존재 여부를 결정하는 단계를 포함하는 블록 오류 검출 방법이 제공된다.
상기 제1 필터는 지역적 극대 필터일 수 있다.
상기 제2 필터는 지역적 극소 필터일 수 있다.
상기 제1 필터가 적용된 제1 영상 및 상기 제2 필터가 적용된 제2 영상을 생성하는 단계는M x N크기의 마스크를 상기 프레임의 선택적 지역에 적용함으로써 획득된 지역적 극대 값 Ih_max(x,y)을 통해 상기 지역적 극대 필터가 적용된 상기 제1 영상을 생성하는 단계 및 상기 마스크를 상기 프레임의 선택적 지역에 적용함으로써 획득된 지역적 극소 값 Ih_min(x,y)을 통해 상기 지역적 극소 필터가 적용된 상기 제2 영상을 생성하는 단계를 포함할 수 있다.
상기 차영상의 좌표 (x, y)의 화소의 화소 값은 상기 제1 영상의 좌표 (x, y)의 화소의 화소 값 및 상기 제2 영상의 좌표 (x, y)의 화소의 화소 값 간의 차일 수 있다.
상기 블록 오류 검출 방법은 상기 프레임을 그레이-스케일(gray-scale)로 변환하는 단계를 더 포함할 수 있다.
상기 차영상에 기반하여 상기 프레임 내의 오류의 존재 여부를 결정하는 단계는 상기 차영상의 블록들의 각각에 대한 샘플링을 수행함으로써 샘플링된 영상을 생성하는 단계 및 상기 샘플링된 영상의 화소들의 화소 값들에 기반하여 상기 프레임 내의 오류의 존재 여부를 결정하는 단계를 포함할 수 있다.
상기 샘플링된 영상의 화소의 화소 값은 상기 차영상의 블록들 중 상기 샘플링된 영상의 화소에 대응하는 블록의 화소들의 화소 값들에 기반하여 결정될 수 있다.
상기 프레임 내의 오류의 존재 여부는 오류 여부 값 Et에 기반하여 결정될 수 있다.
상기 블록 오류 검출 방법은 상기 샘플링된 영상의 화소들을 화소 값의 내림차순으로 정렬하는 단계를 더 포함할 수 있다.
다른 일 측면에 있어서, 입력 비디오를 디코딩함으로써 프레임을 생성하는 프레임 생성부, 상기 프레임에 제1 필터 및 제2 필터를 각각 적용함으로써 상기 제1 필터가 적용된 제1 영상 및 상기 제2 필터가 적용된 제2 영상을 생성하는 필터 적용부, 상기 제1 영상 및 제2 영상의 차영상을 생성하는 차영상 생성부 및 상기 차영상에 기반하여 상기 프레임 내의 오류의 존재 여부를 결정하는 블록 오류 인식부를 포함하는 블록 오류 검출 장치가 제공된다.
입력 비디오 내에 포함된 블록 오류를 프레임 단위로 정확하게 고속 검출하는 장치 및 방법이 제공된다.
연속적인 프레임들이 오류 프레임들인 경우에도 정확하게 오류 프레임들을 검출하는 장치 및 방법이 제공된다.
도 1은 비디오 오류의 예시들을 도시한다.
도 2는 비디오 내의 blocking artifact 또는 blockiness 오류의 예시를 도시한다.
도 3은 블록 오류의 예시들을 도시한다.
도 4는 일 실시예에 따른 블록 오류 검출 장치의 구성도이다.
도 5는 일 실시예에 따른 블록 오류 검출 방법의 흐름도이다.
도 6은 일 예에 따른 오류 영상과 지역적 극대 필터 및 지역적 극소 필터를 적용한 영상들이다.
도 7은 일 예에 따른 차영상을 도시한다.
도 8은 일 예에 따른 프레임 내의 오류의 존재 여부를 결정하는 방법의 흐름도이다.
도 9는 일 예에 따른 차영상을 샘플링함으로써 생성된 샘플링 영상을 도시한다.
도 10은 일 예에 따른 샘플링된 영상의 화소들의 화소 값들을 내림차순으로 정렬한 그래프를 도시한다.
도 11은 블록 오류 검출 장치에 의해 검출되는 블록 오류의 예들을 도시한다.
도 12는 일 예에 따른 블록 오류 검출 결과를 도시한다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
실시예에는 다양한 변경이 가해질 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 실시예를 실시 형태에 대해 한정하려는 것이 아니며, 실시예는 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 비디오 오류의 예시들을 도시한다.
방송 장비는 기본적으로 블록 기반의 압축 방법을 사용한다. 따라서, 방송 장비에 의한 압축 방법이 사용될 경우 도 1에 도시된 것과 같은 블록 오류, 슬라이스 오류 및 스트라이프 오류 등과 같은 다양한 오류가 발생한다.
도 2는 비디오 내의 blocking artifact 또는 blockiness 오류의 예시를 도시한다.
도 2에 도시된 블록킹 아티팩트(blocking artifact) 또는 블록키니스(blockiness) 라고 명명된 블록 오류를 검출하는 기존의 방법은 블록 오류의 검출에 있어서, 8 x 8 혹은 16 x 16 의 정방형으로 국한될 수 있다.
도 3은 블록 오류의 예시들을 도시한다.
도 3에 나타난 블록 오류의 예시들은 본 발명의 일 실시에 따라 블록 오류가 존재하는 프레임으로 검출될 수 있다.
도 4는 일 실시예에 따른 블록 오류 검출 장치의 구성도이다.
블록 오류 검출 장치(400)는 프레임 생성부(410), 명암 영상 추출기(420), 필터 적용부(430), 차영상 생성부(440) 및 블록 오류 인식부(450)를 포함할 수 있다.
프레임 생성부(410)는 입력 비디오를 디코딩함으로써 프레임을 생성할 수 있다. 여기서, 생성된 프레임은 복수일 수 있다. 복수의 프레임들은 시간적으로 연속된 프레임들일 수 있다.
명암 영상 추출기(420)는 디코딩된 프레임을 흑백 영상 또는 그레이-스케일(gray-scale)의 영상으로 변환할 수 있다.
명암 영상 추출기(420)는 그레이-스케일(gray-scale) 영상으로 변환된 프레임을 필터 적용부(430)로 제공할 수 있다.
필터 적용부(430)는 프레임에 제1 필터 및 제2 필터를 각각 적용함으로써 상기 제1 필터가 적용된 제1 영상 및 상기 제2 필터가 적용된 제2 영상을 생성할 수 있다.
차영상 생성부(440)는 제1 영상 및 제2 영상의 차영상을 생성할 수 있다.
블록 오류 인식부(450)는 차영상에 기반하여 프레임 내의 오류의 존재 여부를 결정할 수 있다.
도 5는 일 실시예에 따른 블록 오류 검출 방법의 흐름도이다.
단계(510)에서, 프레임 생성부(410)는 입력 비디오를 디코딩함으로써 프레임을 생성할 수 있다.
단계(520)에서, 명암 영상 추출기(420)는 생성된 프레임을 그레이-스케일 영상으로 변환할 수 있다.
단계(530)에서, 필터 적용부(430)는 생성된 프레임에 제1 필터 및 제2 필터를 각각 적용함으로써 제1 필터가 적용된 제1 영상 및 제2 필터가 적용된 제2 영상을 생성할 수 있다.
제1 필터는 필터가 적용된 지역의 화소들 중에서 최대 화소 값을 가지는 화소의 화소 값을 지역적 극대 값으로 결정하는 지역적 극대 필터일 수 있다.
필터가 적용된 지역은 M x N의 크기를 가질 수 있다. 여기서, M x N의 크기는 가로로 M 개의 픽셀들 및 세로로 N 개의 픽셀들이 있다는 것을 의미할 수 있다. M 및 N은 각각 1 이상의 정수일 수 있다.
필터가 적용된 지역은 프레임 중 M x N 크기의 마스크가 적용된 지역일 수 있다. 즉, 필터 적용부(430)는 M x N크기의 마스크를 프레임에 적용함으로써 획득된 지역적 극대 값 Ih_max(x,y)를 통해 지역적 극대 필터가 적용된 상기 제1 영상을 생성할 수 있다.
마스크가 적용된 지역은 프레임의 전부 또는 일부분일 수 있다. 다시 말하자면, 필터 적용부(430)는 M x N크기의 마스크를 프레임의 선택적 지역에 적용함으로써 획득된 지역적 극대 값 Ih_max(x,y)를 통해 지역적 극대 필터가 적용된 상기 제1 영상을 생성할 수 있다.
필터 적용부(430)는 마스크가 적용된 지역의 화소들의 화소 값들을 지역적 극대 값으로 대체함으로써 제1 영상을 생성할 수 있다.
지역적 극대 값 Ih_max(x,y)는 수학식1과 같이 계산될 수 있다.
Figure 112013061952696-pat00001
제2필터는 필터가 적용된 지역의 화소들 중에서 최소 화소 값을 가지는 화소의 화소 값을 지역적 극소 값으로 결정하는 지역적 극소 필터일 수 있다.
필터가 적용된 지역은 프레임 중 M x N 크기의 마스크가 적용된 지역일 수 있다. 즉, 필터 적용부(430)는 M x N크기의 마스크를 프레임에 적용함으로써 획득된 지역적 극소 값 Ih_min(x,y)를 통해 지역적 극소 필터가 적용된 제2 영상을 생성할 수 있다.
마스크가 적용된 지역은 프레임 전부 또는 일부분과 같은 선택적 지역일 수 있기 때문에, 필터 적용부(430)는 M x N크기의 마스크를 프레임의 선택적 지역에 적용함으로써 획득된 지역적 극소 값 Ih_min(x,y)를 통해 지역적 극소 필터가 적용된 상기 제2 영상을 생성할 수 있다.
필터 적용부(430)는 마스크가 적용된 지역의 화소들의 화소 값들을 지역적 극소 값으로 대체함으로써 제2 영상을 생성할 수 있다.
지역적 극소 값 Ih_min(x,y)는 수학식2와 같이 계산될 수 있다.
Figure 112013061952696-pat00002
상기의 수학식1 및 수학식2에서, I(x,y)는 프레임의 좌표 (x,y)의 화소의 화소 값일 수 있다. M은 마스크의 가로 화소들의 개수일 수 있고, N은 마스크의 세로 화소들의 개수일 수 있다.
지역적 극대 필터가 적용된 제1 영상의 생성 및 지역적 극소 필터가 적용된 제2 영상의 생성은 서로 간에 영향을 미치지 않을 수 있다. 예를 들면, 제1 영상 및 제2영상은 동시에 생성될 수 있다. 또한, 제1 영상이 먼저 생성되고 제2영상은 제1영상이 생성된 후에 생성될 수도 있다.
단계(540)에서, 차영상 생성부(440)는 제1 영상 및 제2 영상의 차영상을 생성할 수 있다.
차영상의 좌표 (x, y)의 화소의 화소 값은 제1 영상의 좌표 (x, y)의 화소의 화소 값 및 제2 영상의 좌표 (x, y)의 화소의 화소 값 간의 차일 수 있다.
차영상의 좌표 (x, y)의 화소의 화소 값 Idiff (x,y)는 수학식3과 같이 계산될 수 있다.
Figure 112013061952696-pat00003
단계(550)에서, 블록 오류 인식부(450)는 차영상에 기반하여 프레임 내의 오류의 존재 여부를 결정할 수 있다.
하기에서, 도8 내지 도10을 참조하여, 차영상에 기반하여 프레임 내의 오류의 존재 여부를 결정하는 방법이 상세히 설명된다.
단계(560)에서, 블록 오류 인식부(450)는 입력 비디오의 프레임에 대한 오류를 출력할 수 있다. 오류의 출력은 사용자가 프레임의 오류를 인식하게 하는 보고일 수 있다.
도 6은 일 예에 따른 오류 영상과 지역적 극대 필터 및 지역적 극소 필터를 적용한 영상들이다.
도 6의 (a)는 오류 영상(610) 및 오류 영역 확대 영상(620)의 일 예를 도시한다. 오류 영역 확대 영상(620)에서, 주변의 화소들과 자연스럽게 어울리지 않는 화소들이 나타난다.
도 6의 (b)는 오류 영역 확대 영상에(620) 지역적 극대 필터를 적용한 영역(630)의 일 예를 도시한다. 지역적 극대 필터를 적용한 영역(630)는 도 5를 참조하여 설명된 제1 영상의 일부 영역일 수 있다.
그레이 스케일이 적용된 영상에서, 흑색은 낮은 화소 값으로 표현될 수 있고, 백색은 높은 화소 값으로 표현될 수 있다. 말하자면, 흰색이 흑색에 비해 높은 화소 값을 가질 수 있다.
지역적 극대 필터는 마스크가 적용된 지역의 화소들 중 최대 화소 값을 이용하기 때문에 흰색에 가장 가까운 화소가 지역적 극대 값으로 결정될 수 있다. 따라서 지역적 극대 필터가 적용된 영상의 화소들의 화소 값들은 필터가 적용되지 않은 영상의 화소들의 화소 값들에 비해 더 클 수 있다. 즉, 지역적 극대 필터가 적용된 영상은 필터가 적용되지 않은 영상에 비해 더 밝을 수 있다.
도 6의 (c)는 오류 영역 확대 영상(620)에 지역적 극소 필터를 적용한 영역(640)의 일 예를 도시한다. 지역적 극소 필터를 적용한 영역(640)은 도 5를 참조하여 설명된 제2 영상의 일부 영역일 수 있다.
지역적 극소 필터는 마스크가 적용된 지역의 화소들 중 최소 화소 값을 이용하기 때문에 흑색에 가장 가까운 화소가 지역적 극소 값으로 결정될 수 있다. 따라서 지역적 극소 필터가 적용된 영상의 화소들의 화소 값들은 필터가 적용되지 않은 영상의 화소들의 화소 값에 비해 더 작을 수 있다. 즉, 지역적 극소 필터가 적용된 영상이 필터가 적용되지 않은 영상에 비해 더 어두울 수 있다.
도 7은 일 예에 따른 차영상을 도시한다.
도 7은 제1 영상 및 제2 영상에 기반하여 생성된 차영상(710) 및 차영상의 확대 영상(720)을 나타낸다.
제1 영상 및 제2 영상의 동일한 좌표의 화소들의 화소 값들이 동일하다면, 생성된 차영상(710)의 상기의 좌표의 화소의 화소 값은 0이 될 수 있다. 화소 값 0은 흑색을 의미할 수 있다. 블록 오류가 발생한 화소에 있어서, 상기의 화소에 제1 필터 및 제2 필터가 각각 적용됨으로써, 상기의 화소에 대응하는 제1 영상의 화소의 화소 값 및 제2 영상의 화소의 화소 값 간에 차이가 발생할 수 있다. 상기의 화소 값들 간의 차이는 차영상(710)에서 흰색으로 나타날 수 있다. 즉, 차영상(710)은 블록 오류를 흰색으로 나타냄으로써 블록 오류의 특징을 강조할 수 있다. 차영상(710)은 블록 오류의 특징인 화소의 화소 값의 지역적 변화량을 나타낼 수 있다.
차영상의 확대 영상(720)에는 엣지 부분이 아님에도 밝게 나타나는 부분이 있다. 밝게 나타나는 부분이 블록 오류를 나타낼 수 있다.
도 8은 일 예에 따른 프레임 내의 오류의 존재 여부를 결정하는 방법의 흐름도이다.
단계(810)에서, 블록 오류 인식부(450)는 차영상의 블록들의 각각에 대한 샘플링을 수행함으로써 샘플링된 영상을 생성할 수 있다.
블록 오류 인식부(450)는 차영상의 블록들 중 샘플링된 영상의 화소에 대응하는 블록의 화소들의 화소 값들에 기반하여 샘플링된 영상의 화소의 화소 값을 결정할 수 있다.
예를 들어, 샘플링된 영상의 좌표 (x, y)의 화소의 화소 값 S(x,y)는 수학식 4와 같이 계산될 수 있다.
Figure 112013061952696-pat00004
여기서, I(x * M + m, y * N + n)은 차영상의 좌표 (x * M + m, y * N + n)의 화소의 화소 값일 수 있다. M은 상기 차영상의 블록들의 가로 화소의 개수일 수 있다. N은 상기 차영상의 블록들의 세로 화소의 개수일 수 있다. M 및 N은 동영상 코덱 장치에서 널리 사용되는 값일 수 있다. 예를 들어, M x N은 8 x 8일 수 있다.
상기의 샘플링된 영상의 화소의 화소 값은 차영상의 블록 내의 화소들의 화소 값들을 모두 더한 값일 수 있다. 여기서 블록은 차영상의 블록들 중 샘플링된 영상의 화소에 대응하는 블록일 수 있다.
또 다른 예로, 샘플링된 영상의 좌표 (x, y)의 화소의 화소 값 S(x,y)는 차영상의 블록 내의 화소들의 화소 값들의 평균 값일 수 있다.
차영상을 샘플링함으로써 생성된 샘플링된 영상은 차영상에 비해 더 적은 개수의 화소들을 가질 수 있다. 따라서, 블록 오류 인식부(450)는 샘플링된 영상을 샘플링되지 않은 영상에 비해 더 빠른 시간 내에 처리할 수 있다. 즉, 입력 영상의 프레임들을 샘플링함으로써 영상의 처리 시간이 단축될 수 있다.
단계(820)에서, 블록 오류 인식부(450)는 샘플링된 영상의 화소들을 화소 값의 내림차순으로 정렬할 수 있다.
하기에서, 도10을 참조하여, 샘플링된 영상의 화소들을 화소 값의 내림차순으로 정렬하는 방법이 상세히 설명된다.
단계(830)에서, 블록 오류 인식부(450)는 샘플링된 영상의 화소들의 화소 값들에 기반하여 프레임 내의 블록 오류의 존재 여부를 결정할 수 있다.
블록 오류가 발생한 경우 샘플링된 영상의 화소들의 화소 값들은 블록 오류가 발생하지 않은 경우의 샘플링된 영상의 화소들의 화소 값들에 비해 평균적으로 또는 전반적으로 더 클 수 있다. 따라서, 현재 프레임 및 현재 프레임의 이전의 프레임의 각각의 샘플링된 영상들의 화소들의 화소 값들을 이용함으로써 현재 프레임의 블록 오류의 존재 여부를 결정할 수 있다.
현재 프레임은 블록 오류 인식부(450)에 의해 처리되고 있는 프레임일 수 있다. 이전 프레임은 현재 프레임의 이전 또는 직전에 블록 오류 인식부(450)에 의해 처리된 프레임일 수 있다. 이후 프레임은 현재 프레임의 이후 또는 직후에 블록 오류 인식부(450)에 의해 처리될 프레임일 수 있다. 말하자면, 이전 프레임, 현재 프레임 및 이후 프레임은 입력 비디오 내의 연속된 프레임들일 수 있다.
블록 오류 인식부(450)는 오류 여부 값 Et에 기반하여 프레임 내의 오류의 존재 여부를 결정할 수 있다.
오류 여부 값 Et는 하기의 수학식 5와 같이 결정될 수 있다.
Figure 112013061952696-pat00005
여기서, At는 프레임의 샘플링된 영상의 화소들의 화소 값들 중 상위 L 개의 값들의 평균일 수 있다. At-1은 프레임의 이전의 프레임의 샘플링된 영상의 화소들의 화소 값들 중 상위 L 개의 값들의 평균일 수 있다. TA는 소정의 임계 값일 수 있다. L은 1 이상의 정수일 수 있다. 말하자면, L개의 화소들의 화소 값들은 샘플링된 영상의 화소들의 화소 값들 중 가장 큰 L개일 수 있다.
즉, 입력 영상의 프레임들은 각각 오류 여부 값 Et는 0 또는 1의 값을 가질 수 있다.
또한, 블록 오류 인식부(450)는 이전 프레임의 샘플링된 L 개의 화소들의 화소 값들의 평균 및 현재 프레임의 샘플링된 L개의 화소들의 화소 값들의 평균 간의 차를 이용하여 현재 프레임 내의 오류의 존재 여부를 판단하기 때문에, 이전 프레임의 오류 여부 값 Et-1이 현재 프레임의 오류 여부 값 Et에 영향을 줄 수 있다.
t가 특정한 시각을 나타낼 때, 오류 여부 값 Et는 이전 시각 t-1의 프레임에 대한 현재 시각 t의 프레임의 오류 여부를 나타내는 것일 수 있다. 따라서, 프레임의 오류 여부 값 Et가 1이 되는 경우에도 프레임은 오류가 없는 프레임일 수 있다. 예를 들어, 시각 t-2의 프레임이 오류가 없는 프레임이고, 시각 t-2의 프레임의 오류 여부 값 Et-2가 0이고, 시각 t-1의 프레임의 오류 여부 값 Et-1이 1인 경우에는, 시각 t-1의 프레임은 블록 오류가 존재하는 프레임일 수 있다. 그러나 시각 t의 프레임의 오류 여부 값 Et가 1인 경우, 시각 t-1의 프레임에 블록 오류가 존재하였으므로, 오류 여부 값 Et가 1이라는 것은 오류에 대한 오류를 의미할 수 있다. 따라서, 시각 t의 프레임은 블록 오류가 존재하지 않는 프레임일 수 있다. 예를 들어, 상술된 방법은 초기 시각의 정상의 프레임을 초기 프레임으로 사용함으로써 연속적으로 적용할 수 있다.
하기의 표 1은 블록 오류가 존재하는 프레임 및 정상의 프레임 간의 관계를 나타낼 수 있다.
오류 여부 값 E t 오류 검출 오류 검출 패턴
0 0 … 0 오류 없음 N N … N
0 1 0 0 … 0 두 번째 이후 프레임들 오류 N E E E … E
0 1 1 0 … 0 두 번째 프레임 오류 N E N N … N
0 1 0 1 0 … 0 두 번째 및 세 번째 프레임들 오류 N E E N N … N
0 1 1 1 0 … 0 두 번째 및 네 번째 이후 프레임들 오류 N E N E E … E
0 1 0 0 1 0 … 0 두 번째, 세 번째 및 네 번째 프레임들 오류 N E E E N N … N
표 1의 오류 검출 패턴에서, N은 블록 오류가 존재하지 않는 정상의 프레임을 의미할 수 있고, E는 블록 오류가 존재하는 프레임을 의미할 수 있다.
블록 오류 인식부(450)는 E로 표시되는 프레임을 블록 오류가 존재하는 프레임으로 결정할 수 있다.
블록 오류 인식부(450)는 사용자에게 E로 표시되는 프레임을 블록 오류가 존재하는 프레임으로 출력 및 보고할 수 있다.
도 9는 일 예에 따른 차영상을 샘플링함으로써 생성된 샘플링 영상을 도시한다.
도 9의 차영상(910)은 가로로 a 개의 화소들을 가지고, 세로로 b 개의 화소들을 가진다. 화소들 각각은 8 비트의 화소 값을 가진다.
차영상 생성부(440)는 차영상(910)에 M x N 크기의 블록들을 적용함으로써 샘플링 영상(920)을 생성할 수 있다. 샘플링 영상(920)은 가로로 a/M 개의 화소들을 가질 수 있고, 세로로 b/N 개의 화소들을 가질 수 있다. 또한, 샘플링 영상(920)의 화소는 B 비트의 화소 값을 가질 수 있다. 샘플링 영상(920)의 화소의 화소 값은 차영상(910)의 블록 내의 화소들의 화소 값들의 합일 수 있다. 따라서 B는 상기 합을 표현할 수 있는 범위의 정수일 수 있다. 예를 들어, 차영상(910)의 화소가 8 비트의 화소 값을 갖고 M x N 블록이 8 x 8 블록인 경우, 샘플링 영상(920)의 화소의 화소 값은 (28-1)*8*8의 최대 값을 수용할 수 있어야 한다. 따라서, 샘플링 영상(920)의 화소의 화소 값은 14 이상의 비트들로 표현될 수 있다.
블록 오류가 발생한 경우, 블록 오류가 발생한 지점의 블록에 대응하는 샘플링 영상(920)의 화소의 화소 값은 소정의 기준 값 또는 주변의 다른 화소의 화소 값에 비해 더 클 수 있다. 블록 오류 인식부(450)는 다른 화소 값에 비해 더 큰 화소 값을 블록 오류의 인식을 위한 특징 데이터로 사용할 수 있다.
또한, 차영상(910)의 M x N 크기의 블록이 샘플링 영상(920)의 하나의 화소로 샘플링됨으로써 샘플링 영상(920)의 크기는 차영상(910)의 크기에 비해 1/M*N 배로 축소될 수 있다. 블록 오류 인식부(450)는 축소된 영상을 축소가 되지 않은 영상에 비해 고속으로 처리할 수 있다. 예를 들어, 8 x 8 크기의 블록이 차영상(910)에 적용되는 경우, 샘플링 영상(920)의 크기는 차영상(910)의 크기에 비해 1/64 배로 축소될 수 있다. 차영상(910)이 1920 x 1080 크기의 고화질(high definition; HD) 영상인 경우, 샘플링 영상(920)은 240 x 135 크기의 영상으로 축소될 수 있다.
도 10은 일 예에 따른 샘플링된 영상의 화소들의 화소 값들을 내림차순으로 정렬한 그래프를 도시한다.
블록 오류 인식부(450)는 생성된 샘플링 영상의 화소들의 화소 값들을 탐색할 수 있다. 블록 오류 인식부(450)는 탐색된 화소들을 화소 값들의 내림차순으로 정렬할 수 있다. 블록 오류 인식부(450)는 탐색된 화소들이 화소 값들의 내림차순으로 정렬된 결과 그래프를 분석함으로써 프레임에 블록 오류가 포함되었는지 여부를 판단할 수 있다.
도 10에서, 그래프의 가로 축은 화소 값의 크기의 순서를 나타낸다. 그래프의 세로축은 샘플링 영상의 화소의 화소 값을 나타낸다. 도 10에서는 샘플링 영상의 화소의 화소 값이 32비트의 값을 가진 것으로 도시되었다.
그래프에서, 프레임 35(1010) 및 프레임 37(1030)의 화소들의 화소 값들의 크기의 변화는 유사한 양상을 나타낸다. 그러나 블록 오류가 존재하는 프레임 36(1020)의 화소들의 화소 값들은 프레임 35(1010) 및 프레임 37(1030)의 화소들의 화소 값들에 비해 전체적으로 더 큰 값을 가진다.
샘플링 영상의 하나의 화소는 M x N 크기의 하나의 블록에 의하여 생성된 화소일 수 있다. 따라서 하나의 화소는 원본의 프레임의 M x N 크기의 하나의 블록의 특징을 나타낼 수 있다. 예를 들어, 특징은 블록 오류의 존재 여부일 수 있다.
블록 오류 인식부(450)는 샘플링 영상의 화소의 화소 값들을 비교하여 블록 오류의 후보 영역을 검출할 수 있다. 블록 오류 인식부(450)는 내림차순으로 정렬된 화소 값들 중 프레임 마다 상위 L 개의 화소 값들을 선택할 수 있고, 선택된 L 개의 화소 값들의 평균을 생성할 수 있다. 예를 들어, 상위 L 개의 화소 값들에 대응하는 화소들은 블록 오류의 후보 영역이 될 수 있다. 예를 들어, 블록 오류 인식부(450)는 상위 10 개의 화소 값들의 평균을 생성할 수 있다.
예를 들어, 블록 오류 인식부(450)는 이전 프레임의 L 개의 화소 값들의 평균 및 현재 프레임의 L 개의 화소 값들의 평균의 차이가 소정의 임계 값을 초과하는 경우, 현재 프레임을 블록 오류가 존재하는 프레임으로 결정할 수 있다. 또 다른 예로, 블록 오류 인식부(450)는 이전 프레임 및 현재 프레임이 연속적으로 블록 오류가 존재하는 프레임으로 결정되는 경우, 이후 프레임을 정상의 프레임으로 결정할 수 있다.
도 11은 블록 오류 검출 장치에 의해 검출되는 블록 오류의 예들을 도시한다.
도 11에 나타난 블록 오류들은 전술된 실시예들에 의해 블록 오류로서 검출될 수 있다.
도 12는 일 예에 따른 블록 오류 검출 결과를 도시한다.
도 12에서 도시된 것과 같이, 블록 오류 인식부(450)는 사용자에게 입력 영상 내에 블록 오류가 존재하는 프레임들을 출력할 수 있다.
블록 오류가 존재하는 프레임(1210)에 대해서, 프레임의 썸네일, 입력 영상 내에서의 프레임의 시각, 프레임의 순서 및 블록 오류의 종류가 출력될 수 있다.
앞서 도 1 내지 도 11을 참조하여 설명된 기술적 내용들이 그대로 적용될 수 있으므로, 보다 상세한 설명은 이하 생략하기로 한다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위에 속한다.
400: 블록 오류 검출 장치
410: 프레임 생성부
420: 명암 영상 추출기
430: 필터 적용부
440: 차영상 생성부
450: 블록 오류 인식부

Claims (10)

  1. 입력 비디오를 디코딩함으로써 프레임을 생성하는 단계;
    상기 프레임에 제1 필터 및 제2 필터를 각각 적용함으로써 상기 제1 필터가 적용된 제1 영상 및 상기 제2 필터가 적용된 제2 영상을 생성하는 단계;
    상기 제1 영상 및 제2 영상의 차영상을 생성하는 단계; 및
    상기 차영상에 기반하여 상기 프레임 내의 오류의 존재 여부를 결정하는 단계
    를 포함하고,
    상기 차영상에 기반하여 상기 프레임 내의 오류의 존재 여부를 결정하는 단계는,
    상기 차영상의 블록들의 각각에 대한 샘플링을 수행함으로써 샘플링된 영상을 생성하는 단계; 및
    상기 샘플링된 영상의 화소들의 화소 값들에 기반하여 상기 프레임 내의 오류의 존재 여부를 결정하는 단계
    를 포함하고,
    상기 샘플링된 영상의 화소의 화소 값은 상기 차영상의 블록들 중 상기 샘플링된 영상의 화소에 대응하는 블록의 화소들의 화소 값들에 기반하여 결정되는 블록 오류 검출 방법.
  2. 제1항에 있어서,
    상기 제1 필터는 지역적 극대 필터이고,
    상기 제2 필터는 지역적 극소 필터인 블록 오류 검출 방법.
  3. 제2항에 있어서,
    상기 제1 필터가 적용된 제1 영상 및 상기 제2 필터가 적용된 제2 영상을 생성하는 단계는,
    M x N 크기의 마스크를 상기 프레임의 선택적 지역에 적용함으로써 획득된 지역적 극대 값 Ih_max(x,y)를 통해 상기 지역적 극대 필터가 적용된 상기 제1 영상을 생성하는 단계; 및
    상기 마스크를 상기 프레임의 선택적 지역에 적용함으로써 획득된 지역적 극소 값 Ih_min(x,y)를 통해 상기 지역적 극소 필터가 적용된 상기 제2 영상을 생성하는 단계
    를 포함하고,
    상기 Ih_max(x,y)는 하기 [수학식 6]으로 정의되고,
    [수학식 6]
    Figure 112013061952696-pat00006

    상기 Ih_min(x,y)는 하기 [수학식 7]로 정의되고,
    [수학식 7]
    Figure 112013061952696-pat00007

    상기 I(x,y)는 상기 프레임의 좌표 (x,y)의 화소의 화소 값이고, 상기 M은 마스크의 가로 화소들의 개수이고, 상기 N은 마스크의 세로 화소들의 개수인 블록 오류 검출 방법.
  4. 제1항에 있어서,
    상기 차영상의 좌표 (x, y)의 화소의 화소 값은 상기 제1 영상의 좌표 (x, y)의 화소의 화소 값 및 상기 제2 영상의 좌표 (x, y)의 화소의 화소 값 간의 차인 블록 오류 검출 방법.
  5. 제1항에 있어서,
    상기 프레임을 그레이-스케일(gray-scale)로 변환하는 단계
    를 더 포함하는 블록 오류 검출 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 샘플링된 영상의 좌표 (x, y)의 화소의 화소 값 S(x,y)는 하기 [수학식 8]로 정의되고,
    [수학식 8]

    여기서, I(x * M + m, y * N + n)은 상기 차영상의 좌표 (x * M + m, y * N + n)의 화소의 화소 값이고, M은 상기 차영상의 블록들의 가로 화소의 개수, N은 상기 차영상의 블록들의 세로 화소의 개수인 블록 오류 검출 방법.
  8. 제1항에 있어서,
    상기 프레임 내의 오류의 존재 여부는 오류 여부 값 Et에 기반하여 결정되고,
    Et는 하기 [수학식9]로 정의되고,
    [수학식 9]
    Figure 112014064968901-pat00009

    여기서, At는 상기 프레임의 상기 샘플링된 영상의 화소들의 화소 값들 중 가장 큰 L 개의 값들의 평균이고, At-1은 상기 프레임의 이전의 프레임의 샘플링된 영상의 화소들의 화소 값들 중 가장 큰 L 개의 값들의 평균이고, 상기 TA는 소정의 임계 값이고, L은 1 이상의 정수인 블록 검출 방법.
  9. 제1항에 있어서,
    상기 샘플링된 영상의 화소들을 화소 값의 내림차순으로 정렬하는 단계
    를 더 포함하는 블록 오류 검출 방법.
  10. 입력 비디오를 디코딩함으로써 프레임을 생성하는 프레임 생성부;
    상기 프레임에 제1 필터 및 제2 필터를 각각 적용함으로써 상기 제1 필터가 적용된 제1 영상 및 상기 제2 필터가 적용된 제2 영상을 생성하는 필터 적용부;
    상기 제1 영상 및 제2 영상의 차영상을 생성하는 차영상 생성부; 및
    상기 차영상에 기반하여 상기 프레임 내의 오류의 존재 여부를 결정하는 블록 오류 인식부
    를 포함하고,
    상기 블록 오류 인식부는 상기 차영상의 블록들의 각각에 대한 샘플링을 수행함으로써 샘플링된 영상을 생성하고, 상기 샘플링된 영상의 화소들의 화소 값들에 기반하여 상기 프레임 내의 오류의 존재 여부를 결정하고,
    상기 샘플링된 영상의 화소의 화소 값은 상기 차영상의 블록들 중 상기 샘플링된 영상의 화소에 대응하는 블록의 화소들의 화소 값들에 기반하여 결정되는 블록 오류 검출 장치.
KR20130080761A 2013-07-10 2013-07-10 지역적 극대 필터 및 지역적 극소 필터를 이용한 비디오 내의 블록 오류 고속 검출 방법 및 장치 KR101470191B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20130080761A KR101470191B1 (ko) 2013-07-10 2013-07-10 지역적 극대 필터 및 지역적 극소 필터를 이용한 비디오 내의 블록 오류 고속 검출 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20130080761A KR101470191B1 (ko) 2013-07-10 2013-07-10 지역적 극대 필터 및 지역적 극소 필터를 이용한 비디오 내의 블록 오류 고속 검출 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101470191B1 true KR101470191B1 (ko) 2014-12-05

Family

ID=52677981

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20130080761A KR101470191B1 (ko) 2013-07-10 2013-07-10 지역적 극대 필터 및 지역적 극소 필터를 이용한 비디오 내의 블록 오류 고속 검출 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101470191B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990063507A (ko) * 1997-12-25 1999-07-26 가네꼬 히사시 이미지 결함 검출 장치 및 방법
KR20130039425A (ko) * 2011-10-12 2013-04-22 한국방송공사 코너 정보 및 인식 기술을 이용한 비디오 내의 블록 오류 고속검출 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990063507A (ko) * 1997-12-25 1999-07-26 가네꼬 히사시 이미지 결함 검출 장치 및 방법
KR20130039425A (ko) * 2011-10-12 2013-04-22 한국방송공사 코너 정보 및 인식 기술을 이용한 비디오 내의 블록 오류 고속검출 방법 및 장치

Similar Documents

Publication Publication Date Title
EP2135457B1 (en) Real-time face detection
US7570833B2 (en) Removal of poisson false color noise in low-light images usng time-domain mean and variance measurements
US7076113B2 (en) Apparatus and method for adaptive spatial segmentation-based noise reducing for encoded image signal
US8582915B2 (en) Image enhancement for challenging lighting conditions
US20100303150A1 (en) System and method for cartoon compression
US8320700B2 (en) Apparatus and method of estimating scale ratio and noise strength of encoded image
KR20090102610A (ko) 영상 스케일링 검출 방법 및 장치
Bidokhti et al. Detection of regional copy/move forgery in MPEG videos using optical flow
US8433143B1 (en) Automated detection of video artifacts in an information signal
JP2004529578A (ja) ビデオ信号中の字幕の検出
JP4637180B2 (ja) 映像処理装置及び映像処理方法
KR101149522B1 (ko) 장면 전환 검출 시스템 및 방법
Tandon et al. CAMBI: Contrast-aware multiscale banding index
JP2012109979A (ja) 映像識別子生成装置
US20120224749A1 (en) Block matching method
US7558429B2 (en) Image processing method and method for detecting differences between different image macro-blocks
KR101470191B1 (ko) 지역적 극대 필터 및 지역적 극소 필터를 이용한 비디오 내의 블록 오류 고속 검출 방법 및 장치
US20080181530A1 (en) Image processing apparatus and method for reducing blocking effect and Gibbs effect
JP2869398B2 (ja) カット点検出方法及び装置
CN110211085B (zh) 一种图像融合质量评价方法和系统
US9414067B2 (en) Methods and systems for detection of block based video dropouts
WO2015128302A1 (en) Method and apparatus for filtering and analyzing a noise in an image
KR101780444B1 (ko) 영상 신호의 노이즈 제거 방법
KR101268701B1 (ko) 코너 정보 및 인식 기술을 이용한 비디오 내의 블록 오류 고속검출 방법 및 장치
US8804046B1 (en) Methods and systems for detection of chroma dropouts in video

Legal Events

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

Payment date: 20170614

Year of fee payment: 4