KR101998839B1 - 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법 - Google Patents

이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법 Download PDF

Info

Publication number
KR101998839B1
KR101998839B1 KR1020180000851A KR20180000851A KR101998839B1 KR 101998839 B1 KR101998839 B1 KR 101998839B1 KR 1020180000851 A KR1020180000851 A KR 1020180000851A KR 20180000851 A KR20180000851 A KR 20180000851A KR 101998839 B1 KR101998839 B1 KR 101998839B1
Authority
KR
South Korea
Prior art keywords
image
compression
centroid
information
image data
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
KR1020180000851A
Other languages
English (en)
Inventor
백정엽
Original Assignee
중앙대학교 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 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020180000851A priority Critical patent/KR101998839B1/ko
Application granted granted Critical
Publication of KR101998839B1 publication Critical patent/KR101998839B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/41—Bandwidth or redundancy reduction
    • H04N1/411—Bandwidth or redundancy reduction for the transmission or storage or reproduction of two-tone pictures, e.g. black and white pictures
    • H04N1/4115—Bandwidth or redundancy reduction for the transmission or storage or reproduction of two-tone pictures, e.g. black and white pictures involving the recognition of specific patterns, e.g. by symbol matching
    • 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
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Image Processing (AREA)

Abstract

이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 데이터 압축 시스템에 포함되는 임베디드 장치는, 서버와 함께 이미지 기반 임베디드 무선 센서 네트워크를 구성하는 센서노드로서, 설치된 장소를 주기적으로 촬영하여 이미지 데이터를 획득하는 촬영부; 상기 이미지 데이터를 K-평균 클러스터링 기반 알고리즘 및 허프만 코딩 기반 알고리즘에 따라 압축하는 이미지 압축부; 상기 서버와 멀티홉 통신을 통해 상기 이미지 데이터의 원본과 압축본을 전송하고, 상기 서버로부터 센트로이드 정보와 허프만 코드 정보를 포함하는 압축 정보를 수신하는 노드 통신부; 및 미리 정해진 학습 주기마다 상기 이미지 데이터의 원본이 전송되도록 하고, 상기 압축 정보를 수신한 후에는 상기 이미지 압축부를 활성화시켜 상기 이미지 데이터가 압축된 압축본이 전송되도록 하는 노드 제어부를 포함할 수 있다.

Description

이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법{Data compression system and method for image-based embedded wireless sensor network}
본 발명은 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법에 관한 것이다.
개선되고 소형화된 저전력 무선 플랫폼을 통해 무선 카메라 센서 네트워크를 기반으로 하는 임베디드 무선 이미징 시스템을 사용하여 눈에 띄지 않게 생물학적 현상을 관찰할 수 있다. 이러한 시스템에 대해서는 포도원, 농업, 조류 관찰 시스템과 같은 환경 모니터링 애플리케이션과 같은 다양한 응용 분야가 있을 수 있다. 또는 사람이 접근하기 어려운 건물이나 무거운 기계에 무선 카메라 센서를 설치하여 원격에서 노후를 탐지하지는 것이 쉬워지고, 수동 검사시 유지관리 작업부담을 줄일 수 있다.
도 1은 생물학적 이벤트를 모니터링하기 위한 임베디드 무선 이미징 시스템엘 통해 획득한 샘플 이미지이다.
해당 시스템을 통해 획득된 도 1에 도시된 것과 같은 이미지 데이터를 이용하여 온라인으로 거의 실시간 시스템을 적용하여 다양한 생물학적 의문에 대한 답을 확보할 수 있게 된다.
이러한 무선 이미징 시스템에서 제대로 설계된 데이터 압축 방식은 노드당 이미지 전송 속도를 향상시키고, 또한 이미지가 무선으로 전송될 때 소비되는 에너지 양을 감소시킬 수 있을 것이다. 하지만, 데이터 압축 방식을 구현하는 것은 종종 제한된 메모리 공간과 임베디드 플랫폼의 낮은 처리 능력에 의해 제약을 받게 된다.
예컨대, JPEG 또는 DCT 기반의 이미지 압축 방식의 제품군은 높은 압축율을 보장하지만, 많은 양의 리소스와 계산을 필요로 하여 임베디드 시스템에는 적합하지 않다. 따라서, 임베디드 시스템의 이미지 압축 알고리즘은 리소스가 제한된 장치에서 구현하기에 충분히 단순할 필요가 있다. 또한, 계산 리소스의 한계 이외에도 일반적인 임베디드 센서 노드는 배터리 전원으로 작동하기 때문에 전력 소비에 제약이 있기도 하다.
한국공개특허 10-2012-0100448호 (201230.9.12 공개) - 머신 러닝을 이용한 동영상 압축 기법 및 장치
본 발명은 낮은 복잡성을 가져 계산 및 메모리 리소스의 제한을 극복하고, 무선 대역폭 제한 및 전원 제약 조건에 대해서도 극복 가능한 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법을 제공하기 위한 것이다.
본 발명은 K-평균 클러스터링 기법와 허프만(Huffman) 압축 기법을 합성하여 계산 시간을 줄이고 압축 비율을 높일 수 있는 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법을 제공하기 위한 것이다.
본 발명은 서버에서 압축을 위한 학습을 수행하여 센서노드에서의 에너지 소비를 줄이고, 서버가 이미지 압축 해제 정보를 가지고 있어 센서노드에서의 압축 이미지 전송시 오버헤드를 제거한 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법을 제공하기 위한 것이다.
본 발명의 이외의 목적들은 하기의 설명을 통해 쉽게 이해될 수 있을 것이다.
본 발명의 일 측면에 따르면, 서버와 함께 이미지 기반 임베디드 무선 센서 네트워크를 구성하는 센서노드인 임베디드 장치로서, 설치된 장소를 주기적으로 촬영하여 이미지 데이터를 획득하는 촬영부; 상기 이미지 데이터를 K-평균 클러스터링 기반 알고리즘 및 허프만 코딩 기반 알고리즘에 따라 압축하는 이미지 압축부; 상기 서버와 멀티홉 통신을 통해 상기 이미지 데이터의 원본과 압축본을 전송하고, 상기 서버로부터 센트로이드 정보와 허프만 코드 정보를 포함하는 압축 정보를 수신하는 노드 통신부; 및 미리 정해진 학습 주기마다 상기 이미지 데이터의 원본이 전송되도록 하고, 상기 압축 정보를 수신한 후에는 상기 이미지 압축부를 활성화시켜 상기 이미지 데이터가 압축된 압축본이 전송되도록 하는 노드 제어부를 포함하는 임베디드 장치가 제공된다.
상기 센트로이드 정보에는 센트로이드의 수와 상기 센트로이드의 대표 픽셀값이 포함되고, 상기 허프만 코드 정보에는 상기 센트로이드의 대표 픽셀값에 상응하는 허프만 코드가 상기 센트로이드의 수에 상응하는 개수만큼 포함될 수 있다.
상기 이미지 압축부는, 상기 이미지 데이터의 픽셀들 중에서 상기 센트로이드마다 할당되는 픽셀들에 대해서 그 픽셀값이 할당된 센트로이드의 대표 픽셀값으로 변경하여, 이미지 데이터에 포함되는 색상의 수를 상기 센트로이드의 수까지 줄이는 1차 압축 단계와; 상기 1차 압축된 이미지 데이터에 대해 상기 허프만 코드에 따른 허프만 코딩 기반 압축을 수행하는 2차 압축 단계를 수행할 수 있다.
한편 본 발명의 다른 측면에 따르면, 복수의 센서노드와 함께 이미지 기반 임베디드 무선 센서 네트워크를 구성하는 서버로서, 상기 복수의 센서노드로부터 이미지 데이터의 원본 및 압축본 중 적어도 하나를 수신하는 서버 통신부; 상기 원본에 대해 K-평균 클러스터링 기반 알고리즘을 적용하여 K개의 클러스터에 해당하는 센트로이드의 대표 픽셀값을 포함하는 센트로이드 정보를 학습 결과로 생성하고, 상기 대표 픽셀값에 대응되는 K개의 가변 길이 비트 코드를 허프만 코딩 알고리즘에 따라 허프만 코드 정보로 생성하는 압축 정보 생성부; 상기 압축 정보 및 상기 압축본을 저장하는 저장부; 및 상기 압축 정보 생성부에서 상기 압축 정보가 생성되면, 상기 서버 통신부를 통해 상응하는 센서노드로 상기 압축 정보를 전송하도록 제어하는 서버 제어부를 포함하는 서버가 제공된다.
상기 압축 정보 생성부는, 입력된 클러스터의 수에 상응하여 각 클러스터의 대표 픽셀값을 센트로이드로 초기 설정하는 센트로이드 설정 모듈; 상기 원본의 각 픽셀을 최근접한 센트로이드의 현재 위치에 할당하는 클러스터 할당 모듈; 할당이 완료되면 상기 센트로이드의 평균을 재연산하는 센트로이드 재연산 모듈; 및 미리 설정된 반복 횟수만큼 클러스터 할당 및 평균 재연산이 수행되도록 제어하는 제어 모듈을 포함할 수 있다.
상기 제어 모듈은 미리 설정된 시도 횟수만큼 상기 센트로이드 설정 모듈에서 랜덤하게 상기 센트로이드의 초기 설정이 실행되도록 하되, 다른 랜덤 초기화로부터 획득된 다른 솔루션들 사이에서 최저의 비용 함수를 가지는 하나를 학습 결과로 선택하는 솔루션 선택 모듈을 포함할 수 있다.
상기 압축 정보 생성부는 상기 원본을 상기 센트로이드 정보에 기초하여 1차 압축하고, 1차 압축된 이미지 데이터에 대해 K개의 상기 대표 픽셀값에 대한 출현 빈도를 계산하여 상기 가변 길이 비트 코드를 할당하며, 상기 가변 길이 비트 코드는 출현 빈도가 높은 대표 픽셀값에 대해 출현 빈도가 낮은 대표 픽셀값에 비해 적은 비트를 가지도록 할 수 있다.
상기 압축 정보 생성부는 상기 가변 길이 비트 코드를 할당할 때 제로 주파수 색상(zero frequency color)에 대한 코드 할당을 생략할 수 있다.
상기 압축본에 대해 영상 분석한 결과인 환경 정보를 출력하는 모니터링부를 더 포함할 수 있다.
한편 본 발명의 또 다른 측면에 따르면, 이미지 기반 임베디드 무선 센서 네트워크에 포함되는 서버에서 수행되는 데이터 압축 방법으로서, (a) 상기 센서노드로부터 원본 이미지를 수신하는 단계; (b) 상기 원본 이미지에 대해 K-평균 클러스터링 기반 알고리즘을 실행하여 센트로이드 정보를 생성하고, 허프만 코딩 기반 알고리즘을 실행하여 허프만 코드 정보를 생성하는 단계; (c) 상기 센트로이드 정보 및 상기 허프만 코드 정보를 상기 센서노드로 전송하는 단계; (d) 상기 센서노드에서 후속 이미지를 상기 센트로이드 정보에 따라 1차 압축한 후 상기 허프만 코드 정보에 따라 2차 압축한 결과물인 압축 이미지를 수신하는 단계; 및 (e) 미리 지정된 갱신 기간 동안 상기 단계 (d)를 반복하는 단계를 포함하는 데이터 압축 방법이 제공된다.
(f) 상기 갱신 기간이 경과하면 상기 단계 (a)로 되돌아가 새로운 원본 이미지를 사용하여 K-평균 학습 및 허프만 코딩을 수행하는 단계를 더 포함할 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시예에 따르면, 낮은 복잡성을 가져 계산 및 메모리 리소스의 제한을 극복하고, 무선 대역폭 제한 및 전원 제약 조건에 대해서도 극복 가능한 효과가 있다.
또한, K-평균 클러스터링 기법와 허프만 압축 기법을 합성하여 계산 시간을 줄이고 압축 비율을 높일 수 있는 효과도 있다.
또한, 서버에서 압축을 위한 학습을 수행하여 센서노드에서의 에너지 소비를 줄이고, 서버가 이미지 압축 해제 정보를 가지고 있어 센서노드에서의 압축 이미지 전송시 오버헤드를 제거한 효과도 있다.
도 1은 생물학적 이벤트를 모니터링하기 위한 임베디드 무선 이미징 시스템엘 통해 획득한 샘플 이미지,
도 2는 본 발명의 일 실시예에 따른 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템을 나타낸 도면,
도 3은 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템에 포함되는 임베디드 장치(센서 노드)의 구성 블록도,
도 4는 서버의 구성 블록도,
도 5는 K-평균 학습부의 구성 블록도,
도 6은 본 발명의 일 실시예에 따른 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 방법의 순서도,
도 7은 세가지 데이터 압축 방법에 대한 압축률의 누적분포함수(CDF).
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "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.
또한, 각 도면을 참조하여 설명하는 실시예의 구성 요소가 해당 실시예에만 제한적으로 적용되는 것은 아니며, 본 발명의 기술적 사상이 유지되는 범위 내에서 다른 실시예에 포함되도록 구현될 수 있으며, 또한 별도의 설명이 생략될지라도 복수의 실시예가 통합된 하나의 실시예로 다시 구현될 수도 있음은 당연하다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일하거나 관련된 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
또한, 명세서에 기재된 "…부", "…유닛", "…모듈", "…기" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 2는 본 발명의 일 실시예에 따른 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템을 나타낸 도면이고, 도 3은 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템에 포함되는 임베디드 장치(센서 노드)의 구성 블록도이며, 도 4는 서버의 구성 블록도이고, 도 5는 K-평균 학습부의 구성 블록도이며, 도 6은 본 발명의 일 실시예에 따른 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 방법의 순서도이고, 도 7은 세가지 데이터 압축 방법에 대한 압축률의 누적분포함수(CDF)이다.
본 발명의 일 실시예에 따른 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템은 K-평균 클러스터링 기반의 학습 결과 및 이에 기초하여 생성된 허프만 코드를 함께 이용하여 이미지 데이터의 압축을 수행하며, 이때 학습은 서버에서 수행하고 압축은 임베디드 장치에서 수행하도록 분리되어 있어 임베디드 장치에서 압축 과정에서 발생하는 에너지 비용을 절감하여 시스템 전체적으로 에너지 이득을 높인 것을 특징으로 한다. 이는 학습과 압축을 모두 임베디드 장치에서 수행할 경우 연산의 복잡도로 인한 긴 연산시간 때문에 임베디드 무선 센서 네트워크와 같은 저전력, 저비용, 저성능 임베디드 장치에서는 압축해서 전송할 때 얻는 에너지 이득보다 압축 과정에서 발생되는 에너지 비용이 더 크기에 에너지 측면에서 오히려 손해인 문제점을 해결한 것이다.
도 2를 참조하면, 본 실시예에 따른 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템(10)은 모니터링 대상이 있는 위치에 설치되어 있는 하나 이상의 임베디드 장치(100a~100e, 이하 '100'으로 통칭하기로 함)와, 임베디드 장치(100)에서 획득한 이미지 데이터를 수집하여 분석하는 서버(200)를 포함한다.
임베디드 장치(100)는 임베디드 무선 센서 네트워크에서 센서노드에 해당한다. 관찰하고자 하는 대상물에 대한 이미지를 획득하기에 용이한 위치에 설치된다. 예를 들어, 흩어져 있는 새둥지를 모니터링하고자 하는 경우 각각의 새둥지마다 하나씩의 임베디드 장치(100)가 설치될 수 있다.
임베디드 장치(100)는 멀티홉(multi-hop) 방식으로 임베디드 무선 센서 네트워크를 구성하게 되며, 최종단에는 서버(200)가 배치되어 있어 임베디드 장치(100)에서 획득한 이미지 데이터를 최종적으로 수집한다.
도 3을 참조하면, 임베디드 장치(100)는 노드 통신부(110), 촬영부(120), 이미지 압축부(130), 노드 제어부(140)를 포함한다.
노드 통신부(110)는 타 노드들(타 임베디드 장치) 혹은 서버(200)와 데이터를 송수신한다. 서버(200)에서 학습된 결과(압축 정보)를 수신하고, 서버(200)로 압축 정보에 따른 이미지 데이터의 압축본을 전송한다. 학습된 결과가 없는 초기 설정 시 혹은 미리 정해진 주기마다 이미지 데이터의 원본(raw image, 원본 이미지)를 서버(200)로 전송할 수 있다.
촬영부(120)는 임베디드 장치(100)가 설치된 장소의 영상을 획득한다. 촬영부(120)는 예를 들어 카메라일 수 있고, 미리 설정된 주기에 상응하여 이미지 데이터를 획득할 수 있다.
이미지 압축부(130)는 노드 통신부(110)를 통해 서버(200)로부터 학습 결과가 수신된 경우, 학습 결과에 상응하는 압축 정보(센트로이드 정보 및 허프만 코드 정보)에 기초하여 촬영부(120)에서 획득한 이미지 데이터를 압축한다.
센트로이드 정보는 센트로이드의 수(K)와 이미지에 존재하는 대표적인 공통 색상인 센트로이드의 픽셀값(대표 색상)을 포함한다. 예를 들어, 센트로이드 정보는 K-평균 클러스터링에 의해 학습된 결과인 바, K개의 센트로이드에 대한 픽셀값을 포함하고 있을 수 있다.
허프만 코드 정보는 K개의 대표 색상에 대응하여 작성된 허프만 코드를 포함한다. 허프만 코드는 K개의 대표 색상의 출현 빈도를 계산하고 이를 이용하여 작성될 수 있다.
따라서, 이미지 압축부(130)는 촬영부(120)에서 획득한 이미지 데이터에 대해서 센트로이드 정보에 기초하여 각 센트로이드에 할당되는 픽셀들에 대해서 그 픽셀값을 할당된 센트로이드의 픽셀값(대표 색상)으로 변경함으로써, 이미지 데이터에 포함되는 색상의 수를 센트로이드의 수(K)까지 줄일 수 있다(1차 압축). 즉, 모든 픽셀의 색상을 K개의 대표 색상으로 대체할 수 있다. 이 과정에서는 아직 이미지 데이터의 비트 수가 줄어 들지는 않게 된다.
1차 압축된 이미지 데이터에 대해서는 K개의 색상만이 남게 되는 바, 허프만 코드를 사용하여 2차 압축을 수행한다. 이는 실제 이미지 데이터의 비트 수를 줄이는 단계이며, 1차 압축된 이미지 데이터에는 K개의 색상만이 남아 있기 때문에 평균 허프만 코드 길이는 log2 K 이하가 된다.
노드 제어부(140)는 임베디드 장치(100)의 각 구성요소들(노드 통신부(110), 촬영부(120), 이미지 압축부(130) 등)이 제 기능을 발휘하도록 제어한다.
특히 노드 제어부(140)는 서버(200)에서 학습 결과를 수신한 경우 수신한 학습 결과에 기초하여 이미지 데이터의 압축이 수행된 후 이미지 데이터의 압축본이 전송되도록 제어한다. 또한, 학습이 수행될 필요가 있는 주기마다 서버(200)에서 학습이 수행되도록 이미지 데이터의 원본이 전송되도록 제어할 수 있다.
도 4를 참조하면, 서버(200)는 서버 통신부(210), 압축 정보 생성부(220), 저장부(230), 서버 제어부(240)를 포함한다.
서버 통신부(210)는 이미지 기반 임베디드 무선 센서 네트워크를 구성하는 센서노드들(즉, 임베디드 장치(100))과 통신을 수행하여 각종 데이터를 송수신한다. 임베디드 장치(100)에서 획득한 이미지 데이터의 원본 혹은 압축본을 수신하고, 압축 정보 생성부(220)에서 생성한 압축 정보를 각 임베디드 장치(100)로 전송할 수 있다.
압축 정보 생성부(220)는 서버(200)까 이미지 데이터의 원본을 수신한 경우 이를 분석하여 압축 정보를 생성한다.
압축 정보 생성부(220)는 K-평균 학습부(221)와 허프만 코딩부(222)를 포함한다.
K-평균 학습부(221)는 서버(200)가 이미지 데이터의 원본을 수신한 경우 K-평균 클러스터링 기반의 학습을 수행하여 센트로이드 정보를 생성한다. 센트로이드 정보에는 센트로이드의 수(K) 및 각 센트로이드의 대표 색상이 포함될 수 있다. 대표 색상은 K-평균 클러스터링 알고리즘을 활용하여 연산되는 정보로서, 이미지 압축의 기준이 되는 K개의 클러스터에 해당하는 대표 픽셀값을 나타낸다.
K-평균 클러스터링 알고리즘은 데이터를 K개의 클러스터로 그룹화한다. 하나의 클러스터에 대해 해당 클러스터 내의 점들은 서로 비슷하거나 유사할 수 있다. 한 클러스터에 속하는 모든 점의 수학적 평균을 클러스터의 중심(센트로이드, centroid)이라고 할 수 있다.
K-평균 학습부(221)는 클러스터의 수(K)와 훈련 집합(이미지 데이터의 픽셀들)을 입력으로 하고, 학습 결과 이미지 데이터의 픽셀들이 할당된 센트로이드의 인덱스와 학습된 센트로이드의 픽셀값을 출력으로 생성한다.
도 5를 참조하면, K-평균 학습부(221)는 센트로이드 설정 모듈(2211), 클러스터 할당 모듈(2212), 센트로이드 재연산 모듈(2213), 제어 모듈(2214)을 포함한다.
센트로이드 설정 모듈(2211)은 입력된 클러스터의 수(K)에 상응하여 각 클러스터의 대표 픽셀값을 클러스터 센트로이드로 초기 설정한다. 초기 클러스터 센트로이드의 설정은 랜덤하게 이루어질 수 있다.
혹은 센트로이드 설정 모듈(2211)은 원본 이미지의 픽셀들이 가지는 픽셀값들 중에서 상위랭크에 속하는 픽셀값들을 각 클러스터의 대표 픽셀값으로 설정할 수도 있다.
클러스터 할당 모듈(2212)은 이미지 데이터(여기서는 원본)의 각 픽셀들을 훈련 집합에 속하는 원소들로 하여 픽셀 각각을 최근접한 센트로이드의 현재 위치에 할당한다.
클러스터 할당 모듈(2212)에 의해 할당이 완료된 경우, 센트로이드 재연산 모듈(2213)은 각 센트로이드의 평균을 재연산한다. 즉, 각각의 센트로이드에 할당된 하나 이상의 픽셀의 픽셀값 평균을 재연산하고, 이를 해당 센트로이드의 현재 위치로 재설정할 수 있다.
제어 모듈(2214)은 클러스터 할당 모듈(2212)에서의 클러스터 할당 단계와 센트로이드 재연산 모듈(2213)에서의 재연산 단계를 미리 설정된 반복 학습 횟수만큼 반복할 수 있다. 이는 K-평균 클러스터링 알고리즘이 항상 센트로이드에 대해 일부 평균들의 최종 집합으로 수렴할 것이기 때문이다.
하지만, 수렴된 솔루션이 항상 이상적일 수는 없고, 초기 센트로이드 설정에 크게 종속된다. 따라서, 제어 모듈(2214)은 이러한 점을 해소하기 위해 K-평균 클러스터링 알고리즘이 다른 랜덤 초기화를 통해 미리 설정된 시도 횟수만큼 실행되도록 할 수도 있다.
솔루션 선택 모듈(2215)은 이들 다른 랜덤 초기화로부터 획득된 다른 솔루션들 사이에서 하나를 선택하게 되며, 가장 낮은 비용 함수 값을 가지는 것을 선택하게 된다. 선택된 솔루션에 상응하는 센트로이드 정보가 압축 정보에 포함될 수 있다.
다시 도 4를 참조하면, 허프만 코딩부(222)는 K-평균 학습부(221)에서의 학습 결과 도출된 K개의 대표 색상에 기초하여 허프만 코드를 작성한다.
허프만 코딩부(222)는 이미지 데이터에 포함된 각 픽셀값의 빈도(혹은 확률)로부터 가변 길이 코드 테이블을 유도하고, 보다 잦은 빈도의 픽셀값에 대해서는 상대적으로 낮은 출현 빈도의 픽셀값에 비해 적은 비트를 사용하도록 코드를 할당한다.
기존에 이미지 압축을 위해 허프만 코딩만을 적용할 경우 제로 주파수 색상(zero frequency color)에 대해 허프만 코드를 할당할 것인지 아닌지에 대한 설계 결정이 요구되었다. 이는 허프만 코드가 인코딩(압축) 및 디코딩(압축 해제)에 모두 이용되는 경우, 원본 이미지의 제로 주파수 색상이 다른 후속 이미지(압축 대상 이미지)에서는 나타날 수 있기 때문이다.
본 실시예에서는 제로 주파수 색상에 대한 할당이 요구되지 않는다. 이는 압축 대상이 되는 후속 이미지가 센트로이드 정보에 기초하여 K개의 대표 색상만을 가지도록 1차 압축이 이루어지기 때문이다. 따라서, 1차 압축된 후속 이미지는 이미 알고 있는 K개의 대표 색상만을 가지고 있는 바, 제로 주파수 색상이 출현하지 않으므로 허프만 코딩이 가능하게 된다.
허프만 코딩부(222)는 원본 이미지에 대해 센트로이드 정보에 기초하여 1차 압축된 상태에서, K개의 대표 색상에 기초하여 출현 빈도를 계산하고 이에 기초하여 K개의 대표 색상에 대해 허프만 트리(테이블)를 구성한다. 허프만 트리에는 K개의 대표 색상마다 할당된 가변 길이 코드에 대한 정보가 포함될 수 있다.
색상의 수가 K개만 있으므로 허프만 트리(테이블)를 구성하는데 소비되는 에너지가 K-평균 클러스터링 학습 결과가 없는 경우에 비해 훨씬 적게 된다.
다시 도 4를 참조하면, 저장부(230)는 서버 통신부(210)를 통해 수신한 이미지 데이트의 원본 혹은 압축본을 저장한다. 저장된 이미지 데이터의 원본은 압축 정보 생성부(220)에서 K-평균 학습을 수행하고 허프만 코딩을 수행할 때 사용된다. 압축본은 임베디드 장치(100)가 설치된 장소에 대한 환경 모니터링에 활용하게 된다.
또한, 저장부(230)에는 반복 횟수 혹은 시도 횟수가 저장되어 있을 수 있다. 여기서, 반복 횟수는 랜덤 설정된 센트로이드에 대해 K-평균 클러스터링 기반 알고리즘을 수행할 때 할당과 재연산을 반복하는 횟수에 관한 것이다. 시도 횟수는 K-평균 클러스터링 기반 알고리즘을 수행하기 위해 센트로이드를 초기 랜덤 설정하는 횟수에 관한 것이다.
모니터링부(250)는 임베디드 장치(100)로부터 수신하여 저장부(230)에 저장한 이미지 데이터의 압축본을 영상 분석하고, 영상 분석 결과인 환경 정보를 화면에 출력하여 임베디드 장치(100)가 설치된 장소에 대해 사용자가 시각적으로 확인 가능하게 한다.
또한, 이미지 데이터의 압축본을 영상 분석하여 모니터링 환경에 대한 각종 정보를 추출해 낼 수도 있다. 예를 들어, 새둥지를 모니터링하는 경우 모니터링 대상이 되는 새의 부화시기, 새끼새들의 성장 과정 등에 대해서 영상 분석을 통해 사용자가 확인 가능한 정보로 변환해 보여줄 수 있다.
서버 제어부(240)는 서버(200)의 각 구성요소들(서버 통신부(210), 압축 정보 생성부(220), 저장부(230), 모니터링부(250) 등)이 제 기능을 발휘하도록 제어한다.
또한, 서버 제어부(240)는 압축 정보 생성부(220)에서 압축 정보가 생성되면, 서버 통신부(210)를 통해 상응하는 임베디드 장치(100), 즉 센서노드로 압축 정보를 전송하도록 제어할 수 있다.
이미지 기반 임베디드 무선 센서 네트워크 아키텍처에서, 효율적인 데이터 압축(특히, 이미지 압축) 방법을 다음과 같이 이루어진다(도 6 참조).
임베디드 장치(100)는 원본 이미지(Img 1)를 서버(200)로 전송한다(단계 S300). 원본 이미지의 전송은 서버(200)로부터의 요청에 의해 이루어지거나 미리 정해진 주기(학습 주기, TLearn)마다 이루어질 수 있다.
각 임베디드 장치(100)에서는 캡처 주기(TImage)마다 이미지를 획득하지만, 학습 주기(TLearn >> TImage) 간격으로 압축되지 않은 원본 이미지를 서버(200)로 전송할 수 있다.
서버(200)는 원본 이미지(Img1)를 분석하여 압축에 필요한 정보(압축 정보 D1)를 추출하고, 이를 임베디드 장치(100)로 반환한다(단계 S305). 압축 정보에는 전술한 센트로이드 정보 및 허프만 코드 정보가 포함될 수 있다.
임베디드 장치(100)는 압축 정보 D1를 사용하여 후속 이미지(Img 2, Img 3, ...)를 압축하고, 압축된 이미지를 서버(200)에 전송한다(단계 S310).
본 실시예에서는 압축을 위한 학습이 서버(200)에서 수행되기 때문에, 임베디드 장치(100)에서는 압축을 위한 학습에 에너지를 소비할 필요가 없게 된다. 또한, 서버(200)는 압축된 이미지의 해제를 위한 압축 해제 정보를 가지고 있기 때문에, 임베디드 장치(100)에서 압축 이미지에 대한 오버헤드 정보를 전송하는 것을 방지할 수도 있다.
이후 다음 학습 주기가 도래하면, 임베디드 장치(100)는 원본 이미지(Img n)를 서버(200)로 전송하고(단계 S315), 서버(200)는 신규의 원본 이미지(Img n)로부터 신규의 압축 정보(D2)를 추출하여 임베디드 장치(100)로 전송한다(단계 S320).
본 실시예에서는 K-평균 클러스터링 기법과 허프만 코딩 기법을 합성함으로써 평균 압축율이 향상되고, 이미지에 종속되는 압축율의 편차가 감소된다. 또한, 복잡성이 낮으며, K-평균 클러스터링 기법만을 적용한 경우와 동일한 이미지 품질 획득이 가능하다. 그리고 이미지 압축 및 전송에 사용되는 에너지가 절감되는 경량 소프트웨어 기반 솔루션으로, 저전력 자원 제약형 임베디드 장치에 적합할 수 있다.
이미지 압축에 K-평균 클러스터링 기법만을 적용한 경우(K-means)는 다음과 같다.
이미지의 픽셀값을 나타내기 위해 8비트를 사용하는 경우, 이미지는 픽셀에 대해 256개의 값을 가질 수 있다. 이미지의 모든 픽셀값을 K개의 클러스터로 클러스터링하여 256 색을 K개의 색으로 줄인다. 클러스터링 후 각 픽셀값을 해당 센트로이드 픽셀값으로 대체한다. 이로 인해 픽셀을 설명하는데 필요한 비트 수를 8에서 log2 K로 줄여 정확한 컬러 표현을 희생시키면서 비용을 절감할 수 있다.
전체 이미지의 경우 K개의 센트로이드 색을 저장하기 위해 추가적인 오버헤드가 필요하다. 각 센트로이드 색은 8비트로 인코딩된다. 따라서, K=16이고, 이미지 크기가 200 x 200이라면 K-평균 클러스터링 적용 이미지를 표현하기 위한 총 비트 수는 16 x 8(오버헤드) + 200 x 200 x log2 16 = 160128 비트이며, 원시 이미지는 8 x 200 x 200 = 320000 비트이다. 압축되지 않은 경우와 비교하면 필요한 비트 수가 거의 1/2 정도(49.96%) 줄어들게 된다.
다만, 이러한 K-평균 클러스터링 기법을 임베디드 장치(센서노드)에서 수행한 경우에는 높은 계산 비용으로 인해 전체 에너지 소비를 증가시키게 된다.
또한, 이미지 압축에 허프만 코딩 기법만을 적용한 경우(Huffman)는 다음과 같다.
허프만 코딩 시 이미지의 각 색상에 대해 가변 길이 비트 코드를 할당한다. 다만, 전술한 것과 같이 허프만 코드 작성 시에는 제로 주파수 색상에 대해 코드를 할당할 것인지에 대한 설계 결정이 요구된다. 이미지에서 추출된 허프만 코드가 이미지를 디코딩하는 데에만 사용된다면 제로 주파수 색상에 대한 코드가 필요하지 않다. 하지만, 서버에서 학습하여 압축 정보를 제공하는 시나리오에 따를 때에 여러 후속 이미지의 허프만 압축에 대한 압축 해제를 위해 동일한 허프만 코드를 사용한다면 특정 이미지에 대한 제로 발생을 포함하여 모든 색상을 인코딩해야 한다. 이는 원본 이미지의 제로 주파수 색상이 다른 후속 이미지에 나타날 수 있기 때문이다.
또한, 허프만 코딩을 사용하여 이미지를 압축하는 경우 압축률이 실제 색상의 출현 빈도를 기반으로 하므로 압축률이 이미지에 크게 종속되어 일정한 압축률을 보장하지 않는다. 에를 들어, 이미지에 같은 빈도로 256 색이 모두 나타나면 허프만 코드 기반 압축으로는 이미지가 전혀 압축되지 않는다. 즉, 허프만 코딩 기반 이미지 압축은 이미지 의존성이 높으며, 압축률은 K-평균 클러스터링 기반 이미지 압축보다 낮다.
본 실시예에 따른 데이터 압축 방법(H-K compression)은 K-평균 클러스터링 기반 이미지 압축과 허프만 코딩 기반 이미지 압축의 장점을 모두 가져올 수 있게 된다. 즉, K-평균 클러스터링 기반 이미지 압축과 동일한 이미지 품질 수준을 유지하면서 K-평균 클러스터링 기반 이미지 압축 및 허프만 코딩 기반 이미지 압축 각각과 비교할 때 압축률을 향상시키고 있다(도 7 및 표 1 참조).
<표 1>
Figure 112018000927326-pat00001
또한, 본 실시예에 따른 데이터 압축 방법은 허프콘 코딩 기반 이미지 압축보다 타 이미지(후속 이미지)의 압축률 변동이 적다. 이는 색상의 수가 감소하여 상대 빈도의 차이했기 때문이다. 표 1을 참조하면, H-K 압축의 표준편차가 허프만 코딩의 표준편차의 절반에 가깝고, 최대 및 최소 압축률의 차이가 허프만 코딩 기반 이미지 압축 방식의 경우보다 적은 ~10%에 불과함을 확인할 수 있다.
도 7을 참조하면, 본 실시예에 따른 데이터 압축 방법(H-K 압축)의 압축률은 허프만 코딩 기반 이미지 압축에 비해 평균 주위에 더 집중되어 있음을 확인할 수 있다.
상기에서는 본 발명의 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10: 데이터 압축 시스템
100, 100a~100e: 임베디드 장치
110: 노드 통신부 120: 촬영부
130: 이미지 압축부 140: 노드 제어부
200: 서버 210: 서버 통신부
220: 압축 정보 생성부 230: 저장부
240: 서버 제어부 250: 모니터링부
221: K-평균 학습부 222: 허프만 코딩부
2211: 센트로이드 설정 모듈 2212: 클러스터 할당 모듈
2213: 센트로이드 재연산 모듈 2214: 제어 모듈
2215: 솔루션 선택 모듈

Claims (11)

  1. 서버와 함께 이미지 기반 임베디드 무선 센서 네트워크를 구성하는 센서노드인 임베디드 장치로서,
    설치된 장소를 주기적으로 촬영하여 이미지 데이터를 획득하는 촬영부;
    상기 이미지 데이터를 K-평균 클러스터링 기반 알고리즘 및 허프만 코딩 기반 알고리즘에 따라 압축하는 이미지 압축부;
    상기 서버와 멀티홉 통신을 통해 상기 이미지 데이터의 원본과 압축본을 전송하고, 상기 서버로부터 센트로이드 정보와 허프만 코드 정보를 포함하는 압축 정보를 수신하는 노드 통신부; 및
    미리 정해진 학습 주기마다 상기 이미지 데이터의 원본이 전송되도록 하고, 상기 압축 정보를 수신한 후에는 상기 이미지 압축부를 활성화시켜 상기 이미지 데이터가 압축된 압축본이 전송되도록 하는 노드 제어부를 포함하되,
    상기 센트로이드 정보에는 센트로이드의 수와 상기 센트로이드의 대표 픽셀값이 포함되고,
    상기 허프만 코드 정보에는 상기 센트로이드의 대표 픽셀값에 상응하는 허프만 코드가 상기 센트로이드의 수에 상응하는 개수만큼 포함되며,
    상기 이미지 압축부는, 상기 이미지 데이터의 픽셀들 중에서 상기 센트로이드마다 할당되는 픽셀들에 대해서 그 픽셀값이 할당된 센트로이드의 대표 픽셀값으로 변경하여, 이미지 데이터에 포함되는 색상의 수를 상기 센트로이드의 수까지 줄이는 1차 압축 단계와; 상기 1차 압축된 이미지 데이터에 대해 상기 허프만 코드에 따른 허프만 코딩 기반 압축을 수행하는 2차 압축 단계를 수행하는 임베디드 장치.
  2. 삭제
  3. 삭제
  4. 복수의 센서노드와 함께 이미지 기반 임베디드 무선 센서 네트워크를 구성하는 서버로서,
    상기 복수의 센서노드로부터 이미지 데이터의 원본 및 압축본 중 적어도 하나를 수신하는 서버 통신부;
    상기 원본에 대해 K-평균 클러스터링 기반 알고리즘을 적용하여 K개의 클러스터에 해당하는 센트로이드의 대표 픽셀값을 포함하는 센트로이드 정보를 학습 결과로 생성하고, 상기 대표 픽셀값에 대응되는 K개의 가변 길이 비트 코드를 허프만 코딩 알고리즘에 따라 허프만 코드 정보로 생성하는 압축 정보 생성부;
    상기 압축 정보 및 상기 압축본을 저장하는 저장부; 및
    상기 압축 정보 생성부에서 상기 압축 정보가 생성되면, 상기 서버 통신부를 통해 상응하는 센서노드로 상기 압축 정보를 전송하도록 제어하는 서버 제어부를 포함하되,
    상기 압축 정보 생성부는, 입력된 클러스터의 수에 상응하여 각 클러스터의 대표 픽셀값을 센트로이드로 초기 설정하는 센트로이드 설정 모듈; 상기 원본의 각 픽셀을 최근접한 센트로이드의 현재 위치에 할당하는 클러스터 할당 모듈; 할당이 완료되면 상기 센트로이드의 평균을 재연산하는 센트로이드 재연산 모듈; 및 미리 설정된 반복 횟수만큼 클러스터 할당 및 평균 재연산이 수행되도록 제어하는 제어 모듈을 포함하며,
    상기 압축 정보 생성부는 상기 원본을 상기 센트로이드 정보에 기초하여 1차 압축하고, 1차 압축된 이미지 데이터에 대해 K개의 상기 대표 픽셀값에 대한 출현 빈도를 계산하여 상기 가변 길이 비트 코드를 할당하며, 상기 가변 길이 비트 코드는 출현 빈도가 높은 대표 픽셀값에 대해 출현 빈도가 낮은 대표 픽셀값에 비해 적은 비트를 가지도록 하는 것을 특징으로 하는 서버.
  5. 삭제
  6. 제4항에 있어서,
    상기 제어 모듈은 미리 설정된 시도 횟수만큼 상기 센트로이드 설정 모듈에서 랜덤하게 상기 센트로이드의 초기 설정이 실행되도록 하되,
    다른 랜덤 초기화로부터 획득된 다른 솔루션들 사이에서 최저의 비용 함수를 가지는 하나를 학습 결과로 선택하는 솔루션 선택 모듈을 포함하는 것을 특징으로 하는 서버.
  7. 삭제
  8. 제4항에 있어서,
    상기 압축 정보 생성부는 상기 가변 길이 비트 코드를 할당할 때 제로 주파수 색상(zero frequency color)에 대한 코드 할당을 생략하는 것을 특징으로 하는 서버.
  9. 제4항에 있어서,
    상기 압축본에 대해 영상 분석한 결과인 환경 정보를 출력하는 모니터링부를 더 포함하는 서버.
  10. 삭제
  11. 삭제
KR1020180000851A 2018-01-03 2018-01-03 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법 Active KR101998839B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180000851A KR101998839B1 (ko) 2018-01-03 2018-01-03 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180000851A KR101998839B1 (ko) 2018-01-03 2018-01-03 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101998839B1 true KR101998839B1 (ko) 2019-07-10

Family

ID=67254982

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180000851A Active KR101998839B1 (ko) 2018-01-03 2018-01-03 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101998839B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910285A (zh) * 2023-09-01 2023-10-20 山东卓硕北斗网络科技有限公司 基于物联网的智慧交通数据优化存储方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005012823A (ja) * 1998-04-17 2005-01-13 Tadahiro Omi データ圧縮装置および方法、データ伸長装置および方法、データ圧縮伸長システムおよび方法、コードブックの作成方法、記録媒体
KR20120100448A (ko) 2011-03-04 2012-09-12 (주)스프링웨이브 머신 러닝을 이용한 동영상 압축 기법 및 장치
KR20170053193A (ko) * 2015-11-05 2017-05-16 중앙대학교 산학협력단 무선 이미지 센서 네트워크를 위한 k-평균 클러스터링 기반의 데이터 압축 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005012823A (ja) * 1998-04-17 2005-01-13 Tadahiro Omi データ圧縮装置および方法、データ伸長装置および方法、データ圧縮伸長システムおよび方法、コードブックの作成方法、記録媒体
KR20120100448A (ko) 2011-03-04 2012-09-12 (주)스프링웨이브 머신 러닝을 이용한 동영상 압축 기법 및 장치
KR20170053193A (ko) * 2015-11-05 2017-05-16 중앙대학교 산학협력단 무선 이미지 센서 네트워크를 위한 k-평균 클러스터링 기반의 데이터 압축 시스템 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Ali Tariq Bhatti ET AL:"Lossless Huffman coding for image compression and decompression based on block and code book size using K-Means algorithm in spatial and frequency domain"(2015.10.31.) 1부.* *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910285A (zh) * 2023-09-01 2023-10-20 山东卓硕北斗网络科技有限公司 基于物联网的智慧交通数据优化存储方法
CN116910285B (zh) * 2023-09-01 2023-12-15 山东卓硕北斗网络科技有限公司 基于物联网的智慧交通数据优化存储方法

Similar Documents

Publication Publication Date Title
US10496903B2 (en) Using image analysis algorithms for providing training data to neural networks
CN110637460B (zh) 利用深层神经网络的视觉质量保持量化参数预测
Gregor et al. Towards conceptual compression
JP6923677B2 (ja) ビデオ圧縮におけるエントロピーコーディングのための選択的ミキシング
KR101750017B1 (ko) 무선 이미지 센서 네트워크를 위한 k-평균 클러스터링 기반의 데이터 압축 시스템 및 방법
JP2007503784A5 (ko)
WO2010050152A1 (ja) 画素予測値生成手順自動生成方法、画像符号化方法、画像復号方法、それらの装置、それらのプログラム、およびこれらのプログラムを記録した記録媒体
JPH02244887A (ja) 画像データ圧縮方法及び装置
CN109151436A (zh) 数据处理方法及装置、电子设备及存储介质
CN111314698A (zh) 一种图像编码处理方法及装置
US20210099731A1 (en) Neural network based image set compression
CN103369317A (zh) 用于图像数据压缩的方法和装置
Alejandrino et al. A hybrid data acquisition model using artificial intelligence and IoT messaging protocol for precision farming
KR101998839B1 (ko) 이미지 기반 임베디드 무선 센서 네트워크를 위한 데이터 압축 시스템 및 방법
CN104602030A (zh) 一种编码方法、编码装置及服务器
CN116471412B (zh) 一种基于密度聚类的自适应图像压缩方法及系统
CN109257609A (zh) 数据处理方法及装置、电子设备及存储介质
CN114374841B (zh) 视频编码码率控制的优化方法、装置及电子设备
US11394981B2 (en) Electronic apparatus and control method thereof
Song et al. Lightweight server-assisted HK compression for image-based embedded wireless sensor network
CN110275455B (zh) 一种基于脑电信号的控制方法、中央控制设备、云服务器及系统
WO2023073067A9 (en) Method and data processing system for lossy image or video encoding, transmission and decoding
Levin A modular approach to the communication protocol and standard for multimedia information: A review
Karna et al. Evaluation of DLX Microprocessor Instructions Efficiency for Image Compression
CN110930684A (zh) 一种支持多编码格式的红外控制方法及系统

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20180103

PA0201 Request for examination
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20181121

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20190524

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20190704

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20190705

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20220913

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20230620

Start annual number: 5

End annual number: 5

PR1001 Payment of annual fee

Payment date: 20240624

Start annual number: 6

End annual number: 6