KR102357232B1 - A Full Complex Hologram Compression Method using Modified Zerotree based on Adaptive Wavelet Transform - Google Patents

A Full Complex Hologram Compression Method using Modified Zerotree based on Adaptive Wavelet Transform Download PDF

Info

Publication number
KR102357232B1
KR102357232B1 KR1020200008939A KR20200008939A KR102357232B1 KR 102357232 B1 KR102357232 B1 KR 102357232B1 KR 1020200008939 A KR1020200008939 A KR 1020200008939A KR 20200008939 A KR20200008939 A KR 20200008939A KR 102357232 B1 KR102357232 B1 KR 102357232B1
Authority
KR
South Korea
Prior art keywords
subband
wavelet transform
hologram
subbands
compression method
Prior art date
Application number
KR1020200008939A
Other languages
Korean (ko)
Other versions
KR20210094990A (en
Inventor
서영호
김동욱
김진겸
Original Assignee
광운대학교 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 광운대학교 산학협력단 filed Critical 광운대학교 산학협력단
Priority to KR1020200008939A priority Critical patent/KR102357232B1/en
Publication of KR20210094990A publication Critical patent/KR20210094990A/en
Application granted granted Critical
Publication of KR102357232B1 publication Critical patent/KR102357232B1/en

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
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
    • H04N19/635—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets characterised by filter definition or implementation details
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/04—Processes or apparatus for producing holograms
    • 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
    • H04N19/124—Quantisation

Abstract

표준 코덱을 활용하여 디지털 홀로그램을 압축하되, 다양한 형태와 분포의 디지털 홀로그램을 일정한 형태를 가지면서 고효율의 압축이 가능한 형태로 가공하고, 가공된 형태에서 홀로그램을 압축하는, 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 관한 것으로서, (a) 홀로그램 데이터를 정규화 하는 단계; (b) 다수의 필터를 사용하여, 각 필터에 대한 부대역을 생성하되, 가장 높은 에너지 분포를 가지는 부대역을 최대 레벨까지 반복하여 생성하고, 각 필터의 부대역 구조 중에서, 에너지 집중도가 가장 높은 필터와 부대역 구조를 최종 선정하는 단계; 및, (c) 상기 최종 선정된 부대역 구조를 압축하는 단계를 포함하는 구성을 마련하여, 웨이블릿 변환과 제로 트리 구성 방식으로 홀로그램 데이터를 변환한 후 압축함으로써, 압축율을 높이면서도 압축에 의한 홀로그램 영상의 손실을 최소화할 수 있다.Modification based on adaptive wavelet transformation that compresses digital holograms using standard codecs, processes digital holograms of various shapes and distributions into a form that has a certain shape and high-efficiency compression is possible, and compresses holograms in the processed form A complete complex hologram compression method using a zero-tree, comprising the steps of: (a) normalizing hologram data; (b) generating a subband for each filter using a plurality of filters, repeatedly generating a subband having the highest energy distribution up to a maximum level, and generating the subband having the highest energy concentration among the subband structures of each filter final selection of filters and subband structures; and, (c) preparing a configuration comprising the step of compressing the finally selected subband structure, transforming the hologram data using wavelet transform and zero tree construction methods, and then compressing the hologram image by compression while increasing the compression ratio loss can be minimized.

Figure R1020200008939
Figure R1020200008939

Description

적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법 { A Full Complex Hologram Compression Method using Modified Zerotree based on Adaptive Wavelet Transform }{ A Full Complex Hologram Compression Method using Modified Zerotree based on Adaptive Wavelet Transform }

본 발명은 표준 코덱을 활용하여 디지털 홀로그램을 압축하되, 다양한 형태와 분포의 디지털 홀로그램을 일정한 형태를 가지면서 고효율의 압축이 가능한 형태로 가공하고, 가공된 형태에서 홀로그램을 압축하는, 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 관한 것이다.The present invention compresses a digital hologram using a standard codec, but processes digital holograms of various shapes and distributions into a form that has a certain shape and high-efficiency compression is possible, and compresses the hologram in the processed form, adaptive wavelet transformation It relates to a fully complex hologram compression method using a modified zero-tree based

특히, 본 발명은 배정밀도의 완전 복소 홀로그램을 대상으로 하여 실수와 허수부로 이루어진 복소 홀로그램을 압축하되, 웨이블릿 변환 방법과 제로 트리 구성 방식을 적용하여 효율적으로 압축하는, 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 관한 것이다.In particular, the present invention compresses a complex hologram composed of real and imaginary parts for a double-precision full complex hologram, but efficiently compresses it by applying a wavelet transform method and a zero tree construction method. It relates to a fully complex hologram compression method using a zero tree.

홀로그래피는 1948년 Gabor에 의해 최초로 제안되었고[비특허문헌 1], 3차원 정보를 기록할 수 있는 특징 때문에 많은 분야에서 연구와 개발이 이루어져 왔다. 아날로그 홀로그래피는 특수한 재료로 만들어진 홀로그램 필름에 3차원 정보를 기록하고, 필름을 현상하여 사용하는 것으로 현대의 멀티미디어 서비스를 위한 용도로는 다소 제한적인 기술이다[비특허문헌 2]. 최근 아날로그 방식의 단점을 극복하면서 홀로그램의 3차원 복원 능력을 충분히 활용하기 위한 디지털 방식의 홀로그램 기술에 대한 연구가 널리 이루어지고 있다[비특허문헌 3].Holography was first proposed by Gabor in 1948 [Non-Patent Document 1], and research and development have been made in many fields because of the feature of recording three-dimensional information. Analog holography records 3D information on a hologram film made of a special material, develops the film, and uses it, and is a somewhat limited technology for modern multimedia services [Non-Patent Document 2]. Recently, research on digital hologram technology to fully utilize the three-dimensional restoration ability of holograms while overcoming the disadvantages of analog methods has been widely conducted [Non-Patent Document 3].

디지털 홀로그램을 멀티미디어로서 이용하기 위해서는 디지털 홀로그램 신호처리(digital hologram signal processing) 기술이 필요하다[비특허문헌 4]. 홀로그램 신호처리는 크게 홀로그램의 랜더링과 압축으로 구성된다. 홀로그램 랜더링 기술에는 홀로그램 생성, 편집, 디스플레이, 보간 그리고 개선이 포함될 수 있다. 홀로그램 압축 기술에는 정지 홀로그램 압축과 비디오 홀로그램 압축이 포함된다. 현재 JPEG Pleno에서는 정지 홀로그램에 대한 압축의 표준화 과정을 진행 중에 있다[비특허문헌 5].In order to use digital holograms as multimedia, digital hologram signal processing technology is required [Non-Patent Document 4]. Hologram signal processing is largely composed of hologram rendering and compression. Hologram rendering techniques may include hologram creation, editing, display, interpolation and enhancement. Hologram compression techniques include still hologram compression and video hologram compression. Currently, JPEG Pleno is in the process of standardizing compression for still holograms [Non-Patent Document 5].

홀로그램을 압축하는 연구는 크게 홀로그램 자체를 압축하는 방법과 홀로그램을 특정한 거리로 전파시킨 후에 그 위치에서 회절된(복원된) 면의 정보를 압축하는 방법[비특허문헌 6][비특허문헌 7][비특허문헌 8]으로 나눌 수 있다. 홀로그램은 2차원 영상과 달리 매우 복잡한 형태를 갖고 있고, 화소들간에 공간적인 상관성을 찾기가 매우 어렵다. 따라서 주파수 변환을 수행하더라도 좋은 에너지 집중도를 보이기 어렵다. 이러한 특성을 극복하기 위해 홀로그램을 조금 더 공간적인 상관성이 높은 데이터의 형태로 변환한 후에 이를 압축하고자 하는 것이 복원 영역에서의 압축방식이다. 복원 영역에서의 방식은 홀로그램 자체를 압축하는 것보다는 더 높은 압축율을 달성할 수 있는 것으로 이해될 수 있으나 특정한 거리에서 회절된 데이터를 압축하는 것이기 때문에 특정 거리의 정보에 오차가 집중될 수도 있고, 거리에 따른 홀로그램의 복원 품질에 차등이 발생할 수도 있다. The study of compressing holograms largely consists of a method of compressing the hologram itself and a method of compressing the information on the diffracted (restored) plane at that location after propagating the hologram at a specific distance [Non-Patent Document 6] [Non-Patent Document 7] It can be divided into [Non-Patent Document 8]. Unlike a two-dimensional image, a hologram has a very complex shape, and it is very difficult to find a spatial correlation between pixels. Therefore, it is difficult to show good energy concentration even when frequency conversion is performed. In order to overcome this characteristic, the compression method in the restoration area is to convert the hologram into a form of data with a slightly higher spatial correlation and then compress it. It can be understood that the method in the reconstruction area can achieve a higher compression ratio than compressing the hologram itself, but since the data diffracted at a specific distance is compressed, the error may be concentrated on information at a specific distance, A difference may occur in the restoration quality of the hologram according to the

복원영역이 아닌 홀로그램 자체를 압축하는 많은 연구도 있었다. 여기에는 무손실 압축 알고리즘을 이용한 방법[비특허문헌 9], 압축 센싱(CS, compressive sensing)을 이용한 방법[비특허문헌 10][비특허문헌 11][비특허문헌 12], 양자화를 이용한 방법[비특허문헌 13], 웨이블릿 기반의 압축 방법[비특허문헌 14][비특허문헌 15], MPEG 코덱을 이용한 방법[비특허문헌 16][비특허문헌 17][비특허문헌 18][비특허문헌 19], 그리고 JPEG 코덱을 이용한 방법[비특허문헌 20] 등이 있었다. 최근에는 최신의 표준 코덱을 활용한 방법에 대한 연구가 활발히 이루어지고 있다. JPEG, JPEG2000, AVC, HEVC 등과 같은 표준 코덱들을 이용하여 홀로그램을 압축하고, 이들 사이의 압축 효율을 벤치마킹한 다양한 연구가 진행되었다[비특허문헌 21][비특허문헌 22].There have also been many studies that compress the hologram itself, not the restoration area. Here, a method using a lossless compression algorithm [Non-Patent Document 9], a method using compressive sensing (CS) [Non-Patent Document 10] [Non-Patent Document 11] [Non-Patent Document 12], a method using quantization [ Non-Patent Document 13], a wavelet-based compression method [Non-Patent Document 14] [Non-Patent Document 15], a method using an MPEG codec [Non-Patent Document 16] [Non-Patent Document 17] [Non-Patent Document 18] [Non-Patent Document] Document 19], and a method using the JPEG codec [Non-Patent Document 20], and the like. Recently, research on a method using the latest standard codec has been actively conducted. Various studies have been conducted to compress holograms using standard codecs such as JPEG, JPEG2000, AVC, HEVC, and the like, and benchmark the compression efficiency between them [Non-Patent Document 21] [Non-Patent Document 22].

홀로그램은 다양한 방법으로 표현될 수 있는데, 광학적 방법으로 CCD(Charge Coupled Device)를 이용하여 홀로그램을 촬영했다면 세기(intensity) 기반의 홀로그램이고, 위상-천이 방식의 홀로그램인 경우에는 각 홀로그램 사이의 차이값(Phase-shifted distances based representation)을 압축에 이용한다. 마지막으로 가장 일반적인 홀로그램은 복소파(complex object wavefield based representation)로 표현하는 것이다. 복소파의 형태로 표현하는 것도 실수와 허수로 표현할 수도 있고, 진폭과 위상으로 표현할 수도 있다. 이러한 다양한 홀로그램의 표현 방법들로 인해 같은 홀로그램에 대한 정보를 나타낸다 할지라도 압축에 대한 효율성은 달라질 수 있다. A hologram can be expressed in various ways. If a hologram is photographed using a CCD (Charge Coupled Device) as an optical method, it is an intensity-based hologram, and in the case of a phase-shift hologram, the difference value between each hologram. (Phase-shifted distances based representation) is used for compression. Finally, the most common hologram is expressed as a complex object wavefield based representation. Expressing in the form of a complex wave can be expressed as a real number or an imaginary number, or it can be expressed as an amplitude and a phase. Due to these various hologram expression methods, even if information about the same hologram is displayed, the compression efficiency may be different.

상기와 같은 종래 연구들을 살펴보면, 완전 복소 형태의 디지털 홀로그램은 지금까지 대체로 실수와 허수부의 형태로 압축하는 것이 더욱 효율적이라고 실험적으로 알려져왔다. 복소 데이터는 대표적으로 실수와 허수부 형태 혹은 진폭과 위상형태로 표현할 수 있고, 디지털 홀로그램도 이와 같이 표현할 수 있다. 진폭은 원래의 객체와 유사한 형태를 가지기 때문에 압축이 용이하다. 그러나 위상성분은 화소단위로 상관성이 전혀 없기 때문에 압축 효율이 매우 낮다. 따라서 진폭에 대한 압축 효율이 높다고 할지라도 위상성분이 너무 압축 효율이 좋지 않기 때문에, 종합적으로 고려할 때 진폭과 위상의 형태로 압축하는 것은 결국 실수와 허수부 형태로 압축하는 것보다 더 낮은 압축 효율을 보인다. 만일 위상을 효율적으로 압축할 수 있다면 진폭과 위상형태의 완전복소 디지털 홀로그램은 높은 압축율에서 압축이 가능할 것이다.Looking at the prior studies as described above, it has been experimentally known that it is more efficient to compress a digital hologram in a completely complex form in the form of a real number and an imaginary part. Complex data can be typically expressed in the form of real and imaginary parts or in the form of amplitude and phase, and digital holograms can also be expressed in this way. Since the amplitude has a shape similar to that of the original object, it is easy to compress. However, the compression efficiency is very low because the phase component has no correlation at all on a pixel-by-pixel basis. Therefore, even though the compression efficiency for amplitude is high, since the phase component is not very good in compression efficiency, when considered comprehensively, compression in the form of amplitude and phase results in lower compression efficiency than compression in the form of real and imaginary parts. see. If the phase can be compressed efficiently, the fully complex digital hologram of amplitude and phase form can be compressed at a high compression rate.

Dennis Gabor, "A new microscopic principle", Nature, 161, pp. 777-778, 1948. Dennis Gabor, "A new microscopic principle", Nature, 161, pp. 777-778, 1948. P. Hariharan, "Basics of Holography", Cambridge University Press, May 2002. P. Hariharan, "Basics of Holography", Cambridge University Press, May 2002. W. Osten, A. Faridian, P. Gao, K. Kㆆrner, D. Naik, G. Pedrini, Al. Kumar Singh, M. Takeda, and M. Wilke, "Recent advances in digital holography [Invited]," Appl. Opt. 53, G44-G63, 2014. W. Osten, A. Faridian, P. Gao, K. Kㆆrner, D. Naik, G. Pedrini, Al. Kumar Singh, M. Takeda, and M. Wilke, "Recent advances in digital holography [Invited]," Appl. Opt. 53, G44-G63, 2014. H. Yoshikawa, "Digital holographic signal processing," Proc. TAO First International Symposium on Three Dimensional Image Communication Technologies, pp. S-4-2, Dec. 1993. H. Yoshikawa, "Digital holographic signal processing," Proc. TAO First International Symposium on Three Dimensional Image Communication Technologies, pp. S-4-2, Dec. 1993. JPEG Pleno https://jpeg.org/jpegpleno/ JPEG Pleno https://jpeg.org/jpegpleno/ E. Darakis, T. J. Naughton, and J. J. Soraghan, "Compression defects in different reconstructions from phase-shifting digital holographic data", Appl. Opt, vol. 46, no. 21, pp. 4579-4586, Mar. 2007. E. Darakis, T. J. Naughton, and J. J. Soraghan, "Compression defects in different reconstructions from phase-shifting digital holographic data", Appl. Opt, vol. 46, no. 21, pp. 4579-4586, Mar. 2007. P. Memmolo, M. Paturzo, A. Pelagotti, A. Finizio, P. Ferraro, and B. Javidi, "New high compression method for digital hologram recorded in microscope configuration." In Modeling Aspects in Optical Metrology III. International Society for Optics and Photonics. vol. 8083, no. 80830W, pp. 1-7, May.2011 P. Memmolo, M. Paturzo, A. Pelagotti, A. Finizio, P. Ferraro, and B. Javidi, "New high compression method for digital hologram recorded in microscope configuration." In Modeling Aspects in Optical Metrology III. International Society for Optics and Photonics. vol. 8083, no. 80830 W, pp. 1-7, May.2011 J. Y. Sim, and C. S. Kim, "Reconstruction depth adaptive coding of digital holograms." IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, vol. 95, no. 2, pp. 617-620, Feb.2012 J. Y. Sim, and C. S. Kim, "Reconstruction depth adaptive coding of digital holograms." IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, vol. 95, no. 2, pp. 617-620, Feb.2012 T. J. Naughton, Y. Frauel, O. Matoba, N. Bertaux, E. Tajahuerce and B. Javidi, "Three-dimensional imaging, compression, and reconstruction of digital holograms", SPIE Proc, vol. 4877, Opp.104-114, Mar. 2003. T. J. Naughton, Y. Frauel, O. Matoba, N. Bertaux, E. Tajahuerce and B. Javidi, “Three-dimensional imaging, compression, and reconstruction of digital holograms”, SPIE Proc, vol. 4877, Opp.104-114, Mar. 2003. P. Memmolo, M. Paturzo, A. Pelagotti, A. Finizio, P. Ferraro, and B. Javidi, "New high compression method for digital hologram recorded in microscope configuration." In Modeling Aspects in Optical Metrology III. International Society for Optics and Photonics. vol. 8083, no. 80830W, pp. 1-7, May.2011 P. Memmolo, M. Paturzo, A. Pelagotti, A. Finizio, P. Ferraro, and B. Javidi, "New high compression method for digital hologram recorded in microscope configuration." In Modeling Aspects in Optical Metrology III. International Society for Optics and Photonics. vol. 8083, no. 80830 W, pp. 1-7, May.2011 Y. Rivenson, A. Stern, and B. Javidi, "Overview of compressive sensing techniques applied in holography." Applied optics, vol. 52, no. 1, pp. A423-A432, Jan.2013 Y. Rivenson, A. Stern, and B. Javidi, "Overview of compressive sensing techniques applied in holography." Applied optics, vol. 52, no. 1, pp. A423-A432, Jan.2013 H. Zhang, W. Zhou, D. Leber, Z. Hu, X. Yang, P. W. Tsang, and T. C. Poon, " Development of lossy and near-lossless compression methods for wafer surface structure digital holograms." Journal of Micro/Nanolithography, MEMS, and MOEMS, vol. 14, no. 4,pp. 1-8, Dec.2015 H. Zhang, W. Zhou, D. Leber, Z. Hu, X. Yang, P. W. Tsang, and T. C. Poon, "Development of lossy and near-lossless compression methods for wafer surface structure digital holograms." Journal of Micro/Nanolithography, MEMS, and MOEMS, vol. 14, no. 4, pp. 1-8, Dec.2015 P. A. Cheremkhin, and E. A. Kurbatova, "Numerical comparison of scalar and vector methods of digital hologram compression." Holography, Diffractive Optics, and Applications VII. vol. 10022, no. 1002227, pp.1-10, Oct.2016 P. A. Cheremkhin, and E. A. Kurbatova, "Numerical comparison of scalar and vector methods of digital hologram compression." Holography, Diffractive Optics, and Applications VII. vol. 10022, no. 1002227, pp.1-10, Oct.2016 E. Darakis and J. J. Soraghan, "Compression of interference patterns with application to phase-shifting digital holography", Appl. Opt, vol. 45, no 11, pp. 2437-2443, April, 2006. E. Darakis and J. J. Soraghan, “Compression of interference patterns with application to phase-shifting digital holography”, Appl. Opt, vol. 45, no 11, pp. 2437-2443, April, 2006. P. A. Cheremkhin, and E. A. Kurbatova, "Quality of reconstruction of compressed off-axis digital holograms by frequency filtering and wavelets." Applied optics, vol.57, no. 1, pp. A55-A64, Jan.2018 P. A. Cheremkhin, and E. A. Kurbatova, "Quality of reconstruction of compressed off-axis digital holograms by frequency filtering and wavelets." Applied optics, vol.57, no. 1, pp. A55-A64, Jan.2018 H. Yoshikawa and J. Tamai "Holographic image compression by motion picture coding", SPIE Proc, vol. 2652, Practical Holography X, pp. 2-9, March. 1996. H. Yoshikawa and J. Tamai “Holographic image compression by motion picture coding”, SPIE Proc, vol. 2652, Practical Holography X, pp. 2-9, March. 1996. Y. H. Seo, H. J. Choi and D. W. Kim, "3D scanning-based compression technique for digital hologram video", Signal Processing: Image Communication, vol. 22, no. 2, pp. 144-156, Nov. 2006. Y. H. Seo, H. J. Choi and D. W. Kim, “3D scanning-based compression technique for digital hologram video”, Signal Processing: Image Communication, vol. 22, no. 2, pp. 144-156, Nov. 2006. Y. H. Seo, H. J. Choi, J. W. Bae, H. J. Kang, S. H. Lee, J. S. Yoo and D. W. Kim, "A new coding technique for digital holographic video using multi-view prediction" IEICE TRANSACTIONS on Information and Systems, vol. E90-D, no.1, pp. 118-125, Jan. 2007. Y. H. Seo, H. J. Choi, J. W. Bae, H. J. Kang, S. H. Lee, J. S. Yoo and D. W. Kim, "A new coding technique for digital holographic video using multi-view prediction" IEICE TRANSACTIONS on Information and Systems, vol. E90-D, no. 1, pp. 118-125, Jan. 2007. E. Darakis and T. J. Naughton, "Compression of digital hologram sequences using MPEG-4", SPIE Proc, vol. 7358, pp. 735811-1, May 2009. E. Darakis and T. J. Naughton, "Compression of digital hologram sequences using MPEG-4", SPIE Proc, vol. 7358, pp. 735811-1, May 2009. K. Jaferzadeh, S. Gholami, and I. Moon, "Lossless and lossy compression of quantitative phase images of red blood cells obtained by digital holographic imaging." Applied optics, vol. 55, no. 36, pp. 10409-10416, Dec.2016 K. Jaferzadeh, S. Gholami, and I. Moon, "Lossless and lossy compression of quantitative phase images of red blood cells obtained by digital holographic imaging." Applied optics, vol. 55, no. 36, pp. 10409-10416, Dec.2016 A. Ahar, D. Blinder, R. Bruylants, C. Schretter, A. Munteanu, and P. Schelkens, "Subjective quality assessment of numerically reconstructed compressed holograms." In Applications of Digital Image Processing XXXVIII. International Society for Optics and Photonics. vol. 9599, no. 95990K, pp. 1-15, Sep.2015 A. Ahar, D. Blinder, R. Bruylants, C. Schretter, A. Munteanu, and P. Schelkens, "Subjective quality assessment of numerically reconstructed compressed holograms." In Applications of Digital Image Processing XXXVIII. International Society for Optics and Photonics. vol. 9599, no. 95990K, pp. 1-15, Sep.2015 J. P. Peixeiro, C. Brites, J. Ascenso, and F. Pereira, "Holographic data coding: Benchmarking and extending hevc with adapted transforms." IEEE Transactions on Multimedia, vol. 20, no. 2, pp. 282-297, Feb.2018 J. P. Peixeiro, C. Brites, J. Ascenso, and F. Pereira, "Holographic data coding: Benchmarking and extending hevc with adapted transforms." IEEE Transactions on Multimedia, vol. 20, no. 2, pp. 282-297, Feb.2018

본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위한 것으로, 홀로그램의 특성에 따라 필터를 선택하고, 부대역을 구성한 이후, 다양한 형태의 부대역에 대한 제로트리 알고리즘을 적용하는, 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법을 제공하는 것이다.An object of the present invention is to solve the problems described above, by selecting a filter according to the characteristics of a hologram, constructing a subband, and then applying a zero-tree algorithm to various types of subbands, adaptive wavelet transform To provide a fully complex hologram compression method using a modified zero-tree based

상기 목적을 달성하기 위해 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 관한 것으로서, (a) 홀로그램 데이터를 정규화 하는 단계; (b) 다수의 필터들을 사용하여, 각 필터에 대한 부대역을 생성하되, 가장 높은 에너지 분포를 가지는 부대역을 최대 레벨까지 반복하여 생성하고, 필터들의 부대역 구조 중에서, 에너지 집중도가 가장 높은 필터와 부대역 구조를 최종 선정하는 단계; 및, (c) 상기 최종 선정된 부대역 구조를 압축하는 단계를 포함하는 것을 특징으로 한다.In order to achieve the above object, the present invention relates to a full complex hologram compression method using a modified zero tree based on an adaptive wavelet transform, comprising the steps of: (a) normalizing hologram data; (b) generating a subband for each filter using a plurality of filters, repeatedly generating a subband having the highest energy distribution up to a maximum level, and a filter having the highest energy concentration among the subband structures of the filters and finally selecting a subband structure; and, (c) compressing the finally selected subband structure.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 상기 (a)단계에서, 상기 홀로그램 데이터의 크기를 사전에 정해진 크기로 양자화 하여 정규화하는 것을 특징으로 한다.In addition, the present invention provides a complete complex hologram compression method using a modified zero tree based on an adaptive wavelet transform, in which, in step (a), the size of the hologram data is quantized to a predetermined size and normalized. do.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 상기 (b)단계에서, 각 필터에 대하여, 정규화된 홀로그램 데이터를 1-레벨 순방향 이산웨이블릿 변환을 수행하여 4개의 부대역을 생성하고, 각 4개의 1-레벨 부대역에 대하여, 각 부대역에 대해 이산웨이블릿 변환을 수행하여 부대역들을 생성하고, 생성된 부대역들 중 가장 높은 에너지를 갖는 부대역에 대해 다시 이산웨이블릿 변환을 수행하는 과정을 반복하되, 사전에 정해진 최대 레벨까지 반복하여 수행하는 것을 특징으로 한다.In addition, the present invention relates to a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform. In step (b), normalized hologram data is subjected to 1-level forward discrete wavelet transform for each filter. to generate 4 subbands, and for each 4 1-level subbands, perform discrete wavelet transform for each subband to generate subbands, and subbands having the highest energy among the generated subbands The process of performing the discrete wavelet transform on the inverse is repeated, but it is characterized in that it is repeatedly performed up to a predetermined maximum level.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 상기 (b)단계에서, 각 필터에 대하여, 정규화된 홀로그램 데이터를 사전에 정해진 목표 레벨까지 순방향 이산웨이블릿 변환을 수행하여 부대역을 생성하되, 생성된 부대역들 중 가장 높은 에너지를 갖는 부대역에 대해 다시 이산웨이블릿 변환을 수행하는 과정을 반복하여 생성하는 것을 특징으로 한다.In addition, the present invention provides a complete complex hologram compression method using a modified zero tree based on an adaptive wavelet transform. In the step (b), for each filter, the normalized hologram data is forwardly discrete to a predetermined target level. It is characterized in that the subband is generated by performing the wavelet transform, but the process of performing the discrete wavelet transform again on the subband having the highest energy among the generated subbands is repeatedly generated.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 상기 (b)단계에서, 각 필터에 대하여, 정규화된 홀로그램 데이터를 1-레벨 순방향 이산웨이블릿 변환을 수행하여 4개의 부대역을 생성하고, 각 4개의 1-레벨 부대역에 대하여 에너지에 따라 이산웨이블릿 변환을 반복하여 하위 부대역을 생성하는 것을 특징으로 한다.In addition, the present invention relates to a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform. In step (b), normalized hologram data is subjected to 1-level forward discrete wavelet transform for each filter. to generate four subbands, and repeat the discrete wavelet transform according to energy for each of the four 1-level subbands to generate lower subbands.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 상기 부대역의 에너지 분포는 부대역별 평균 에너지를 통해 구하되, 평균 에너지는 부대역 내의 각 계수들을 제곱하여 모두 더하고 제곱근을 취한 후에 부대역 내 계수의 개수로 나눈 값으로 산출되는 것을 특징으로 한다.Further, in the present invention, in a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform, the energy distribution of the subband is obtained through the average energy of each subband, and the average energy is obtained by calculating each coefficient in the subband. It is characterized in that it is calculated as a value divided by the number of coefficients in subbands after squaring, adding all, and taking the square root.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 상기 부대역의 에너지 분포는 부대역별 평균 에너지를 통해 구하되, 평균 에너지는 부대역 내의 각 계수들을 제곱하여 모두 더하고 제곱근을 취한 후에 부대역 내 계수의 개수로 나눈 값으로 산출되는 것을 특징으로 한다.Further, in the present invention, in a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform, the energy distribution of the subband is obtained through the average energy of each subband, and the average energy is obtained by calculating each coefficient in the subband. It is characterized in that it is calculated as a value divided by the number of coefficients in subbands after squaring, adding all, and taking the square root.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 각 필터에 의해 생성된 부대역들의 에너지 분포를 산출하고, 산출된 에너지분포가 가장 클 때의 필터로 선정하되, 최종적으로 구한 최하위 부대역들 모두의 에너지를 산출하여 에너지 분포를 산출하는 것을 특징으로 한다.In addition, the present invention provides a full complex hologram compression method using a modified zero tree based on adaptive wavelet transform, calculating the energy distribution of subbands generated by each filter, and a filter when the calculated energy distribution is the largest. It is characterized in that the energy distribution is calculated by calculating the energy of all the lowest subbands finally obtained.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 상기 (c)단계에서, 상기 부대역 구조를 제로트리로 구성하고 제로트리로 구성된 부대역 구조를 압축하는 것을 특징으로 한다.In addition, the present invention provides a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform. In the step (c), the subband structure is configured as a zero tree, characterized by compression.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 상기 (c)단계에서, 상기 부대역 구조에서 하위 부대역과 상위 부대역 간의 상관도가 가장 높은 부대역들을 상위 노드와 하위 노드로 연결하여 제로트리를 형성하는 것을 특징으로 한다.In addition, the present invention provides a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform. In step (c), the subband having the highest correlation between the lower subband and the upper subband in the subband structure It is characterized by forming a zero tree by connecting stations to upper and lower nodes.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 수정된 SSIM(Structural Similarity Index)을 이용하여 상위 및 하위 부대역들 간의 상관도를 구하는 것을 특징으로 한다.In addition, the present invention relates to a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform, wherein correlation between upper and lower subbands is obtained using a modified SSIM (Structural Similarity Index). do.

또, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서, 상위 부대역을 다운샘플링 하여 하위 부대역들과의 SSIM을 구하고, 상관성 있는 계수들 간의 지배적 상관 구조를 분석하여 SSIM에 가중치를 부여하여 상관도를 산출하는 것을 특징으로 한다.In addition, the present invention provides a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform, by downsampling an upper subband to obtain SSIM with lower subbands, and a dominant correlation structure between correlated coefficients. It is characterized in that the correlation is calculated by analyzing the SSIM and giving weight to the SSIM.

또한, 본 발명은 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다.In addition, the present invention relates to a computer-readable recording medium in which a program for performing a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform is recorded.

상술한 바와 같이, 본 발명에 따른 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 의하면, 웨이블릿 변환과 제로 트리 구성 방식으로 홀로그램 데이터를 변환한 후 압축함으로써, 압축율을 높이면서도 압축에 의한 홀로그램 영상의 손실을 최소화할 수 있는 효과가 얻어진다.As described above, according to the complete complex hologram compression method using the modified zero tree based on the adaptive wavelet transform according to the present invention, the hologram data is converted and compressed using the wavelet transform and the zero tree construction method, thereby increasing the compression rate while increasing the compression rate. An effect of minimizing the loss of the holographic image due to compression is obtained.

특히, 본 발명에 따른 실험에 의하면, 30dB의 화질에서 200:1의 압축율을 보였으며,종래 기술에 비해 30dB의 유사한 화질에서 약 5배의 우수한 결과를 보이고 있다. 따라서 본 발명에 따른 홀로그램 압축 방법은 홀로그램 압축의 표준화를 위한 좋은 후보가 될 수 있다.In particular, according to the experiment according to the present invention, a compression ratio of 200:1 was exhibited at a quality of 30 dB, and compared to the prior art, an excellent result of about 5 times at a similar image quality of 30 dB was obtained. Therefore, the hologram compression method according to the present invention can be a good candidate for standardization of hologram compression.

즉, 본 발명에 의하면, 랜덤위상이 적용된 홀로그램의 경우에 주파수 특성이 매우 독특한 경향을 보이기 때문에 이러한 특성을 고려하여 주파수 분해를 하여, 좋은 에너지 집중도를 얻을 수 있고, 다양한 부대역 구조의 특성을 분석하여 제로트리를 구성함으로써 높은 압축효율을 얻을 수 있다.That is, according to the present invention, in the case of a hologram to which a random phase is applied, since the frequency characteristic shows a very unique tendency, frequency decomposition is performed in consideration of this characteristic to obtain a good energy concentration, and the characteristics of various subband structures are analyzed. Thus, high compression efficiency can be obtained by constructing a zero tree.

도 1은 본 발명을 실시하기 위한 전체 시스템의 구성을 도시한 도면.
도 2는 본 발명에 따른 홀로그램 데이터의 예시도로서, 2D Multi의 (a) 실수부, (b) 허수부, (c) 복원(진폭)에 대한 예시도, 및, Dices1080p의 (d) 실수부, (e) 허수부, (f) 복원(진폭)에 대한 예시도.
도 3은 본 발명에 따른 Bi-orthogonal 필터를 이용한 웨이블릿 부대역의 주파수 분포를 나타낸 예시도로서, 2D Multi의 (a) 실수부 및 (b) 허수부에 대한 분포 예시도와, Dices1080p의 (c) 실수부, (e) 허수부에 대한 분포 예시도.
도 4는 본 발명에 따른 Reverse Bi-orthogonal 필터를 이용한 웨이블릿 부대역의 주파수 분포를 나타낸 예시도로서, 2D Multi의 (a) 실수부 및 (b) 허수부에 대한 분포 예시도와, Dices1080p의 (c) 실수부, (e) 허수부에 대한 분포 예시도.
도 5는 본 발명의 일실시예에 따른 적응적 웨이블릿 변환과 수정된 제로트리를 이용한 코덱의 구조를 나타낸 구성도.
도 6은 본 발명의 일실시예에 따른 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법을 설명하는 흐름도.
도 7은 본 발명의 일실시예에 따른 적응적 웨이블릿 변환 단계을 설명하는 흐름도.
도 8은 본 발명의 일실시예에 따른 생성된 부대역에 대한 예시도.
도 9은 본 발명의 일실시예에 따른 수정된 제로트리 형성 알고리즘을 나타낸 도면.
도 10은 본 발명의 일실시예에 따른 홀로그램 압축 단계를 설명하는 흐름도.
도 11은 본 발명의 실험에 따른 Dices1080p의 압축결과에 대한 그래프로서, (a) PSNR, (b) SSIM에 대한 그래프.1 is a diagram showing the configuration of an overall system for implementing the present invention.
2 is an exemplary diagram of hologram data according to the present invention, (a) real part, (b) imaginary part, (c) an exemplification of reconstruction (amplitude) of 2D Multi, and (d) real part of Dices1080p , (e) an imaginary part, (f) an example diagram for reconstruction (amplitude).
3 is an exemplary diagram illustrating the frequency distribution of a wavelet subband using a bi-orthogonal filter according to the present invention, and an exemplary distribution diagram for (a) real part and (b) imaginary part of 2D Multi, and (c) Dices1080p A distribution example diagram for the real part and (e) the imaginary part.
4 is an exemplary diagram showing the frequency distribution of a wavelet subband using a reverse bi-orthogonal filter according to the present invention, and an exemplary distribution diagram of (a) real part and (b) imaginary part of 2D Multi, and (c) of Dices1080p ) A distribution example diagram for the real part and (e) the imaginary part.
5 is a block diagram showing the structure of a codec using adaptive wavelet transform and a modified zero tree according to an embodiment of the present invention.
6 is a flowchart illustrating a method of fully complex hologram compression using a modified zero tree based on adaptive wavelet transform according to an embodiment of the present invention.
7 is a flowchart illustrating an adaptive wavelet transform step according to an embodiment of the present invention;
8 is an exemplary diagram of a generated subband according to an embodiment of the present invention;
9 is a diagram illustrating a modified zero-tree formation algorithm according to an embodiment of the present invention.
10 is a flowchart illustrating a hologram compression step according to an embodiment of the present invention.
11 is a graph of the compression result of Dices1080p according to the experiment of the present invention, (a) PSNR, (b) SSIM graph.

이하, 본 발명의 실시를 위한 구체적인 내용을 도면에 따라서 설명한다.Hereinafter, specific contents for carrying out the present invention will be described with reference to the drawings.

또한, 본 발명을 설명하는데 있어서 동일 부분은 동일 부호를 붙이고, 그 반복 설명은 생략한다.In addition, in demonstrating this invention, the same part is attached|subjected by the same code|symbol, and the repetition description is abbreviate|omitted.

먼저, 본 발명을 실시하기 위한 전체 시스템의 구성의 예들에 대하여 도 3을 참조하여 설명한다.First, examples of the configuration of the entire system for implementing the present invention will be described with reference to FIG. 3 .

도 1에서 보는 바와 같이, 본 발명에 따른 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법은 홀로그램 데이터(10)를 입력받아 홀로그램을 압축하는 컴퓨터 단말(20) 상의 프로그램 시스템으로 실시될 수 있다. 즉, 상기 홀로그램 압축 방법은 프로그램으로 구성되어 컴퓨터 단말(20)에 설치되어 실행될 수 있다. 컴퓨터 단말(20)에 설치된 프로그램은 하나의 프로그램 시스템(30)과 같이 동작할 수 있다.As shown in Fig. 1, the complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform according to the present invention is a program system on a computer terminal 20 that receives hologram data 10 and compresses the hologram. can be carried out. That is, the hologram compression method may be configured as a program and installed in the computer terminal 20 to be executed. A program installed in the computer terminal 20 may operate as one program system 30 .

한편, 다른 실시예로서, 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법은 프로그램으로 구성되어 범용 컴퓨터에서 동작하는 것 외에 ASIC(주문형 반도체) 등 하나의 전자회로로 구성되어 실시될 수 있다. 또는 홀로그램 영상을 압축하는 것만을 전용으로 처리하는 전용 컴퓨터 단말로 개발될 수도 있다. 이를 홀로그램 압축 장치(30)라 부르기로 한다. 그 외 가능한 다른 형태도 실시될 수 있다.On the other hand, as another embodiment, a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform is composed of a program and operated in a general-purpose computer, and is composed of one electronic circuit such as an ASIC (application-specific semiconductor). can be Alternatively, it may be developed as a dedicated computer terminal that exclusively processes only compressing the holographic image. This will be referred to as a hologram compression device 30 . Other possible forms may also be implemented.

한편, 홀로그램 데이터(10)는 실수와 허수부로 이루어진 복소 홀로그램 형태의 데이터이다.Meanwhile, the hologram data 10 is data in the form of a complex hologram including a real number and an imaginary part.

다음으로, 본 발명에 따른 홀로그램 압축 방법의 대상인, 홀로그램 데이터의 특성에 대하여 도 2 내지 도 4를 참조하여 설명한다.Next, characteristics of hologram data, which are objects of the hologram compression method according to the present invention, will be described with reference to FIGS. 2 to 4 .

특히, JPEG에서 홀로그램의 압축 표준을 만들기 위해 공개한 홀로그램 데이터를 설명하, 이 홀로그램의 주파수 특성을 분석한다. JPEG 플레노(Pleno)에서는 모든 연구자들이 동일한 데이터를 사용하도록 ERC 인터페이스(Interfere)와 B-com 그리고 UBI EmergIMG의 홀로그램 데이터를 제공한다.In particular, the hologram data released to make the hologram compression standard in JPEG is explained and the frequency characteristics of this hologram are analyzed. JPEG Pleno provides holographic data from ERC Interface, B-com and UBI EmergIMG so that all researchers can use the same data.

도 2(a), (b), 및 (c)의 2D Multi의 해상도는 1,920×1,080이고, SLM(Spatial Light Modulator)의 픽셀 크기는 8um이다. 복원 거리는 왼쪽 주사위 순서대로 각각 49cm와 50cm, 그리고 51cm이다. 복원을 위한 참조파의 파장은 632.8 nm이고 제공되는 데이터의 픽셀 당 비트 수는 32 비트이다. 도 2(d), (e), 및 (f)의 Dices1080p의 해상도 1920×1080이다 SLM의 픽셀 크기는 6.4um이고, 복원 거리는 0~0.655cm이다. 복원을 위한 참조파의 파장은 640 nm이고, 제공되는 데이터의 픽셀 당 비트 수는 32 비트이다. 두 홀로그램의 큰 차이점은 랜덤위상이 포함되었느냐 되지 않았느냐이다. 2D Multi의 경우에는 랜덤위상이 포함되어 있지 않고, Dices1080p는 포함되어 있다. The resolution of the 2D Multi of FIGS. 2(a), (b), and (c) is 1,920×1,080, and the pixel size of the SLM (Spatial Light Modulator) is 8um. The restoration distances are 49 cm, 50 cm, and 51 cm, respectively, in the order of the left dice. The wavelength of the reference wave for restoration is 632.8 nm, and the number of bits per pixel of the data provided is 32 bits. 2(d), (e), and (f), the resolution of Dices1080p is 1920x1080. The pixel size of the SLM is 6.4um, and the restoration distance is 0-0.655cm. The wavelength of the reference wave for restoration is 640 nm, and the number of bits per pixel of data provided is 32 bits. The big difference between the two holograms is whether or not random phase is included. In the case of 2D Multi, random phase is not included, and Dices1080p is included.

도 3과 도 4에 다른 웨이블릿 필터를 사용하여 두 홀로그램의 주파수를 분석한 결과를 나타낸다. 랜덤위상의 포함여부에 따라서 동일한 필터에 대한 주파수 분포가 크게 다르다는 것을 확인할 수 있다. 이중 직교(Bi-orthogonal) 필터를 사용할 경우에는 랜덤위상이 적용된 홀로그램에 대한 주파수 분포가 매우 넓게 퍼지는 것을 확인할 수 있다. 그러나 역 이중 직교(Reverse Bi-orthogonal) 필터를 사용할 경우에는 랜덤위상이 적용된 홀로그램의 주파수를 고주파 부대역 영역으로 집중시키는 것을 확인할 수 있다. 이러한 실험 결과를 통해서 홀로그램의 특성에 따라 다른 웨이블릿 필터를 사용하여 압축효율을 향상시킬 수 있다는 것을 확인할 수 있다. 3 and 4 show the results of analyzing the frequencies of the two holograms using different wavelet filters. It can be seen that the frequency distribution for the same filter is significantly different depending on whether the random phase is included. When a bi-orthogonal filter is used, it can be seen that the frequency distribution for the hologram to which the random phase is applied is very wide. However, when a reverse bi-orthogonal filter is used, it can be confirmed that the frequency of the hologram to which the random phase is applied is concentrated into the high-frequency sub-band region. Through these experimental results, it can be confirmed that the compression efficiency can be improved by using different wavelet filters according to the characteristics of the hologram.

다음으로, 본 발명의 일실시예에 따른 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법을 도 5 내지 도 11을 참조하여 설명한다.Next, a complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform according to an embodiment of the present invention will be described with reference to FIGS. 5 to 11 .

본 발명에 따른 홀로그램 압축 및 복원 방법은 웨이블릿 변환과 제로트리 알고리즘을 사용한다. 도 5는 본 발명에 따른 홀로그램 압축 및 복원 방식(또는 홀로그램 코덱 구조)를 나타내고 있다.The hologram compression and decompression method according to the present invention uses a wavelet transform and a zero-tree algorithm. 5 shows a hologram compression and decompression method (or hologram codec structure) according to the present invention.

홀로그램은 매우 다양한 분포를 갖는 데이터이기 때문에 먼저 일정한 크기의 데이터로 정규화(Normalization)를 수행한다. 다음으로 1-레벨 순방향 DWT와 Next-레벨 순방향 DWT 과정이 있고, 이 과정은 왜율최적화(Rate Distortion Optimization)와 연동된다. 이 과정을 적응적 웨이블릿 변환(Adaptive Wavelet Transform)이라 한다. 이 결과로 출력된 DWT 부대역은 수정된 제로트리 알고리즘을 통해서 압축된다. 왜율최적화에는 에너지 분포 해석(Energy Distribution Optimization)과 에너지 집중 분석(Energy Compaction Analysis) 과정이 포함된다. 압축된 데이터는 역과정을 거쳐서 복원된다.Since a hologram is data having a very diverse distribution, normalization is first performed with data of a certain size. Next, there are 1-level forward DWT and Next-level forward DWT processes, and these processes are linked with Rate Distortion Optimization. This process is called adaptive wavelet transform. The resulting DWT subband is compressed through a modified zero-tree algorithm. Distortion optimization includes energy distribution optimization and energy compaction analysis. Compressed data is restored through the reverse process.

구체적으로, 도 6에서 보는 바와 같이, 본 발명의 일실시예에 따른 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법은 (a) 홀로그램 데이터를 입력받는 단계(S10), (b) 홀로그램 데이터를 정규화하는 단계(S20), (c) 적응적 웨이블릿 변환을 통해 홀로그램 부대역을 생성하고 선정하는 단계(S30), (d) 제로트리 알고리즘으로 부대역을 압축하는 단계(S40), 및, (e) 압축된 부대역을 비트스트림으로 전송하는 단계(S50)로 구성된다.Specifically, as shown in FIG. 6 , the complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform according to an embodiment of the present invention includes (a) receiving hologram data (S10), ( b) normalizing the hologram data (S20), (c) generating and selecting a hologram subband through adaptive wavelet transform (S30), (d) compressing the subband with a zero-tree algorithm (S40) , and (e) transmitting the compressed subband as a bitstream (S50).

먼저, 홀로그램 데이터를 입력받는다(S10).First, hologram data is input (S10).

홀로그램 데이터는 실수형 혹은 정수형으로 이루어진 복소수와, 실수형 혹은 정수형으로 나타낸 데이터이다. 즉, 복소수 형태일 때 실수형 또는 정수형 모두 가능하다. 또한, 실수부만 가질 경우에도 실수부가 실수형 또는 정수형일 수 있다. 또한, 복소수 중 허수부만 가질 수도 있다.The hologram data is a complex number composed of a real or integer type, and data expressed in a real or integer type. That is, when it is a complex number, both real and integer types are possible. Also, even when only the real part is included, the real part may be a real number type or an integer type. Also, among complex numbers, only the imaginary part may be included.

바람직하게는, 홀로그램 데이터는 실수형 복소수의 형태로 입력된다. 일례로서, 실수부와 허수부가 각각 실수형이고, 32비트 혹은 64비트 크기를 갖는 표준 부동소수점 형식으로 표현된다.Preferably, the hologram data is input in the form of a real complex number. As an example, the real part and the imaginary part are each real type, and are expressed in standard floating-point format with a size of 32-bit or 64-bit.

다음으로, 홀로그램 데이터를 일정한 크기의 데이터로 정규화를 수행한다(S20).Next, the hologram data is normalized to data of a certain size (S20).

일례로서, -128에서 127의 분포를 갖는 데이터로 정규화 할 수 있다. 그러나 이에 한정하지 않고, 홀로그램의 특성에 따라 정규화 분포를 결정할 수 있다.As an example, we can normalize to data with a distribution of -128 to 127. However, the present invention is not limited thereto, and the normalized distribution may be determined according to the characteristics of the hologram.

홀로그램 데이터는 생성 방법에 따라서 값의 분포가 모두 다르다. 예를 들어 2차원 영상의 경우에는 0~255의 일정한 값으로 미리 양자화시켜서 사용하기도 하나, 미리 정해진 약속이 없다. 따라서 생성되는 방법에 따라 데이터의 분포가 천차만별이다. 홀로그램의 다양한 분포의 데이터를 하나의 특정한 범위로 정규화시켜서 사용한다. 바람직하게는, -128 ~ 127의 분포로 정규화시킨다.The distribution of values of hologram data is different depending on the method of generation. For example, in the case of a two-dimensional image, it is sometimes used by pre-quantizing it to a constant value of 0 to 255, but there is no predetermined appointment. Therefore, the distribution of data varies greatly depending on the method of generation. It is used by normalizing the data of various distributions of the hologram to one specific range. Preferably, it is normalized to a distribution of -128 to 127.

다음으로, 적응적 웨이블릿 변환을 통해, 홀로그램 데이터의 부대역을 생성하고 선정한다(S30). 즉, 다수의 필터(또는 웨이블릿 필터)를 사용하여, 각 필터에 대한 부대역을 생성하되, 가장 높은 에너지 분포를 가지는 부대역을 최대 레벨까지 반복하여 생성한다. 각 필터의 부대역 구조 중에서, 에너지 집중도가 가장 높은 필터와 부대역 구조를 최종 선정한다.Next, a subband of the hologram data is generated and selected through adaptive wavelet transform (S30). That is, a subband for each filter is generated using a plurality of filters (or wavelet filters), and a subband having the highest energy distribution is repeatedly generated up to a maximum level. Among the subband structures of each filter, the filter and the subband structure having the highest energy concentration are finally selected.

도 7에서 보는 바와 같이, 먼저, 미리 준비된 필터들 중에서 사용할 필터를 하나 선택한다(S31). 웨이블릿 필터는 매우 다양하고, 많은 필터들이 이미 공개되어 있다. 각 필터는 그 사용 용도에 따라서 아주 조금씩 서로 다른 특성을 갖는다. 본 발명에서는, 다양한 필터들을 적용해보고 가장 좋은 에너지 특성을 보이는 것을 찾아서 웨이블릿 부대역을 분해하기 위한 것이다.As shown in FIG. 7 , first, one filter to be used is selected from among the filters prepared in advance (S31). Wavelet filters are very diverse, and many filters have already been published. Each filter has slightly different characteristics depending on its intended use. In the present invention, it is to decompose the wavelet subband by applying various filters and finding the one showing the best energy characteristic.

다음으로, 선택된 필터를 이용하여, 정규화된 데이터들을 1-레벨만 순방향 이산웨이블릿 변환(discrete wavelet transform, DWT)을 수행하여 4개의 부대역을 생성한다(S32).Next, four subbands are generated by performing 1-level forward discrete wavelet transform (DWT) on the normalized data using the selected filter (S32).

다음으로, 1-레벨의 4개의 부대역들에 대해 각각 DWT를 수행한다(S33). 즉, 4번의 DWT를 수행한다.Next, DWT is performed on each of the 4-level 1-level subbands (S33). That is, 4 times of DWT are performed.

다음으로, DWT를 수행한 이후에 각 부대역의 에너지 분포를 분석하여 가장 높은 에너지를 갖는 부대역을 선정한다(S34). 이때, 1-레벨 4개의 부대역으로부터 파생되는 부대역 각각에 대하여 가장 높은 에너지의 부대역을 각각 선정한다.Next, after performing the DWT, the energy distribution of each subband is analyzed to select a subband having the highest energy (S34). In this case, subbands having the highest energy are selected for each of the subbands derived from the 1-level 4 subbands.

바람직하게는, 웨이블릿 영역에서 부대역의 에너지 분포는 부대역별 평균 에너지를 통해 구한다. 평균 에너지는 부대역 내의 각 계수들을 제곱하여 모두 더하고 제곱근을 취한 후에 부대역 내 계수의 개수로 나눈 값이다.Preferably, the energy distribution of the subbands in the wavelet domain is obtained through the average energy of each subband. The average energy is a value obtained by squaring each coefficient in a subband, adding them all together, taking the square root, and dividing by the number of coefficients in the subband.

다음으로, 선정된 부대역에 대하여 앞서 과정, 즉, DWT 수행 단계(S33)와 에너지 분석 단계(S34)를 반복하여 수행한다(S35). 이때, 이와 같은 반복 과정을 목표로 하는 레벨까지 DWT를 수행한다. 즉, 목표하는 레벨까지 첫 번째 필터에 대한 DWT를 완료한다.Next, the above process, that is, the DWT execution step (S33) and the energy analysis step (S34), is repeatedly performed for the selected subband (S35). At this time, the DWT is performed up to a target level for such an iterative process. That is, complete the DWT for the first filter up to the target level.

다음으로, 두 번째 필터를 이용하여 위의 과정을 반복하고, 미리 준비된 필터를 모두 사용할 때까지 전체 과정은 반복된다(S36).Next, the above process is repeated using the second filter, and the entire process is repeated until all the filters prepared in advance are used (S36).

앞서 과정에 의해 부대역들을 생성하는 과정을 요약하면, 본 발명에서는 첫 번째 레벨의 웨이블릿 변환을 수행하면 4개의 부대역이 생성된다. 각 부대역의 이름을 LL(좌상), LH(좌하), HL(우상), HH(우하) 부대역이라고 한다. 다음으로 각각의 부대역을 또 다시 웨이블릿 변환을 수행한다. 그러면 각각의 부대역이 각각 4개씩 부대역을 만들게 된다. LL 부대역에 대해서는 LLLL, LLLH, LLHL, LLHH 부대역이 생성되고, LH 부대역에 대해서는 LHLL, LHLH, LHHL, LHHH 부대역이 생성된다. 마찬가지의 규칙으로 HL과 HH부대역에 대해서도 동일한 규칙으로 각각 4개의 부대역이 만들어집니다. 이때부터 에너지 집중도 분석이 적용된다. 예를들어 도 8에서는 LL 부대역에서 생성된 LLLL, LLLH, LLHL, LLHH 중에서 LLLL(좌상)이 가장 에너지가 높기 때문에 LLLL에 대해서 다음 레벨의 웨이블릿 변환을 수행한다. LLLL에서 다시 웨이블릿 변환을 수행하여 LLLLLL, LLLLLH, LLLLHL, LLLLHH 부대역이 생성된다. 이 중에서 LLLLLL 부대역이 가장 에너지 집중도가 높아서 그 다음 레벨의 마지막 웨이블릿 변환이 수행된다.To summarize the process of generating subbands by the above process, in the present invention, when wavelet transform of the first level is performed, four subbands are generated. Each subband is named LL (top left), LH (bottom left), HL (top right), and HH (bottom right) subbands. Next, each subband is subjected to wavelet transform again. Then, each subband will create 4 subbands each. LLLL, LLLH, LLHL, and LLHH subbands are generated for the LL subband, and LHLL, LHLH, LHHL and LHHH subbands are generated for the LH subband. With the same rule, 4 subbands are created with the same rule for HL and HH subbands respectively. From this point on, energy concentration analysis is applied. For example, in FIG. 8, LLLL (upper left) has the highest energy among LLLL, LLLH, LLHL, and LLHH generated in the LL subband, and thus the next level of wavelet transform is performed on LLLL. LLLL, LLLLLH, LLLLHL, and LLLLHH subbands are generated by performing wavelet transform again in LLLL. Among them, the LLLLLL subband has the highest energy concentration, so the last wavelet transform of the next level is performed.

도 8과 같이 구해진 부대역들을 부대역 그룹(또는 최종 부대역 구조)이라 부르기로 한다. 즉, 부대역 구조는 앞서 과정의 웨이블릿 변환에 의해 생성된 모든 최하위 부대역들이다. 이때, 최하위 부대역은 경우에 따라 각 레벨(1-레벨, 2-레벨, 3-레벨, 4-레벨 등)의 부대역일 수 있다. 예를 들어, 부대역 LLLH는 2-레벨의 DWT 변환을 한 후, 더 이상 변환되지 않는다. 따라서 부대역 LLLH는 2-레벨의 최하위 부대역이다.The subbands obtained as shown in FIG. 8 will be referred to as a subband group (or final subband structure). That is, the subband structure is all the lowest subbands generated by the wavelet transform of the above process. In this case, the lowest subband may be a subband of each level (1-level, 2-level, 3-level, 4-level, etc.) in some cases. For example, the subband LLLH is not transformed any more after the 2-level DWT transformation. Thus, the subband LLLH is a 2-level lowest subband.

따라서 최종 부대역 구조는 홀로그램 데이터를 적어도 2 단계의 웨이블릿 변환을 적용하여 생성된 최하위 부대역들로 구성되며, 적어도 2-레벨 이하에서 목표 레벨(또는 N-레벨)까지의 부대역이고, 3-레벨 이하의 부대역들은 해당 레벨의 상위 레벨의 부대역들 중에서 가장 에너지가 큰 부대역으로부터 변환되어 생성된 부대역이다.Therefore, the final subband structure is composed of least significant subbands generated by applying at least two stages of wavelet transform to hologram data, and is a subband from at least 2-level to a target level (or N-level), and 3- The subbands below the level are subbands generated by being converted from the subbands having the highest energy among the subbands of the upper level of the corresponding level.

다음으로, 모든 필터에 대한 변환을 완료하고 나면, 에너지 집중 분석(Energy Compaction Analysis)을 수행한다(S37). 에너지 집중 분석은 부대역에 대한 에너지 또는 에너지 분포를 산출하여, 산출된 에너지 또는 에너지 분포를 이용한 분석이다.Next, after completing the conversion of all filters, energy compaction analysis is performed (S37). Energy concentration analysis is an analysis using energy or energy distribution calculated by calculating energy or energy distribution for subbands.

다음으로, 에너지 집중 분석에 의한 에너지 분포들 중에서 가장 집중도가 높은 필터와 부대역 구조를 최종 선정한다(S38). 즉, 필터 및 부대역 선정과정(Filter and Suband Desicion)을 통해 에너지 분포들 중에서 가장 집중도가 높은 필터와 부대역 구조(또는 부대역 그룹)를 선택한다. LL(좌상)부대역의 경우 저주파 성분의 보존을 위해 LL(좌상)부대역만을 DWT 수행한다.Next, a filter and a subband structure having the highest concentration among the energy distributions by the energy concentration analysis are finally selected ( S38 ). That is, the filter and subband structure (or subband group) with the highest concentration among energy distributions are selected through a filter and subband selection process. In the case of the LL (upper left) subband, DWT is performed only for the LL (upper left) subband to preserve the low frequency component.

필터 선정은 홀로그램 데이터를 웨이블릿 변환하고, 그 결과 생성된 부대역들의 에너지를 산출하고, 산출된 에너지가 가장 클 때(집중도가 가장 높을 때)의 필터로 선정한다. 바람직하게는, 특정 단계(2단계 등)까지 모든 부대역을 생성하고, 해당 단계의 부대역 전체의 에너지(또는 평균 에너지)의 크기로 집중도를 판단한다. 또한, 다른 실시예로서, 앞서와 같이, 최종적으로 구한 최하위 부대역들(또는 부대역 그룹) 모두의 에너지(또는 평균 에너지)를 산출하여 에너지 집중도를 판단한다.For filter selection, the hologram data is wavelet-transformed, the energy of the resulting subbands is calculated, and a filter is selected when the calculated energy is the largest (when the concentration is highest). Preferably, all subbands are generated up to a specific stage (eg, stage 2), and the degree of concentration is determined by the amount of energy (or average energy) of all subbands of the corresponding stage. Also, as another embodiment, as described above, energy concentration is determined by calculating the energy (or average energy) of all the finally obtained lowest subbands (or subband groups).

다음으로, 최종 선정된 부대역 구조에 대하여, 수정된 제로트리 알고리즘으로 부대역을 제로트리로 구성하고 제로트리로 구성된 부대역을 압축한다(S40).Next, with respect to the finally selected subband structure, the subbands are configured as a zero tree by the modified zero tree algorithm, and the subbands composed of the zero tree are compressed (S40).

즉, 앞서 적응적 웨이블릿 변환을 수행하고 난 이후에, 수정된 제로트리 알고리즘을 이용하여 출력된 웨이블릿 영역의 부대역을 압축한다. 적응적 웨이블릿 변환 알고리즘을 통해 출력된 부대역(또는 부대역 그룹, 부대역 구조)을 도 8에 예시하고 있다.That is, after performing the adaptive wavelet transform, the subband of the output wavelet region is compressed using the modified zero-tree algorithm. A subband (or subband group, subband structure) output through the adaptive wavelet transform algorithm is exemplified in FIG. 8 .

부대역의 구조는 매우 다양하게 만들어질 수 있기 때문에 상위 및 하위 부대역들간에 상관도가 높도록 제로트리를 구성한다. 수정된 SSIM(Modified SSIM)을 이용하여 상위 및 하위 부대역들간의 상관도를 구한다. 상위 부대역의 형태가 하위 부대역의 형태와 비슷하면 제로트리 알고리즘의 압축효율이 높기 때문이다. SSIM(Structural Similarity Index)은 두 데이터의 형태가 비슷한지를 정량적으로 평가하는 방법의 일종이다.Since the structure of the subbands can be made very diversely, a zero tree is constructed so that the correlation between the upper and lower subbands is high. A correlation between upper and lower subbands is obtained using modified SSIM (Modified SSIM). If the shape of the upper subband is similar to that of the lower subband, this is because the compression efficiency of the zero-tree algorithm is high. SSIM (Structural Similarity Index) is a type of quantitative evaluation of whether two data types are similar.

구체적으로, 도 9에서 보는 바와 같이, N-1번째 부대역을 다운샘플링 하여 4배 작은 크기의 부대역을 만든다(①). 다음으로, SSIM을 계산한다(②). N-1부대역과 N번째의 상관성 있는 계수들 간의 지배적 상관 구조를 분석하고 SSIM에 가중치를 부여한다(③). 다음으로, 가장 큰 상관성을 가지는 N번째 부대역과 N-1번째 부대역 쌍들을 제로트리로 형성한다.Specifically, as shown in FIG. 9, the N-1 th subband is downsampled to create a subband having a size 4 times smaller (①). Next, SSIM is calculated (②). The dominant correlation structure between the N-1 subband and the Nth correlated coefficients is analyzed and weights are given to SSIM (③). Next, pairs of the Nth subband and the N−1th subband having the greatest correlation are formed as a zero tree.

제로트리 방법은 웨이블릿 영역에서 하위 부대역의 네 개의 계수는 상위 부대역의 한 개의 계수와 높은 상관성을 갖는다는 특성을 이용한 방법으로 일종의 양자화 방법이다. 본 발명은 상관성이 높은 부대역들간의 쌍을 만들어 준다(제로 트리를 생성한다). 즉, 상위 및 하위 부대역간의 쌍이 생성되면 제로트리가 생성된 것으로 볼 수 있다. 도 8에서 선으로 부대역들이 선으로 연결되어 있는데 그 연결선이 제로트리이다. 제로트리가 구성된 부대역을 압축하는 것은 기존의 제로트리 압축 방법을 사용한다. 바람직하게는, 제로트리 구성 방법으로서, SPIHT(set partitioning in hierarchical trees)를 사용하였는데, EZW(embedded zerotree wavelet)도 적용될 수 있다.The zero-tree method is a type of quantization method using the characteristic that four coefficients of a lower subband have a high correlation with one coefficient of an upper subband in the wavelet domain. The present invention makes a pair between highly correlated subbands (creating a zero tree). That is, when a pair between the upper and lower subbands is generated, it can be considered that a zero tree is generated. In FIG. 8 , subbands are connected by lines, and the connecting line is a zero tree. Compressing the subband in which the zero-tree is configured uses a conventional zero-tree compression method. Preferably, set partitioning in hierarchical trees (SPIHT) is used as a zero-tree construction method, but an embedded zerotree wavelet (EZW) may also be applied.

다음으로, 압축된 부대역을 비트스트림(bitstream)으로 전송한다(S50).Next, the compressed subband is transmitted as a bitstream (S50).

다음으로, 본 발명의 효과를 실험을 통해 설명한다.Next, the effects of the present invention will be described through experiments.

코덱의 전체적인 동작을 도 10에 결과 그림들을 이용하여 나타내고 있다.The overall operation of the codec is shown using the resulting figures in FIG. 10 .

먼저 실수부와 허수부로 구성된 완전복소 홀로그램이 입력되면 다양한 필터와 에너지 집중도 분석을 통해서 웨이블릿 영역으로 변환된다. 여러 부대역 구조(Adaptive Subband)들 중에서 분석과 경합을 통해서 가장 압축이 잘되는 하나의 구조가 선택된다. 선택된 부대역에 수정된 제로트리 알고리즘을 적용하여 압축을 수행한다. 제로트리 알고리즘에서 다양한 압축율의 결과를 얻어낼 수 있고, 다양한 압축율에서의 복원된 결과를 생성할 수 있다.First, when a fully complex hologram composed of a real part and an imaginary part is input, it is converted into a wavelet domain through various filters and energy concentration analysis. Among several subband structures (adaptive subband), one structure with the best compression is selected through analysis and contention. Compression is performed by applying the modified zero-tree algorithm to the selected subband. In the zero-tree algorithm, results of various compression ratios can be obtained, and restored results can be generated at various compression ratios.

결과를 살펴보면 약 230:1의 압축율에서 21dB의 PSNR(peak signal to noise ratio)를 보인다. Looking at the results, it shows a peak signal to noise ratio (PSNR) of 21dB at a compression ratio of about 230:1.

본 발명에 따른 완전복소 홀로그램의 압축 방법을 이용한 압축결과를 도 11에 나타내고 있다. 도 11(a)와 (b)는 각각 PSNR과 SSIM 결과이다. 본 발명에 따른 방법을 사용할 경우에, PSNR 결과를 살펴보면 약 20dB의 압축율에 수렴하는 것을 확인할 수 있다. 즉, 본 발명에 따른 방법은 아주 작은 데이터에 홀로그램을 복원하고 재생하기 위한 최소한의 정보를 효율적으로 집중시키고 있고, 집중된 정보를 효율적으로 압축하고 있다는 것을 확인할 수 있다.Fig. 11 shows the compression result using the compression method of the fully complex hologram according to the present invention. 11 (a) and (b) are PSNR and SSIM results, respectively. When the method according to the present invention is used, it can be confirmed that the PSNR result converges to a compression ratio of about 20 dB. That is, it can be confirmed that the method according to the present invention efficiently concentrates the minimum information for reconstructing and reproducing the hologram on very small data and efficiently compressing the concentrated information.

본 발명에서는 실수부와 허수부로 이루어진 완전복소 홀로그램을 압축하기 위한 새로운 방법을 제안하였다. 크게 두 가지의 홀로그램 압축을 위한 새로운 방법을 제안하고 있다. 첫 번째는 다양한 웨이블릿 필터를 이용하여 홀로그램에 적응적인 부대역 구조를 만드는 것이다. 이 방법을 통해서 홀로그램이 가지고 있는 중요한 정보를 매우 작은 데이터에 집중시킬 수 있다. 두 번째는 수정된 제로트리 구성 알고리즘으로 다양한 형태의 부대역 구조를 효율적으로 제로트리로 만드는 방법을 제시하고 있다. 수정된 제로트리 구성 알고리즘을 이용하여 고집중된 홀로그램 부대역 정보를 효율적으로 압축할 수 있다. In the present invention, a new method for compressing a complete complex hologram composed of a real part and an imaginary part is proposed. Two major new methods for hologram compression are proposed. The first is to create an adaptive subband structure for the hologram using various wavelet filters. In this way, the important information of the hologram can be concentrated on very small data. The second is a modified zero-tree construction algorithm, which proposes a method to efficiently convert various types of subband structures into zero-trees. By using the modified zero-tree construction algorithm, highly concentrated hologram subband information can be efficiently compressed.

이상, 본 발명자에 의해서 이루어진 발명을 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고, 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 물론이다.As mentioned above, the invention made by the present inventors has been described in detail according to the above embodiments, but the present invention is not limited to the above embodiments, and various modifications can be made without departing from the gist of the present invention.

10 : 홀로그램 데이터 20 : 컴퓨터 단말
30 : 프로그램 시스템10: hologram data 20: computer terminal
30: program system

Claims (12)

적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법에 있어서,
(a) 홀로그램 데이터를 정규화 하는 단계(이하 (a)단계);
(b) 다수의 필터들을 사용하여, 각 필터에 대한 부대역을 생성하되, 가장 높은 에너지 분포를 가지는 부대역을 최대 레벨까지 반복하여 생성하고, 필터들의 부대역 구조 중에서, 에너지 분포가 가장 높은 필터와 부대역 구조를 최종 선정하는 단계(이하 (b)단계); 및,
(c) 상기 최종 선정된 부대역 구조를 압축하는 단계(이하 (c)단계)를 포함하는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
In a full complex hologram compression method using a modified zero tree based on adaptive wavelet transform,
(a) normalizing the hologram data (hereinafter (a) step);
(b) generating a subband for each filter using a plurality of filters, repeatedly generating a subband having the highest energy distribution up to a maximum level, and among the subband structures of the filters, the filter having the highest energy distribution and finally selecting a subband structure (hereinafter (b) step); and,
(c) compressing the finally selected subband structure (hereinafter, step (c)).
 제1항에 있어서,
상기 (a)단계에서, 상기 홀로그램 데이터의 크기를 사전에 정해진 크기로 양자화 하여 정규화하는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
The method of claim 1,
In the step (a), a full complex hologram compression method using a modified zero tree based on an adaptive wavelet transform, characterized in that the size of the hologram data is quantized to a predetermined size and normalized.
 제1항에 있어서,
상기 (b)단계에서, 각 필터에 대하여, 정규화된 홀로그램 데이터를 사전에 정해진 목표 레벨까지 순방향 이산웨이블릿 변환을 수행하여 부대역을 생성하되, 생성된 부대역들 중 가장 높은 에너지 분포를 갖는 부대역에 대해 다시 이산웨이블릿 변환을 수행하는 과정을 반복하여 생성하는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
The method of claim 1,
In step (b), a subband is generated by performing forward discrete wavelet transform on the normalized hologram data up to a predetermined target level for each filter, and the subband having the highest energy distribution among the generated subbands A complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform, characterized in that it is generated by repeating the process of performing discrete wavelet transform again.
 제3항에 있어서,
상기 (b)단계에서, 각 필터에 대하여, 정규화된 홀로그램 데이터를 1-레벨 순방향 이산웨이블릿 변환을 수행하여 4개의 부대역을 생성하고, 각 4개의 1-레벨 부대역에 대하여 에너지 분포에 따라 이산웨이블릿 변환을 반복하여 하위 부대역을 생성하는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
4. The method of claim 3,
In step (b), for each filter, one-level forward discrete wavelet transform is performed on the normalized hologram data to generate four subbands, and each of the four one-level subbands is discrete according to energy distribution A full complex hologram compression method using a modified zero tree based on an adaptive wavelet transform, characterized in that the subband is generated by repeating the wavelet transform.
 제1항에 있어서,
상기 부대역의 에너지 분포는 부대역별 평균 에너지를 통해 구하되, 평균 에너지는 부대역 내의 각 계수들을 제곱하여 모두 더하고 제곱근을 취한 후에 부대역 내 계수의 개수로 나눈 값으로 산출되는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
The method of claim 1,
The energy distribution of the subband is obtained through the average energy of each subband, and the average energy is calculated as a value obtained by squaring and adding all coefficients in the subband, taking the square root, and dividing by the number of coefficients in the subband A fully complex hologram compression method using a modified zero tree based on an enemy wavelet transform.
 삭제delete 제1항에 있어서,
각 필터에 의해 생성된 부대역들의 에너지 분포를 산출하고, 산출된 에너지분포가 가장 클 때의 필터로 선정하되, 최종적으로 구한 최하위 부대역들 모두의 에너지를 산출하여 에너지 분포를 산출하는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
The method of claim 1,
The energy distribution of the subbands generated by each filter is calculated, and the filter when the calculated energy distribution is the largest is selected, and the energy distribution is calculated by calculating the energy of all the lowest subbands finally obtained. A fully complex hologram compression method using a modified zero tree based on adaptive wavelet transform.
 제1항에 있어서,
상기 (c)단계에서, 상기 부대역 구조를 제로트리로 구성하고 제로트리로 구성된 부대역 구조를 압축하는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
The method of claim 1,
In the step (c), the complete complex hologram compression method using a modified zero tree based on adaptive wavelet transform, characterized in that the subband structure is configured as a zero tree and the subband structure composed of the zero tree is compressed.
 제8항에 있어서,
상기 (c)단계에서, 상기 부대역 구조에서 하위 부대역과 상위 부대역 간의 상관도가 가장 높은 부대역들을 상위 노드와 하위 노드로 연결하여 제로트리를 형성하는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
9. The method of claim 8,
In the step (c), the subbands having the highest correlation between the lower subband and the upper subband in the subband structure are connected to the upper node and the lower node to form a zero tree. A fully complex hologram compression method using a modified zero tree.
 제9항에 있어서,
수정된 SSIM(Structural Similarity Index)을 이용하여 상위 및 하위 부대역들 간의 상관도를 구하는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
10. The method of claim 9,
A full complex hologram compression method using a modified zero tree based on an adaptive wavelet transform, characterized in that correlation between upper and lower subbands is obtained using a modified Structural Similarity Index (SSIM).
 제10항에 있어서,
상위 부대역을 다운샘플링 하여 하위 부대역들과의 SSIM을 구하고, 상관성 있는 계수들 간의 지배적 상관 구조를 분석하여 SSIM에 가중치를 부여하여 상관도를 산출하는 것을 특징으로 하는 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법.
11. The method of claim 10,
Modification based on adaptive wavelet transform, characterized in that by downsampling the upper subband to obtain the SSIM with the lower subbands, and by weighting the SSIM by analyzing the dominant correlation structure between the correlated coefficients, the correlation is calculated. A fully complex hologram compression method using a zero-tree.
 제1항 내지 제5항, 제7항 내지 제11항 중 어느 한 항의 적응적 웨이블릿 변환 기반의 수정된 제로트리를 이용한 완전 복소 홀로그램 압축 방법을 수행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
A computer-readable recording medium recording a program for performing the complete complex hologram compression method using the modified zero tree based on the adaptive wavelet transform of any one of claims 1 to 5 and 7 to 11.
KR1020200008939A 2020-01-22 2020-01-22 A Full Complex Hologram Compression Method using Modified Zerotree based on Adaptive Wavelet Transform KR102357232B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200008939A KR102357232B1 (en) 2020-01-22 2020-01-22 A Full Complex Hologram Compression Method using Modified Zerotree based on Adaptive Wavelet Transform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200008939A KR102357232B1 (en) 2020-01-22 2020-01-22 A Full Complex Hologram Compression Method using Modified Zerotree based on Adaptive Wavelet Transform

Publications (2)

Publication Number Publication Date
KR20210094990A KR20210094990A (en) 2021-07-30
KR102357232B1 true KR102357232B1 (en) 2022-02-03

Family

ID=77148687

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200008939A KR102357232B1 (en) 2020-01-22 2020-01-22 A Full Complex Hologram Compression Method using Modified Zerotree based on Adaptive Wavelet Transform

Country Status (1)

Country Link
KR (1) KR102357232B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160327905A1 (en) 2013-12-23 2016-11-10 Orange Method for processing a sequence of holographic images, devices, signals, devices and computer program associated therewith

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101530956B1 (en) * 2013-09-16 2015-06-25 광운대학교 산학협력단 A Digital Hologram Compression Method based on Quad-tree Fresnelet
KR20180017659A (en) * 2016-08-10 2018-02-21 주식회사 케이티 Method and apparatus for encoding digital hologram data

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160327905A1 (en) 2013-12-23 2016-11-10 Orange Method for processing a sequence of holographic images, devices, signals, devices and computer program associated therewith

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
김진겸 외, 디지털 홀로그램의 압축을 위한 특성 분석, 방송공학회논문지 제24권 제1호, Vol. 24, No. 1(2019.01.)*
서한석 외, 웨이블렛 변환 계수의 제로트리를 이용한 영상압축, 한국ITS학회논문지, 제11권, 제3호, pp.55~62(2012.6.)*

Also Published As

Publication number Publication date
KR20210094990A (en) 2021-07-30

Similar Documents

Publication Publication Date Title
Dufaux et al. Compression of digital holographic data: an overview
US6931067B2 (en) Apparatus and method for image coding using tree-structured quantization based on wavelet transform
Kumar et al. Image compression techniques by using wavelet transform
Reddy et al. A lossless image compression using traditional and lifting based wavelets
Seo et al. Digital hologram compression technique by eliminating spatial correlations based on MCTF
Boujelbene et al. A comparative study of recent improvements in wavelet-based image coding schemes
CN108810534B (en) Image compression method based on direction lifting wavelet and improved SPIHT under Internet of things
Tanaka et al. Multiresolution image representation using combined 2-D and 1-D directional filter banks
Blinder et al. Wavelet coding of off-axis holographic images
Inouri et al. A fast and efficient approach for image compression using curvelet transform
PraveenKumar et al. Medical image compression using integer multi wavelets transform for telemedicine applications
CN108718409B (en) Remote sensing image compression method
KR102357232B1 (en) A Full Complex Hologram Compression Method using Modified Zerotree based on Adaptive Wavelet Transform
Belaid et al. Tele-Holography: a new concept for lossless compression and transmission of inline digital holograms
Xing et al. Sparse based adaptive non separable vector lifting scheme for holograms compression
KR101530956B1 (en) A Digital Hologram Compression Method based on Quad-tree Fresnelet
KR20180017659A (en) Method and apparatus for encoding digital hologram data
Elias et al. Graph Fourier transform for light field compression
Rahman et al. Efficient Image Compression Technique using JPEG2000 with Adaptive Threshold
Raj et al. Compression of complex-valued hologram data using line index coding and image compression standards
Liu et al. A Novel Light Field Image Compression Method Using EPI Restoration Neural Network
Negahban et al. Various Novel Wavelet–Based Image Compression Algorithms Using a Neural Network as a Predictor
Reddi et al. A New Image Compression Scheme Using Hyperanalytic Wavelet Transform and SPIHT
Ranjan et al. An Efficient Compression of Gray Scale Images Using Wavelet Transform
Kim et al. Adaptive Wavelet Transform for Hologram Compression

Legal Events

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