KR20140113734A - 3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치 - Google Patents

3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치 Download PDF

Info

Publication number
KR20140113734A
KR20140113734A KR1020147023119A KR20147023119A KR20140113734A KR 20140113734 A KR20140113734 A KR 20140113734A KR 1020147023119 A KR1020147023119 A KR 1020147023119A KR 20147023119 A KR20147023119 A KR 20147023119A KR 20140113734 A KR20140113734 A KR 20140113734A
Authority
KR
South Korea
Prior art keywords
codebook
residual vector
group
codeword
dimensional image
Prior art date
Application number
KR1020147023119A
Other languages
English (en)
Other versions
KR101603467B1 (ko
Inventor
페이페이 헤
지안 후이
겡마오 순
펭 가오
지빈 판
다 리
징위안 리
Original Assignee
지티이 코포레이션
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 지티이 코포레이션 filed Critical 지티이 코포레이션
Publication of KR20140113734A publication Critical patent/KR20140113734A/ko
Application granted granted Critical
Publication of KR101603467B1 publication Critical patent/KR101603467B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/161—Encoding, multiplexing or demultiplexing different image signal components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/008—Vector quantisation
    • 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/94—Vector quantisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 3차원 이미지 데이터 내의 정점 데이터 압축 장치를 개시하는바, 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 그루핑하고 각 그룹의 잔차 벡터를 위해 지정된 수량의 코드워드로 구성되는 대응하는 압축 서브 코드북을 생성하여 각 그룹의 압축 서브 코드북을 코드워드 검색 모듈에 송신하도록 구성되는 코드북 설계 모듈; 및 코드북 설계 모듈에 의해 송신된 압축 서브 코드북을 수신하고 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 위해 순차적으로 최적 매칭 코드워드를 선정하며 최적 매칭 코드워드의 코드워드 인덱스 값 및 소속된 압축 서브 코드북의 인덱스 값을 해당 정점 데이터에 대한 압축 결과로 취급하도록 구성되는 코드워드 검색 모듈이 포함된다. 본 발명은 또한 3차원 이미지 데이터 내의 정점 데이터 압축 방법을 개시한다. 본 발명에 의하면 코드워드의 저장 공간을 절약하고 코딩 품질을 향상시키며 정점 데이터의 압축비를 개선하고 압축 효율을 향상시킬 수 있다.

Description

3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치 {METHOD AND DEVICE FOR COMPRESSION OF VERTEX DATA IN THREE-DIMENSIONAL IMAGE DATA}
본 발명은 3차원 이미지 처리 분야 내의 데이터 압축 기술에 관한 것으로서, 보다 상세하게는 3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치에 관한 것이다.
이미지 처리 기술의 발전과 더불어, 보다 실감나는 효과를 갖는 3차원 이미지가 점차 이미지 데이터 처리의 핫이슈로 되고 있다. 3차원 이미지 데이터 처리 분야의 하나의 중요한 기술은 바로 압축 기술인바, 3차원 데이터의 압축에는 정점 연결 관계 데이터의 압축과 정점 데이터의 압축 등 두 부분이 포함되며 그 중에서 정점 연결 관계 데이터의 압축 방법의 경우 현재 이미 정점 연결 관계 데이터의 압축 효율이 이론상의 한계에 근접할 수 있어, 3차원 이미지 데이터 내의 정점 데이터에 대한 압축 방법이 3차원 이미지 데이터 압축 효율에 영향을 주는 중요한 요소로 되고 있다.
현재의 정점 데이터 압축 방법에는, 압축 코드북을 생성하는 단계; 압축할 3차원 이미지 데이터의 각 정점에 대응되는 잔차 벡터(residual vector)를 계산하여 얻은 잔차 벡터를 코딩할 잔차 벡터로 취급하는 단계; 코딩할 잔차 벡터를 하나씩 추출하고 추출된 코딩할 잔차 벡터를 이용하여 사전 설정된 압축 코드북 내에서 최적 매칭 코드워드를 검색 및 획득하여 최적 매칭 코드워드의 코드워드 인덱스 값을 해당 정점 데이터의 압축결과로 취급하는바, 모든 정점 데이터에 대응되는 잔차 벡터의 압축 결과를 획득할 때까지 이와 같이 유추한다.
그 중에서, 압축 코드북을 생성하는 방법이라면, 평행 사변형 예측 알고리즘을 이용하여, 특별히 압축 코드북을 생성하기 위한 선정된 3차원 이미지 데이터에 대해 계산을 진행하여 해당 3차원 이미지 데이터의 각 정점에 대응되는 잔차 벡터를 얻고, LBG 알고리즘을 이용하여 상기 각 정점에 대응되는 잔차 벡터의 모듈러 값에 대해 훈련을 진행하여 코드워드로 구성되는 최종 집합 즉 압축 코드북을 얻는 것이다. 그러나 이러한 방법은 3차원 이미지 데이터의 잔차 벡터의 모듈러 값의 분포 특성, 즉 잔차 벡터의 모듈러 값이 비교적 작은 부분이 비교적 많고 상호 차이 값이 매우 작은 특성을 충분히 고려하지 않았기에 생성된 압축 코드북 내에는 유클리드(Euclidean) 거리가 매우 가까운 대량의 코드워드가 저장되어, 저장 공간을 낭비하게 된다. 예를 들면 최종적으로 얻은 압축 코드북에는 100개의 코드워드
Figure pct00001
가 들어있고 그 중에서 80개의 코드워드에 대응되는 잔차 벡터의 모듈러 값은 0 내지 150 사이이며 이 80개의 압축코드 사이의 유클리드 거리는 매우 작으므로 비교적 큰 저장 공간으로 매우 많은 유사한 코드워드를 저장하게 되며, 또한 소부분의 압축 코드북만 잔차 벡터의 모듈러 값이 비교적 큰 정점 데이터를 표시하는 데 쓰이므로 이미지 품질을 향상시킬 수 없게 된다.
또한, 상기 정점 데이터에 대한 압축 방법에 있어서, 압축 코드북 내에서 검색하는 방법은 완전 검색(FS, Full Search) 방법인 바, 압축 코드북 내의 모든 코드워드를 트래버스(traverse)하여 각 코드워드와 코딩할 잔차 벡터에 대한 계산을 통해 유클리드 거리를 획득하며, 유클리드 거리가 가장 작은 코드워드를 최종적으로 최적 매칭 코드워드로 취급하고 최적 매칭 코드워드의 코드워드 인덱스 값을 해당 정점 데이터의 압축 결과로 취급하는 것이 포함된다. 그러나, 압축 코드북을 사전 설정할 때 압축 코드북 내에 매우 가까운 유클리드 거리를 갖는 대량의 코드워드가 저장되므로 최적 매칭 코드워드를 획득할 때 대량의 유사 코드워드를 트래버스하여 계산을 진행하는 데 시간이 낭비되어 정점 데이터의 압축 효율에 영향을 주게 된다. 또한, 대량의 유사 코드워드로 인해 코드워드 인덱스 값의 수량이 증가되어 코드워드 인덱스 값의 비트(Bit) 수가 증가하게 되므로 정점 데이터의 압축 결과와 잔차 벡터의 Bit 비례 값으로부터 계산을 통해 얻은 정점 데이터의 압축비(compression ratio)를 개선시킬 수 없게 된다.
따라서, 기존의 정점 데이터에 대한 압축 방법은 3차원 이미지 데이터 내의 정점 데이터의 분포 특점을 충분히 고려하지 않았기에 코드워드의 저장 공간을 절약할 수 없고 코딩 품질을 향상시킬 수 없고 정점 데이터의 압축비를 개선시킬 수 없으며 압축 효율에 영향을 주게 된다.
이를 감안한 본 발명에 따른 실시예는 코드워드의 저장 공간을 절약하고 코딩 품질을 향상시키고 정점 데이터의 압축비를 개선하며 압축 효율을 향상시킬 수 있는 3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치를 제시하는 것을 목적으로 한다.
상기 목적을 이루기 위한 본 발명의 기술 방안은 다음과 같이 구현된다.
본 발명에 의하면 3차원 이미지 데이터 내의 정점 데이터 압축 장치를 제시하는바, 해당 장치에는 코드북 설계 모듈과 코드워드 검색 모듈이 포함되며,
코드북 설계 모듈은 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 그루핑하고 각 그룹의 잔차 벡터를 위해 지정된 수량의 코드워드로 구성되는 대응하는 압축 서브 코드북을 생성하여 각 그룹의 압축 서브 코드북을 코드워드 검색 모듈에 송신하도록 구성되고,
코드워드 검색 모듈은 코드북 설계 모듈에 의해 송신된 압축 서브 코드북을 수신하고 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 위해 순차적으로 최적 매칭 코드워드를 선정하며 상기 최적 매칭 코드워드의 코드워드 인덱스 값 및 소속된 압축 서브 코드북의 인덱스 값을 상기 정점 데이터에 대한 압축 결과로 취급하도록 구성된다.
상기 방안에 있어서 상기 장치에는 또한, 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 산출하여 잔차 벡터를 코드북 설계 모듈에 송신하도록 구성되는 정점 데이터 예측 모듈이 더 포함되며,
이와 상응하게, 상기 코드북 설계 모듈은 구체적으로, 정점 예측 모듈에 의해 송신되는, 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 수신하여 그룹 수량과 그룹 비례에 따라 차례로 그룹 비례에 따라 잔차 벡터들 중에서 잔차 벡터 모듈러 값의 오름차순으로 상응하는 수량의 잔차 벡터를 추출하여 한 그룹의 잔차 벡터를 구성하고 해당 그룹 임계치를 기록하며 이와 같이 유추하여 그룹 수량과 일치한 복수의 그룹의 잔차 벡터를 획득하며 생성 순서에 따라 각 잔차 벡터 그룹을 넘버링하도록 구성된다.
상기 방안에 있어서, 상기 코드북 설계 모듈은 구체적으로, 차례로 각 그룹의 잔차 벡터를 추출하고 추출된 각 그룹의 잔차 벡터에 대해 LBG 알고리즘을 이용하여 훈련을 진행하여 지정된 수량의 코드워드를 생성하며 대응하는 압축 서브 코드북을 구성하도록 구성된다.
상기 방안에 있어서, 상기 정점 데이터 예측 모듈은 또한, 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 산출하여 잔차 벡터를 코드워드 검색 모듈에 송신하도록 구성되며,
이와 상응하게, 상기 코드워드 검색 모듈은 구체적으로, 정점 데이터 예측 모듈에 의해 송신되는, 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 수신하고 잔차 벡터의 모듈러 값과 각 그룹의 압축 서브 코드북의 그룹 임계치를 비교하여 잔차 벡터를 위한 코드워드 검색을 하고자 하는 압축 서브 코드북을 선정하며 선정된 압축 서브 코드북 내에서 코드워드 검색을 진행하여 최적 매칭 코드워드를 획득하도록 구성된다.
상기 방안에 있어서, 상기 장치에는 또한, FS 방법 또는 고속 검색 방법을 코드워드 검색 방법으로 선정하고 선정된 코드워드 검색 방법을 코드워드 검색 모듈에 통지하도록 구성되는 제어 모듈이 더 포함되며,
이와 상응하게, 상기 코드워드 검색 모듈은 또한, 제어 모듈에 의해 송신된, 선정된 코드워드 검색 방법에 대한 통지를 수신하도록 구성된다.
상기 방안에 있어서, 상기 코드워드 검색 모듈이 고속 검색 방법을 이용할 경우 구체적으로, 주성분 분석(PCA: Principle Component Analysis) 알고리즘을 이용하여 각 그룹의 압축 서브 코드북에 대해 계산을 진행하여 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 얻고, 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 이용하여 해당 압축 서브 코드북 내의 모든 코드워드에 대해 변환을 진행하며 직교 변환을 거친 코드워드를 새로운 코드워드로 취급하여 해당 압축 서브 코드북에 저장하며,
코드워드 검색 시에 그룹 임계치에 따라 차례로 잔차 벡터에 대응되는 압축 서브 코드북을 확정하고 해당 압축 서브 코드북의 직교 변환 매트릭스를 이용하여 잔차 벡터에 대해 직교 변환을 진행하며 변환된 후의 잔차 벡터를 이용하여, 선정된 압축 서브 코드북 내에서 직교 변환을 거친 코드워드에 대해 검색을 진행하여 최적 매칭 코드워드를 획득하도록 구성된다.
본 발명에 의하면 또한 3차원 이미지 데이터 내의 정점 데이터 압축 방법을 제시하는바, 해당 방법에는,
코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 그루핑하고 각 그룹의 잔차 벡터를 위해 지정된 수량의 코드워드로 구성되는 대응하는 압축 서브 코드북을 생성하는 단계; 및
압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 위해 순차적으로 최적 매칭 코드워드를 선정하며 상기 최적 매칭 코드워드의 코드워드 인덱스 값 및 소속된 압축 서브 코드북의 인덱스 값을 상기 정점 데이터에 대한 압축 결과로 취급하는 단계가 포함된다.
상기 방안에 있어서, 상기 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 그루핑함에 있어서,
코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 산출하는 단계; 및 그룹 수량과 그룹 비례에 따라 차례로 그룹 비례에 따라 잔차 벡터들 중에서 잔차 벡터 모듈러 값의 오름차순으로 상응하는 수량의 잔차 벡터를 추출하여 한 그룹의 잔차 벡터를 구성하고 해당 그룹 임계치를 기록하며 이와 같이 유추하여 그룹 수량과 일치한 복수의 그룹의 잔차 벡터를 획득하며 생성 순서에 따라 각 잔차 벡터 그룹을 넘버링하는 단계가 포함된다.
상기 방안에 있어서, 상기 각 그룹의 잔차 벡터를 위해 지정된 수량의 코드워드로 구성되는 대응하는 압축 서브 코드북을 생성함에 있어서,
차례로 각 그룹의 잔차 벡터를 추출하고 추출된 각 그룹의 잔차 벡터에 대해 LBG 알고리즘을 이용하여 훈련을 진행하여 지정된 수량의 코드워드를 생성하며 대응하는 압축 서브 코드북을 구성하는 단계가 포함된다.
상기 방안에 있어서, 상기 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 위해 순차적으로 대응하는 압축 서브 코드북 내에서 최적 매칭 코드워드를 선정함에 있어서, 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 산출하고 잔차 벡터의 모듈러 값과 각 그룹의 압축 서브 코드북의 그룹 임계치를 비교하여 잔차 벡터를 위한 코드워드 검색을 하고자 하는 압축 서브 코드북을 선정하며 선정된 압축 서브 코드북 내에서 코드워드 검색을 진행하여 최적 매칭 코드워드를 획득하는 단계가 포함된다.
상기 방안에 있어서, 상기 코드워드 검색은 FS 방법 또는 고속 검색 방법이다.
상기 방안에 있어서, 상기 고속 검색 방법에는,
PCA 알고리즘을 이용하여 각 그룹의 압축 서브 코드북에 대해 계산을 진행하여 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 얻고, 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 이용하여 해당 압축 서브 코드북 내의 모든 코드워드에 대해 변환을 진행하며 직교 변환을 거친 코드워드를 새로운 코드워드로 취급하여 해당 압축 서브 코드북에 저장하는 단계; 및
코드워드 검색 시에 그룹 임계치에 따라 차례로 잔차 벡터에 대응되는 압축 서브 코드북을 확정하고 해당 압축 서브 코드북의 직교 변환 매트릭스를 이용하여 잔차 벡터에 대해 직교 변환을 진행하며 변환된 후의 잔차 벡터를 이용하여, 선정된 압축 서브 코드북 내에서 직교 변환을 거친 코드워드에 대해 검색을 진행하여 최적 매칭 코드워드를 획득하는 단계가 포함된다.
본 발명에 의해 제시되는 3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치에 의하면 각 그룹의 압축 서브 코드북의 코드워드 수량을 지정하여 그루핑함으로써 압축 서브 코드북을 생성하며, 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터의 수량이 모듈러 값의 오름차순에 따라 점차 줄어드는 분포 특점에 의하여 비교적 작은 모듈러 값을 갖는 잔차 벡터 그룹에 대응되는 압축 서브 코드북에 대해 비교적 적은 코드워드 수량을 지정할 수 있으므로 전체 코드워드 수량을 줄이는 동시에 최종 압축 결과에 영향을 주지 않을 수 있어 코드워드 저장 공간을 절약할 수 있다. 또한, 비교적 큰 모듈러 값을 갖는 잔차 벡터 그룹에 대응되는 압축 서브 코드북에 대해 비교적 많은 코드워드 수량을 지정함으로써 비교적 큰 잔차 벡터를 표시하기 위한 코드워드를 증가시켜 코딩 품질을 향상시킬 수 있다.
또한, 코드워드 검색 시에 각 잔차 벡터에 대해 대응하는 압축 서브 코드북 내에서 최적 매칭 코드워드를 선정하고 압축 서브 코드워드 생성 시에 비교적 높은 사용 빈도와 비교적 작은 모듈러 값을 갖는 잔차 벡터에 대응되는 압축 서브 코드북 내의 코드워드 수량을 비교적 작게 지정하므로, 비교적 높은 사용 빈도를 갖는 압축 서브 코드북 내에서의 검색 시간을 줄일 수 있으며, 비교적 큰 모듈러 값을 갖는 잔차 벡터 그룹의 사용 빈도가 비교적 낮기에 비교적 큰 잔차 벡터의 모듈러 값을 갖는 부분에 증가된 코드워드 수량은 검색 시간에 대해 큰 영향을 미치지 않으므로 전반적으로 압축 효율을 향상시킨다.
또한, 코드워드 수량을 줄이고 코드워드를 그루핑함으로써 최종 압축 결과에 대응되는 압축 서브 코드북 인덱스 값과 코드워드 인덱스 값에 대응되는 Bit 수량을 줄일 수 있어 정점 데이터의 압축비를 개선할 수 있다.
도 1은 본 발명에 의한 3차원 이미지 데이터 내의 정점 데이터 압축 장치의 구성 예시도.
도 2는 본 발명에 의한 압축 서브 코드북 생성 흐름 예시도.
도 3은 본 발명에 의한 압축 서브 코드북을 이용하여 최적 매칭 코드워드를 획득하는 흐름 예시도.
본 발명의 기본 사상은, 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 그루핑하고 각 그룹의 잔차 벡터를 위해 지정된 수량의 코드워드로 구성되는 대응하는 압축 서브 코드북을 생성하며, 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 위해 순차적으로 최적 매칭 코드워드를 선정하며 최적 매칭 코드워드의 코드워드 인덱스 값 및 소속된 압축 서브 코드북의 인덱스 값을 해당 정점 데이터에 대한 압축 결과로 취급하는 데 있다.
아래에 첨부 도면 및 구체적인 실시예에 결부하여 본 발명에 대해 더 상세히 설명하도록 한다.
본 발명에 의해 제시되는 3차원 이미지 데이터 내의 정점 데이터 압축 장치는 도 1에 도시된 바와 같이 코드북 설계 모듈(102)과 코드워드 검색 모듈(103)이 포함되며, 그 중에서
코드북 설계 모듈(102)은 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 그루핑하고 각 그룹의 잔차 벡터를 위해 지정된 수량의 코드워드로 구성되는 대응하는 압축 서브 코드북을 생성하여 각 그룹의 압축 서브 코드북을 코드워드 검색 모듈(103)에 송신하도록 구성되고,
코드워드 검색 모듈(103)은 코드북 설계 모듈(102)에 의해 송신된 압축 서브 코드북을 수신하고 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 위해 순차적으로 대응하는 압축 서브 코드북 내에서 최적 매칭 코드워드를 선정하며 상기 최적 매칭 코드워드의 코드워드 인덱스 값 및 소속된 압축 서브 코드북의 인덱스 값을 상기 정점 데이터에 대한 압축 결과로 취급하도록 구성된다.
상기 장치에는 또한 제어 모듈(104)과 정점 데이터 예측 모듈(101)이 더 포함되며,
제어 모듈(104)은 압축 장치의 동작 상태를 설정하며, 동작 상태가 압축 서브 코드북을 생성하는 것일 경우 코드북 설계 3차원 이미지 데이터를 정점 데이터 예측 모듈(101)에 송신하여 정점 데이터 예측 모듈(101)로 하여금 잔차 벡터를 코드북 설계 모듈(102)에 송신하게끔 통지하도록 구성되고,
정점 데이터 예측 모듈(101)은 제어 모듈(104)에 의해 송신되는 코드북 설계 3차원 이미지 데이터를 수신하고 평행사변형 예측 알고리즘을 이용하여 코드북 설계 3차원 이미지 데이터에 대한 계산을 진행하여 각 정점에 대응되는 잔차 벡터를 얻고 제어 모듈(104)에 의해 송신되는 통지에 따라 얻어낸 잔차 벡터를 코드북 설계 모듈(102)에 송신하도록 구성되며,
이와 상응하게, 상기 코드북 설계 모듈(102)은 또한, 정점 데이터 예측 모듈(101)에 의해 송신되는 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 수신하도록 구성되고,
상기 코드북 설계 3차원 이미지 데이터는 실제 상황에 따라 사용자에 의해 선정된, 특별히 압축 서브 코드북을 생성하기 위한 3차원 이미지 데이터이다.
상기 코드북 설계 모듈(102)은 구체적으로, 사전 설정된 그룹 수량과 그룹 비례에 따라 차례로 그룹 비례에 따라 잔차 벡터들 중에서 잔차 벡터 모듈러 값의 오름차순으로 상응하는 수량의 잔차 벡터를 추출하여 한 그룹의 잔차 벡터를 구성하고 해당 그룹 임계치를 기록하며 이와 같이 유추하여 그룹 수량과 일치한 복수의 그룹의 잔차 벡터를 획득하며 생성 순서에 따라 각 잔차 벡터 그룹을 넘버링하도록 구성되며,
상기 사전 설정된 그룹 수량은 실제 상황에 따라 사전 설정된 수량이고, 상기 그룹 비례는 실제 상황에 따라 설정되는, 각 그룹의 잔차 벡터 내에 포함되는 잔차 벡터의 수량이 전체 잔차 벡터의 수량에서 차지하는 비례값이며, 상기 그룹 임계치는 할당 비례에 따라 잔차 벡터를 추출하여 잔차 벡터 서브 집합을 구성할 때 각 할당 비례에 대응되는 잔차 벡터의 모듈러 값이다.
예를 들면, 그룹 수량을 3개로, 그룹 비례를 각각 85%, 10% 및 5%로 사전 설정하고, 각각 85%, 10% 및 5%의 할당 비례에 따라 잔차 벡터들 중에서 잔차 벡터 모듈러 값의 오름차순으로 상응하는 수량의 잔차 벡터를 추출하여 3개 그룹의 잔차 벡터를 구성하고 85%, 10% 및 5%에 대응되는 잔차 벡터의 모듈러 값을 각 그룹의 잔차 벡터의 그룹 임계치로 각각 기록한다.
상기 코드북 설계 모듈(102)은 구체적으로, 차례로 각 그룹의 잔차 벡터를 추출하고 추출된 각 그룹의 잔차 벡터에 대해 LBG 알고리즘을 이용하여 훈련을 진행하여 지정된 수량의 코드워드를 생성하며 대응하는 압축 서브 코드북을 구성하고 해당 압축 서브 코드북 내의 코드워드를 위해 순차적으로 코드워드 인덱스 값을 설정하며 해당 그룹의 잔차 벡터의 그룹 넘버를 압축 서브 코드북의 인덱스 값으로 취급하고 해당 그룹의 잔차 벡터에 대응되는 그룹 임계치를 압축 서브 코드북의 그룹 임계치로 취급하며 이와 같이 유추하여 모든 압축 서브 코드북 및 각 그룹의 압축 서브 코드 북에 대응되는 그룹 임계치를 코드워드 검색 모듈(103)에 송신하도록 구성되고, 이와 상응하게, 상기 코드워드 검색 모듈(103)은 또한 코드북 설계 모듈(102)에 의해 송신되는 압축 서브 코드북 및 각 그룹의 압축 서브 코드북에 대응되는 그룹 임계치를 수신하여 저장하도록 구성되며,
상기 LBG 알고리즘 및 LBG 알고리즘을 이용하여 잔차 벡터의 모듈러 값에 대해 훈련을 진행하는 방법은 공지된 기술이므로 여기서 더 이상 설명하지 않을 것이며,
상기 지정된 수량의 코드워드는 실제 상황에 따라 설정되는, 각 그룹의 압축 서브 코드북 내의 코드워드의 수량이며, 기존 기술에 의해 생성된 압축 서브 코드북 내에 포함되는 코드워드 수량을 근거로 하여 차례로 압축 서브 코드북 내의 코드워드 수량 및 기존 기술에 의해 생성된 압축 코드북 내의 전체 코드워드 수량에서 차지하는 비례값에 대응되는 수량을 설정한다. 예를 들면, 3개 그룹의 압축 서브 코드북이 존재할 경우, 각 그룹의 압축 서브 코드북 내의 코드워드 수량이 기존 기술에 의해 생성된 압축 코드북 내의 전체 코드워드 수량에서 차지하는 비례값은 1/8, 1/4 및 1/2이다.
상기 코드워드 설계 모듈(102)은 또한 압축 서브 코드북 및 각 그룹의 압축 서브 코드북에 대응되는 그룹 임계치를 코드워드 검색 모듈(103)에 송신할 때 코드북 설계가 완성되었음을 제어 모듈(104)에 통지하도록 구성되고, 이와 상응하게 상기 제어 모듈(104)은 또한, 코드북 설계 모듈(102)에 의해 송신되는, 코드북 설계가 완성되었음을 알리는 통지를 수신하고 압축 서브 코드북을 이용하여 최적 매칭 코드워드를 획득하는 동작 상태에 진입하도록 구성된다.
상기 제어 모듈(104)은 또한, 압축 서브 코드북을 이용하여 최적 매칭 코드워드를 획득하는 동작 상태에 진입한 후 실제 상황에 따라 압축 서브 코드북의 재설정 필요 여부를 실시간으로 확정하며 필요할 경우 다시 압축 서브 코드북을 생성하는 동작 상태로 돌아가고 필요하지 않을 경우 현재 동작 상태를 유지하도록 구성된다.
상기 제어 모듈(104)은 또한, 장치의 동작 상태가 압축 서브 코드북을 이용하여 최적 매칭 코드워드를 획득하는 동작 상태일 경우 압축할 3차원 이미지 데이터를 정점 데이터 예측 모듈(101)에 송신하고, 잔차 벡터를 코드워드 검색 모듈(103)에 송신하도록 정점 데이터 예측 모듈(101)에 통지하도록 구성되고, 이와 상응하게, 상기 정점 데이터 예측 모듈(101)은 또한, 제어 모듈(104)에 의해 송신되는 압축할 3차원 이미지 데이터의 각 정점에 대응되는 잔차 벡터를 계산하고 제어 모듈(104)의 통지에 따라 산출된 모든 잔차 벡터를 코드워드 검색 모듈(103)에 송신하도록 구성된다.
상기 코드워드 검색 모듈(103)은 구체적으로, 차례로 잔차 벡터를 추출하고 대응하는 압축 서브 코드북 내에서 코드워드 검색을 진행하여 최적 매칭 코드워드를 획득하고 해당 최적 매칭 코드워드의 코드워드 인덱스 값 및 압축 서브 코드북의 인덱스 값을 해당 정점 데이터의 압축 결과로 취급하며 모든 정점 데이터에 대응되는 잔차 벡터의 압축 결과를 획득할 때까지 지속하도록 구성되며, 상기 대응하는 압축 서브 코드북은 잔차 벡터의 모듈러 값과 각 그룹의 압축 서브 코드북의 그룹 임계치를 비교함으로써 잔차 벡터를 위해 코드워드 검색을 진행할 선정된 압축 서브 코드북이다.
상기 제어 모듈(104)은 또한, FS 방법 또는 고속 검색 방법을 코드워드 검색 방법으로 선정하고 코드워드 검색 방법을 코드워드 검색 모듈(103)에 통지하도록 구성되고,
이와 상응하게, 상기 코드워드 검색 모듈(103)은 또한, 제어 모듈(104)에 의해 송신된 코드워드 검색 방법에 대한 통지를 수신하도록 구성된다.
상기 코드워드 검색 모듈(103)이 고속 검색 방법을 이용할 경우 구체적으로, PCA 알고리즘을 이용하여 코드워드 설계모듈(102)에 의해 송신된 각 그룹의 압축 서브 코드북에 대해 계산을 진행하여 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 얻고, 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 이용하여 해당 압축 서브 코드북 내의 모든 코드워드에 대해 변환을 진행하며 직교 변환을 거친 코드워드를 새로운 코드워드로 취급하여 해당 압축 서브 코드북에 저장하며, 코드워드 검색 시에 그룹 임계치에 따라 차례로 잔차 벡터에 대응되는 코드북 그룹을 확정하고 해당 코드북 그룹의 직교 변환 매트릭스를 이용하여 잔차 벡터에 대해 직교 변환을 진행하며 변환된 후의 잔차 벡터를 이용하여, 선정된 코드북 그룹 내에서 직교 변환을 거친 코드워드에 대해 검색을 진행하여 최적 매칭 코드워드를 획득하도록 구성된다. 여기서, 상기 선정된 코드워드 그룹 내에서 직교 변환을 거친 코드워드에 대해 검색을 진행함에 있어서, 직교 변환을 기반으로 하는 코드워드 검색(OTNNS: Orthonormal Transform Nearest Neighbor Search) 알고리즘을 이용하여 검색을 진행할 수 있다.
상기 3차원 이미지 데이터 내의 정점 데이터 압축 장치는 로직 모듈로서 이동 단말 또는 개인용 컴퓨터에 설치될 수 있다.
본 발명에 의하면 3차원 이미지 데이터 내의 정점 데이터 압축 방법이 제시되는바, 압축 서브 코드북을 생성하는 부분과 압축 서브 코드북을 이용하여 최적 매칭 코드워드를 획득하는 부분이 포함된다. 그 중에서, 상기 압축 서브 코드북을 생성하는 과정에는 도 2에 도시된 바와 같이 다음과 같은 단계가 포함된다.
단계 201: 코드북 설계 3차원 이미지 데이터에 따라 잔차 벡터를 생성한다.
여기서, 상기 잔차 벡터를 생성함에 있어서, 평행사변형 예측 알고리즘을 이용하여 코드북 설계 3차원 이미지 데이터에 대해 계산을 진행하여 각 정점에 대응되는 잔차 벡터를 얻는바, 여기서 상기 평행사변형 예측 알고리즘 및 평행사변형 예측 알고리즘을 이용한 계산은 모두 기존 기술이므로 여기서 더 이상 설명하지 않을 것이며, 상기 잔차 벡터의 수량과 입력된 상기 3차원 이미지 데이터 내에 포함되는 정점 수량은 동일하다.
단계 202: 잔차 벡터를 복수의 그룹의 잔차 벡터로 분할하여 그룹 임계치를 기록한다.
구체적으로, 사전 설정된 그룹 수량과 그룹 비례에 따라 차례로 그룹 비례에 따라 잔차 벡터들 중에서 잔차 벡터 모듈러 값의 오름차순으로 상응하는 수량의 잔차 벡터를 추출하여 한 그룹의 잔차 벡터를 구성하고 해당 그룹 임계치를 기록하며 이와 같이 유추하여 그룹 수량과 일치한 복수의 그룹의 잔차 벡터를 획득하며 생성 순서에 따라 각 잔차 벡터 그룹을 넘버링한다.
단계 203: 각 그룹의 잔차 벡터에 대응되는 압축 서브 코드북을 생성한다.
여기서, 상기 각 그룹의 잔차 벡터에 대응되는 압축 서브 코드북을 생성함에 있어서, 차례로 각 그룹의 잔차 벡터를 추출하고 추출된 각 그룹의 잔차 벡터에 대해 LBG 알고리즘을 이용하여 훈련을 진행하여 지정된 수량의 코드워드를 생성하며 대응하는 압축 서브 코드북을 구성하고 해당 압축 서브 코드북 내의 코드워드를 위해 순차적으로 코드워드 인덱스 값을 설정하며 해당 그룹의 잔차 벡터의 그룹 넘버를 압축 서브 코드북의 인덱스 값으로 취급하고 해당 그룹의 잔차 벡터에 대응되는 그룹 임계치를 압축 서브 코드북의 그룹 임계치로 취급하며 이와 같이 유추한다.
상기 단계 203 후에 또한, 실제 상황에 따라 압축 서브 코드북의 재설정 필요 여부를 확정할 수 있고 필요할 경우 특별히 압축 서브 코드북을 생성하기 위한 새로운 3차원 이미지 데이터를 선정하여 단계 201을 수행하고 필요하지 않을 경우에는 동작을 취하지 않는다.
상기 압축 서브 코드북의 생성을 완성한 후, 압축 서브 코드북을 이용하여 최적 매칭 코드워드를 획득하는 과정에는 도 3에 도시된 바와 같이 다음과 같은 단계가 포함된다.
단계 301: 압축할 3차원 이미지 데이터의 각 정점에 대응되는 잔차 벡터를 계산한다.
여기서, 상기 계산은 평행사변형 예측 알고리즘을 이용하는바 이는 기존 기술이므로 여기서 더 이상 설명하지 않을 것이다.
단계 302: 차례로 잔차 벡터를 추출하여 대응하는 압축 서브 코드북 내에서 코드워드 검색을 진행하여 최적 매칭 코드워드를 획득하며 해당 최적 매칭 코드워드의 코드워드 인덱스 값 및 압축 서브 코드북의 인덱스 값을 해당 정점 데이터의 압축 결과로 취급하는바 모든 정점 데이터에 대응되는 잔차 벡터의 압축 결과를 획득할 때까지 지속한다.
단계 302 후에 또한, 새로운 압축할 3차원 이미지 데이터가 수신되었는지를 판단할 수 있는바 만약 수신되었으면 단계 301을 수행하고 만약 수신되지 않았으면 새로운 압축할 3차원 이미지 데이터가 수신되었는지를 반복하여 판단한다.
또한, 상기 단계 302에 있어서, 상기 코드워드 검색 방법은 기존 기술 중의 FS 방법을 이용할 수도 있고 고속 검색 방법을 이용할 수도 있다.
여기서, 상기 고속 검색 방법에는 구체적으로,
단계 203 완료 후에, PCA 알고리즘을 이용하여 각 그룹의 압축 서브 코드북에 대해 계산을 진행하여 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 얻고, 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 이용하여 해당 압축 서브 코드북 내의 모든 코드워드에 대해 변환을 진행하며 직교 변환을 거친 코드워드를 새로운 코드워드로 취급하여 해당 압축 서브 코드북에 저장하며,
단계 302에서의 코드워드 검색 시에 그룹 임계치에 따라 차례로 잔차 벡터에 대응되는 압축 서브 코드북을 확정하고 해당 압축 서브 코드북의 직교 변환 매트릭스를 이용하여 잔차 벡터에 대해 직교 변환을 진행하며 변환된 후의 잔차 벡터를 이용하여, 선정된 코드북 그룹내에서 직교 변환을 거친 코드워드에 대해 검색을 진행하여 최적 매칭 코드워드를 획득하는 것이 포함된다. 여기서, 상기 선정된 코드워드 그룹 내에서 직교 변환을 거친 코드워드에 대해 검색을 진행함에 있어서, OTNNS 알고리즘을 이용하여 검색을 진행할 수 있으며, 상기 OTNNS 알고리즘은 기존 기술이므로 여기서 더 이상 설명하지 않을 것이다.
실시예 1: 잔차 벡터를 3개의 그룹으로 분할하고 그룹 비례를 각각 85%, 10% 및 5%으로, 코드워드 검색 방법을 FS 방법으로 가정하면, 본 발명에 의한 3차원 이미지 데이터 내의 정점 데이터 압축 방법의 구현은 다음과 같은 단계를 포함한다.
단계 401: 특별히 압축 서브 코드북을 생성하기 위한 3차원 이미지 데이터를 이용하여 잔차 벡터를 생성한다.
단계 402: 잔차 벡터를 3개 그룹의 잔차 벡터로 나누고 그룹 임계치를 기록한다.
구체적으로, 잔차 벡터 집합 중의 잔차 벡터를 모듈러 값의 오름차순으로 배열하고 각각 85%, 10% 및 5%의 할당 비례에 따라 차례로 잔차 벡터 집합 내에서 잔차 벡터를 추출하여 잔차 벡터 서브 집합을 구성하며 그룹 임계치를 기록한다.
단계 403: 3개 그룹의 잔차 벡터를 이용하여 대응하는 3개 그룹의 압축 서브 코드북을 생성한다.
단계 404: 압축할 3차원 이미지 데이터의 각 정점에 대응되는 잔차 벡터를 계산한다.
단계 405: 차례로 잔차 벡터를 추출하고 FS 방법을 이용하여 대응하는 압축 서브 코드북 내에서 코드워드 검색을 진행함으로써 최적 매칭 코드워드를 획득하고 해당 최적 매칭 코드워드의 코드워드 인덱스 값 i 및 압축 서브 코드북의 인덱스 값 u를 해당 정점 데이터의 압축 결과(u, i)로 취급하는바, 모든 정점 데이터에 대응되는 잔차 벡터의 압축 결과를 획득할 때까지 지속한다.
단계 406: 새로운 압축할 3차원 이미지 데이터가 수신되었는지를 판단하며, 만약 수신되었으면 단계 404를 수행하고 만약 수신되지 않았으면 단계 406을 반복하여 수행한다.
실시예 2: 잔차 벡터를 3개의 그룹으로 분할하고 그룹 비례를 각각 85%, 10% 및 5%로, 코드워드 검색 방법을 고속 검색 방법으로 가정하면, 본 발명에 의한 3차원 이미지 데이터 내의 정점 데이터 압축 방법에는 다음과 같은 단계가 포함된다.
단계 501: 특별히 압축 서브 코드북을 생성하기 위한 3차원 이미지 데이터를 이용하여 잔차 벡터를 생성한다.
단계 502: 잔차 벡터를 3개 그룹의 잔차 벡터로 나누고 그룹 임계치를 기록한다.
구체적으로, 잔차 벡터 집합 중의 잔차 벡터를 모듈러 값의 오름차순으로 배열하고 각각 85%, 10% 및 5%의 할당 비례에 따라 차례로 잔차 벡터 집합 내에서 잔차 벡터를 추출하여 잔차 벡터 서브 집합을 구성하며 그룹 임계치를 기록한다.
단계 503: 3개 그룹의 잔차 벡터를 이용하여 대응하는 3개 그룹의 압축 서브 코드북을 생성한다.
단계 504: PCA 알고리즘을 이용하여 각 그룹의 압축 서브 코드북에 대해 계산을 진행하여 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 얻고, 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 이용하여 해당 압축 서브 코드북 내의 모든 코드워드에 대해 변환을 진행하며 직교 변환을 거친 코드워드를 새로운 코드워드로 취급하여 해당 압축 서브 코드북 내에 저장한다.
단계 505: 압축할 3차원 이미지 데이터의 각 정점에 대응되는 잔차 벡터를 계산한다.
단계 506: 그룹 임계치에 따라 차례로 잔차 벡터에 대응되는 압축 서브 코드북을 확정하고 해당 압축 서브 코드북의 직교 변환 매트릭스를 이용하여 잔차 벡터에 대해 직교 변환을 진행하며, OTNNS 알고리즘을 사용하고 변환된 후의 잔차 벡터를 이용하여, 선정된 코드워드 그룹 내에서 직교 변환을 거친 코드워드에 대해 검색을 진행하여 최적 매칭 코드워드를 획득하며, 해당 최적 매칭 코드워드의 코드워드 인덱스 값 i 및 압축 서브 코드북의 인덱스 값 u를 해당 정점 데이터의 압축 결과(u, i)로 취급하는바, 모든 정점 데이터에 대응되는 잔차 벡터의 압축 결과를 획득할 때까지 지속한다.
단계 507: 새로운 압축할 3차원 이미지 데이터가 수신되었는지를 판단하며, 만약 수신되었으면 단계 505를 수행하고 만약 수신되지 않았으면 단계 507을 반복하여 수행한다.
본 발명에 의해 제공된 3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치는 각 그룹의 압축 서브 코드북의 코드워드 수량을 지정하여 압축 서브 코드북을 그루핑하여 생성함으로써 비교적 작은 잔차 벡터 모듈러 값을 갖는 잔차 벡터 그룹에 대응되는 압축 서브 코드북에 대해 비교적 적은 코드워드 수량을 지정하여 전체 코드워드 수량을 줄이는 동시에 최종 압축 결과에 영향을 주지 않으므로 코드워드 저장 공간을 절약하는 목적을 달성하며, 비교적 큰 잔차 벡터를 표시하는 코드워드를 증가시킴으로써 코딩 품질을 향상시키며, 또한 코드워드 검색 시에 비교적 높은 사용 빈도를 갖는 압축 서브 코드북에 대한 검색 시간을 줄여 압축 효율을 향상시키며, 최종 압축 결과에 대응되는 Bit 수량을 줄임으로써 정점 데이터의 압축비를 개선한다.
또한, 본 발명에 의하면 코드워드 검색 시에 고속 검색 방법을 선택하여 사용할 수 있으며 고속 검색 방법은 곱셈 계산을 줄임으로써 검색 시간을 더 한층 줄일 수 있어 압축 효율을 더 한층 향상시킬 수 있다.
상기에서 언급된 바는 본 발명의 바람직한 실시예일 뿐이며 본 발명의 보호범위를 한정하기 위한 것이 아니다.

Claims (12)

  1. 코드북 설계 모듈과 코드워드 검색 모듈이 포함되며,
    코드북 설계 모듈은 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 그루핑하고 각 그룹의 잔차 벡터를 위해 지정된 수량의 코드워드로 구성되는 대응하는 압축 서브 코드북을 생성하여 각 그룹의 압축 서브 코드북을 코드워드 검색 모듈에 송신하도록 구성되고,
    코드워드 검색 모듈은 코드북 설계 모듈에 의해 송신된 압축 서브 코드북을 수신하고 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 위해 순차적으로 최적 매칭 코드워드를 선정하며 상기 최적 매칭 코드워드의 코드워드 인덱스 값 및 소속된 압축 서브 코드북의 인덱스 값을 상기 정점 데이터에 대한 압축 결과로 취급하도록 구성되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 장치.
  2. 청구항 1에 있어서,
    코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 산출하여 잔차 벡터를 코드북 설계 모듈에 송신하도록 구성되는 정점 데이터 예측 모듈이 더 포함되며,
    이와 상응하게 상기 코드북 설계 모듈은 구체적으로, 정점 예측 모듈에 의해 송신되는, 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 수신하여 그룹 수량과 그룹 비례에 따라 차례로 그룹 비례에 따라 잔차 벡터들 중에서 잔차 벡터 모듈러 값의 오름차순으로 상응하는 수량의 잔차 벡터를 추출하여 한 그룹의 잔차 벡터를 구성하고 해당 그룹 임계치를 기록하며 이와 같이 유추하여 그룹 수량과 일치한 복수의 그룹의 잔차 벡터를 획득하며 생성 순서에 따라 각 잔차 벡터 그룹을 넘버링하도록 구성되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 장치.
  3. 청구항 2에 있어서,
    상기 코드북 설계 모듈은 구체적으로, 차례로 각 그룹의 잔차 벡터를 추출하고 추출된 각 그룹의 잔차 벡터에 대해 LBG 알고리즘을 이용하여 훈련을 진행하여 지정된 수량의 코드워드를 생성하며 대응하는 압축 서브 코드북을 구성하도록 구성되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 장치.
  4. 청구항 3에 있어서,
    상기 정점 데이터 예측 모듈은 또한, 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 산출하여 잔차 벡터를 코드워드 검색 모듈에 송신하도록 구성되며,
    이와 상응하게, 상기 코드워드 검색 모듈은 구체적으로, 정점 데이터 예측 모듈에 의해 송신되는, 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 수신하고 잔차 벡터의 모듈러 값과 각 그룹의 압축 서브 코드북의 그룹 임계치를 비교하여 잔차 벡터를 위한 코드워드 검색을 하고자 하는 압축 서브 코드북을 선정하며 선정된 압축 서브 코드북 내에서 코드워드 검색을 진행하여 최적 매칭 코드워드를 획득하도록 구성되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 장치.
  5. 청구항 1에 있어서,
    완전 검색 (FS) 방법 또는 고속 검색 방법을 코드워드 검색 방법으로 선정하고 선정된 코드워드 검색 방법을 코드워드 검색 모듈에 통지하도록 구성되는 제어 모듈이 더 포함되며,
    이와 상응하게, 상기 코드워드 검색 모듈은 또한, 제어 모듈에 의해 송신된, 선정된 코드워드 검색 방법에 대한 통지를 수신하도록 구성되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 장치.
  6. 청구항 5에 있어서,
    상기 코드워드 검색 모듈이 고속 검색 방법을 이용할 경우, 구체적으로 주성분 분석(PCA) 알고리즘을 이용하여 각 그룹의 압축 서브 코드북에 대해 계산을 진행하여 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 얻고, 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 이용하여 해당 압축 서브 코드북 내의 모든 코드워드에 대해 변환을 진행하며 직교 변환을 거친 코드워드를 새로운 코드워드로 취급하여 해당 압축 서브 코드북에 저장하며,
    코드워드 검색 시에 그룹 임계치에 따라 차례로 잔차 벡터에 대응되는 압축 서브 코드북을 확정하고 해당 압축 서브 코드북의 직교 변환 매트릭스를 이용하여 잔차 벡터에 대해 직교 변환을 진행하며 변환된 후의 잔차 벡터를 이용하여, 선정된 압축 서브 코드북 내에서 직교 변환을 거친 코드워드에 대해 검색을 진행하여 최적 매칭 코드워드를 획득하도록 구성되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 장치.
  7. 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 그루핑하고 각 그룹의 잔차 벡터를 위해 지정된 수량의 코드워드로 구성되는 대응하는 압축 서브 코드북을 생성하는 단계; 및
    압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 위해 순차적으로 최적 매칭 코드워드를 선정하며 상기 최적 매칭 코드워드의 코드워드 인덱스 값 및 소속된 압축 서브 코드북의 인덱스 값을 상기 정점 데이터에 대한 압축 결과로 취급하는 단계가 포함되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 방법.
  8. 청구항 7에 있어서,
    상기 코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 그루핑함에 있어서,
    코드북 설계 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 산출하는 단계; 및 그룹 수량과 그룹 비례에 따라 차례로 그룹 비례에 따라 잔차 벡터들 중에서 잔차 벡터 모듈러 값의 오름차순으로 상응하는 수량의 잔차 벡터를 추출하여 한 그룹의 잔차 벡터를 구성하고 해당 그룹 임계치를 기록하며 이와 같이 유추하여 그룹 수량과 일치한 복수의 그룹의 잔차 벡터를 획득하며 생성 순서에 따라 각 잔차 벡터 그룹을 넘버링하는 단계가 포함되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 방법.
  9. 청구항 7에 있어서,
    상기 각 그룹의 잔차 벡터를 위해 지정된 수량의 코드워드로 구성되는 대응하는 압축 서브 코드북을 생성함에 있어서,
    차례로 각 그룹의 잔차 벡터를 추출하고 추출된 각 그룹의 잔차 벡터에 대해 LBG 알고리즘을 이용하여 훈련을 진행하여 지정된 수량의 코드워드를 생성하며 대응하는 압축 서브 코드북을 구성하는 단계가 포함되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 방법.
  10. 청구항 7에 있어서,
    상기 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 위해 순차적으로 대응하는 압축 서브 코드북 내에서 최적 매칭 코드워드를 선정함에 있어서, 압축할 3차원 이미지 데이터 내의 정점 데이터의 잔차 벡터를 산출하고 잔차 벡터의 모듈러 값과 각 그룹의 압축 서브 코드북의 그룹 임계치를 비교하여 잔차 벡터를 위한 코드워드 검색을 하고자 하는 압축 서브 코드북을 선정하며 선정된 압축 서브 코드북 내에서 코드워드 검색을 진행하여 최적 매칭 코드워드를 획득하는 단계가 포함되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 방법.
  11. 청구항 10에 있어서,
    상기 코드워드 검색은 FS 방법 또는 고속 검색 방법인
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 방법.
  12. 청구항 11에 있어서,
    상기 고속 검색 방법에는,
    PCA 알고리즘을 이용하여 각 그룹의 압축 서브 코드북에 대해 계산을 진행하여 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 얻고, 각 그룹의 압축 서브 코드북에 대응되는 직교 변환 매트릭스를 이용하여 해당 압축 서브 코드북 내의 모든 코드워드에 대해 변환을 진행하며 직교 변환을 거친 코드워드를 새로운 코드워드로 취급하여 해당 압축 서브 코드북에 저장하는 단계; 및
    코드워드 검색 시에 그룹 임계치에 따라 차례로 잔차 벡터에 대응되는 압축 서브 코드북을 확정하고 해당 압축 서브 코드북의 직교 변환 매트릭스를 이용하여 잔차 벡터에 대해 직교 변환을 진행하며 변환된 후의 잔차 벡터를 이용하여, 선정된 압축 서브 코드북 내에서 직교 변환을 거친 코드워드에 대해 검색을 진행하여 최적 매칭 코드워드를 획득하는 단계가 포함되는
    것을 특징으로 하는 3차원 이미지 데이터 내의 정점 데이터 압축 방법.
KR1020147023119A 2012-02-23 2012-04-12 3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치 KR101603467B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201210042419.4A CN103297766B (zh) 2012-02-23 2012-02-23 一种三维图像数据中顶点数据的压缩方法及装置
CN201210042419.4 2012-02-23
PCT/CN2012/073932 WO2013123701A1 (zh) 2012-02-23 2012-04-12 一种三维图像数据中顶点数据的压缩方法及装置

Publications (2)

Publication Number Publication Date
KR20140113734A true KR20140113734A (ko) 2014-09-24
KR101603467B1 KR101603467B1 (ko) 2016-03-14

Family

ID=49004954

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147023119A KR101603467B1 (ko) 2012-02-23 2012-04-12 3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치

Country Status (5)

Country Link
US (1) US9509973B2 (ko)
EP (1) EP2801952B1 (ko)
KR (1) KR101603467B1 (ko)
CN (1) CN103297766B (ko)
WO (1) WO2013123701A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10735773B2 (en) * 2015-06-04 2020-08-04 Apple Inc. Video coding techniques for high quality coding of low motion content
KR102424814B1 (ko) 2018-01-17 2022-07-26 한국전력공사 키넥트 영상 데이터 부호화 장치 및 그 방법
CN111782734B (zh) * 2019-04-04 2024-04-12 华为技术服务有限公司 数据压缩、解压方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990002045A (ko) * 1997-06-18 1999-01-15 양승택 예측 잉여신호 벡터 양자화를 이용한 3차원 그래픽 모델의 정점 위치 다단계 압축 방법
JP2002049933A (ja) * 2000-08-01 2002-02-15 Ricoh Co Ltd ３次元幾何データの表現方法、圧縮・伸長方法、圧縮・伸長装置および該圧縮・伸長方法を実現するプログラムの記録媒体
KR20030054606A (ko) * 2001-12-26 2003-07-02 한국전자통신연구원 3차원 텍스춰 매핑을 위한 부호화/복호화 장치 및 방법
KR100598134B1 (ko) * 2005-03-24 2006-07-10 인하대학교 산학협력단 케이평균 군집화를 이용한 벡터 데이터 압축 방법 및시스템

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6256041B1 (en) * 1995-08-04 2001-07-03 Sun Microsystems, Inc. Decompression of three-dimensional geometry data representing a regularly tiled surface portion of a graphical object
CN1946180B (zh) * 2006-10-27 2010-05-12 北京航空航天大学 一种基于Octree的三维模型压缩编码方法
WO2009090876A1 (ja) * 2008-01-16 2009-07-23 Panasonic Corporation ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
WO2009128617A2 (en) 2008-04-18 2009-10-22 Electronics And Telecommunications Research Institute Apparatus and method for low-complexity three-dimensional mesh compression
EP2261859A1 (en) 2009-06-10 2010-12-15 Thomson Licensing Method for encoding/decoding a 3D mesh model that comprises one or more components
CN101944358B (zh) * 2010-08-27 2014-04-09 太原理工大学 基于蚁群聚类算法的码书分类方法及其码书分类装置
KR101794537B1 (ko) * 2011-01-21 2017-11-07 삼성전자주식회사 데이터 처리 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990002045A (ko) * 1997-06-18 1999-01-15 양승택 예측 잉여신호 벡터 양자화를 이용한 3차원 그래픽 모델의 정점 위치 다단계 압축 방법
JP2002049933A (ja) * 2000-08-01 2002-02-15 Ricoh Co Ltd ３次元幾何データの表現方法、圧縮・伸長方法、圧縮・伸長装置および該圧縮・伸長方法を実現するプログラムの記録媒体
KR20030054606A (ko) * 2001-12-26 2003-07-02 한국전자통신연구원 3차원 텍스춰 매핑을 위한 부호화/복호화 장치 및 방법
KR100598134B1 (ko) * 2005-03-24 2006-07-10 인하대학교 산학협력단 케이평균 군집화를 이용한 벡터 데이터 압축 방법 및시스템

Also Published As

Publication number Publication date
EP2801952B1 (en) 2019-12-11
US9509973B2 (en) 2016-11-29
EP2801952A1 (en) 2014-11-12
KR101603467B1 (ko) 2016-03-14
WO2013123701A1 (zh) 2013-08-29
EP2801952A4 (en) 2016-06-29
CN103297766B (zh) 2016-12-14
CN103297766A (zh) 2013-09-11
US20140362182A1 (en) 2014-12-11

Similar Documents

Publication Publication Date Title
CN108335335B (zh) 一种基于增强图变换的点云属性压缩方法
CN100553152C (zh) 基于cabac的编码方法和设备及解码方法和设备
CN102098508B (zh) 多媒体签名的编码和解码
CN102353894B (zh) 基于参考向量和位掩码的soc的测试方法
KR101443170B1 (ko) 다단계 양자화 방법 및 저장 매체
CN103995988A (zh) 一种高通量dna测序质量分数无损压缩系统及压缩方法
RU2750644C2 (ru) Кодирование и декодирование положений спектральных пиков
CN105374054A (zh) 基于空谱特性的高光谱图像压缩方法
CN110019865B (zh) 海量图片处理方法、装置、电子设备及存储介质
KR101603467B1 (ko) 3차원 이미지 데이터 내의 정점 데이터 압축 방법 및 장치
Gu et al. Compression of human motion capture data using motion pattern indexing
JP2024050705A (ja) 属性情報の予測方法、エンコーダ、デコーダ及び記憶媒体
CN103975593B (zh) 基于三维模型压缩而生成重复性结构发现的比特流的方法和设备
CN104767997A (zh) 一种面向视频的视觉特征编码方法及装置
CN115567609B (zh) 一种锅炉用物联网通信方法
JP2017158183A (ja) 画像処理装置
CN103746701A (zh) 一种用于Rice无损数据压缩的快速编码选项选择方法
GB2551387A (en) Improved encoding and decoding of geometry data in 3D mesh models
US20220180569A1 (en) Method, apparatus and storage medium for image encoding/decoding using binary mask
CN114979267A (zh) 面向多服务需求的语义通信方法及装置
CN115032544A (zh) 数据不完备场景下的动力锂电池剩余寿命预测方法
Chang et al. A Reversible Data Hiding Method for SMVQ Indices Based on Improved Locally Adaptive Coding.
Kekre et al. Vector quantized codebook optimization using modified genetic algorithm
Pan et al. A low bit-rate SOC-based reversible data hiding algorithm by using new encoding strategies
Ettaouil et al. Vector quantization by improved Kohonen algorithm

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20200225

Year of fee payment: 5