KR970003793B1 - 블록정합 동추정방법 및 장치 - Google Patents

Abstract

요약없음

Description

블록정합 동추정방법 및 장치

제1도는 종래의 동 추정기의 구조를 나타내는 도.

제2도는 종래의 다른 동 추정기의 구조을 나타내는 도.

제3도는 종래의 또 다른 동 추정기의 구조를 나타내는 도.

제4도는 본 발명에 의한 블록정합 동추정기의 블록도.

제5도의 a) 및 b)는 각각 제4도의 데이타블록에 입력되는 현재영상과 이전영상의 화소들의 위치를 나타내는 도면들.

제6도는 a) 및 b)는 각 제4도의 주영값계산블록으로 입력되는 수평 가산투영블록의 입력 및 수직 가산투영 블록의 입력을 나타내는 도들.

제7도는 제4도의 왜곡함수계산블록의 상세블록도.

제8도는 제4도의 동벡터추출블록의 상세블록도.

*도면의 주요부분에 대한 부호의 설명*

10 : 데이타 블록20 : 가산투영값 계산블록

30 : 왜곡함수값 계산블록31 : 왜곡함수 계산기

32 : 레지스터 어레이40 : 최소 왜곡함수값 계산블록

100 : 1차원 정합점계산블록200 : 2차원 정합점계산블록.

본 발명은 영상데이타를 압축하는 방법 및 장치에 관한 것으로, 보다 상세하게는 가산투영을 이용하여 영상의 움직임을 실시간적으로 검출하는 블록정합 동추정방법 및 그 장치에 관한 것이다.

통신기술의 발달은 음성정보의 전달에서 영상정보의 전달로 발전되어 왔으며, 앞으로는 영상정보를 이용한 정보통신산업이 급속히 발전할 것으로 보인다. 이 영상정보통신기술에서는 제한된 대역폭과 메모리의 효율을 극대화시키기 위하여, 음성정보에 비해 데이타량이 많은 영상데이타를 처리하는 신호처리기술이 고품질의 영상정보서비스를 위한 필수적인 핵심기술로서 연구되고 있다.

영상신호 전송장치의 영상신호처리부는 영상입력부, 동검출 및 보상부, 예측오차부호부 및 가변길이 부호화부등으로 구성되어 있다. 그중에서, 동 검출 및 보상부는 다른 부분에 비해 계산량이 방대하여, 움직이는 영상을 효율적으로 실시간전송하기 위해서는 고속처리기술을 적용하여야 한다.

상기 동검출 및 보상부는 주로 동영상 부호화에 많이 이용되는 동보상부호화기법(motion compensated coding method)을 적용하고 있다. 이 동보상부호화기법은 움직임을 검출하고 이 움직임에 따른 시간적인 중복성을 제거하며, 움직임을 나타내는 이동벡터와 움직임보상에 따를 예측오차를 전송하여 영상데이타를 압축한다.

움직임을 검출하는 동보상부호화기법중에서 블록정합알고리즘(block matching algorithm : BMA)은 시간적으로 서로 이웃한 두장의 프레임에서 각각의 프레임을 일정한 크기의 블록들로 나눈 후 해당블록의 움직임을 추정하는 알고리즘으로 다른 방법에 비해 알고리즘이 간단하고, 하드웨어구현이 용이하여 화상전화, 화상회의 및 HDTV등에 사용되고 있다.

BMA에 있어서, 가장 대표적인 벙법은 탐색영역내의 모든 점들을 후보점으로하여 이동벡터를 추정하는 전역탐색(full search)방법이다. 이 전역탐색방법의 하드웨어구조로는 제1도에 도시한 Komarek와 Pirsh의 ABI타입구조와, 제2도에 도시한 Hsieh와 Lin의 동추정기의 구조 및 제3도에 도시한 Jehng의 동추정기의 구조를 들 수 있다. 상기 Komarek와 Pirsch의 ABI타입구조는 전용하드웨어 구조인 SMCA(systolic mesh-connected array)를 이용하였으며, Jehng의 구조는 트리구조를 이용하였다.

제1도에는 동추정을 위한 SMCA구조가 도시되어 있으며, 최소왜곡을 갖는 블록을 찾기 위하여 이전 프레임에서의 탐색범위내 가능한 모든 변위된 후보블록들을 정합시키는 과정이 도시되어 있다.

제1도는 블록의 크기 N이 3×3이고 탐색영역의 크기 P가 ±2인 경우를 예로 든 것이다. 여기서, 숫자의 열은 어레이구조의 입력을 나타내며, 움직임블로과 탐색영역의 상대좌표이다. 그러므로, 탐색영역데이타 12는 탐색영역내의 첫번째 행, 두번째 열의 화소값을 의미한다.

제1도에서 MAD(mean-of-the-absolute-differences)는 현재영상과 이전영상의 화소값들의 차이의 절대값의 평균을 나타내며, 동백터를 찾는데 사용된다. 연산자 AD는 개별적인 시스톨릭 성분을 나타내며, 현재르레임내 화소들과 이전프레임내 화소들 사이의 차이들을 계산한다. 연산자는 A는 변위벡터가 (i,j)인 각 정합블록에 대한 블록왜곡 MAD(i,j)을 구하기 위하여 그 차이들을 누산한다. 연산자 M은 블록왜곡들로부터 최소 MAD(i,j)를 유지하여 예측블록벡터(i,j)를 결정할 수 있다.

다시 말하면, 제1도에서 블록 A는 입력들을 계속적으로 더하는 처리소자들(processing elements : PE's)을 나타내는 블록이고, 블록 AD는 탐색영역데이타와 기준영역데이타의 차의 절대값을 계산하는 블록이다. 다음, 블록 M은 입력들중 희소값을 찾는 블록이다.

재2도의 동추정기의 구조는 처음에 현재의 영상데이타가 입력데이타스트림으로 입력되고, 그 처음 입력이 최종 PE블록단에 도달하면, 그 후 이전영상데이타값이 입력되며, 각 화소별 차이가 계산되어 최종블록 M에서는 동벡터가 출력된다.

제2도에서, 블록 PE는 처리소자들을 나타내는 블록이고, SR은 시프트레지스터블록이며, A와 M은 상기 제1도의 동추정기의 블록과 유사한 기능을 하는 블록이다.

제3도의 동추정기의 구조는 트리구조로 N×N 블록의 MAD를 계산하는 과정에서 각 화소들의 차이를 계산할 때, 상기 제1도 및 제2도의 시스톨릭 어레이를 갖는 동추정기에서와는 달리, 여러 단계로 나누어 계산하지 않고 하나의 프로세싱 시간에 동시에 계산한다. 이를 위해, 2-입력가산기를 2진 트리모양으로 구성한 N²-입력가산기를 이용하여 계산한다.

제3도에서, 연산자 D는 개별적인 처리소자들을 나타내는 블록이고, 다른 연산자 A와 M은 상기 제1도의 동추정기의 블록과 유사한 기능을 하는 블록이다.

상술한 종래의 전역탐색 블록정합 알고리즘을 구현하는데 사용되는 동추정기들은 2개의 논문들("An Efficient and simple VLSI Tree Architecture for motion Estimation Algorithms" on IEEE Transactions on Signal Processing, Vol. 41, No.2. February 1993, by Yeu-Shen Jehng, Liang-Gee Chen and Tzi-Dar Chiueh와 "VLSI Architecture for Block-Matching Motion Estimation Algorithm" on IEEE transactions on circuits and systems for video technology, vol.2. June 1992, by Chaur-Heh Hsieh and Ting-Pang Lin)에 개시되어 있다.

상기 전역탐색 블록정합 알고리즘은 모든 정합 후보블록들에 대하여 MAD를 계산해야 하므로 탐색영역이 커지면 커질수록 반복처리되는 회수가 기하급수적으로 증가하게 되므로 계산량이 많아질 수밖에 없었다. 그러므로, 전역탐색 블록정합 알고리즘을 이용하여 하드웨어를 구현할 때에는 크고 적은 차이는 있으나 상술한 이유에 근거하여 계산량이 많아지게 된다.

각 구조별 계산량에 살펴보면, 블록의 크기가 N×N이고 탐색영역의 크기가 P이고 이에 따라 탐색범위가 (2P+1)²일 때, 제1도 내지 제3도의 소요클럭의 수는 N×(2P+)×(2P+N), (N+2P)²+2logN+1로 각각 계산될 수 있다. 이에 따라서, 블록의 크기가 3×3이고 탐색의 크기가 ±2일 때, 제1도의 구조에서는 105[=3×(2×2+3)]개의 클럭이 소요되고, 제2도의 구조에서는 시프트레지스터가 추가되므로 지연이 야기되어 계산시간은 49 (=3+2×2)²개의 클럭이 필요하게 된다. 제3도의 트리구조에서는 각 후보블록내의 화소들의 절대차를 하나의 클럭마다 계산하고 이들 둘씩 더하여 MAD를 계산하므로 약 26 (=25+2log3+1)개의 클럭이 필요하게 된다.

상술한 바와 같이, 종래의 전역탐색 BMA방법들은 모든 정합블록들에 대해서 MAD를 계산하여야 하므로, 그에 따라 계산량이 방대해지고 많은 클럭이 소요되므로 처리시간이 길어지게 되어, 성능은 우수하나 방대한 양의 계산으로 실시간 처리에 어려움이 있었다.

따라서, 본 발명은 상기한 전역탐색 블록정합 알고리즘의 종래 단점들을 개선하기 위하여, 가산투영을 이용함으로써 탐색점의 수를 줄여 영상데이타계산량을 줄인 블록정합 동추정방법 및 장치를 제공하는 데 그 목적이 있다.

본 발명의 다른 목적은 계산량이 줄어들어 고속으로 실시간처리가 가능하게 함에도 불구하고 성능저하가 거의 없는 블록정합 동추정방법 및 장치를 제공하는 데 있다.

본 발명의 또 다른 목적은 가산투영을 이용함으로써 임펄스성 잡음에 강한 블록정합 동추정방법 및 장치를 제공하는데 있다.

그러므로 본 발명은 상기 목적을 달성하기 위하여, 연속적인 영상데이타의 움직임을 추정하는 방법에 있어서, 상기 영상데이타의 수평 및 수직의 가산투영값을 이용하여 현재영상데이타의 블록과 이전영상데이타의 블록사이의 왜곡함수값으로부터 1차원 정합점을 계산하는 제1정합과정 : 및 상기 제1 정합과정으로부터 구한 1차원 정합점과 그 주변의 8점으로부터 2차원 정합점을 구하는 제2 정합과정을 포함하는 것을 특징으로 하는 블록정합 동추정방법을 제공한다.

또한, 본 발명은 연속적인 영상데이타의 움직임을 추정하는 장치에 있어서, 현재영상데이타 및 이전영상데이타에 대한 수평 및 수직 가산투영값들을 계산하는 수단; 상기 현재영상데이타 및 이전영상데이타의 수평 및 수직 가산투영값들을 이용하여 현재영상과 이전영상사이의 제1 왜곡함수값을 계산하는 수단; 상기 현재영상 주변의 모든 블록들의 제1 왜곡함수값들중에서 최소값을 갖는 1차원 정합점을 구하는 수단; 상기 얻어진 하나의 1차원 정합점과 그 주변의 8개의 탐색점에 대하여 제2 왜곡함수값을 계산하는 수단; 및 상기 제2 왜곡함수값들 중 최소값을 선택하여 2차원 정합점을 결정하는 수단을 포함하는 것을 특징으로 하는 블록정합 동추정장치를 제공하고 있다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 대해서 보다 상세히 설명하기로 한다. 설명의 편의 및 이해를 도모하기 위하여 도면에 도시되는 블록들의 크기 N은 4×4이고, 탐색영역의 크기 P는 ±3인 경우를 예로 들었다.

제4도는 본 발명에 의한 블록정합 동추정방법을 설명하기 위한 구성블록도로, 크게는 1차원 정합점을 구하는 블록(100)과 2차원 정합점을 구하는 블록(200)으로 구성되어 있다. 상기 1차원 정합점은 1차원 정합과정의 출럭인 1차원 동벡터이고, 상기 2차원 정합점은 상기 1차원 동벡터를 이용하여 본 발명에 의한 동추정장치의 출현을 구한, 2차원 동벡터를 의미한다.

상기 1차원 정합점을 구하는 블록(100)은 연속적인 영상데이타를 받아들이는 데이타블록(10), 상기 영상 데이타의 수평 및 수직 1차원 가산투영값들을 계산하는 블록(20), 상기 현재영상데이타 및 이전영상데이타의 1차원 가산투영값들을 사용하여 현재영상과 이전영상의 왜곡함수값들 계산하는 블록(30), 상기 현재영상주변의 모든 탐색점의 왜곡함수값들을 구하여 최소값을 갖는 1차원 정합점을 구하는 블록(40)을 포함하고 있다.

또한, 상기 2차원 정합점을 구하는 블록(200)은 상기 1차원 정합점을 구하는 블록(100)으로부터 얻어진 하나의 정합점과 그 주변의 8개의 탐색점에 대하여 2차원 왜곡함수값을 계산하는 수단(미도시) 및 상기 2차원 왜곡함수값들 중 최소값을 선택하여 최종 정합점을 결정하는 수단(미도시)을 포함하는 구조에 의해 달성된다. 여기서, 상기 2차원 정합점 계산블록은 제1도 또는 제3도에 도시된 동추정기의 구조를 적용하여 구성될 수 있으며, 상기 1차원 정합점이 상기 2차원 정합점계산블록(200)에 입력되면, 제1도 또는 제3도의 기준영역데이타와 탐색영역데이타가 결정되어 전술한 바와 같이 2차원 정합점을 최종동벡터로서 출력하게 할 수 있다. 이에 대해서는 당업자에게 명백하므로 그에 대한 상세한 설명은 생략하기로 한다.

제4도에서, 데이타블록(10)은 현재영상과 이전영상을 가산투영값 계산블록(20)이 원하는 순서대로 출력한다. 이 경우, 데이타블록(10)은 상기 가산투영값 계산블록(20)이 수평 및 수직 가산투영값을 계산할 수 있도록 현재영상데이타를 정해진 순서대로 상기 계산블록(20)의 입력으로 공급한다. 또한, 데이타블록(10)은 상기 가산투영값 계산블록(20)이 수평 및 수직 가산투영값을 계산할 수 있도록, 이전영상데이타를 정해진 순서대로 상기 계산블록(20)의 입력으로 공급한다.

본 발명에 적용되는 가산투영(integral projection)은 블록정합알고리즘의 전역탐색방법과 결합이 용이하고, 블록들간의 2차원 정합을 1차원 정합으로 변환함으로써 계산량을 줄일 수 있다. 또한, 가산투영은 계산량의 감축을 위해서도 적용하였지만, 가산투영의 또 다른 장점으로 가산형 잡음에 강한 면을 들 수 있다. 영상에 대한 가산투영은 임의의 방향을 따라 존해하는 화소들을 더한 값으로 정의 되며, 수직 또는 수평의 화소들을 더한 양을 수직 또는 수평 가산투영이라 한다. 여기서, 가산투영은 디지탈영상에도 적용가능함은 물론이다. 즉, 영상내에 존재하는 블록들의 수평 또는 수직 가산투영값들은 그 블록내의 화소값들에 대한 정보를 포함하고 있기 때문에 글 블록에 대한 특징을 나타낼 수 있다.

이 가산투영값을 구하는 과정을 첨부도면을 참조하여 이하 상술하기로 한다.

상기 이전영상과 현재영상의 화소들의 위치를 각각 제5도 a) 와 b)에 도시한 바와 같이 나타내었으며, 상기 수평 및 수직 가산투영값 계산블록(20)으로 공급될 때 그 출력되는 순서는 제6도에 도시한 바와 같다.

제6도의 a)에서 H0내지 H9은 상기 가산투영값 계산블록(20)내의 수평 가산투영값 계산블록들이다. 기준 영역데이타인 현재영상데이타는 화소들의 행(row)데이타가 도면에 도시된 순서대로 가산투영값 계산블록들로 입력되고, 탐색영역데이타인 이전영상데이타는 화소들의 행데이타가 도면에 도시된 순서대로 수평 가산 투영값 계산블록들로 입력된다.

제6도의 b)에서 V0 내지 V9은 상기 가산투영값 계산블록(20)내의 수직 가산투영값 계산블록들이다. 기준 영역데이타인 현재영상데이타는 화소들의 열데이타가 도면에 도시된 순서대로 수직 가산투영값 계산블록들로 입력되고, 탐색영역데이타인 이전영상데이타는 화소들의 열데이타가 도면에 도시된 순서대로 수직 가산 투영값 계산블록들로 입력된다.

제6도 a) 및 b)에서, 상기 수평 및 수직 가산투영값 계산블록(20)의 MAD값을 계산하는 데 사용되는 수평 및 수직 가산투영값들은 각각 H0-H3와 V0-V3이다. 한편, 상기 가산투영값 계산블록(20)은 상기 왜곡 함수값 계산블록(30)에서 사용하지 않은 수평 및 수직 가산투영값들(H4-H9,V4-V9)을 계속적으로 출력된다.

한편 상기 왜곡함수값 계산블록(30)은 각각 4개의 수평 및 수직 가산투영값들을 받아서 블록들의 왜곡함수값을 구한다. 이를 위하여, 상기 왜곡함수값 계산블록(30)은 본 실시예에서는 7×4의 왜곡함수값계산기와 현재 사용하지 않은 가산투영값들을 계속적으로 받아들어 출력시키는 부분을 포함하여 구성된다. 또한 제7도에 의하면, 7×4 왜곡함수값 계산기(31)는 각 열마다 7개의 처리소자들(M)이 배치되고, 각 행마다 4개의 처리소자들(M)이 배치되며, 각 행의 처리소자들의 출력들을 가산하는 가산기들(A)을 포함하고 있다. 여기서, 각 처리소자들은 수평 및 수직 가산투영값을 이용하여 왜곡함수값을 계산하는 블록들이다. 또한, 다른 한 부분(32)은 각 열마다 7개의 레지스터들이 배치되고 각 행마다 6개의 레지스터들이 배치되는 구조를 가진다.

제7도를 참조하여 상기 왜곡함수값 계산블록(30)의 동작설명을 이하 설명한다. 이 경우, 설명의 편의를 위하여, 상기 왜곡함수값 계산블록(30)에 현재영상의 가산투영값들이 입력된 때와, 이전영상의 가산투영값들이 입력될 때의 동작을 나누어 설명하기로 한다.

제7도에서, "R"로 표시된 블록들은 레지스터들로서 현재 사용하지 않은 가산투영값들을 계속적으로 받아들여 출력시키는 부분이고, "M"으로 표시된 블록들은 처리소자들로서 7×4 왜곡함수계산기이다. 여기에, 현재영상의 가산투영값이 입력으로 들어올 때에는 전술한 바와 같이 R로 표시된 블록에서는 1차원 정합과정에서 필요한 과정을 수행하지 않으며, M으로 표시된 블록에서만 현재영상의 수평 및 수직 가산투영값등을 저장한다. 즉, 한 행 4개의 M에 각 4개의 수평 및 수직 가산투영값들을 저장한다. M은 현재영상의 가산투영값이 입력되는 경우, 위에서 아래로 한 클럭후에 출력을 내보냄과 동시에 M안에 그를 저장한다. 이러한 과정을 계속적으로 수행하면 같은 열의 M에는 같은 값이 저장되어, 그 저장된 값들이 현재영상의 수평 및 수직 가산투영값들이 된다.

한편, M에 현재영상의 가산투영값들이 저장되어 있으며, 이전영상의 가산투영값들이 입력될 때에는, 한클럭에서 이전영상의 수평가산투영값들이 M과 R에서 최하단의 행에 전파될 때까지 수직방향으로 전파되고 그 다음 클럭에서는 수평방향으로 전파시킨다. 이와 아울러, 수직 가산투영값들은 M과 R에서 모두 대각선방향으로 전파된다. 상술한 바와 같이, 제7도에서는 7개의 행의 각 4개의 M에 현재영상의 수평 및 수직 가산투영값들이 저장되어 있으므로, 매 클럭마다 이전영상의 수평 및 수직 가산투영값들이 입력되므로 7개의 행에서 4×4 블록에 대해서 왜곡함수값들을 최종 가산기들을 통하여 구할 수 있다.

상기 구한 7개의 왜곡함수값 계산블록(40)에 공급되어 왜곡함수값의 최소값을 구한다. 이는 제8도에 도시한 구조를 적용한다. 제8도에서, 이전영상 주변의 모든 탐색점의 왜곡함수값들을 구하여 최소값을 갖는 정합점을 구한다. 제8도에서, C로 표시된 블록들은 2개의 왜곡함수값들중 작은 값을 출력으로 내보내고 D로 표시된 블록은 한 클럭 지연시키는 블록으로 이 과정을 수행하여 왜곡함수값들중 최소값을 얻을 수 있다.

한편, 본 발명에서는 상기 제1 정합과정을 두어 상기 제1 정합과정중 가산투영을 이용하여 2차원 정합을 1차원 정합으로 변환하는 과정에서 발생하는 정보의 손실로 인한 오정합을 보상하고 있다. 이로써, 부정확한 정합으로 인한 화질저하를 최소화하였다.

전술한 바와 같이, 상기 제2 정합과정은 제4도의 2차원 정합점계산블록(200)에서 수행되며, 제1 정합과정에서 얻은 한개의 1차원 정합점을 받아서, 그 1차원 정합점을 중심으로 주위의 8개의 점에 대하여 2차원 왜곡함수값을 구하고 그 2차원 왜곡함수값들중에 최소값을 구하여 이를 2차원 정합점인 동벡터로서 출력한다. 이 제2 정합과정에 대해서는 상술한 ABI구조 또는 트리구조를 사용하여 적용할 수 있음을 당업자는 주목하여야 한다.

또한, 본 발명에 의한 블록정합 동추정방법 및 장치에서 동벡터를 추정하는데 소요되는 클럭의 수를 계산하면 다음과 같다.

블록의 크기를 N, 탐색영역의 크기를 P라 하면, 1차 정합과정에서 제6도를 참조하면 기준데이터영역에서 클럭의 수는 N, 탐색데이타영역에서 (2P+N), 제7도를 참조하면 왜곡함수 값 계산시에는 (2P+1), 제8도를 참조하면 동벡터추출시에는 (log₂N+1) 및 수평 가산투영값을 지연시키는데 (N-2)개의 클럭이 소요되어 총 3N+4P+log₂N개의 클럭이 필요하게 된다.

한편, 2차 정합과정에서는 1차원 정합점과 그 주변의 8점에 대하여 전역탐색을 하는 것이고, 기존의 구조인 Komarek, et al의 ABI 구조와 Jehng의 트리구조를 적용할 수 있다. 그러나, 그 계산량은 종래의 전역 탐색 블록정합 방법에서처럼 모든 정합 후보점들에 대하여 MAD를 계산하는 대신에 상기 1차원 정합점과 그 주변의 8점에 대하여만 전역탐색을 하므로 탐색영역의 크기 P가 1이되어 소요되는 클럭수는 작아진다. 즉, N×(2P+1)²으로 표시되는 종래의 클럭계산식에서 P=1일때이므로 9N개의 클럭이 필요하게 된다.

예를들면, 블록의 크기가 16×16이고, 탐색영역의 크기 P가 7일때, 종래의 동추정기인 ABI구조에서는 3,600개(=3×16+4×7+log₂16), 9개의 점에 대하여 전역탐색을 하는 2차원 정합과정에서는 144개(=9×16)의 클럭이 소요되므로 총 224개의 클럭이 소요된다.

이에 따라서, 본 발명에서와 같이, 2단계 정합과정을 채용하는 블록정합 동추정 방법 및 장치는 계산량을 줄임으로써 종래의 동추정기에 비해 소요되는 클럭이 줄어들게 되어 연산속도가 빠르게 됨을 알 수 있다.

상술한 바와 같이, 본 발명에 의한 블록정합 동추정방법 및 장치는 2단계 블록정합 알고리즘을 적용하여 종래의 전역탐색 블록정합 알고리즘에 비하여 성능저하는 거의 없는 반면에 계산량을 줄임으로써 실시간처리가 가능하게 된다. 또한, 전술한 선행기술인 Komarek, et al..Hsieh, et al..와 Jehng의 하드웨어 구조보다는 1.5-2배정도 빠르게 동작한다. 또한, 1차블록정합 및 2차블록정합의 2단계를 블록정합을 이용하여 영상데이타의 움직임을 추정하므로 잡음에 강한 면도 있다. 특히, 잡음에 강한 이유는 가산투영을 이용하는 경우, 수평 및 수직으로 여러 화소값들을 누적시켜 정합점을 찾기 때문에 특정화소값을 크게 변화시키는 임펄스성 잡음이 들어와도 희석되는 효과가 있고, 가우스랜던잡음의 경우에는 보통 평균값이 0이 되어 서로 상쇄되기때문이다.

Claims (7)

1. 연속적인 영상데이타의 움직임을 추정하는 방법에 있어서, 상기 영상데이타의 수평 및 수직의 가산투영값을 이용하여 현재영상데이타의 블록과 이전영상데이타의 블록사이의 제1 왜곡함수값으로부터 1차원 정합점을 계산하는 제1 정합과정; 및 상기 1차원 정합과정으로부터 구한 1차원 정합점과 그 주면의 8점으로 부터 2차원 정합점을 구하는 제2 정합과정을 포함하는 것을 특징으로 하는 블록정합 동추정방법.
2. 제1항에 있어서, 상기 제1정합과정은 현재영상데이타에 대한 수평 및 수직 가산투영값들을 계산하는 단계; 이전영상데이타에 대한 수평 및 수직 가산투영값들을 계산하는 단계; 상기 현재영상데이타 및 이전 영상데이타의 수평 및 수직 가산투영값들을 이용하여 현재영상과 이전영상사이의 제1 왜곡함수값을 계산하는 단계; 및 상기 현재영상 주변의 모든 블록들의 제1 왜곡함수값들을 이용하여 최소값을 갖는 1차원 정합점을 구하는 단계를 포함하는 것을 특징으로 하는 블록정합 동추정방법.
3. 제2항에 있어서, 상기 제2 정합과정은 상기 제1 정합과정에서 얻어진 하나의 1차원 정합점과 그 주변의 8개의 탐색점에 대하여 제2 왜곡함수값을 계산하는 단계; 및 상기 제2 왜곡함수값들 중 최소값을 선택하여 2차원 정합점을 결정하는 단계를 포함하는 것을 특징으로 하는 블록정합 동추정장치.
4. 제2항에 있어서, 상기 제1 왜곡함수값 계산단계는 현재영상의 가산투영값이 입력될 때, 위에서 아래로 한 클럭후에 출력된 후 저장하는 단계; 및 이전영상의 가산투영값이 입력될 때, 수평가산투영값은 한 클럭에서 수직방향으로 전파되고, 다음 클럭에서는 수평방향으로 전파되며, 수직가산투영값은 대각선방향으로 전파되는 단계를 포함하는 것을 특징으로 하는 블록정합 동추정장치.
5. 연속적인 영상대이타의 움직임을 추정하는 장치에 있어서, 현재영상대이타와 이전영상데이타에 대한 수평 및 수직 가산투영값들을 계산하는 수단; 상기 현재 및 이전영상대이타의 수평 및 수직 가산투영값들을 사용하여 현재영상과 이전영상사이의 제1 왜곡함수값을 계산하는 수단; 상기 현재영상 주변의 모든 블록의 제 왜곡함수값들을 이용하여 최소값을 갖는 1차원 정합점을 구하는 수단; 상기 얻어진 하나의 1차원 정합점과 그 주변의 8개의 탐색점에 대하여 제2 왜곡함수값을 계산하는 수단; 및 상기 제2 왜곡함수값 중 최소값을 선택하여 2차원 정합점을 결정하는 수단을 포함하는 것을 특징으로 하는 블록정합 동추정장치.
6. 제5항에 있어서, 상기 제1 왜곡함수값을 계산하는 수단은 각 열마다 7개의 처리소자들(M)이 배치되고, 각 행마다 4개의 처리소자들(M)이 배치되는 7×4 왜곡함수값 계산기(31); 각 행의 처리소자들(M)의 출력들을 가산하는 가산기들(A); 및 각 열마다 7개의 레지스터들이 배치되고 각 행마다 6개의 레지스터들이 배치되는 구조를 갖는 레지스터에레이를 포함하는 것을 특징으로 하는 블록정합 동추정장치.
7. 제6항에 있어서, 상기 1차원 정합점계산수단은 상기 7개의 제1 왜곡함수값들 중 6개의 제1 왜곡함수값들을 2개씩 비교하여 작은 값을 구하는 비교수단; 상기 나머지 하나의 제1 왜곡함수값을 소정시간 딜레이하여 출력하는 딜레이수단; 및 상기 비교수단으로부터 출력된 3개의 왜곡함수값들과 상기 딜레이수단으로부터 출력된 1개의 왜곡함수값을 2개씩 비교하여 최종적으로 최소값을 출력하는 수단을 포함하는 것을 특징으로 하는 블록정합 동추정장치.