http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
인덱스 이미지에서의 무손실 압축을 위한 적응적 순위 기반 재인덱싱 기법
유강수,이봉주,장의선,곽훈성,You Kang-Soo,Lee Bong-Ju,Jang Euee S.,Kwak Hoon-Sung 한국통신학회 2005 韓國通信學會論文誌 Vol.30 No.7C
인덱스 이미지를 구성하는 요소들을 재구성하는 기법을 재인덱싱이라 한다. 이는 무손실 압축의 효율을 높이기 위한 방법으로 잘 알려져 있다. 본 논문에서는 이웃하는 픽셀간의 발생빈도수에 대한 순위를 가지고 재인덱싱 기법을 보다 유연하게 처리하기 위한 적응적 방법을 소개한다. 제안한 방법을 통하여 획득한 순위로 구성된 이미지를 산술 부호화하여 무손실 압축을 행한다. 이때 발생하는 순위 정보를 송신측으로 보내지 않게 하기 위해 적응적으로 한 픽셀씩 처리한다. 순위 정보로 전환된 이미지를 순위 이미지라고 부른다. 이러한 순위 이미지는 동일한 순위에 포함되는 많은 픽셀들이 존재하게 되어 일반적인 이미지보다 데이터의 중복성을 높일 수 있고 데이터 분포가 한쪽으로 편중되어 있어 산술 부호화의 효율을 기대할 수 있다. 실험 결과, 제안한 적응적 순위 기반 재인덱싱 방법은 Zeng의 방법보다 최대 26$\%$의 비트율 절감 효과를 보였다. Re-assignment scheme of index in index image is called reindexing. It has been well known that index image can be reindexed without losslessness. In this paper, we introduces an adaptive rank based reindexing scheme using co-occurrence frequency between neighboring pixels. Original index image can be converted into rank image by the proposed scheme. Using the proposed scheme, a better compression efficiency can be expected because most of the reindexed values(rank) get distributed with a smaller variance than the original index image. Experinental results show that the proposed scheme achieves a much better compression performance over GIF, arithmetic coding, Zeng's algorithm and RIAC scheme.
적응적 순위 기반 재인덱싱 기법에서의 동일 빈도 값에 대한 우선순위 방법
유강수,유희진,장의선,You Kang Soo,Yoo Hee Jin,Jang Euee S. 한국통신학회 2005 韓國通信學會論文誌 Vol.30 No.12C
본 논문은 인덱스 영상의 무손실 압축을 위한 적응적 순위 기반 재인덱싱 기법에서 동일 빈도 값에 대한 우선 순위 결정 방법을 제안한다. 발생빈도행렬에서 동일 빈도 값에 대한 우선순위 결정은 발생빈도행렬의 임의의 행에서 물리적으로 처음 위치한 빈도 값, 주대각선 주위에 위치한 빈도 값, 민도 값이 큰 원소의 주위에 위치한 빈도값을 사용한다. 실험 결과, 제안 방법은 기존의 Zeng과 Pinho의 방법보다 1.71 비트까지 절감 효율을 보였다. In this paper, we propose a priority method on same co-occurrence count in adaptive rank-based reindexing scheme for lossless indexed image compression. The priority on same co-occurrence count in co-occurrence count matrix depends on a front count value on each raw of co-occurrence count matrix, a count value around diagonal line on each raw of the matrix, and a count value around large co-occurrence count on each raw of the matrix. Experimental results show that our proposed method can be reduced up to 1.71 bpp comparing with Zeng's and Pinho's method.
산술부호화를 이용한 인덱스 칼라 이미지에서의 효율적인 무손실 압축 방법
유강수,이한정,장의선,곽훈성,You Kang-Soo,Lee Han-Jeong,Jang Euee S.,Kwak Hoon-Sung 한국통신학회 2005 韓國通信學會論文誌 Vol.30 No.1C
본 논문에서는 팔레트 기반 이미지(palette-based image) 또는 인덱스 이미지(indexed image)라고 불리는 256색의 이미지에 대한 압축 성능 향상을 위한 새로운 알고리즘을 소개한다. 제안한 방식은 현재 색상이 갖는 인덱스 값을 중심으로 다음에 나오는 색상의 인덱스가 얼마나 발생하는지를 측정하고, 발생 빈도를 정렬하여 순위를 구한 후에, 색상에 대한 인덱스 값을 순위로 표현하여 원래의 인덱스 이미지를 대체한다. 그렇게 변화된 순위 인덱스이미지(ranked index image)의 인덱스 분포에서는 순위가 높은 곳에 같은 인덱스들이 더 많이 존재하기 때문에 데이터 중복성(redundancy)을 높일 수 있어, 압축 효율을 기대할 수 있다. 실험 결과에서는, 기존의 산술부호화 방식, 휘도 성분 기반의 JPEG-LS 방식 그리고 인덱스 기반의 GIF 방식들과 비교할 때, 원 이미지에 대한 압축률이 최대 22.5까지 향상되어 제안한 방식의 압축 성능이 훨씬 뛰어나다는 것을 보여준다. This paper introduces a new algorithm to improve compression performance of 256 color images called palette-based or indexed images. The proposed scheme counts each frequency of index values after present index value and determines each rank for every index value by sorting them in descending order. Then, the scheme makes ranked index image instead of original indexed image using the way to replace index values with ranks. In the ranked index image's distribution produced as a result of this algorithm, the higher ranked index value, the more present same values. Therefore, data redundancy will be raised and more efficient performance of compression can be expected. Simulation results verify that because of higher compression ratio by up to 22.5, this newly designed algorithm shows a much better performance of compression in comparison with the arithmetic coding, intensity-based JPEG-LS and palette-based GIF.
Yueming Qu,Qiong Jia,Euee S. Jang(장의선) 한국방송·미디어공학회 2022 한국방송공학회 학술발표대회 논문집 Vol.2022 No.11
The process of deep learning usually needs to deal with massive data which has greatly limited the development of deep learning technologies today. Convolutional Neural Network (CNN) structure is often used to solve image classification problems. However, a large number of images may be required in order to train an image in CNN, which is a heavy burden for existing computer systems to handle. If the image data can be compressed under the premise that the computer hardware system remains unchanged, it is possible to train more datasets in deep learning. However, image compression usually adopts the form of lossy compression, which will lose part of the image information. If the lost information is key information, it may affect learning performance. In this paper, we will analyze the effect of image compression on deep learning performance on CNN-based cat and dog classification. Through the experiment results, we conclude that the compression of images does not have a significant impact on the accuracy of deep learning.
V3C: V-PCC Encoder improvement for empty partition
Tianyu Dong,Qiong Jia,Euee S. Jang(장의선) 한국방송·미디어공학회 2022 한국방송공학회 학술발표대회 논문집 Vol.2022 No.11
In this paper, we proposed a method for Video-based point cloud compression reference software TMC2 encoder with an option for empty partitions in point cloud encoding. This encoder option allows tile initialization and process for an empty partition. The proposed method provides the TMC2 encoder the robustness to process dynamic point clouds.