본 논문은 디지털 칼라 하프토닝 방법으로써 S-CIELAB 색차를 이용한 개선된 혼합 블루노이즈 마스크 방법을 제안한다. 블루 노이즈 패턴의 눈에 거슬리는 패턴과 색차와의 관계를 조사하여 제안한 하프토닝 방법은 고화질의 블루노이즈 패턴을 유지하면서 색차를 줄이는 방법이다. 따라서, 색차를 줄이기 위해서 마스크 생성 과정에서 저주파 오차와 S-CIELAB 색차 모두가 고려되고, 단일 패턴과 결합 패턴에 대해서 계산하였다. 계산된 저주파 필터 오차를 사용하여 다중 이진 패턴으로부터 도트들을 더하거나 빼줌으로써 생성되며, 최종적으로 작은S-CIELAB 색차를 나타내는 패턴을 선택한다. 실험에서는 제안한 방법이 기존의 JBNM 방법보다 작은 색차를 나타내면서 인간 시각에는 보기 좋은 하프토닝 영상을 생성한다는 것을 확인할 수 있었다.

움직임 예측은 화질을 유지하면서 영상을 낮은 비트율로 부호화하는 중요한 기술이다. 일반적인 전역 탐색 방법을 사용하면 많은 계산량이 요구된다. 이전의 많은 고속 움직임 예측 방법들은 탐색점의 수를 줄이는데 초점을 두고 있기 때문에 움직임 백터 예측의 정확도가 낮다. 그러므로 본 논문에서는 주위 볼록간의 시공간적 상관관계를 이용하는 새로운 움직임 예측 방법을 제안한다. 신뢰할 수 있는 예측 움직임 벡터(Reliable Predicted Motion Vector : RPMV)를 정의한 후 전역 탐색 방법과 결과를 비교하여 RPMV의 성능을 검증한다. 검증된 RPMV 의 크기와 방향을 이용하는 새로운 움직임 백터 예측 방법을 제안한다. 실험을 통해 제안된 방법을 현재까지 제안된 방법 중 효율적인 것으로 알려진 Nearest Neighbor 방법과 비교하였을 때 약 l1∼14% 정도 속도 향상이 있었다.

본 논문에서는 상호상관함수를 이용한 지문인식 기법을 제시한다. 본 기법은 특징추출, 지문정렬, 지문매칭으로 구성되는데, 이중에서 본 논문은 새로운 지문정렬 기법을 제안한다. 본 지문정렬 기법에서는 특징점의 융선방향 각도에 대해 상호상관함수를 적용하여 두 지문사이의 회전각도를 구하고, 그후 회전된 지문으로부터 두 지문간의 이동변위를 구하여 지문을 정렬한다. 본 정렬기법은 과도한 탐색에 의존하지 않고 두 지문의 회전각도와 이동변위를 구할 수 있다 제시된 기법으로 지문인식 실험을 한 결과 2.086%의 타인수락오류율(FAR)에 대해 17.299%의 본인거부오류율(FRR)을 얻을 수 있었다.

지문을 기반으로 하는 생체 인식 시스템이 보다 실용적이고 높은 신뢰성을 가지기 위해서는, 입력지문의 회전에 강인해야 할뿐만 아니라 검증이나 인식에 소요되는 응답 시간이 짧아야 한다. 따라서 본 논문에서는 회전에 강인할 뿐만 아니라 처리속도가 빠른 방향성 필터 뱅크 기반의 지문 특징 추출 및 정합 방법을 제안한다. 제안한 방법은 영상을 방향별 대역 영상으로 효과적으로 분해해 주는 방향성 필터 뱅크를 이용하여 지문 패턴의 특징을 빠른 속도로 추출할 뿐만 아니라 특징 벡터 간 유클리드 거리에 기반하여 정합을 수행하기 때문에 전체 응답 속도가 매우 빠르다. 회전에 대해 강인한 특성을 가지도록 하기 위해 방향성 필터 뱅크에 의해 분해된 대역 영상에서 다양한 회전을 고려한 특징 백터 집합을 구성한 다음 등록된 단일템플릿 특징 백터와 정합을 수행한다. 실험 결과 제안한 방법이 기존의 방법 중 선두적인 방법 중의 하나인 Gabor 필터 뱅크 기반 방법에 상응하는 정확도를 가지면서 훨씬 빠른 속도로 검증을 수행할 뿐만 아니라 회전에 강인한 특성을 가짐을 보여 주었다.

전방 관측 적외선 영상에서 가려짐이 없는 표적과 부분적으로 가려진 표적을 식별하기 위해 국부적 표적 경계선에 대한 거리함수의 푸리에기술자와 다중의 다층 퍼셉트론을 사용한 특징정보 융합 방법을 제안한다. 표적을 배경으로부터 분리한 후에 표적 경계선의 중심을 기준으로 푸리에 기술자를 구해 전역적 특징으로 사용한다. 국부적인 형상 특징을 찾기 위해 표적 경계선을 분할하여 4개의 국부적 경계선을 만들고, 각 국부적 경계선에서 두 개의 극단점이 이루는 직선과 경계선 픽셀로부터 거리함수를 정의한다. 거리함수에 대한 푸리에 기술자를 국부적 형상특징으로 사용한다. 1개의 광역적 특징 백터와 4개의 국부적 특징 백터를 정의하고 다중의 다층 퍼셉트론을 사용하여 특징정보들을 융합함으로써 최종 표적식별 결과를 얻는다. 실험을 통해 기존의 특징벡터들에 의한 표적식별 방법과 비교하여 제안한 방법의 우수성을 입증한다.

최근 표준화가 완성된 H.264는 가변 크기 블록 움직임 보상, 복수 참조 영상, 그러고 1/4 화소 움직임 벡터 정확도를 지원하고 있다. 그러나 이러한 새로운 부호화 기술은 부호화 효율 향상의 주된 요인이 되긴 하지만 동시에 높은 복잡도의 요인이기도 하다. 따라서 H.264 비디오 표준의 실제 응용 확대를 위해서는 이러한 기술에 대한 속도 향상이 필요하다. 본 논문에서는 부호화 복잡도의 가장 큰 비중을 차지하는 움직임 벡터 추정을 고속화하기 위해 가변 크기 블록 움직임 보상에 적합한 고속 움직임 벡터 탐색법을 제안한다. 또한 H.264가 갖는 다양한 부호화 모두 중 최적치를 빠르게 결정한 수 있는 고속 결정법을 제안한다. 실험 결과, 고속 움직임 벡터 탐색법은 기존 MVFAST/sup ［8-10］/에 비해 SAD 계산 수가 4.5배, SATD 계산수는 2.6배 감소하였으며, 고속 모드 결정법의 사용으로 비트율­왜곡 계산치인 RDcost 계산 수는 45%가 감소되었다. 따라서 제안된 방법은 큰 부호화 손실 없이 계산량 감소에 있어서 매우 높은 효율을 제공함을 확인하였다.

본 논문에서는 광대역 음성 부호화기를 위한 VQ-SQ 구조의 LSP(Line Spectral Pairs) 파라미터 양자화기를 설계하였다. 16차 LPC(Linear Prediction Coefficients) 계수를 사용하며, 양자화 특성이 좋고 합성필터의 안정성의 조건을 검사하기 쉬운 LSP 파라미터로 변환/sup ［2］/하여 양자화 한다. 설계된 VQ-SQ 양자화기는 첫 번째 단에서 2단 SVQ(Split VQ)로 각각 8차씩 양자화한 뒤, 두 번째 단에서 순서화 특성(OP Ordering Property)을 적용한 SQ를 사용하여 잔여신호(Residual Signal)를 양자화하는 구조로 되어있다. VQ-SQ결합 양자화기의 전체적인 성능개선을 위해 백터 양자화기에서 하나의 최적 벡터를 찾지 않고 5개의 후보백터를 가지고 스칼라 양자화를 수행한 후, 전체적으로 본래의 LSP 파라미터에 가장 가까운 벡터 양자화기 인덱스와 스칼라 양자화기의 인덱스를 결정한다. 순서화 특성을 고려하여 설계된 적응 VQ-SQ 양자화기는 LSP 파라미터에 총 35비트를 할당하여 광대역 명료도(Wideband Transparency)인 평균 1.6㏈ 이하의 스펙트럼 왜곡(SD : Spectral Distortion)과 4%미만의 3㏈가 넘는 프레임의 비율/sup ［1］/을 만족하였으며, 기존의 VQ-SQ 양자화기보다 2-3비트를 절약할 수 있었다.

3GPP에서 광대역 음성부호화 알고리즘으로 채택한 AMR-WB 부호화기는 8개의 모드로 동작되고 전송률을 23.85 kbps 까지 높임에 따라 음성부호화기 프로그램 및 데이터 메모리 크기가 매우 크게 증가되었으며, 합성필터의 입력신호인 고정 코드북의 펄스 수가 기존의 협대역 AMR 부호화기 보다 5배 이상 증가함으로써 코드북 검색에 많은 계산량을 요구하고 있다. AMR-WB는 적당한 계산량에서 비교적 좋은 음질을 유지하기 위한 방법으로 depth-first 트리 검색 방법을 사용하고 있다. 본 논문에서는 여기코드북 검색시 레퍼런스 벡터를 중심으로 적당한 계산량을 갖는 검색 방법으로 검색시 기준이 되는 레퍼런스 벡터를 좀더 정확하게 예측하여 성능 향상을 하였으며, 펄스위치 재검색 알고리즘을 적용하여 depth-first 트리 검색방법의 문제점을 개선시켜 1/2 이상의 계산량을 줄이면서 같은 성능을 유지하는 AMR-WB 여기코드북 검색기를 설계하였다.