영상정합은 동일한 장면에 대해서 서로 다른 시간 혹은 서로 다른 특성의 센서로부터 서로 다른 위치에서 얻은 영상들의 위치적 대응관계를 찾는 기법이다. 이 논문에서는 특성이 다른 적외선 센서와 광학 센서로부터 얻은 영상의 정합을 위한 새로운 알고리즘을 제안한다. 지금까지 제안된 서로 다른 특성의 영상을 위한 정합기법은 크게 특징점 기반 영상정합기법과 밝기값 기반 영상정합기법으로 구분될 수 있다. 특징점 기반의 영상정합기법은 정확하게 대응하는 특징점을 선택하는 것이 성능에 결정적인 영향을 준다 그러나 적외선 영상과 가시광선 영상에서는 특징점이 서로 같지 않은 경우가 많기 때문에 강인하지 못하다 그리고 밝기 값 기반의 정합기법에서는 정규상호정보를 유사성 척도로 사용한 영상정합기법이 가장 좋은 성능을 제공하는 것으로 알려져 있다. 그러나 정규상호정보 기반의 영상정합기법은 두 영상의 통계적 상관성이 전역적이어야 한다는 가정을 전제하는데, 적외선 영상과 가시광선 영상에서는 이를 보장하지 못하는 경우가 많아 정규상호정보를 유사성 척도로 사용하는 영상정합기법에서도 좋은 성능을 기대하기 힐들다. 따라서 이 논문에서는 적외선 영상과 가시광선 영상의 통계적 상관성의 해석에 기반한 두 단계 영상정합기법을 제안한다. 정확하고 강인한 정합을 위해서 첫 단계에서는 두 영상에서 통계적 상관성이 높은 부분을 추출하는 ESCR기법과 두 영상을 통계적 상관성이 높도록 필터링하는 ESCF기법을 수행한다. 그리고 두 번째 단계에서는 첫 단계에서의 결과 영상에 대해서 정규상호정보를 유사성 척도로 한 영상정합을 수행한다. 다양한 적외선 영상과 가시광선 영상을 이용한 실험으로부터 제안하는 두 단계 영상정합기법이 기존의 정규상호정보 기반의 영상정합기법에 비해 정확도와 강인함, 그리고 실행 속도의 측면에서 더욱 향상된 성능을 제공함을 확인하였다.

본 논문에서 우리는 추정된 시차지도에서 가려짐 영역의 시차를 교정하는 새로운 스무딩 필터인 가려짐 패턴 (occluding patterns)을 제안한다. 영상은 몇 개의 계층으로 구성되어 있고, 각각의 계층은 유사한 시차를 나타낸다. 그리고 추정된 시차들은 가려짐 영역의 경계 주변에서 특정한 방향성을 갖고 분포하며, 이러한 시차 분포의 방향성은 좌우 시차지도에 대해서 서로반대이다. 그러나 평균값 필터 또는 중간값 필터와 같은 기존의 스무딩 필터는 이러한 시차의 분포 특성을 고려하지 않고 스무딩을 수행하기 때문에 오차는 줄일 수 있으나, 교정된 시차의 정확성은 보장되지 않았다. 이와 반대로, 본 논문에서 제안하는 가려짐 패턴은 좌우 영상에서 각각 추정된 시차지도에 대해서 가려짐 영역이 발생하는 특성과 가려짐 영역에서의 시차 분포 특성을 함께 고려하여 정확하게 가려짐 영역의 시차를 교정한다. 본 논문에서 제안한 가려짐 패턴은 다양한 실험 영상에 적용하여 실험하였고, 그 결과 기존의 스무딩 방법에 비해서 정확하게 시차를 교정하는 것을 확인하였다.

본 논문에서는 B-snake 차선 모델을 이용한 차선 검출 및 추적에 관한 알고리즘을 제안한다. 제안된 이론의 특성은 첫째, 다른 알고리즘에 비해 직선, 굴곡이 있는 도로와 같은 보다 넓은 범위의 차선 구조의 표현이 가능하며, 또한 평면 도로의 평행 특성을 이용하여 그림자, 잡음 등에 강하고, 둘째, 잡음에 강한 CHEVP(Canny/Hough Estimation Vanish Point) 알고리즘을 사용하여 차선 위치의 초기값을 제공한다. 셋째, GYP(Gradient Vector Flow)와 최소 평균 제곱 에러를 이용하여 B-Snake 차선 모델에서 발생하는 외부의 힘을 줄여 차선 검출의 에러를 줄이고 차선 추적을 효과적으로 수행한다. 측정 실험 결과 도로영상을 날씨 별로 맑은 날, 흐린 날 그리고 비오는 날로 구분하여 본 알고리즘을 수행하였으며 95$\%$ 이상의 차선 검출률을 보였다.

본 논문에서는 동일 광원에서 휘도 변화에 따른 색 순응 현상을 고려하여 원 피사체와 동일하게 보이는 대응색을 재현할 수 있는 색 순응 모델을 제안한다. 제안한 CAM$\Delta$Y는 저휘도 상태의 시험 색과 동일하게 보이는 고휘도의 상태의 대응색으로 변환하는 변환 행렬로 모델링하고, 제안 모델의 최적 계수 값들은 Breneman이 실험한 주위 휘도별 대응색 데이터들로부터 구한다. 제안한 색 순응 모델인 CAM$\Delta$Y에 의한 예측 대응색과 Breneman의 실험 데이터 간의 측색적 좌표 오차 $\Delta$u'v'를 비교해 본 결과, Breneman의 D55 광원의 세 가지 서로 다른 밝기에 대한 실험의 대응색과 제안한 모델에 의해 예측된 색과의 평균 측색적 좌표 에러 $\Delta$u'w'의 값이 0.004 정도로, 이는 제안 모델의 평균 측색적 좌표 오차가 인접한 (adjacent) 두 컬러 샘플간의 구별 색차 정도로 아주 작은 오차를 가짐으로 그 성능이 매우 좋음을 확인하였다. 또한 제안한 CAM$\Delta$Y를 이용하여 동일 광원의 밝기에 따른 동일한 백색으로 보이는 등백색 상관 색온도 곡선 (equal-whiteness CCT curve, EWC)을 제안한다. 제안한 둥백색 상관 색온도 곡선은 이제까지 TV 제조 업자들의 경험에 의해 결정된 디스플레이 장치의 기준 백색을 설정하는 정량적인 기준으로 사용될 수 있다

본 논문에서는 Bayesian 추정법과 신경회로망을 이용한 새로운 결 분할 방법을 제안한다 신경회로망의 입력으로는 다중스케일을 가지는 웨이블릿 계수와 인접한 이웃 웨이블릿 계수들의 문맥정보를 사용하고, 신경회로망의 출력을 사후 확률로 모델링한다. 문맥정보는 HMT(Hidden Markov Tree) 모델을 이용하여 구한다. 제안 방법은 HMT를 이용한 ML(Maximum Likelihood) 분할 보다 더 우수한 결과를 보여준다. 또한 HMT를 이용한 결 분할 방법과 제안 방법을 이용한 결 분할 각각에 HMTseg라고 불리는 다중 스케일 Bayesian 영상 분할 기술을 이용하여 후처리를 행한 결 분할 또한 제안 방법이 우수함을 보여준다.

본 논문에서는 측색적인 오차와 낟알 무의 현상을 동시에 감소시키기 위해 추가적인 잉크와 정량적인 낟알 무의 측정자를 이용한 6색 분리 방법을 제안한다. 기존의 6색 분리 방법에서는 3색이나 4색 프린터에서 나타나는 도트의 가시성을 줄이기 위해 밝은 영역에서 사용되는 묽은 잉크(light magenta와 light cyan)를 진한 잉크(magenta와 cym)로 대체한다. 그러나 묽은 잉크와 진한 잉크의 색상의 차이로 인해서 밝은 영역에서 정확한 측색적인 색 재현이 어렵게 되었다. 이러한 측색적인 오차를 줄이기 위해 추가적인 잉크(additional colorants)인 yellow와 light magenta 잉크를 밝은 영역에서 사용한다. 따라서 밝은 영역에서 magenta 잉크는 light magenta와 yellow로 대체되고 cyan은 light cyan과 light magenta로 대체된다. 이러한 추가적인 잉크의 사용은 진한 잉크의 색상과 유사한 색을 만들 수 있기 때문에 측색적인 오차를 줄일 수 있게 된다. 또한 추가적인 잉크는 작은 도트의 가시성을 갖고 있기 때문에 부드러운 영상도 재현될 수 있다. 한편 중간 영역에서도 부드러운 영상을 획득하기 위해 magenta는 light magenta와 magenta로 대체되고 cyan은 light cyan과 cyan으로 대체된다 그러나 농도가 다른 두 잉크의 사용은 거친 도트 패턴을 생성하게 된다. 이러한 현상을 반영하기 위해 정량적인 낟알 무의 측정자가 사용된다. 어두운 영역에서는 묽은 잉크를 사용해도 더 이상 낟알 무늬가 감소되지 않기 때문에 magenta와 cyan 잉크만 사용한다.

본 논문에서는 측면 포즈 정규화를 통해 얻어진 부분영역을 이용해 대상의 포즈 변화에 강인한 얼굴인식 방법을 제안한다. 포즈변화에 강인한 얼굴인식을 위해 일반적으로 사용되는 방법인 포즈 정규화 방법은 포즈정규화과정 중에 가려져 보이지 않는 영역에 대한 정보를 가지고 있지 않기 때문에 문제가 발생하게 된다 일반적으로는 보상을 통해 문제를 해결 하고 있지만, 보상에 의해 영상이 왜곡이 되거나 특징정보를 잃는 경우가 많다. 이런 문제를 해결하기 위해 깊이찬가 큰 영역에서 주로 발생하는 왜곡을 줄이도록 정면이 아닌 측면으로의 정규화를 시도한다 또한 정규화후 왜곡이 발생한 영역은 제거하고 왜곡이 발생하지 않은 영역만을 이용해 인식과정을 수행한다 포즈가 좌우변화만 존재하는 경우와 상하변화도 존재하는 경우 두 가지 경우로 나누어 다루었으며 각각의 경우에 대해 실험을 통해 인식 성능의 향상을 확인하였다

산업화가 활발히 이루어지면서 자동차의 수요도 세계적으로 급증하고 있다. 교통제어나 차량에 연관된 범죄 등에서 자동차의 인식에 관한 연구의 중요성 때문에 이에 관련된 연구는 오래 전부터 수행되어왔다. 본 논문에서는 이동차량의 인식 효율성을 높이기 위하여 제조회사별 차종을 인식하는 혁신적인 방법을 제시한다. 차종의 인식은 질감을 이용하여 인식하였다. 차량의 전면부는 모델별로 다르다는데 착안하여 운행차량의 전면부 영역에서 질감을 추출하였다. 획득한 질감 특징을 차종별로 3중신 경망에 학습을 시킨 후 인식을 시도하였다. 제안 알고리즘에서 차종의 인식은 95$\%$로 양호하게 나타났다.

본 논문에서는 실시간 얼굴인식 시스템을 위한 새로운 LINF(Linear Independent Non-negative Factorization) 알고리즘을 제안한다. 시스템은 크게 얼굴추출 부분과 얼굴인식 부분으로 구성 되어 있으며, 얼굴추출 부분에는 차영상, 눈과 입의 영역 검출 그리고 정규화 방법을 사용하였고, 얼굴인식 부분에는 추출된 얼굴 후보 영역 영상에 LINF 를 적용하였다. 기존의 PCA(Principal Component Analysis)만을 사용한 인식시스템은 낮은 인식률을 보였으며, LDA(Linear Discriminants Analysis)만을 사용한 인식시스템에서는 학습데이터의 수에 비하여 영상의 화소 개수가 많은 경우 LDA를 그대로 적용하기 곤란하였다. 이러한 단점을 극복하기 위하여, 본 논문에서 제안하는 시스템은 기존의 고유얼굴과 달리 비음수 값을 갖는 행렬로 차원을 축소하여 LDA를 적용하였다. 제안한 시스템의 성능을 평가하기 위하여 자체 제작한 DAUface 데이터베이스와 영국 Cambridge 에 있는 AT&T 연구소에서 제공하는 ORL 데이터베이스를 가지고 실험을 하였다. 실험 결과, 제안된 방법이 PCA 방법과 LDA 방법, ICA(Independent Component Analysis) 방법, 그리고 PLMA(PCA-based LDA mixture algorithm)에 비해 인식률이 상당히 우수함을 알 수 있었다.

3차원 영상 모자이크 방법은 도심지의 도로를 따라 움직이는 카메라로부터 취득된 영상을 3차원 다중 투영평면에 투영하여 도심지를 입체적으로 가시화하기 위한 것이다. 카메라가 교차로와 같은 원거리 가시 지점을 통과할 때, 취득된 영상에 대해 3차원 영상 모자이크 방법을 적용 하면, 모자이크 된 영상에서 동일한 대상물의 영상이 반복하여 나타난다. 이 현상을 환영현상(ghost effect)이라고 하는데, 이 환영현상을 줄이기 위해서 원거리 대상물이 있는 곳의 영상 프레임을 찾고, 이 곳에 나타나는 환영현상을 효과적으로 제거하는 알고리즘을 제안하였다. 제안한 알고리즘은 3차원 공간에서 계산된 가상의 초점과 영상 프레임의 초점을 지나는 벡터를 이용하여 영상 프레임들을 3차원 다중평면에 투영 하는 것이다. 이를 위한 가상 초점은 원거리 대상물이 보이기 시작하는 영상 프레임과 원거리 대상물이 사라지기 시작하는 영상 프레임을 이용하여 계산된다. 본 논문에서는 원거리 대상물 지역에 제안한 방법을 적용했을 때, 환영현상이 효과적으로 제거될 수 있음을 실험적으로 보였다

본 논문에서는 해마와 피질 사이의 상호 작용을 이용하여 사용자 친화적인 객체 기반 영상 검색 시스템을 제안한다. 내용기반 영상 검색 시스템은 대부분 예제(example) 질의 혹은 스케치 질의 등을 이용하고 있고 이러한 방법들은 비교적 사용하기 불편하고 방법이 편중되어 있어서 일반 사용자들의 다양한 질의 요구에 적합하지 못하다. 제안하는 알고리즘은 CSB 트리맵 (Color and Spatial based Binary tree map)을 이용하여 객체를 추출하고 지역 라벨링 알고리즘을 이용하여 객체의 색상의 상관관계, 객체의 크기와 위치 정보를 비트 스트림 형태로 변환하고 이것을 해마와 피질 사이의 상호 작용의 관계를 이용한 해마 신경망을 사용하여 학습시킨다. 사람의 뇌 속에서 어떤 패턴을 인식을 하는 경우 해당 패턴의 특이한 특징에 대해 흥분하는 세포들이 특정 신호를 발생시킨다. 이것은 흥분학습에 의해 단기기억에서 장기기억으로 저장하는 해마의 기능으로 기존의 신경망에서는 입력되는 패턴의 특성과는 상관없이 특징 개수가 모두 동일하게 비교된다. 제안하는 해마 신경망은 호감도 조정에 의해서 입력되는 영상 패턴의 특징들을 흥분학습과 억제학습을 이용하여 불필요한 특징은 억제시키고 중요한 특징은 장기 기억 시켜서 적응성 있는 고속 검색 시스템을 구현한다.

음성 데이터베이스는 TTS 시스템에서 가장 중요한 요소 중의 하나이다. 특히, 내장형 TTS 시스템에서는 서버형 TTS 시스템에서보다 좀 더 작은 데이터베이스를 필요로 한다. 이러한 이유로, 음성합성 데이터의 압축과 통계적 축소과정의 비중은 내장형 TTS 시스템에서 아주 중요한 항목이라고 말할 수 있다. 그러나 이러한 압축과 통계적 축소과정은 합성음질의 저하를 유발시킨다. 본 논문에서는 고품질 내장형 TTS 시스템에서의 데이터 구축방법을 제안하며, MOS 테스트를 통한 합성음질을 검증한다.

본 논문에서는 진폭 변조 기법을 이용하여 빔포머의 저주파 대역 특성을 개선함으로써 전체적인 잡음 제거 성능을 향상하고자 한다. 일차원 등간격 선형 마이크로폰 어레이를 사용하여 잡음 제거를 할 때, 협대역의 잡음 신호에 대해서는 delay-and-sum 빔포밍으로도 적절한 빔폭을 갖는 빔패턴이 형성되므로 효과적으로 잡음을 제거할 수 있다. 그러나 광대역 잡음 신호에서는 aliasing을 피하기 위해 고주파 신호에 맞게 마이크로폰들을 등간격으로 조정하면 저주파로 갈수록 빔폭이 털어져서 저주파 대역의 잡음은 잘 제거되지 않는다. 광대역 신호에 대해 일정한 빔폭을 갖게 하는 방법들로서 서브 어레이들을 이용한 빔포밍[1][2][3][4] 이나 멀티 빔포밍[5] 등이 제안되어 왔다. 하지만, 이러한 방법들은 주파수에 따라 마이크로폰 간격을다르게 해야 한다는 원리를 기반으로 하는 것이므로 저주파 대역에서도 고주파 대역에서와 같은 좁은 빔폭을 얻기 위해서는 어레이의 크기가 커져야 하는 단점이 있다. 제안하는 알고리즘은 통신에서 주로 사용하는 진폭 변조 기법을 빔포밍에 이용한 것으로서 저주파 대역 신호를 고주파 대역으로 옮김으로써 작은 크기의 마이크로폰 어레이에서도 저주파 대역 잡음을 줄일 수 있는 장점이 있다. 등간격 선형 마이크로폰 어레이에 제안된 방법을 적용한 실험 결과에서 기존의 방법들에 비해 잡음의 저주파 성분이 잘 제거됨을 알 수 있다.

본 논문에서는 영상의 블록 분류 특성에 적응적인 대표 컬러 히스토그램 (representative color histogram)과 방향성 패턴 히스토그램 (directional pattern histogram)을 이용한 새로운 내용 기반 영상 검색 방법 (content-based image retrieval)을 제안한다. 제안한 방법에서는 영상을 일정한 크기의 블록으로 나누고, 분할된 블록의 분류 특성에 따라 컬러와 패턴 특징 벡터를 추출한다. 먼저 분할된 블록을 채도 (saturation)에 따라 휘도 블록 또는 컬러 블록으로 분류한 후, 휘도 블록에 대해서는 블록 평균휘도 쌍의 히스토그램을 구하고, 컬러 블록에 대해서는 블록 평균 컬러 쌍 히스토그램을 구함으로써 블록 분류 특징에 따라 컬러 특징 벡터를 추출한다. 또한 블록 휘도 변화의 기울기 (gradient)를 계산하여 방향성 분류를 행한 후 히스토그램을 계산함으로써 블록 방향성 패턴 특징을 추출한다. 본 논문에서 제안한 영상 검색 방법의 성능을 평가하기 위해서 컴퓨터 모의실험을 행한 결과 제안한 방법이 기존의 방법들보다 정확도 (precision) 및 특징 벡터 차원 (feature vector dimension) 크기 등의 객관적인 측면에서 우수함을 확인하였다.

가상현실을 이용한 사람의 빠른 움직임을 추출하여 파형으로 나타내는 동작곡선이나 자연계에서 실제로 관측되는 대기 전기변동량과 같은 전자계 신호의 시간 변동량은 매우 복잡하다. 이러한 신호의 관측파형에 대하여 변곡점과 같은 신호의 특징을 정확히 결정하는 것이 중요하다. 잡음이 신호에 중첩될 때 종래의 방법으로는 변곡점의 검출이 어렵다. 본 논문에서는 신호에 잡음이 첨가될 때 웨이브릿 임계치 잡음제거와 정규형 자연관측필터를 적용하여 정확한 변곡점 추출이 가능함을 보인다.

본 논문에서는 디지털 컨텐츠 보호 기술 중 하나인 두 가지 디지털 비디오 스크램블링 방법을 제안한다. 그 중 한 가지는 움직임 벡터를 이용하여 인터 블록을 왜곡하는 스크램블링 방법이며, 다른 한 가지는 H.264 비디오 압축 기술의 인트라 예측모드를 이용하여 인트라 블록을 왜곡하는 스크램블링 방법이다. 움직임 벡터를 이용한 스크램블링 방법은 움직임 벡터의 수평값과 수직값을 교환하는 것으로 MPEG-1, 2, 4, H.264와 같은 대부분의 비디오 압축 기술에 적용 가능하다. 인트라 예측 모드를 이용한 방법은 H.264 비디오 압축 기술의 특징인 인트라 예측 부호화를 이용한 것으로, 인트라 예측 부호화시 발생하는 인트라 예측 모드를 통상적인 복호화가 가능하며 비트율의 변화가 없는 범위 내에서 랜덤하게 변경하는 것이다. 두 가지 방법 모두 스크램블링으로 인한 압축 효율의 저하가 전혀 없으며, XOR과 같은 매우 간단한 연산만으로 구현이 가능하므로 계산량의 증가가 적다. 뿐만 아니라, 인트라 블록 스크램블링의 경우 인터 블록에 대한 직접적인 왜곡 없이 에러 전파 효과로 인해 간접적으로 인터 블록을 왜곡할 수 있는 장점을 갖고 있다. 본 논문에서는 이와 같은 두 가지 새로운 디지털 비디오 스크램블링 방법을 제안하고, 이에 대한 실험 결과를 통해 제안된 알고리듬의 효율성을 보인다.

본 연구는 협대역 응용 시스템을 위한 전처리기-등화기 구조의 여파기에서, 최소의 복잡도를 갖는 곱셈기 없는 디지털 IIR 여파기의 설계 방식을 제안한다. 제안하는 여파기는 순환 다항식 (cyclotomic polynomial (CP)) 여파기와 1차 내삽 다항식(interpolated second order polynomial (EOP))을 근간으로 하는 al1-pole 등화기로 구성 되며, 이 두 여파기가 동시에 혼합 정수 선형계획법(miked integer linear programming (MILP))으로 최적 설계된다. 설계된 여파기는 최소의 복잡도를 갖는 특성을 가지고 있다. 뿐만 아니라, 이 MILP 방식은 계산 복잡도와 위상 응답의 비선형 특성을 모두 최소화하도록 설계한다. 설계 예제를 통하여 제안된 설계 방식으로 설계된 여파기는 구현 요구사항을 만족하면서 기존의 설계 방식에 비하여 복잡도면에서 월등히 우수한 특성을 보임을 확인하였다.

본 논문에서는 software defined radio(SDR) 등의 디지털 RF/IF(Intermediate Frequency)에 사용되는 CIC 필터의 처짐 현상을 위한 보상 필터를 제안한다. 제안된 보상 필터는 근사적 선형 위상 특성을 가지며, interpolator/decimator의 기저 대역에서 가장 낮은 레이트로 동작하는 2차의 필터이므로 저연산량을 요구하므로 비용 효율적이다. 또한 처짐 현상을 보상하면서도 저지대역에서는 성능 열화가 거의 발생하지 않는다 예제를 통한 설계 및 성능 분석 결과, 제안된 보상 방법을 적용한 통신 시스템에 있어서 성능 향상을 보였고, 기존의 보상 방법과 비교하여 성능 및 메모리 사용량, 연산량에서 우수함을 보였다.

스피커를 이용한 5.1채널 재생시 필연적으로 나타나는 현상인 크로스토크를 제거하여 청취자에게 보다 입체적인 음을 재현하는 방법에 관한 것이다 정면 또는 후면에 위치한 스피커로부터 좌우측 귀로 입사되는 교차경로의 음을 제거하여 청취자에게 정확한 음을 제시하는 방법에 대해 기술하였다. 그리고 이것을 2채널 및 5.1 채널에 적용하여 재생하는 방법에 대해 기술하였다. 크로스토크를 제거하기 위한 방법으로는 자유음장 모델을 이용하였다. 이 모델은 음질의 왜곡을 최소화하는 장점을 가지며 근래에 들어 많은 학자들에 의해 연구되고 있다. 구체적으로 크로스토크를 제거 하는 방법으로는 정면 스피커 재생음에 대해서 가청주파수 영역에서 심리음향에 기초한 바크 스케일(bark scale)을 사용한 음질 보상방법을 사용하였으며 서라운드 채널에 관해서는 재생되는 주파수 제한대역에 근거하여 밴드패스 필터를 추가하여 크로스토크 제거를 실시하였다.

본 논문에서는 멀티미디어 알고리즘이 갖는 처리단위 및 분포 특성을 활용하여 저전력 효과를 극대화 할 수 있는 새로운 형태의 Microscopic DVS(Dynmic Voltage Scaling) 기법을 제시하였고, MPEG 오디오 및 비디오를 대상으로 저전력을 위한 알고리즘 최적화 기법을 제시하였다. 통상적으로 긴 task 단위로 반영되는 macroscopic한 분포특성에 기반하여 저전력 제어가 이루어지는 기존의 DVS 기법과는 달리, 본 연구에서는 수십 밀리초(msec) 내외의 짧은 멀티미디어 신호 실시간 처리 단위, 즉 프레임 단위로 DVS 전력 제어를 수행하는 기법을 제시하고 이를 Microscopic DVS 기술이라 칭하였다. 특히 본 연구에서 제시한 microscopic DVS 기법은 멀티미디어 프레임별 연산량에 따라 단순히 전압-주파수를 가변 시켜주는 개념뿐만이 아니라, microscopic DVS에 의한 전력 절감 효과를 극대화 시킬 수 있도록 프레임별 연산량의 평균과 분산에 자유도를 확대 허용하는, 멀티미디어 알고리즘 자체에 대한 새로운 형태의 최적화 개념까지를 포함하였다. 제안한 전력절감기법의 타당성 검증을 위해 MPEG-2 video decoder와 MPEG-2 AAC audio encoder를 ARM9 processor 상에서 본 과제에서 제시한 전력절감기법을 적용하여 시뮬레이션 하였으며, 그 결과 video decoder의 경우 50$\%$, audio encoder의 경우 30$\%$ 정도의 전력 절감 효율을 얻을 수 있었다.