• 대한전자공학회논문지SP
• /
• 제45권4호
• /
• pp.1-9
• /
• 2008

본 논문은 DC 영상을 이용하여 기하학적 변환에 강인하며 고속처리가 가능한 워터마킹 알고리즘을 제안한다. 제안하는 방법은 JPEG 및 MPEG 영상압축 기술에 널리 사용되는 $8{\times}8$ 블록 DCT를 기반으로 하며, DC 성분만으로 구성된 DC 영상에 DWT 수행 후 웨이블릿 계수에 워터마크를 삽입한다. DC 성분을 이용한 워터마크 삽입으로 야기될 수 있는 화질 열화를 극복하기 위하여 DWT의 서브밴드 마다 워터마크 삽입 강도와 삽입량을 차별화한다. 제안하는 알고리즘은 $8{\times}8$ 블록 DCT 영역의 부분적인 복호화(즉, DC 영상)를 수행함으로써 실시간 워터마크 삽입 및 추출을 위한 고속처리가 가능하다. 실험결과로부터 제안한 워터마킹 방법이 기존의 DC 성분을 이용한 알고리즘과 비교하여 82%의 계산시간을 단축하였으며 다양한 기하학적 공격과 JPEG 압축 등의 기타 공격에 강인한 것을 확인하였다.

• 방송공학회논문지
• /
• 제28권1호
• /
• pp.100-108
• /
• 2023

하이브리드 블록 기반 비디오 압축에서 변환 부호화는 공간 영역의 잔차 신호를 주파수 영역으로 변환하여 낮은 주파수 대역에 에너지를 집중시켜 이후 엔트로피 코딩 과정에서 높은 압축률을 달성할 수 있게 한다. 최신 비디오 압축 표준인 VVC(Versatile Video Coding)는 DCT-2(Discrete Cosine Transform type 2), DST-7(Discrete Sine Transform type 7), DCT-8(Discrete Cosine Transform type 8)를 사용하여 주변환을 수행한다. 본 논문에서는 DCT-2, DST-7, DCT-8이 모두 선형 변환임을 고려하여, 선형 변환의 선형성을 이용하여 역변환 시 곱셈 연산량을 줄이는 역변환 방법을 제안한다. 제안하는 역변환 방법은 VVC의 참조 소프트웨어인 VVC Test Model-8.2 (VTM-8.2) 대비 비트율의 증가 없이 부호화 시간과 복호화 시간이 AI(All Intra)에서 평균 26%, 15%, RA(Randon Access)에서 평균 4%, 10% 감소하였다.

• 한국멀티미디어학회논문지
• /
• 제20권5호
• /
• pp.731-739
• /
• 2017

Distributed compressed video sensing (DCVS) is a framework that integrates both compressed sensing and distributed video coding characteristics to achieve a low complexity video sampling. In DCVS schemes, motion estimation & motion compensation is employed at the decoder side, similarly to distributed video coding (DVC), for a low-complex encoder. However, since a simple BCS-SPL algorithm is applied to a residual arising from motion estimation and compensation in conventional MC-BCS-SPL (motion compensated block compressed sensing with smoothed projected Landweber) scheme, the reconstructed visual qualities are severly degraded in Wyner-Ziv (WZ) frames. Furthermore, the scheme takes lots of iteration to reconstruct WZ frames. In this paper, the conventional MC-BCS-SPL algorithm is improved to be operated in more effective way in WZ frames. That is, first, the proposed algorithm calculates a correlation coefficient between two reference key frames and, then, by selecting adaptively the reference frame, the residual reconstruction in pixel domain is performed to the conventional BCS-SPL scheme. Experimental results show that the proposed algorithm achieves significantly better visual qualities than conventional MC-BCS-SPL algorithm, while resulting in the significant reduction of the decoding time.

• 대한전자공학회논문지SP
• /
• 제38권5호
• /
• pp.464-473
• /
• 2001

DCT(Discrete Cosine Transform)는 공간 영역과 주파수 영역을 균등하게 분할함으로써 인간의 시각특성을 제대로 반영하지 못하는 단점이 있다. DCT의 영역 분할에 대한 단점을 극복할 수 있는 알고리듬으로 웨이브렛 변환을 이용하여 영상을 부호화하는 여러 가지 기법들이 있지만, 본 논문에서는 DCT와 웨이브렛 변환의 장점을 결합한 새로운 알고리듬을 제안한다. 제안 방법은 DCT의 DC 계수에 에너지 집중도가 좋은 장점을 효과적으로 이용함과 더불어 이들 계수들을 웨이브렛 변환 형식에 적용한다. 웨이브렛 상의 대역간 상관 관계와 대역내 상관 관계를 동시에 효율적으로 이용하고 각 대역 특성별로 양자화를 수행하며, 부호화 방법에 대해서도 중요 계수 정보·지 양자화 계수들은 대칭적인 분포를 나타내며 절대값이 커질수록 발생확률이 감소하는 특징을 이용하여 알고리듬이 간단하고 복호화 시간이 빠른 장점을 가지는 대칭적 양방향 트리 구조의 새로운 방법을 제시한 전지 영상 압축 부호화 알고리듬을 제안하였다. JPEG 알고리듬과 제안 알고리듬을 비교하였을 때, 동일한 비트율에서 제안 알고리듬이 객관적 화질뿐만 아니라 주관적으로도 높은 화질의 영상을 얻을 수 있었다.

• 한국통신학회논문지
• /
• 제27권10A호
• /
• pp.1021-1028
• /
• 2002

본 논문은 MPEG으로 압축 부호화 된 동영상에서 동영상 내용의 변화를 반영하는 내용 곡선을 추출하는 방법을 제안하고, 내용 곡선으로부터 효율적이고 빠르게 동영상을 열람할 수 있는 동영상 요약을 생성하는 기법에 대하여 기술하고 있다. 기존의 동영상 요약 기법들은 복호화 과정에서 대체로 계산이 복잡하여 동영상 요약을 만들어 내는 데에 적지 않은 시간이 소요되는 단점을 보유하고 있다. 또한 동영상의 내용 곡선을 이용한 기존의 용약 기법은 고차원의 내용 곡선을 처리하는 데에 있어 많은 계산을 필요로 하게 된다. 그러나 제안된 기법은 MPEG 압축 영역에서 직접 2차원의 내용 곡선을 추출한 뒤 제안된 곡선의 선형 근사 기법을 통하여 고속으로 동영상 요약을 만들어 낸다. 또한 제안된 기법을 동영상 요약을 구성하는 대표 프레임의 개수와 계산량을 사용자가 원하는 만큼 설정할 수 있는 장점도 있다.

• 한국통신학회논문지
• /
• 제27권8A호
• /
• pp.836-845
• /
• 2002

Video Summary는 길이가 긴 Video를 고속으로 효율적으로 열람할 수 있도록 하는 도구의 하나이다. Video Summary는 대표 프레임(Key-frame)들의 집합으로 볼 수 있는데 대표 프레임은 Video의 Genre에 따라서 달리 정의 및 생성될 수 있다. 즉 모든 Genre의 Video에 대해서 획일적인 방법으로 Summary를 만드는 것은 적절하지 못한 결과를 초래할 수 있다. Video의 Genre를 구별해내는 기술은 위와 같이 효율적인 Video Summary 생성에 유용한 처리 과정이라 할 수 있다. 본 논문에서는 이와 같이 효율적 Video 관리를 위해 MPEG 부호화 영역에서 MPEG Video의 Genre를 분류하는 방법을 제안한다. 제안된 방법은 프레임을 복호하지 않고 비트스트림을 직접 처리하여 기존 방법들에 비해 계산이 비교적 단순하고 처리시간을 단축시키는 장점을 가지고 있다. 또한 제안된 방법은 대부분의 작업을 시각 정보만을 이용하여 수행하며 이 정보들의 시, 공간적 해석을 통해 Genre를 확인하게 된다. 실험은 만화(Cartoon), 광고(Commercial), Music Video, 뉴스, Sports, Talk Show의 6개 Genre Video에 대하여 실행하였다. 실험 결과, 구조가 명확한 Talk Show와 Sports의 경우 90% 이상의 결과를 얻었다.

• 한국음향학회지
• /
• 제28권1호
• /
• pp.1-9
• /
• 2009

본 논문에서는 멀티채널 라이브 가라오케의 구현에 관한 내용을 담고 있다. TI사의 32비트 floating 연산 DSP인 TMS320C6713를 이용하여 6 채널의 MP3 복호화 및 템포/키 변환을 실시간으로 구현하였다. 6채널은 전면 L/R 악기, 후면 L/R 악기, 멜로디, 우퍼로 구성되며, 4 채널로 동작 시에는 후면 L/R 대신 드럼 L/R이 추가될 수 있다. 최종 출력 데이터는 5.1 채널 스피커에 맞춰서 출력된다. 템포 변환을 위하여 SOLA알고리즘을 적용시켰으며 시간영역에서 인터폴레이션(interpolation)과 데시메이션 (decimation)으로 키 변환을 수행하였다. 드럼 악기가 추가될 경우에는 일반악기와 분리하여 키 변환 시에 드럼 채널을 제외시키고, SOLA (Synchronized Overlap and Add) 수행 시에도 SOLA처리 단위인 프레임 사이즈를 다르게 두어 고음질의 템포 변환이 가능하도록 하였으며, 실시간 처리를 위하여 최적화를 하였다 6 채널을 이용하여 다양한 채널 구성이 가능하며 본 논문의 멀티채널 오디오 시스템은 고음질의 라이브 반주가 필요한 어느 곳에서나 효과적으로 적용될 수 있다.

• 말소리와 음성과학
• /
• 제12권2호
• /
• pp.29-37
• /
• 2020

최근 신경망 기반 심층학습 알고리즘의 적용으로 고전적인 Gaussian mixture model based hidden Markov model (GMM-HMM) 음성인식기에 비해 성능이 비약적으로 향상되었다. 또한 심층학습 기법의 장점을 더욱 잘 활용하는 방법으로 언어모델링 및 디코딩 과정을 통합처리 하는 종단간 음성인식 시스템에 대한 연구가 매우 활발히 진행되고 있다. 일반적으로 종단간 음성인식 시스템은 어텐션을 사용한 여러 층의 인코더-디코더 구조로 이루어져 있다. 때문에 종단간 음성인식 시스템이 충분히 좋은 성능을 내기 위해서는 많은 양의 음성과 문자열이 함께 있는 데이터가 필요하다. 음성-문자열 짝 데이터를 구하기 위해서는 사람의 노동력과 시간이 많이 필요하여 종단간 음성인식기를 구축하는 데 있어서 높은 장벽이 되고 있다. 그렇기에 비교적 적은 양의 음성-문자열 짝 데이터를 이용하여 종단간 음성인식기의 성능을 향상하는 선행연구들이 있으나, 음성 단일 데이터나 문자열 단일 데이터 한쪽만을 활용하여 진행된 연구가 대부분이다. 본 연구에서는 음성 또는 문자열 단일 데이터를 함께 이용하여 종단간 음성인식기가 다른 도메인의 말뭉치에서도 좋은 성능을 낼 수 있도록 하는 준교사 학습 방식을 제안했으며, 성격이 다른 도메인에 적응하여 제안된 방식이 효과적으로 동작하는지 확인하였다. 그 결과로 제안된 방식이 타깃 도메인에서 좋은 성능을 보임과 동시에 소스 도메인에서도 크게 열화되지 않는 성능을 보임을 알 수 있었다.

• 전기전자학회논문지
• /
• 제24권4호
• /
• pp.1122-1128
• /
• 2020

대역 확장(Bandwidth Extension)이란 채널 용량 부족 혹은 이동통신 기기에 탑재된 코덱의 특성으로 인해 부호화 및 복호화 과정에서 대역 제한(band limited)되거나 손상된 협대역 신호(NB, Narrow Band)를 복원, 확장하여 광대역 신호(WB, Wide Band)로 전환 시켜주는 것을 의미한다. 대역 확장 연구는 주로 음성 신호 위주로 대역 복제(SBR, Spectral Band Replication), IGF(Intelligent Gap Filling)과 같이 고대역을 주파수 영역으로 변환하여 복잡한 특징 추출 과정을 거쳐 이를 바탕으로 사라지거나 손상된 고대역을 복원한다. 본 논문에서는 딥러닝 모델 중 오토인코더(Autoencoder)를 바탕으로 1차원 합성곱 신경망(CNN, Convolutional Neural Network)들의 잔차 연결을 활용하여 복잡한 사전 전처리 과정 없이 일정한 길이의 시간 영역 신호를 입력시켜 대역 확장 시킨 음향 신호를 출력하는 모델을 제안한다. 또한 음성 영역에 제한되지 않는 음악을 포함한 여러 종류의 음원을 포함하는 데이터셋에 훈련시켜도 손상된 고대역을 복원할 수 있음을 확인하였다.