This thesis is concerned with the applications of low-rate vector quantization (VQ) to image coding. The basic goal is to improve the performance of VQ systems at low rates with less computational complexity and memory requirement, utilizing mean-based coding algorithms. To this end, firstly a practical mean-based source model is newly presented, and then conventional VQ algorithms are modified based upon the model of mean variation. However, the modifications are maintained simple such that the structure of the conventional full-search VQ fully utilized. The contents are summarized in four topics as follows.
First, in order to model sources with nonstationarity, a composite autoregressive(CAR) model is presented, which is an autoregressive process with additive mean process of periodic variation. It has been shown that the CAR model can well represent real image sources with local mean variations. Rate distortion functions(RDF) are derived from parameters of a test image based on the model. It has been shown that the RDF bound is tighter than that based on the conventional AR model, since the CAR model incorporates the nonstationarity of local means.
Second, a symmetrical ordering method is presented and shown to be able to reduce block effects which are common for any block-based image coding methods operated at low rates. Since the method is based on a simple modification of vector component order, one needs to change only the vector order or memory access address when implementing the method into a VQ system.
Third, utilizing the block mean based on the CAR model as a selection criterion of a smaller codebook (window) which is sliding over a super codebook, a forward sliding search VQ(SSVQ-I) algorithm is proposed. It is shown to reduce the search complexity to 1/8 - 1/16 with negligible performance degradations. The algorithm is compared with classified VQ and tree search VQ of comparable complexity.
Fourth, adopting the prediction of block mean into the SSVQ-I algorithm, a backward sliding search VQ(SSVQ-II) algorithm is investigated for further reduction of the bit rate in addition to the search complexity. By improving the prediction method of block mean, the algorithm is shown to have the outstanding property of block effects reduction.
본 논문에서는 영상 부호화를 위한 저전송율 벡터 양자화 (vector quantization; VQ)의 개선 방법을 연구하였다. 이를 위해 먼저 실제 영상 신호의 국부 평균값의 변화를 묘사할 수 있는 새로운 영상 모델을 제안하고 이를 바탕으로 개선된 mean-based VQ 기법을 제안하고 분석하였다. 전체적인 내용을 다음과 같이 요약할 수 있다.
첫째, 국부적 평균값이 천천히 변하는 실제 영상 신호를 모델화하기 위해서 composite autoregressive (CAR) model을 제안하였다. 이 모델이 기존의 autoregressive model의 수학적 용이성을 유지하면서 동시에 국부 평균값의 비정체성 (nonstationarity) 특성을 갖는 실제 영상 신호를 정확히 묘사할 수 있음을 보였다.
둘째, 저전송율의 영상 VQ에서 발생하는 블록 현상 (block effects) 을 감소시키기 위해서 기존의 raster scan 방식을 개선한 symmetrical vector formatting 방법을 제안하고, 실제 적용시에 블록 현상 감소 효과가 큼을 보였다.
셋째, CAR model을 기초로 해서 기존의 mean classification에 의한 classified VQ(CVQ) 기법을 개선한 forward sliding search VQ(SSVQ-I)를 제안하였다. 이 방법이 항상 CVQ 보다 성능이 우수하고, 또한 거의 성능 감소 없이 탐색 복잡도를 1/8 - 1/16 로 감소시킬 수 있음을 보였다.
넷째, 역시 CAR model을 기초로 해서 SSVQ-I 방식에 예측 개념을 도입하여 backward sliding search VQ(SSVQ-II)를 제안하였다. 이 방법에 의해 SSVQ-I의 탐색 복잡도 감소 효과 외에 bit rate 감소 효과를 얻을 수 있음을 보였다. 부수적으로 개선된 블록 경계 예측 방식에 의해 블록 현상 감소에 대해 우수한 성능을 갖는다는 것을 보였다.
