In this thesis, a new structure for VQ, called as Tree-Structured Residual VQ (TSRVQ) with storage constraint, is proposed by modifying the ordinary TSVQ based on translation invariant property of VQ. The proposed scheme alleviates both computation and storage requirements, and is specially proper for image coding of large block size(8×8 or more). For the design of the TSRVQ with storage constraint, a simple codebook sharing technique is developed based on the direct measurement of the statistical similarity between different residual vector sources. Since the basic structure of the TSRVQ is same as the one of a tree structured VQ, it can be easily extended to the variable rate version by applying greedy tree growing algorithm with minor modification. In order to improving the performance of a memoryless TSRVQ, memory has to be incorporated. We applied the conventional predictive VQ scheme with a new linear vector predictor to the TSRVQ (Predictive TSRVQ (PTSRVQ)).
Computer simulations for the proposed schemes have been performed for various test images and the results were compared with the ones from the conventional VQ schemes such as MSVQ. The results show that the proposed TSRVQ outperform the MSVQ over all range of bit rates with marginal storage increment and its variable rate version can achieve significant improvement in the rate-distortion performance compared with fixed rate coding. And as expected the PTSRVQ shows excellent performance in objective quality as well as subjective quality compared with JPEG and memoryless TSRVQ at a low bit rate range.
최근 벡터 양자화 기법을 영상부호화에 응용하기 위한 많은 노력들이 진행 되어져 왔으며, 이러한 노력들은 낮은 비트율에서 벡터 양자화 기법의 뛰어난 부호화특성에 기초를 두고 있다. 그러나 일반적인 벡터 양자화 기법의 경우 부호화시 요구되는 과도한 계산량 및 메모리 요구량으로 인해, 보다 높은 부호화 효율을 성취 할 수 있는 큰 벡터 블럭에 대한 응용이 제한되어져 왔다.
본 논문에서는 벡터 양자화시 벡터의 크기가 증가함에 따라 부호화 효율이 향상되는 특성을 이용하기 위하여, 제한된 계산량과 메모리를 필요로 하는 새로운 벡터 양자화 기법을 제안하였다. 즉, 낮은 계산량 또는 낮은 메모리 요구량의 잇점으로 인해 널리 사용되고 있는 트리구조의 벡터 양자화 기법(tree-structured vector quantization, TSVQ)과 다단계 벡터 양자화 기법 (multistage VQ, or residual VQ)의 유사성을 분석하여, 이들 방식의 장점들을 효과적으로 활용할 수 있도록 결합함으로써 새로운 트리구조의 차벡터 양자화기법(tree-structured residual VQ)을 제시하였다. 트리구조의 차벡터 양자화기의 구성을 위해 TSVQ의 각 노드에서의 벡터양자화 동작을 벡터양자화기법의 고유특성인 translation invariant한 특성을 이용하여 차벡터 양자화동작(residual VQ operation)으로 변환하고, 각 노드의 fanout을 줄이기 위하여 각 노드에서child노드를 공유하기 위한 코드북 공유 기법을 제안하였다. 그리고 메모리 요구량을 보다 최적화 할 수 있는 적응적 node fanout선택 기법을 제안하였고, 영상부호화 효율을 향상시키기 위하여 트리 growing알고리즘을 적용하여 가변을 부호화 기법으로 확장하였다. 또한 블럭간의 상관도를 제거하기 위하여 일반적인 예측부호화 기법과 제안된 부호화 기법을 접목함으로써, 실질적인 영상부호화에의 활용가능성을 보였다.
제안된 기법의 타당성을 검정하기 위하여 여러 가지 모의실험을 수행하였으며, 제한된 계산량과 저장용량으로 8×8블럭에 대해 0.5bpp 정도까지의 부호화가 가능함을 보였으며, 전체적으로 일반적인 작은 블럭(4×4블럭)에 대한 벡터 양자화기법에 비해 뛰어난 부호화 효율을 나타낼 수 있음을 보였다. 또한 예상된 바와 같이 블럭간 상관도를 제거하기 위한 예측부보화 기법과의 접목을 통해 낮은 비트율(0.3bpp근처)에서 일반적인 변환 부호화방식인 JPEG에 비해 주관적 성능과 객관적 성능이 매우 좋아짐을 볼 수 있었다. 결론적으로, 과도한 계산량 및 메모리요구량등 벡터 양자화 기법의 근본적인 문제점들을 해결함으로써, 벡터양자화기법의 응용범위를 넓히고자 하는 연구의 일환으로 본 논문의 의미가 있는 것으로 생각되며, 특히 제안된 기법은 다른 영상부호화 기법들과 접목함으로써 보다 우수한 성능을 발휘할 수 있을 것으로 기대된다.
