저복잡도 구현을 위한 무손실 영상 압축

Abstract

인터넷을 통한 초당 데이터 전송량이 늘어나면서 단순 텍스트 데이터를 전송하던 과거에 비해 동영상, 사진 등 멀티미디어 데이터의 전송량이 늘어나고 있다. 이에 따른 영상 압축 기술에 대한 요구도 늘어나고 있다. 영상 데이터는 텍스트 데이터와는 달리 그 데이터 값의 중복성이 적다. 단순 부호화기로 압축을 하면 원이미지 용량과 거의 차이 나지 않는 압축률을 보인다. 이러한 영상 데이터와 텍스트 데이터의 차이점으로 인해 영상 압축에서는 예측(prediction) 기술을 적용하고 있다. 예측(prediction) 기술은 영상에서 한 화소의 값이 주위 인접한 화소 값과의 연관성을 이용해 대상 화소의 값을 예측하는 기술이다. 예측한 값과 실제 화소의 값의 차를 구하면 그 값은 원 영상 데이터에 비해 작은 값으로 중복성이 큰 특징을 보여 압축 효율이 높아진다. 영상 압축은 두 가지로 나누어진다. 하나는 원영상의 데이터에서 사람의 눈에 크게 뛰지 않는 데이터를 제거하여 압축 효율을 높이는 손실압축과 다른 하나는 원영상 데이터의 손실이 전혀 없는 무손실 압축이다. 무손실 압축은 원 이미지와 복원 이미지가 완전히 일치하는 압축 방식으로 이미지 품질을 그대로 유지할 수 있는 장점을 갖고 있는 반면 압축 효율은 떨어진다. 무손실 영상 압축의 대표적인 방법으로는, CALIC과 JPEG-LS가 있다. CALIC은 높은 압축률을 나타내지만, 3-PASS의 과정을 거치는 큰 복잡도가 지적되고 있다. 반면 JPEG-LS는 압축률은 CALIC에 미치지 못하지만 빠른 부호화/복호화 과정을 거치며, 무손실 정지 영상 압축의 표준으로 채택되었다. 각종 휴대 미디어 기기의 등장으로 기존 영상 압축기와는 다른 요구사항이 생겼다. 휴대 미디어 기기는 제한된 전력과 하드웨어 스펙으로 이루어 지기 때문에 부호화/복호화 과정에 들어가는 수행시간이 짧아야 한다. 영상 압축은 압축 효율을 높이기 위해 여러 방법이 발표되고 있으나 복호화 복잡도를 낮추는 방법은 미비한 실정이다. 본 논문에서는 JPEG-LS보다 압축률은 떨어지지만 더 낮은 복잡도를 갖는 압축 방식을 제안한다. 저복잡도 구현을 위해 사용한 Bit precision 부호화 방식은 기존 Huffman이나 Arithmetic 부호화 방식보다 낮은 복잡도를 보여준다. 예측 단계에서는 영상에서 경계면이 있는 부분은 대부분 바로 상단 화소와 비슷한 값을 갖고 있는 점에 착안하여 상단 화소의 최적 예측 방향을 대상 화소에서 적용하는 발상을 하였다. 그 결과 추가 비트 없이 적절한 예측기를 선택할 수 있게 되었고 압축 효율이 기존보다 개선된 모습을 보였다. 부호화 단계에서는 기존 bit precision 방식을 개선을 하여 block 별 bit precision value(bpv)를 계산 후 bpv값 자체를 별도로 bit precision으로 압축하는 방식을 택하였다. 실험 결과, 기존 정지 영상 압축기중 가장 좋은 복잡도 성능을 보여준 JPEG-LS보다 압축 효율은 10%가 떨어지지만 복호화 시간은 25% 더 짧은 모습을 보여준다.; Most of data transferred through network were text data in the past day, but Multimedia data have increased in these days. So development of Image Compression is required. Image compression is divided into two categorize: lossy, lossless. Lossy Image compression is method loses original image data to raise compression efficiency. Lossless compression guarantees data of original, but the compression efficiency gets lower. So medical imaging, prepress industry, image archival systems, precious artworks to be preserved, and remotely sensed images are all candidates for lossless compression. The most typical method of the Lossless Image Compression, there are CALIC and JPEG-LS. CALIC shows high compression-ratio but this has the complexity that has to pass the process of 3-PASS. On the other hand, JPEG-LS's compression-ratio does not have high compression-ratio comparing with CALIC, but this is adopted as a standard of the Lossless Image Compression because of the low complexity and fast coding process. This paper proposed new lossless image compression algorithm that has lower complexity than JPEG-LS. Image Compression algorithm uses two steps: prediction, entropy coding. The focus of this paper is more on entropy coding. Entropy coding method is bit precision that has low computational complexity than huffman or arithmetic coding. We proposed improved bit precision method that uses bit precision values(bpv) on each block. Additional bpv also be coded by bit precision method, so additional bits are considerable. As a result, there were 25% improvement in computational complexity in comparison with JPEG-LS but there were also 10% loss in compression efficiency.