Transform Domain Wyner-Ziv 비디오 부호를 위한 효과적인 상관 채널 모델링

Abstract

모바일 영상 서비스와 센서 네트워크와 같은 저전력, 저복잡도의 비디오 부호기를 필요로 하는 분야의 수요가 증대됨에 따 라 프레임간의 상관성을 이용하지 않고 압축함으로써 낮은 복잡도로도 높은 압축률을 얻을 수 있는 분산 비디오 코딩에 대한 연구가 활발하게 진행되고 있다. 분산 비디오 코딩에서 부호기는 오류정정 부호기를 이용하여 원래 영상보다 압축된 형태의 신드롬을 생성한다. 반면, 복호기에서는 원본 영상을 추정하고 부호기에서 만들어진 신드롬을 이용하여 추정한 원본 영상의 오 류를 정정한다. 이 때, 추정된 원본 영상을 보조 정보라 하며, 보조 정보는 원본 영상이 가상의 상관 채널을 통해 얻어진 영상 이라 해석할 수 있다. 분산 비디오 코딩의 성능 향상을 위해서는 오류 정정 복호기와 최적 복원과정의 성능향상이 필요하며, 두 과정 모두 가상의 상관 채널의 정확도에 영향을 받는다. 본 논문에서는 오류 정정 복호기와 복원과정에서 최적의 입력값을 예측하기 위하여, 상관 채널의 구성 파라미터의 정확한 추정을 위한 효과적인 알고리즘들을 제안한다. 일반적으로 상관 채널은 라플라시안 분포로 모델링 되는데, 이 분포와 실제 채널 측정값과의 자승오류를 최소화 하는 알고리즘인 최소자승법 및 복잡 도를 낮춘 변형된 알고리즘을 제안하였다. 또한, 신뢰구간 설정으로 기존의 채널 파라미터 추정 알고리즘을 사용할 때 오류를 줄이는 방법을 제안하였다. 제안된 알고리즘으로 Mother 영상과 Foreman 영상에서 각각 최대 PSNR이득 1.8 dB와 1.1 dB를 얻었으며, 특히 상관도가 낮은 영역에서 더 효과적인 성능 개선을 보인다.