Journal of the Korea Academia-Industrial cooperation Society Vol. 12, No. 8 pp. 3697-3705, 2011 http://dx.doi.org/10.5762/kais.2011.12.8.3697 비디오코딩을위한인접블록움직임벡터를이용한예측탐색알고리즘 곽성근 1* 1 인천대학교디자인학부 A Prediction Search Algorithm in Video Coding by using Neighboring-Block Motion Vectors Sung-Keun Kwak 1* 1 School of Design, University of Incheon 요약동영상의현재블록의움직임벡터와이전블록의움직임벡터는시간적상관성을갖고있다. 본논문에서는비디오의시공간적인특성과인접블록움직임벡터의통계적특성을이용하는새로운예측탐색알고리즘을제안한다. 제안된 ANBA는이전프레임과현재프레임의인접블록의움직임벡터들의평균값으로구한후보벡터와현재블록의이전시점의움직임벡터의 2개의후보벡터중에서가장작은 SAD 값을갖는점을정확한움직임벡터를찾기위한초기탐색점위치로결정한다. 실험결과제안된방식은 MVFAST와 PMVFAST에비해 PSNR 값에있어서평균적으로 0.01~0.64dB 개선되고영상에따라최고 1.06dB 정도우수한결과를나타내었다. Abstract There is the temporal correlation of the video sequence between the motion vector of current block and the motion vector of previous block. In this paper, we propose a new prediction search algorithm for block matching using the temporal and spatial correlation of the video sequence and local statistics of neighboring motion vectors. The proposed ANBA(Adaptive Neighboring-Block Search Algorithm) determines the location of a better starting point for the search of an exact motion vector using the point of the smallest SAD(Sum of Absolute Difference) value by the predicted motion vectors of neighboring blocks around the same block of the previous frame and the current frame and use a previous motion vector. Simulation results show that PSNR(Peak-to-Signal Noise Ratio) values are improved up to the 1.06dB as depend on the video sequences and improved about 0.01~0.64dB over MVFAST and PMVFAST. Key Words : Motion Vector, ANBA, Predictor Candidate Point, Block Matching Algorithm 1. 서론 디지털비디오신호전송에서프레임간의시간적중복성을줄이기위한블록정합움직임추정은알고리즘의단순성과고속처리를위한하드웨어적인접근과용이성으로인해, MPEG 계열이나 H.264/AVC 등의표준부호화방식으로채택되어 DMB, Mobile Phone 및초해상도비디오전송같은다양한비디오서비스에활용되고있다. 본논문은인천대학교 2010학년도자체연구비지원에의하여연구되었음. * 교신저자 : 곽성근 (skkwak@incheon.ac.kr) 접수일 11년 06월 14일수정일 11년 07월 05일게재확정일 11년 08월 11일 일반적으로움직임추정기법은영상의각단위로블록또는화소단위로적용되며이중, 계산복잡도및하드웨어구현에있어서용이한블록단위의움직임추정이널리사용되고있다. 블록단위로움직임을추정하는대표적인알고리즘이 FS(Full Search) 이다. 그러나전역탐색블록정합알고리즘은과정이간단하고예측효율과추정의정확도를고려할때전체적으로좋은특성을가지며하드웨어구현 3697
한국산학기술학회논문지제 12 권제 8 호, 2011 이용이하고또한탐색영역의내부전체를탐색하면서가능한모든블록들에대한정합을수행하므로정합오차가가장적은움직임벡터를찾을수있지만많은계산량이필요한단점이있다. 이러한 FS의단점을극복하기위해속도가개선된 TSS(Three Step Search)[1], NTSS(New Tree-Step Search), DS(Diamond Search) 등의다양한고속블록정합알고리즘 (FBMA: Fast Block Matching Algorithm) 이개발되었다. 이들속도개선알고리즘은주로탐색영역내에서탐색할위치의포인터개수를감소시켜계산량의감소를유도하는탐색패턴에따라 SAD 계산횟수를줄임으로써계산량을줄였지만, 그에따라화질이열화되는단점이있었다. 이러한고속블록정합알고리즘의단점을개선하기위해움직임벡터간의상관관계를이용하여계산량과화질의열화를획기적으로줄이는 DS 기반의 MVFAST (Motion Vetor Field Adaptive Search Technique) 와 PMVFAST (Predictive Motion Vetor Field Adaptive Search Technique) 가제안되었다 [4,5,7]. 그러나이방식또한참조한블록의움직임벡터들의상관성이떨어질경우압축성능이현저히떨어지는단점이있다. 따라서본논문에서는시공간적으로인접한블록들은비슷한속도로거의같은방향으로움직인다는점 [3] 을고려하여현재부호화블록의인접블록과같은위치에있는이전프레임의인접블록들의움직임정보를이용하여현재영상의움직임후보벡터를구한다. 이때영상의국부적인변화에따른움직임을효과적으로반영하기위해현재블록과같은위치에있는블록의움직임벡터를또하나후보벡터를설정한다. 그리고두개의후보벡터에대한정합오차 (BDM: Block Distortion Measure) 를비교하여더작은값을갖는후보벡터에서부터탐색을수행하여움직임벡터의상관성을높임으로써효과적으로탐색점수를줄이고, 또한비디오의움직임특성이원점에근접한성질을이용할수있는 3X3 정사각형패턴을적용함으로써기존의탐색패턴을이용한알고리즘의국부적최소 (Local Minimum) 로인한시각적인화질저하의문제점과 PMVFAS이화면내움직임이크고평행이동특성이두드러진영상에서성능이떨어지는단점을개선하는탐색기법인 ANBA (Adaptive Neighboring-Block Search Algorithm) 을제안한다. 본논문의구성은다음과같다. 제2장에서기존의예측탐색알고리즘에대해설명하고, 제3장에서는제안한 ANBA를위한예측된움직임벡터의설정방법과구현에대한방법을논하며, 제4장에서는실험결과에대하여 기존방법과같은기준을통해서비교분석하고, 제5장에서는결론및향후연구과제를제시한다. 2. 기존의탐색알고리즘 초창기의고속알고리즘들은탐색초기점을 (0, 0) 으로결정하는경우가많은데, 이는많은매크로블록의움직임벡터가 (0, 0) 주변이라는통계를이용한것이다. 이에속하는알고리즘중다이아몬드탐색은 SDS(Small Diamond Search) 와 LDS(Large Diamond Search) 이라는 2가지탐색패턴을이용하였다. 다이아몬드탐색기법은배경과같이거의움직임이없는부분에서는좋은결과를보여주지만움직임이큰부분에서는좋은성능을보여주지못한다. 이러한단점을보완한알고리즘이 MVFAST와 PMVFAST이다. MVFAST와 PMVFAST는현재부호화블록의움직임벡터가인접블록의움직임과상관성이높다는점을이용하여탐색시작점을결정한다. 고속움직임벡터탐색기법인 MVFAST는다이아몬드탐색기법을개선한방법으로다이아몬드탐색기법에비해부호화효율과탐색속도에있어서큰성능향상을이루었다. 이기법은초기탐색점으로 (0, 0) 을검사한다. 만약 (0, 0) 에서의 SAD값이임계치 T보다작으면, 움직임탐색을중지하고움직임벡터를 (0, 0) 으로사용한다. 이를움직임탐색의조기종결조건이라고한다. 움직임탐색이단하나의탐색을끝낼수있다는점이 MVFAST 알고리즘의가장강력한장점이다. 만약움직임벡터가 (0, 0) 으로정해지지않는다면, 움직임활동도 (Motion Activity) 를계산한다. MVFAST는매크로블록의움직임의종류를구분하기위하여움직임활동도를높음 (high), 중간 (medium), 낮음 (low) 의세가지로정의한다. 움직임활동도는초기탐색중심점과탐색전략을결정한다. 만약움직임활동도가낮거나중간이면탐색중심점은원점이된다. 그렇지않으면최소 SAD를이끌어내는집합 V에속하는벡터가초기탐색중심점으로선택된다. V는인접한 3개의블록의움직임벡터를포함한다. 움직임활동도가낮거나높다면탐색전략은 SDS가된다. 움직임활동도가중간이라면탐색전략은 LDS로한다. 그리고현재프레임의블록들간의시공간적인상관관계를반영하여예측하는 PMVFAST는그림 1과같이수평 (left), 수직 (above) 그리고대각 (aboveright) 방향에있는,, 들의움직임벡터를참조하여예측움직임벡터를구한다 [3-4]. 이와같은주변움직임벡터의중간값을사용하여그차를인코딩하는 3698
비디오코딩을위한인접블록움직임벡터를이용한예측탐색알고리즘 예측알고리즘의현재부호화블록의예측움직임벡터 는식 (1) 과같이이들인접블록각각의움직임벡터,, 들의중간값으로한다. [ 그림 1] 기존방식에서참조하는인접매크로블록 [Fig. 1] The Position Relation of the Current Block and the Reference Blocks. PMVFAST는기존의많은알고리즘들이 (0, 0) 벡터를중심으로탐색을하는데비해, 인접블록의움직임벡터들의중간값을중심으로탐색을시작하며, 초기탐색종료를위한임계값결정알고리즘을채택하여탐색속도를한층더최소화시켰으며화질또한 FS에근접하는결과를보인다 [7]. 즉, 탐색을실시하여빠르면서도높은화질을보여주며, 영상에따라 FS보다높은 PSNR을얻을수있는데이는움직임벡터간의상관성이높아지면서움직임벡터를부호화하는데필요한비트가줄어들기때문에가능한현상이다. PMVFAST의주장점은간소함이며, 탐색패턴의사용은일반적으로정수와매우규칙적이므로하드웨어구현을보다매력적으로표현할수있다. 또한 PMVFAST 의다이아몬드패턴은초기단계에서보다적은점으로탐색을가능하게하므로속도증가비를적절하게증대시킨다. 그러나 PMVFAST는보다많은지향성으로다음단계의탐색방향이정확하지않게되어수행의정밀도를저하시키는알고리즘내부의문제인국부적인최소에빠지는경향이있다. (1) 3. 제안한움직임추정기법 제안하는 ANBA(Adaptive Neighboring-Block Search Algorithm) 는 PMVFAST에기초하고있다. 그러나기존의 PMVFAST는현재부호화블록의인접블록의움직임벡터들의중간값을중심으로탐색을시작하는데비해, 제안한알고리즘은이전프레임과현재프레임간의인접블록에서변화한움직임정보에따른후보벡터와부호화블록의이전시점의움직임벡터를적용하여그두점을비교하여최소정합오차가작은점에서부터탐색을실시함으로써, 속도와화질의뚜렷한개선이가능하다. 즉, 탐색시작점을더욱정확하게예측할수있게되면속도면에서뚜렷한효과를얻을수있을뿐아니라, 임계값과조기종료조건을줄일수있어높은화질을이끌어낼수있기때문이다. Yao Nie는현재부호화블록의정확한움직임벡터를예측을얻기위해두개의요인을고려하였다 [6]. 1) 예측움직임벡터를구하기위해움직임벡터주위의인접블록으로구성된지원영역 (ROS: Region Of Support) 을선택한다. 2) 예측움직임벡터를계산하기위한알고리즘. 3.1 참조할인접블록의지원영역시간적인관점에서, 현재부호화블록과같은위치의참조프레임의블록이시간적인지원영역후보에똑바로선택되어야한다. 더군다나같은참조프레임으로부터인접블록들이예측하기위한유망한후보들을제공하여야한다. 그러므로활용되는시간적인상관성은이전움직임벡터필드에있어야함으로한정된기억장소에사실상의구현은바람직하지않는다. 그러므로우리는다만이방법에서공간적인상관성만이용한다. 공간적인관점에서, 비디오프레임의범위내에서모든블록들은래스터스캔과정에서움직임벡터들의인접블록들은현재부호화블록에서바로이웃되는 left, above, above-left와 above-right가참조할대상이된다. 이외의가까운위치의블록들은현재부호화블록과상관성이적거나예측신뢰성이떨어진다. 그이상의블록들의사용은더많은복잡한계산이필요하므로공간적인지원영역은그림 2와같이 4개의신뢰성있는시나리오로인접블록들을정의한다. 3699
한국산학기술학회논문지제 12 권제 8 호, 2011 [ 그림 2] 지원영역 (ROS) 의 4 가지유형 [Fig. 2] Four Types of Region of Support 그림 2에서 Type A는 4개의인접블록모두를사용하는것이며, Type B는움직임벡터들의차등부호화를위한 H.263의국제표준으로채용된예측되는지원영역이다. Type C는 2개의직접적으로인접하는블록으로구성되며, Type D는현재부호화블록의바로왼쪽이웃에위치하는 1개의블록만을참조한다. 표 1은 3개의실험비디오에대해그림 2와같은지원영역의 4가지유형별로각블록에대한평균 PSNR과 FS 를 1로기준하여상대적인속도향상에대한비교결과를나타내었다. [ 표 1] 4 가지지원영역의 PSNR 과속도향상비교결과 [Table 1] Comparison of ROS of Simulation Video Sequences Sequence Format Type A Type B Type C Type D News Akiyo Miss America PSNR 38.109 38.114 38.109 38.034 Speed Up 39.2 39.3 39.3 38.4 PSNR 42.739 42.738 42.738 42.719 Speed Up 41.7 41.4 41.5 41.5 PSNR 38.981 38.988 38.992 38.663 Speed Up 28.7 27.6 27.7 29.2 따라서본논문에서는지역영역중가장신뢰성이있는 Type C와같이현재부호화블록의이전시점의수직블록과수평블록을참조한다. 3.2 움직임벡터예측후보의설정 본논문에서제안하는 ANBA에서는 2개의움직임벡터예측후보를구하여이들의 SAD를비교하여가장작은값을갖는점으로탐색원점을이동시켜블록정합을 수행한다. 영상의움직임은급격히변화하기보다는완만하게변화한다는연속성제약사항 (motion continuity constraint)[2] 과공간적으로인접한매크로블록들은비슷한속도로거의같은방향으로움직인다는점 [3] 에근거하여그림 3 과같이이전프레임의같은위치에있는블록의수평, 수직의인접블록을포함하여 3개의평균움직임벡터를참조한다. 첫번째움직임벡터예측후보 (1st Predictor) 는블록들은수평, 수직으로만움직인다는점에근거하여그림 3에서현재부호화블록의인접매크로블록인, 와이전프레임의인접매크로블록, 에서결정한다. [ 그림 3] 참조하는이전프레임의같은위치의매크로블록 [Fig. 3] MV of the Current Block might have more Relationship with the MVs of the Blocks around the Collocated Block in the Previous Frame 인접매크로블록 의움직임벡터를 라고할때, 수직 (above) 인접블록움직임벡터는현재프레임과이전프레임에서각각, 으로움직임벡터의변화는 가된다. 이를수평 (left) 인접블록에적용하면움직임벡터의변화는 이다. 이들두블록의평균값을이전프레임에서현재프레 임으로변화할때의움직임, 는식 (2) 와같다. (2) 3700
비디오코딩을위한인접블록움직임벡터를이용한예측탐색알고리즘 따라서현재부호화블록의좌표가 이면, 첫번째후보벡터 의좌표는 이다. 두번째후보벡터 (2nd Predictor) 는시간적관점에서 으로현재매크로블록의이전프레임의같은위치에있는움직임벡터이므로좌표는 이다. 그림 5는제안한 ANBA의순서를간단히나타낸흐름도로, ANBA에서는두개의후보점에서 SAD를비교하여더작은값을갖는 만큼블록의중앙점에서부터이동시킨탐색점을중심으로추가된 8개를포함한 9개의탐색후보점에대하여다음과같은알고리즘을수행하여움직임벡터를추정한다. 생성된 2개의후보점 와 의 SAD를비교하여가장작은값을갖는후보점을탐색초기점으로설정한후블록정합을수행한다. (3) 이전프레임블록의움직임벡터의이동거리를고려한이방식은연속된프레임간움직임벡터의변화가커 질경우에 가탐색창의경계범위를벗어날수있 으므로이러한문제를전처리할필요가있다. 3.3 제안한움직임추정알고리즘 이동된탐색원점에서탐색영역의가장자리로점진적인탐색을해나갈때탐색영역의중심에있는일부탐색점들을블록정합대상에서제외되어화질의저하를초래하는탐색후보점사이의간격이있는패턴을사용하지않고, 그림 4와같이움직임벡터의대부분이탐색영역의중심에분포하는특성을고려하여, 중심점과수평, 수직방향의거리가 1인 4점과중심점으로부터거리가 2인 4개의점으로이루어진 3 3 화소를가지는정사각형블록패턴을이용하여모든탐색점들이블록정합의대상이되도록함으로써움직임추정의성능을높인다. (a) 추가점 (b) 탐색경로 [ 그림 4] 3 3 정사각형블록패턴의추가점및탐색경로 [Fig. 4] Search Path of 3 3 Block Pattern [ 그림 5] ANBA 움직임벡터추정방식의흐름도 [Fig. 5] Flowchart of Motion Vector Estimation of ANBA 1단계 : 현재부호화블록과같은위치에있는이전프레임의인접블록들의움직임벡터 와현재 부호화블록의인접블록들의움직임벡터 로부 터현재부호화블록의예측된움직임벡터 를얻 는다. 2단계 : 현재부호화블록의이전시점의움직임벡터 인 와 1 단계에서구한 와같 은벡터를갖는 2개의점을서로비교하여최소정합오차를갖는점으로탐색원점을이동한다. 3단계 : 이동된탐색원점을중심으로 3 3 화소를가지는정사각형블록탐색패턴내에존재하는 9개의탐색점에대하여최소정합오차를계산한다. 이때중심점이최소정합오차면 5단계로가고, 아니면최소정합오차를가지는점을중심점으로하여 4단계로간다. 4단계 : 이전단계에서발견된최소정합오차를가진점을정사각형블록의중심점으로지정하여새로계산된최소정합오차가중심점에위치하면 5단계로가고, 아니 3701
한국산학기술학회논문지제 12 권제 8 호, 2011 면 4단계를반복한다. a) 만약이전의탐색과정에서최소정합오차를갖는점이수평또는수직방향이라면새로운 3개의탐색점을추가하여최소정합오차를갖는점을중심점으로하여움직임벡터를추정하게한다. b) 만약이전의탐색과정에서최소정합오차를갖는점이대각방향이라면새로운 5개의탐색점을추가하여최소정합오차를갖는점을중심점으로하여움직임벡터를추정하게한다. 단, 탐색영역 (w=±7) 을벗어나는모든점들은무시한다. 매단계마다최소정합오차는재정의되고, 최소정합오차를갖는점이이전탐색단계에서최소정합오차점과같다면 5단계로이동하고그렇지않으면 4단계를반복한다. 5단계 : 탐색을중단하고이전단계에서구한최소정합오차를가진점을최종적으로움직임벡터로결정한다. 현재탐색단계에서최소정합오차를갖는점의위치가이전탐색단계의최소정합오차를갖는점의위치와같다면중간에탐색을멈추고최종적인움직임벡터로결정한다. 4. 실험결과 실험은 MPEG-4 VM 인코더를이용하여이루어졌으며, 실험에사용한영상은 (352 288) 이며, 16 16 화소를사용하였다. 탐색영역의변위는각각 ±7로설정하고, Bitrate 1024k에대해실험하였다. 제안된 ANBA의성능을평가하기위하여움직임이아주적은 News, 움직임이조금있는 Miss America, 그보다움직임이있는 Foreman, 웁직임이큰 Stefan의 4개의실험영상에대해각각 80프레임씩을대상으로실험하였다. 제안된 ANBA는인접블록간의움직임정보로부터블록정합을위한탐색원점의후보를구함으로써탐색대상영역이줄어들게되어움직임추정에대한계산량이상대적으로많이줄어들게된다. 즉, 후보점을중심으로상대적으로축소된탐색영역내에서미소변위추정을행하게된다. 또한이전프레임에서추정된움직임정보를이용함으로써효율적으로더신뢰할수있는움직임을추정할수있다는장점이있다. [ 그림 7] 실험영상의첫번째프레임 [Fig. 7] 1st Frames of Experimental Video Sequences (a) 후보벡터의예 (b) 탐색수행 [ 그림 6] 블록정합수행과정 [Fig. 6] Implementation of Proposed Algorithm 그림 6의 (a) 는 2개의후보벡터의예이며, (b) 는 ANBA의탐색수행의예로서, 2개의후보벡터중에서최소 SAD인최적합점으로탐색원점을이동하여블록정합을수행하는과정을각각보인것이다. ANBA는탐색영역이벗어나는모든점을무시하고중간에탐색을멈추는방법을제시하였는데중간에멈출수있는조건은 비교탐색기법으로는 FS, DS, BBGDS와예측탐색알고리즘인 MVFAST, PMVFAST, 그리고제안한 ANBA 를사용하였다. 블록정합의정도를평가하기위해대표적인정합기준인평가함수 (cost function) 로영상화질의품질을평가하기위한식 (4) 와같은평균제곱오차 (MSE: Mean Squared Error), 식 (5) 의평균절대값오차 (MAD: Mean Absolute Difference) 와정합오차측정함수로는식 (6) 의절대값오차의합 (SAD: Sum of Absolute Difference) 을이용하였다. 또한제안하는 ANBA의성능향상을측정하기위해블록당탐색점의개수를기존방법들과비교하 3702
비디오코딩을위한인접블록움직임벡터를이용한예측탐색알고리즘 였다. (4) (5) (6) 여기서 N 은영상의가로와세로의각각의크기이며, 은원영상의화면을나타내고, 은움직임추정화면을나타내며, 이들정합기준들은최소값을가지는위치를움직임벡터로결정한다. 그리고화질의평가를위한 PSNR은식 (7) 과같다. (7) 실험영상에대한실험결과는표 2와표 3, 그림 5에각각나타내었다. 이러한결과를본다면, 제안한 ANBA가 FS에비해평균탐색점수가약 95% 정도감소하였고, 탐색속도면에서는약 18~20배정도의성능향상을나타내었으며, 기존의탐색기법에비해탐색점수가감소하여탐색속도가향상되었다. 또한화질면에서 FS를제외한기존의방식보다우수함을볼수있다. 즉, 평균 PSNR 값의 4개의실험영상에대한평균이제안한방식이 33.197[dB] 로나타나 33.367[dB] 인 FS 다음으로우수하였다. 그리고실험에사용한영상별로볼때, 움직임이아주작은 News 영상은 FS와비교하였을때탐색점수를 95% 감소시키면서도 PSNR 값이 0.057[dB] 차이로거의화질의저하가없었으며, FS를제외한다른기법에비해 PSNR 값이가장우수하였다. 그보다움직임이조금있는 Miss America 영상의 PSNR 값에서는제안된기법이 FS 보다 0.069[dB] 정도떨어지나탐색점수에서약 18배정도의성능향상을나타내었다. 그보다움직임이있는 Foreman 영상에서는 FS가제안된기법보다 0.105[dB] 정도우수하나탐색점수를 18배이상사용되었고, 움직임이큰 Stefan 영상에서는 FS가 0.437[dB] 정도가좋으나약 25배정도의많은탐색점수를사용하여속도면에서는제안한 ANBA가우수함을보였다. [ 표 2] 각실험영상에대한성능비교평가함수의결과비교값 [Table 2] Comparison of MAD and PSNR of the Search Algorithm Sequence News MissAmerica Foreman Stefan Method MAD PSNR MAD PSNR MAD PSNR MAD PSNR FS 1.042 36.225 1.930 39.095 2.817 32.456 6.715 25.693 DS 1.045 36.156 2.018 38.762 2.904 32.175 7.717 24.655 BBGDS 1.045 36.147 1.959 39.025 2.850 32.282 8.202 24.193 MVFAST 1.045 36.156 2.018 38.762 2.904 32.175 7.717 24.657 PMVFAST 1.045 36.153 1.959 39.025 2.832 32.302 7.202 25.215 ANBA 1.044 36.168 1.959 39.026 2.834 32.351 7.030 25.256 [ 표 3] 각실험영상에대한제안된기법과기존기법의탐색속도측면 [Table 3] Comparison of Search Point Number and Speedup of the Search Algorithm Sequence News MissAmerica Foreman Stefan Method 탐색수 SpUp 탐색수 SpUp 탐색수 SpUp 탐색수 SpUp FS 204.28 1.000 204.28 1.000 204.28 1.000 204.28 1.000 DS 12.52 16.316 16.40 12.456 15.90 12.848 16.78 12.174 BBGDS 9.82 20.802 11.37 17.967 13.67 14.944 14.52 14.069 MVFAST 10.12 20.186 12.18 16.772 12.91 15.823 12.77 15.997 PMVFAST 9.84 20.706 11.39 17.935 12.67 16.123 11.52 17.232 ANBA 9.82 20.802 11.33 18.030 12.14 16.827 11.46 17.854 3703
한국산학기술학회논문지제 12 권제 8 호, 2011 이상의실험결과에의하면, PSNR 측면에서 FS를제외한모든기법에비해제안된 ANBA가가장우수한것으로나타났다. 속도면에서는움직임이크면클수록제안된방식이우수하였으며, 기존의낮은계산복잡도를가진예측탐색알고리즘인 MVFAST와 PMVFAST를비교하였을경우에도제안된 ANBA가약 0.01~0.64 [db] 정도의화질향상과낮은계산복잡도로인하여약 1.02~1.07배의속도향상을보였다. 5. 결론 본논문에서는기존의알고리즘보다정확하게탐색시작점을예측함으로써효율적인부호화를가능하게하는움직임추정기법인 ANBA를제안하였다. 정량적인측면에서 MVFAST의경우추가적인메모리가필요하지않지만전역탐색기법에비해낮은 PSNR 을보이고, PMVFAST는이전프레임에서의움직임벡터를저장하기위한메모리가필요하지만전역탐색기법과거의유사한 PSNR과높은속도개선효과를보인다. 본논문에서는기존의예측탐색알고리즘이예측된움직임벡터로탐색원점을이동시켜탐색을수행함으로써블록내에공존하는최소정합오차를가지는탐색점이제외되어화질저하를초래하는문제점을개선하기위해이전움직임정보에의해예측된움직임벡터와탐색영역의중심에가깝게정의한탐색구간별후보벡터중에서가장작은 SAD 값을갖는점을탐색원점으로하여탐색을수행하는알고리즘을제안하였다. 실험의결과를보면제안된 ANBA가화질면에서는전역탐색에근접한우수한성능을보였으며, 기존의예측탐색기법과거의같은탐색점수를사용하면서도화질면에서는나은결과를보였다. 움직임추정시본논문에서제안한예측탐색기법인 ANBA를사용하여움직임추정을한다면보다빠르게움직임벡터를찾을수있을것이며, 고속블록정합방법에적합한탐색패턴을도출하고, 탐색패턴을적응적으로변화시키면다른고속블록정합방법들보다탐색점수를감소시키고, 우수한보상결과를얻을수있을것으로기대된다. 또한일정한시간간격을두고연속적으로추출되는움직임벡터의크기를일정하게조절할수있는시간적인동기화에대한연구도보강될필요가있다. 움직임벡터의예측과정에서발생할수있는예외적인요소를모두고려하여가장적응적인현재프레임의매크로블록내에서움직임벡터를구간별로탐색하므로 본연구에서제안한탐색기법을사용하여움직임예측을한다면보다빠르게움직임벡터를찾을수있을것이며, 또한동영상압축의성능을향상시키고우수한보상결과를얻을수있을것으로기대된다. References [1] T. Koga, K. Iinuma, A. Hirano, Y. Iijima, and T. Ishiguro, "Motion-compensated Interframe Coding for Video Conferencing", in Proc. National Telecommunications Conf., New Orleans, LA, pp.g5.3.1-g5.3.5, Nov. 1981. [2] Vincent S., S. Hwang, "Tracking Feature Points in Time-Varying Image using an Opportunistic Selection Approach", Pattern Recognition, Vol. 22, pp.247-256, 1989. [3] Oscal T.-C. Chen, "Motion Estimation Using a One-Dimensional Gradient Descent Search", IEEE Transactions on Circuits & System for Video Tech., Vol. 10, No. 4, pp.608-616, June 2000. [4] P. I, Hosur, K. K. Ma, "Motion Vector Field Adaptive Fast Motion Estimation", in Proc, the Second Int. Conf. Inf., Commun., Signal Process, Dec. 2003. [5] A. M. Tourapis, O. C. Au, M. L. Liou, "Highly efficient predictive zonal algorithms for fast block-matching motion estimation", IEEE Transactions on Circuits & System for Video Tech., Vol. 12, No. 10, pp.934-947, Oct. 2002. [6] Y. Nie, K-K. Ma, "Adaptive Rood Pattern Search for Fast Block-Matching Motion Estimation", IEEE Transactions on Image Processing, Vol. 11, No. 12, pp.1442-1449, Dec. 2002. [7] F. Moschetti, M. Kunt, E. Debes, "A Statistical Block-Matching Motion Estimation", IEEE Transactions on Circuits & System for Video Tech., Vol. 13, No. 4, pp.417-431, Apr., 2003. [8] W. A. C. Fernando, "Sudden Scene Change Detection in Compressed Video using Interpolated Macroblocks in B-frames", Multimedia Tools and Applications, Vol. 28, No.3, pp.301-320, May, 2006. [9] Goela, N., Wilson, K., Feng Niu, "An SVM Framework for Genre-Independent Scene Change Detection", Multimedia and Expo, 2007 IEEE International Conference on, pp.532-535, Jul,, 2007 [10] X Yi, N Ling, "Fast Pixel-Based Video Scene 3704
비디오코딩을위한인접블록움직임벡터를이용한예측탐색알고리즘 Change Detection", Circuits and Systems, IEEE International Symposium on, Vol.4, pp.3443-3446, May, 2005. [11] Shih-Hao Wang, Shih-Hsin Tai, Tihao Chiang, "A Low-Power and Bandwidth-Efficient Motion Estimation IP Core Design Using Binary Search",Circuits and Systems for Video Technology, IEEE Transactions on, pp.760-765, May 2009. 곽성근 (Sung-Keun Kwak) [ 정회원 ] 1980년 2월 : 연세대학교대학원전자공학과 ( 공학석사 ) 2004년 8월 : 아주대학교대학원컴퓨터공학과 ( 공학박사 ) 1980년 3월 ~ 2010년 2월 : 인천전문대학컴퓨터애니메이션과교수 2010년 3월 ~ 현재 : 인천대학교디자인학부교수 < 관심분야 > 컴퓨터그래픽스, 동영상압축, 컴퓨터애니메이션 3705