본 논문에서는 영상의 웨이브렛 변환계수의 양자화를 위하여 입력영상의 통계적 성질에 영향을 받지 않고 부호화 결과에 범용성을 갖는 새로운 벡터 양자화기의 설계법을 제안한다. 부호화 대상영상의 상관과 에지성분의 양 등이 웨이브렛 변환영역에서의 양자화기 설계에 중용한 요소인 것을 밝힌다. 기존의 벡터 양자화기의 가장 큰 문제점은 양자화대상 영상과 대표 벡터를 생성하기 위한 학습계열간의 통계적 성질의 불일치에 의한 부호화 성능의 열화이다. 그리하여 본 논문에서는 웨이브렛 변환계수의 양자화에 적합한 벡터양자화기의 대표 벡터를 생성하기 위한 학습계열로, 독립난수에 영상의 상관과 에지성분을 첨가한 모사 영상을 사용하여 종래 방식의 문제점을 해결하는 방법에 대하여 검토하였다. 제안 방식에 의해 설계된 벡터양자화기와 대표벡터 생성에 이용하는 학습계열에 부호화 대상이 되는 영상과 같은 실영상을 사용한 종래 방식에 의해 설계된 벡터양자화기와 부호화 성능을 컴퓨터 시뮬레이션을 통하여 비교하여 종래 방식의 문제점을 명확하게 밝히고, 아울러 제안방식으로 설계한 벡터양자화기가 부호화 성능이 우수함을 입증한다.
In this paper, we propose a new design method for a robust vector quantizer that is independent of the statistical characteristics of input images in the wavelet transformed image coding. The conventional vector quantizers have failed to get quality coding results because of the different statistical properties between the image to be quantized and the training sequence for a codebook of the vector quantizer. Therefore, in order to solve this problem, we used a pseudo image as a training sequence to generate a codebook of the vector quantizer; the pseudo image is created by adding correlation coefficient and edge components to uniformly distributed random numbers. We will clearly define the problem of the conventional vector quantizers, which use real images as a training sequence to generate a codebook used, by comparing the conventional methods with the proposed through computer simulation. Also, we will show the proposed vector quantizer yields better coding results.
