H.264/AVC에서 화면 간 예측 모드의 압축 성능 향상을 위한 적응적인 계수 탐색 방법

백승진; 박천수; 고성제

추천

검색

질문

자료유형: 학술저널

저자정보: 백승진 박천수 고성제

저널정보: 대한전자공학회 전자공학회논문지-SP 電子工學會論文誌 SP編第46卷第3號

발행연도: 2009.5

수록면: 89 - 95 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

H.264/AVC는 높은 압축 성능을 보이는 현존하는 가장 우수한 비디호 부호화 표준이다. H.264/AVC는 양자화된 변환 계수를 부호화하기 위해 지그재그 탐색 방법을 채택하고 있다. 하지만 이 방법은 모든 블록의 양자화된 변환 계수를 블록의 특성을 고려하지 않고 동일한 순서로 탐색하기 때문에 효과적이지 못하다. 따라서 본 논문에서는 H.264/AVC의 화면 간 예측에서 압축 효율을 증가시키기 위한 적응적인 계수 탐색 방법을 제안한다. 제안하는 방법에서는, 이전 블록들의 정보를 기반으로 각 화면 간 예측 모드의 계수 탐색 순서를 조절한다. 실험 결과는 제안하는 적응적인 계수 탐색 방법은 고화질의 HD 영상에서 2.29%의 압축 효율 향상을 보여준다.

#계수 탐색 #H.264 #화면 간 예측

참고문헌 (10)

참고문헌 신청

1. [학술대회논문] - G. Sullivan / 2005 / Draft meeting report for 26th VCEG meeting / VCEG-Z01

2. [인터넷자원] - / / H.264/AVC JM reference software version 11.0

3. [인터넷자원] - / / H.264/AVC KTA software version 2.2 [Online]

4. [학술지(정기간행물)] - T. Wiegand / 2003 / Overview of the H.264/AVC video coding standard / IEEE Trans. Circuits and Systems for Video Tech 13 (7) : 560 ~ 576

5. [학술지(정기간행물)] - Byeong-Doo Choi / 2007 / Adaptive Coefficient Scanning Based on the Intra Prediction Mode / ETRI Journal 29 (5) : 694 ~ 696

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

백승진

소속기관 Korea University

주요연구분야 공학 > 전기전자공학 > 전자공학

논문수 6 이용수 115

박천수

소속기관 한국전자통신연구원

주요연구분야 공학 > 전기전자공학 > 제어계측공학 공학 > 컴퓨터학

논문수 24 이용수 2,025

고성제

소속기관 고려대학교

주요연구분야 공학 > 전기전자공학 > 전자공학 TOP 5% 공학 > 전기전자공학 > 정보통신공학

논문수 192 이용수 9,401

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-018356384

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (10)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)