Adaptive Loop Filter Complexity Reduction Based on Local Homogeneity :

Xiang Li

추천

검색

자료유형: 학위논문

저자정보: Xiang Li (광운대학교, 광운대학교 대학원)

지도교수: Donggyu Sim

발행연도: 2017

저작권: 광운대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (3)

2017

Complexity Reduction of an Adaptive Loop Filter Based on Local Homogeneity

Xiang Li , Yongjo Ahn , Donggyu Sim IEIE Transactions on Smart Processing & Computing 2017.04 학술저널

Adaptive Loop Filter Complexity Reduction Based on Local Homogeneity

Xiang Li 컴퓨터공학과 2017.01 학위논문

Adaptive Loop Filter Complexity Reduction Based on Local Gradient

Xiang Li , Ismail Mazuki , Seungchul Jang 외 1명 대한전자공학회 학술대회 2017.01 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

This thesis proposed a method for adaptive loop filter (ALF) complexity reduction in the decoding process. In the original ALF algorithm, all of the pixels will be filtered if the current frame is I frame. The proposed algorithm is designed on top of the local gradient calculation already existing in the original ALF process. Both in the encoder side and decoder side, the homogeneous areas will be checked and be skipped from the filtering process, and filter coefficient calculation is also modified that only the inhomogeneous areas are involved in coefficient calculation. The proposed algorithm is implemented in future video coding reference software JEM version 3.0. And the proposed algorithm is applied for the frame level filtering and all intra configuration, Compared with the JEM 3.0 anchor, The proposed algorithm has 0.31%, 0.76% and 0.73% bit rate loss for luma (Y) and chroma (U and V) respectively with about 8% decoding time decreasing

Chapter 1 Introduction 1
Chapter 2 HEVC and Future Video Coding 5
2.1 Brief Introduction of Encoder and Decoder 7
2.2.Block Structure 8
2.3 Prediction Coding 11
2.4 Transform 18
2.5 Enhanced CABAC 20
2.6 Software and Common Test Condition 20
Chapter 3 ALF Complexity Reduction based on Local Homogeneity 22
3.1 ALF Overall Description 22
3.1.1 Filter Coefficient Derivation 23
3.1.2 Filter Shape 32
3.1.4 Merge Mode 33
3.1.5 CU Level Control 34
3.2 ALF Processing 35
3.2.1 Existing ALF Processing 35
3.2.2 Proposed ALF Processing 39
Chapter 4 Experimental Performance and Analysis 42
4.1 Experimental Environment 42
4.2 Experimental Performance and Analysis 44
Chapter 5 Conclusion 50

최근 본 자료

전체보기

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

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)