JPEG 영상 압축에서 양자화 잡음 모델링

Abstract

Joint Photographic Expert Group (JPEG) 압축 방식은 인터넷이나 멀티미디어 환경에서 영상의 저장, 통신에 널리 사용되고 있다. JPEG영상 압축 복원에서 data 손실이 발생한다. 손실의 주된 요인은 DCT 계수의 Quantization이다. 영상 압축 복원 의 경우나 영상을 검색하는 경우에 Quantization에서 발생한 잡음을 계산하여 고려하면 효과적이다. 영상 압축 복원하고 또 영상을 검색하기 위해 양자화 잡음 modeling에 관한 연구를 하였다. 본 논문에서는 우선 주파수 domain에서 간단하게 통계적인 특성에 의한 양자화와 잡음을 구하고 DCT power 스펙트럼에서 양자화 잡음을 구하는 방법을 제시한다. 또한 영상의 모델에서 DCT power 스펙트럼을 구하는 방법도 제시하여, Markov 영상 모델로부터 JPEG 양자화 잡음을 계산하고 이를 실제 영상에 적용하였다. 마지막으로 실제 영상을 주파수 domain에서 Laplacian 모델링 할 경우에 그에 따른 양자화 잡음과 이론적인 수식으로 유도한 양자화 잡음을 살펴보았다. 영상 DCT계수의 분포를 Laplacian 분포로 모델링 한 경우의 양자화 잡음이 실제 JPEG압축에 의해 발생하는 잡음과 가장 근사함을 보였다. 주파수 domain에서 64개의 계수별로 Laplacian 확률분포함수를 modeling하고 양자화 잡음을 계산하면 실제 JPEG압축 시에 생기는 noise를 간접적으로 계산할 수 있다. 뿐만 아니라 Laplacian으로 모델링 했을 경우 압축정도를 다르게 하더라도 그에 따른 noise를 계산할 수 있다. 여기에서 유도된 결과는 JPEG으로 압축된 영상의 filtering, 복원, JPEG 압축 영상의 검색에서 색상거리를 계산하는 경우 양자화 잡음을 영상마다 따로 계산하지 않고 일반적인 모델을 적용할 수 있도록 한다. 또한 영상의 주파수 스펙트럼 모델과 인간의 시각특성 모델이 주어지면 주어진 비트율을 만족하는 최적의 양자화 행렬을 생성하는 데에 응용될 수도 있다. ; JPEG compression standard is widely used in storage and communication of images in internet and multimedia enviroment. Image precisions are lost in JPEG image compression and decoding. The main cause of the loss is the quantization process. The quantization noise plays a major role in image restoration and image database search. The quantization noise in image compression affects image database search. Therefore, this thesis focuses on quantization noise modeling for the image compression First we present a simple method of calculation DCT coefficient quantization based on the DCT power spectrum. Also Laplacian probability density function (p.d.f.) modeling of the DCT AC coefficients are proposed. And then we apply a first order Markov image model for DCT power spectrum calculation. DCT coefficient distribution of image is modeled by Laplacian distribution. Quantization noise is calculated based on the Laplacian p.d.f. We conclude that quantization noise predicted Laplacian modeling is very close to the JPEG compression error. This quantization model can be applied to various JPEG image restoration.