2019 Fiscal Year Annual Research Report
Learning Based Probability Modeling for Efficient Image Coding
| Project/Area Number |
17K00247
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
松田 一朗 東京理科大学, 理工学部電気電子情報工学科, 教授 (70287473)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 画像符号化 / 可逆符号化 / 学習型確率推定モデル / テンプレートマッチング / 適応予測 |
|---|
| Outline of Annual Research Achievements |
本研究課題では、画像データを劣化させることなく効率的に圧縮する高能率符号化手法を開発した。従来の画像符号化手法では、画像信号の冗長度削減とエントロピー符号化の処理が独立に扱われていたため、特に非定常な性質を有する画像において符号化効率が低下するという問題があった。これに対し筆者らは、従来の冗長度削減処理を非定常性も内包する確率生成モデルの学習問題と捉え、直接エントロピー符号器を駆動するアルゴリズムを提唱している。このアルゴリズムは、様々な映像データを効率的に圧縮するための統一的な手順を提供するものであり、多様化する映像情報メディアの蓄積・伝送手段として幅広く応用が可能であると考えられる。
3年間の研究期間中は、それぞれテンプレートマッチングと確率モデルの最適化手順を核とする基本符号化アルゴリズムの確立、適応予測の導入による符号化効率の改善、カラー静止画像や動画像といった映像フォーマットの特性に着目した基本アルゴリズムの拡張を重点テーマとして精力的に研究を遂行し、概ね計画通りの進捗を得た。その結果、モノクローム静止画像、カラー静止画像、モノクローム動画像のいずれについても世界最高水準の符号化効率を達成することができた。
これらの研究成果は、査読付き学術論文3編、査読付き国際会議論文9編を含む多数の学会発表を通して内外に公表済みである。また、本研究課題の中核となる研究成果についてはその内容が高く評価され、2件の学術賞受賞に結実している。
|
