| 研究課題/領域番号 |
17K00247
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 東京理科大学 |
|---|
研究代表者 |
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)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2019年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 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 / 画像情報処理 / データ圧縮 |
|---|
| 研究成果の概要 |
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。この手法は、符号化済み領域のテンプレートマッチングや線形予測といった処理によって収集された構造情報に基づいて画像信号の確率分布をガウス関数の線形結合でモデル化し、エントロピー符号器を直接駆動するものである。各ガウス関数の形状を制御するモデルパラメータを準ニュートン法で最適化する手法を組み合わせることで、動画像を含む様々なフォーマットの画像信号について、既存方式を上回る符号化を達成することができた。
|
| 研究成果の学術的意義や社会的意義 |
画像のデータ圧縮は現代のマルチメディア社会を支える基盤技術である。筆者らは、画像信号の冗長度削減処理を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た。さらにこのモデルに基づく発生符号量を、数値最適化の手順により直接最小化する方法も明らかにしている。これらの研究成果は、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。
|
