1. 벡터 양자화 (Vector Quantization)
ㅇ 연속적으로 샘플링된 진폭값들을 그룹핑하여, 이 그룹단위를 몇개의 대표값으로 양자화
- 일련의 표본들을 특성화시킨 몇개의 대표값(n-tuple,순서쌍)으로 양자화
ㅇ 이전이나 다음의 값에 영향을 받지않는 스칼라 양자화와 달리,
- 연속 샘플링된 데이터들이 강한 시간 상관성(Temporal Correlation)을 갖을 때 유리
2. 벡터 양자화의 특징
ㅇ 영상부호화에서 복수의 (화소) 값을 동시에 양자화
- 샘플링한 (화소) 데이터를 하나의 블럭으로 묶어 이 하나의 값에 대해 2개 이상의
변수를 이용하여 벡터 처리 양자화
ㅇ 압축 부호화 기법의 일종임
- 데이터의 일부분을 미리 정해진 부호책(code book)의 것과 비교하여, 이와 가장
유사한 부호책의 색인 번호를 데이터 대신에 치환하기 쉽게하도록 하게한 일종의
압축 부호화 기법임
ㅇ 결국, 전송하게되는 것은 데이터 패턴이 아니고, 패턴 색인 번호임
- 미리 훈련시켜놓은 코드북을 참조하여 거리가 가장 가까운 코드벡터를 찾아내고
이에 해당하는 지표(색인) 만을 전송하게 됨
ㅇ 사용분야
- 음성 압축, 영상 압축 부호화 기법, 음성인식, 패턴 인식 등 여러 분야에 사용됨
ㅇ 성능 상의 중요한 점 2가지
- 코드북(Codebook)을 어떻게 잘 설계할 것인가 ? (코드북 설계)
. 코드북설계 알고리즘 : 신경회로망 이용방법 등
- 입력 벡터에 대응하는 최적 코드워드를 어떻게 잘 찾을 수 있는가 ? (검색 기법)
3. 벡터 양자화의 장단점
ㅇ 단점
- 이 방법은 압축비를 크게 하는 경우 화질/음질 등의 급격한 열화를 수반한다.
- 코드북의 품질에 영향을 많이 받음(잘 설계된 효율적인 코드북 구성이 매우 중요)
- 비록 매우 낮은 데이터율에서도 높은 효율성을 갖지만, 반면에 양자화 왜곡을 제
어하기 어려움
ㅇ 장점
- 구조가 단순하며, 압축률이 높음
- 비록 인코딩 과정에서는 속도가 느리나, 디코딩 과정에서는 색인에 의해 코드북
을 1회 만 참조하게되므로 속도가 빠름
4. 벡터 양자화의 동작원리
ㅇ 부호화 단계에서는,
- 주어진 입력 벡터에 해당하는 가장 가까운 코드 벡터를 코드북에서 찾아내어 이
코드 벡터의 색인을 전송하고,
ㅇ 복호화 단계에서는,
- 전송되어진 색인에 해당하는 코드 벡터를 찾아냄
* 코드 벡터의 색인 만을 전송하므로 높은 압축률이 가능