ارائه یک روش جدید فشرده سازی ویدیو مبتنی بر تبدیل ویولت و شبکه های عصبی مصنوعی

Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 141

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JIPET-7-25_001

تاریخ نمایه سازی: 19 دی 1400

Abstract:

عمل فشرده سازی ویدیو با بهره گیری از افزونگی زمانی و فضایی موجود در رشته ویدیو انجام می گیرد. این افزونگی ها را می توان به ترتیب با اعمال یک تبدیل، تخمین و جبران سازی حرکت و کوانتیزاسیون به گونه ای کارآمد جبران سازی نمود. استانداردهای موجود برای فشرده سازی ویدیو مانند MPEG مبتنی بر تبدیل کسینوسی بلوکی می باشند که در آن تصویر ورودی باید به صورت بلوک هایی درآید. بنابراین همبستگی در عرض مرزهای بلوک حذف نشده و این امر منجر به مقدار قابل توجهی نویز بلوکی می گردد. با استفاده از تبدیل موجک می توان بر این پدیده غلبه نمود. اما چنین الگوی فشرده سازی از نظر زمان اجرا کمی کند است و برای غلبه بر این مشکل نیز از تبدیل موجک چندسطحی استفاده می شود. در واقع استفاده از تبدیل موجک باعث می شود که عمل تجزیه نمودن بر روی بعد زمان نیز علاوه بر بعد مکانی صورت گیرد. هدف از این مقاله دستیابی به یک الگوریتم فشرده سازی سریع تر و با نرخ فشرده سازی بالاتر می باشد. برای این منظور یک الگوریتم فشرده سازی ویدیو مبتنی بر تبدیل ویولت سه سطحی معرفی و شبیه سازی شده است. برای انجام عمل پیش گویی از شبکه عصبی استفاده شده است. نتایج شبیه سازی ها مزایای استفاده از تبدیل موجک را آشکار می کنند. این نتایج نشان می دهندکه الگوریتم پیشنهادی از نظر زمان اجرا سریع تر و از نظر نرخ فشرده سازی کارآیی بهتری نسبت به استاندارد MPEG را از خود نشان می دهد. همچنین ویدیوی نهایی به دست آمده دارای کیفیت دیداری قابل قبولی برای چشم انسان می باشد و به دلیل نیاز به حجم کم حافظه می توان از آن در تجهیزات قابل حمل استفاده نمود.

Authors

محمد رحمانیان

دانشکده برق، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران

احمد حاتم

استادیار، دانشکده برق، دانشگاه هرمزگان، بندرعباس، ایران

محمدعلی شفیعیان

کارشناس ارشد دانشکده مهندسی برق دانشگاه شیراز، شیراز، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Bovik, A., Handbook of Image and Video Processing, ۲۰۰۰, Academic ...
  • E. Moyano, "A new fast ۳D wavelet transform algorithm for ...
  • J.R. Ohm, "Three-dimensional subbandcoding with motion compensation", IEEE Trans. on ...
  • P.N.Topiwala, "Wavelet image and video compression", Kluwer Academic, ۱۹۹۸ ...
  • T. Aziz, D.R.J. Dolly, "Motion estimation and motion compensated video ...
  • Y.S. Cheng, G.D. Huang, "Audio/video compression applications using wavelets", Proceedingsof ...
  • R. Adhami, "Video compression technique using wavelet transform", Proceeding of ...
  • J. Bridge, "Differential image compression". Dr. Dobbs’s Journal, pp. ۳۸-۴۸, ...
  • M. Nema, L. Gupta, N.R. Trivedi, "Video compression using SPIHT ...
  • D.Z. Athmane, et al., "New video compression using MSPIHT۳D transformation", ...
  • G.D. Bhokare, C.S. Gupta, V.M. Gadre, "Video compression using ۳-band ...
  • D.V. Babu, N.R. Alamelu, "A novel morpho codec for medical ...
  • S.D. Thepade, N. Yadav, "Novel efficient content based video retrieval ...
  • Y. Xu, L. XU. "The performance analysis of wavelet in ...
  • M. Lei, L. Hang, "Video compression algorithm based on wavele ...
  • R.Y. Omaki, G. Fujita, T. Onoye, I. Shirakawa, "Embedded zerotree ...
  • K.S. Thyagarajan, "Still image and video compression with MATLAB", John ...
  • Z. Li, M.S. Drew, J. Liu, "Fundamentals of multimedia", United ...
  • نمایش کامل مراجع