-
دسترسی آزاد مقاله
1 - Analysis of motion estimation algorithms in video
Dadvar Hosseini Mahdi Noshyar Saeed Barghandan majid ghandchiOne of the most time-consuming parts of video encoding is motion estimation. Motion estimation is an important part of video encoding that improves the amount and accuracy of compression by exploiting the temporal similarity between successive frames. This action is the چکیده کاملOne of the most time-consuming parts of video encoding is motion estimation. Motion estimation is an important part of video encoding that improves the amount and accuracy of compression by exploiting the temporal similarity between successive frames. This action is the main cause of maximum compression in the video, which imposes the minimum quality loss on the video. In order to be able to compensate the movement, it is necessary to first find the value of the movement direction, which is called movement estimation.By doing motion estimation, instead of sending repeated information at consecutive times, the difference between consecutive frames is encoded and sent in different ways. Generally, a motion estimator in video encoding includes fractional pixel motion estimation (FME) and integer pixel motion estimation (IME). The FME method provides better performance with the cost of computational complexity and estimation time on the encryption process. پرونده مقاله -
دسترسی آزاد مقاله
2 - Pseudo Zernike Moment-based Multi-frame Super Resolution
Sara Salkhordeh Hamidreza Rashidy KananThe goal of multi-frame Super Resolution (SR) is to fuse multiple Low Resolution (LR) images to produce one High Resolution (HR) image. The major challenge of classic SR approaches is accurate motion estimation between the frames. To handle this challenge, fuzzy motion چکیده کاملThe goal of multi-frame Super Resolution (SR) is to fuse multiple Low Resolution (LR) images to produce one High Resolution (HR) image. The major challenge of classic SR approaches is accurate motion estimation between the frames. To handle this challenge, fuzzy motion estimation method has been proposed that replaces value of each pixel using the weighted averaging all its neighboring pixels in all LR images which carries the degree of similarity between image blocks centered on two pixels. Since in case of rotation between LR images, comparing the gray level of blocks around the pixels is not a suitable criterion for calculating weight, so, magnitude of Zernike Moments (ZM) has been used as a rotation invariant feature. Due to the lower sensitivity of Pseudo Zernike Moments (PZM) to noise and the higher discrimination capability of it for the same order compared to ZM, in this paper, we propose a new method based on magnitude of PZM of the blocks as a rotation invariant descriptor for representation of pixels in weight calculation. Experimental results on several image sequences show that the performance of the proposed algorithm is better than the existing and new techniques from the aspect of PSNR and visual image quality. پرونده مقاله -
دسترسی آزاد مقاله
3 - ارائه یک روش جدید فشردهسازی ویدیو مبتنی بر تبدیل ویولت و شبکههای عصبی مصنوعی
محمد رحمانیان احمد حاتم محمدعلی شفیعیانعمل فشردهسازی ویدیو با بهرهگیری از افزونگی زمانی و فضایی موجود در رشته ویدیو انجام میگیرد. این افزونگیها را میتوان به ترتیب با اعمال یک تبدیل، تخمین و جبرانسازی حرکت و کوانتیزاسیون بهگونهای کارآمد جبرانسازی نمود. استانداردهای موجود برای فشردهسازی ویدیو مانند M چکیده کاملعمل فشردهسازی ویدیو با بهرهگیری از افزونگی زمانی و فضایی موجود در رشته ویدیو انجام میگیرد. این افزونگیها را میتوان به ترتیب با اعمال یک تبدیل، تخمین و جبرانسازی حرکت و کوانتیزاسیون بهگونهای کارآمد جبرانسازی نمود. استانداردهای موجود برای فشردهسازی ویدیو مانند MPEG مبتنی بر تبدیل کسینوسی بلوکی میباشند که در آن تصویر ورودی باید به صورت بلوکهایی درآید. بنابراین همبستگی در عرض مرزهای بلوک حذف نشده و این امر منجر به مقدار قابل توجهی نویز بلوکی میگردد. با استفاده از تبدیل موجک میتوان بر این پدیده غلبه نمود. اما چنین الگوی فشردهسازی از نظر زمان اجرا کمی کند است و برای غلبه بر این مشکل نیز از تبدیل موجک چندسطحی استفاده میشود. در واقع استفاده از تبدیل موجک باعث میشود که عمل تجزیه نمودن بر روی بُعد زمان نیز علاوه بر بُعد مکانی صورت گیرد. هدف از این مقاله دستیابی به یک الگوریتم فشردهسازی سریعتر و با نرخ فشردهسازی بالاتر میباشد. برای این منظور یک الگوریتم فشردهسازی ویدیو مبتنی بر تبدیل ویولت سه سطحی معرفی و شبیهسازی شده است. برای انجام عمل پیشگویی از شبکه عصبی استفاده شده است. نتایج شبیهسازیها مزایای استفاده از تبدیل موجک را آشکار میکنند. این نتایج نشان میدهندکه الگوریتم پیشنهادی از نظر زمان اجرا سریعتر و از نظر نرخ فشردهسازی کارآیی بهتری نسبت به استاندارد MPEG را از خود نشان میدهد. همچنین ویدیوی نهایی بهدست آمده دارای کیفیت دیداری قابل قبولی برای چشم انسان میباشد و به دلیل نیاز به حجم کم حافظه میتوان از آن در تجهیزات قابل حمل استفاده نمود. پرونده مقاله -
دسترسی آزاد مقاله
4 - ارتقاء مقاومت تخمین حرکت در برابر نویز و اختلالات شدت روشنایی در دنباله تصاویر دیجیتال
همایون مهدوی نسبتخمین و جبران حرکت از مراحل اساسی استانداردهای کدگذاری ترکیبی ویدئوی دیجیتال هستند. روش تطبیق بلوک به دلیل سادگی ساختار، روش غالب در تخمین حرکت در فنآوری ویدئوی دیجیتال است. از آغاز دهه نود میلادی روش تخمین حرکت مبتنی بر مش به دلیل بهکارگیری مدلهای حرکت کاملتر و عدم چکیده کاملتخمین و جبران حرکت از مراحل اساسی استانداردهای کدگذاری ترکیبی ویدئوی دیجیتال هستند. روش تطبیق بلوک به دلیل سادگی ساختار، روش غالب در تخمین حرکت در فنآوری ویدئوی دیجیتال است. از آغاز دهه نود میلادی روش تخمین حرکت مبتنی بر مش به دلیل بهکارگیری مدلهای حرکت کاملتر و عدم بروز ضایعات بلوکی در آن، مورد توجه محققین قرار گرفته است. با وجود برتری کیفی روش مبتنی بر مش، بخصوص در نرخ بیتهای کم و با موضوعهای دارای انعطاف، این روش دارای مشکلات اساسی چون انتشار خطا و افت کیفیت در شرایط نویزی و با تغییرات روشنایی است. در این مقاله جهت ارتقاء عملکرد روش تخمین مبتنی بر مش از نظر مقاومت در برابر نویز و اختلال روشنایی، استفاده از درونیابی وفقی بردارهای حرکت پیشنهاد شده است. شبیهسازیهای انجام شده نشان میدهند که راهکار پیشنهاد شده نه تنها منجر به بهبود مقاومت تخمین حرکت مبتنی بر مش میگردد، بلکه در مقایسه با روش تطبیق بلوک نیز از مقاومت بیشتری برخوردار است. پرونده مقاله