ISSN 2319-8885

Vol.03, Issue.30
Oktober-2014,
Halaman: 6045-6050

www.ijsetr.com

Metode Kompresi Baru Video menggunakan DCT Koefisien Berdasarkan Accordion

Perwakilan
B HAVANA 1, K. M URALI K RISHNA 2
1 PG Scholar, Departemen SSP, Malla Reddy Fakultas Teknik dan Teknologi Secunderabad, India,

Email: sajjanshetty14@gmail.com.
2 Assoc Prof, Departemen ECE, Malla Reddy Fakultas Teknik dan Teknologi Secunderabad, India.

Abstrak: Umumnya, sinyal video memiliki redudansi temporal yang tinggi karena korelasi tinggi antara frame yang berurutan. Sebenarnya, redundansi ini belum
dimanfaatkan cukup dengan teknik kompresi video saat ini. Dalam tulisan ini, kami menyajikan pendekatan kompresi video baru yang cenderung keras
mengeksploitasi redundansi temporal yang berhubungan dalam frame video untuk meningkatkan efisiensi kompresi dengan kompleksitas pengolahan minimum. Ini
terdiri dari 3D ke 2D transformasi dari frame video yang memungkinkan menjelajahi redundansi temporal video menggunakan transformasi 2D dan menghindari
komputasi menuntut langkah kompensasi gerak. Transformasi ini ternyata korelasi spasial temporal video ke dalam korelasi spasial tinggi. Memang, teknik ini
mengubah setiap kelompok gambar untuk satu gambar akhirnya dengan korelasi spasial tinggi. Demikian, yang decorrelation gambar yang dihasilkan oleh DCT
membuat pemadatan hemat energi, dan karena itu menghasilkan rasio kompresi video high. Banyak tes eksperimental telah dilakukan untuk membuktikan efisiensi
metode terutama di bit rate yang tinggi dan dengan video gerakan lambat. Metode yang diusulkan tampaknya baik cocok untuk aplikasi video surveillance dan
sistem kompresi video tertanam.

Kata kunci: DCT, Video Compression, Frames, redundansi.

I. PENDAHULUAN memesan untuk mengeksploitasi redundansi temporal. Coder berdasarkan 3D transform

Tujuan dari video coding di sebagian besar aplikasi video adalah untuk menghasilkan rasio kompresi video yang dekat dengan estimasi gerak berbasis coding satu

mengurangi jumlah data video untuk menyimpan atau transmisi tujuan tanpa dengan pengolahan yang kurang kompleks [4] [5] [6] [7]. 3d metode kompresi video

mempengaruhi kualitas visual. pertunjukan video yang diinginkan tergantung mentransformasi berdasarkan mengobati redudansi dalam sinyal video 3D dengan cara yang

pada kebutuhan aplikasi, dari segi kualitas, kapasitas disk dan bandwidth. sama, yang dapat mengurangi efisiensi dari metode ini sebagai variasi nilai-nilai pixel dalam

Untuk aplikasi video digital portabel, highlyintegrated real-time kompresi video dimensi spasial atau temporal yang tidak seragam dan sebagainya, redundansi belum

dan dekompresi solusi yang lebih dan lebih diperlukan. Sebenarnya, encoders ketepatan yang sama. Seringkali redudansi temporal lebih relevan dari satu spasial [4]. Hal ini

berdasarkan estimasi gerak yang paling banyak digunakan dalam kompresi dimungkinkan untuk mencapai kompresi yang lebih efisien dengan memanfaatkan lebih banyak

video. Seperti encoder "s mengeksploitasi bingkai korelasi antar untuk dan lebih redudansi dalam domain duniawi; ini adalah tujuan dasar dari metode yang diusulkan.

memberikan kompresi lebih efisien. Namun, proses estimasi Motion Metode yang diusulkan terdiri atas memproyeksikan redundansi temporal setiap kelompok

komputasi secara intensif; waktu pelaksanaan sebenarnya adalah sulit dan gambar menjadi domain spasial untuk digabungkan dengan redundansi spasial dalam satu

mahal [2] [3]. Ini adalah mengapa video gerakan berbasis coding standar representasi dengan korelasi spasial tinggi. representasi yang diperoleh akan dikompresi

MPEG terutama dikembangkan untuk aplikasi video yang tersimpan, dimana sebagai gambar diam dengan JPEG coder. Sisa kertas ini disusun sebagai berikut, SectionII

proses encoding biasanya dilakukan off-line pada komputer yang kuat. memberikan Video Compression Proses. Dalam sectionIII Dua DWT Dimensi. SectionIV

Sehingga kurang tepat untuk diterapkan sebagai proses kompresi real-time menyajikan hasil studi banding antara standar kompresi dengan metode yang diusulkan. Bagian

untuk rekaman portabel atau perangkat komunikasi (kamera pengintai video terakhir menyimpulkan tulisan ini dengan ringkasan singkat. SectionIV menyajikan hasil studi

dan kamera video digital sepenuhnya). banding antara standar kompresi dengan metode yang diusulkan. Bagian terakhir
menyimpulkan tulisan ini dengan ringkasan singkat. SectionIV menyajikan hasil studi banding
antara standar kompresi dengan metode yang diusulkan. Bagian terakhir menyimpulkan tulisan
ini dengan ringkasan singkat.

Dalam aplikasi ini, pelaksanaan biaya / kompleksitas efisien rendah adalah

hal yang paling penting. Dengan demikian, penelitian berbalik ke arah desain
coders baru yang lebih disesuaikan dengan kebutuhan aplikasi video baru. Hal II. PROSES KOMPRESI VIDEO
ini menyebabkan beberapa peneliti untuk mencari eksploitasi 3D mengubah di Seluruh proses dekompresi kompresi di sebagian besar video coding
berdasarkan estimasi gerak pada dasarnya adalah

Copyright @ 2014 IJSETR. Seluruh hak cipta.

 B HAVANA, K. M URALI K RISHNA
sama seperti diilustrasikan pada Gambar 1. Video ini coding menggunakan
hybrid coding pendekatan.; mereka mengeksploitasi secara simultan
intra-frame dan inter-frame redudansi untuk mengkodekan video. Intra-frame
coding kompres frame secara independen dari frame lain. frame ini,
dianggap sebagai bingkai kunci dicatat oleh I-frame, adalah JPEG
dikodekan. The IFS coding kompres perbedaan antara frame. Gerak teknik
prediksi kompensasi digunakan. prediksi gerak dapat diterapkan pada blok
gambar atau benda video. Sebuah pencarian untuk blok cocok atau objek
dalam kerangka acuan dilakukan. Jika blok atau benda seperti yang
ditemukan, vektor motion mereka ditransmisikan, serta perbedaan frame
dengan gambar kompensasi juga JPEG dikodekan dan dikirim. Ada dua
jenis frame menggunakan gerak kompensasi prediksi: bingkai diprediksi
atau P-frame,
Dalam Gambar. 1, sisi kiri menunjukkan encoder dan yang benar menunjukkan
decoder. Perlu dicatat bahwa encoder mengandung dalam dirinya sendiri decoder
untuk menghitung jangka kesalahan yang merupakan perbedaan dari frame dengan
satu kompensasi. Kemudian decoder mengambil kerangka acuan, berlaku untuk itu
vektor gerak yang ditransmisikan dan menambahkan istilah kesalahan, untuk akhirnya
mendapatkan gambar ini.
Gambar 1. Gerak kompensasi kompresi video berbasis.
estimasi gerak adalah operasi yang paling komputasi mahal dalam proses
kompresi seluruh. Hal ini juga mempengaruhi kinerja encoder. Oleh karena
itu, dalam dekade terakhir, para peneliti mengambil minat penting untuk
bidang ini.
estimasi A. Gerak
Ada beberapa metode mengobati masalah estimasi gerak. Dalam
Laguittonand dan Toumoulin disajikan review analisis gerak. Para penulis
membahas metode yang berbeda berurusan dengan estimasi gerak sebagai
blok pencocokan, metode diferensial, penyaringan Bayesian, dll algoritma
pencocokan Blok adalah yang paling dasar dan metode sebagian besar
digunakan untuk kompresi video. Frame saat ini
International Journal of Engineering Ilmiah dan Penelitian Teknologi
Volume.03, IssueNo.30, Oktober-2014, Halaman: 6045-6050
dibagi menjadi matriks blok makro. Yang terakhir dibandingkan dengan yang
sesuai blok dan tetangga yang berdekatan mereka dalam bingkai
sebelumnya. Blok yang terbaik sesuai yang sesuai satu frame kemudian
dipilih dan vektor gerak dikurangi. Gerakan ini dihitung untuk semua blok
makro yang terdiri dari bingkai. Sebuah kinerja yang optimal untuk estimasi
gerak diproduksi menggunakan algoritma pencarian penuh dengan
mengorbankan kompleksitas encoding besar. Lain
algoritma cepat yang diusulkan
memungkinkan sejumlah kecil kandidat blok di daerah pencari seperti tiga
langkah pencarian, empat pencarian langkah, pencarian berlian, adaptif rood
pencarian pola, dll Metode diferensial mereka didasarkan pada asumsi
konservasi pencahayaan dari waktu ke waktu dengan gerakan-gerakan kecil
antara dua gambar berturut-turut Kalman filtering adalah kasus khusus dari
teknik penyaringan Bayesian. Mengingat keadaan sebelumnya, Kalman filter
dapat menghasilkan satu saat. filter ini adalah metode
langkah-depan-prediksi tunggal. Dalam karya ini, jaringan saraf
tahapan-depan-prediksi digunakan untuk memprediksi gerakan objek video
dalam satu set frame. Kami menganggap sini urutan film dengan
benda-benda bergerak dan kamera stasioner. Pertama-tama, kami
membawa untuk melokalisasi objek video dalam bingkai dan
memisahkannya dari latar belakang. Demikian,
estimasi Latar Belakang B.
estimasi latar belakang biasanya digunakan untuk mendeteksi benda
bergerak dalam urutan video yang diambil dari kamera stasioner. benda
bergerak dapat dideteksi dengan perbedaan dari frame dan kerangka acuan,
yang disebut “model latar belakang”, atau “gambar latar belakang”. Gambar
latar belakang harus menjadi representasi dari urutan tanpa benda bergerak.
Banyak teknik estimasi latar belakang yang berbeda telah diusulkan selama
bertahun-tahun terakhir seperti estimasi campuran-of-Gaussians Model,
teknik pendaftaran latar belakang, berarti-pergeseran berbasis,
Eigenbackgrounds,
sementara filter median, kepadatan Kernel
estimasi, berbasis Kernel Learning Latar Belakang. Sebuah tinjauan tentang ini
dan lainnya teknik dapat ditemukan. Prinsip umum dari teknik ini adalah untuk
membangun sebuah model latar belakang untuk membandingkannya dengan
setiap frame baru untuk membedakan daerah gerak yang tidak biasa.
Temporal filter median adalah salah satu metode utama untuk memperkirakan
model latar belakang. Nilai median dari n frame terakhir dianggap sebagai
model latar belakang. Pendekatan ini digunakan dalam pekerjaan ini untuk
memperkirakan latar belakang urutan video.
C. Video deteksi objek, segmentasi dan pelacakan
standar kompresi video seperti MPEG-4 digunakan objek prinsip
segmentasi untuk mengidentifikasi benda bergerak dari setiap frame dalam
urutan video. Pindah deteksi objek dari urutan video secara luas digunakan
untuk tujuan pelacakan sasaran. Tujuannya adalah untuk menemukan objek
latar depan dalam urutan video, yang mendefinisikan obyek yang menarik.
Banyak pendekatan telah diusulkan untuk objek video
 Metode Kompresi Baru Video menggunakan DCT Koefisien Berdasarkan Accordion Representasi
segmentasi. Pendekatan latar belakang pengurangan aku s diterapkan untuk melacak benda-benda ini seluruh adegan. Sebuah Objek
umumnya digunakan untuk benda segmen video dengan kamera stasioner. identitas ditugaskan untuk masing-masing terhubung
Objek bergerak diekstraksi dengan menghitung perbedaan antara frame dan komponen di masker latar depan biner dan
model latar belakang diperkirakan. Perbedaan antara dua frame dipertahankan melalui frame berturut-turut. Untuk menemukan yang terbaik objek pertandingan,

berturut-turut memungkinkan penggalian posisi dan bentuk benda bergerak. konsistensi yang berbeda dieksploitasi seperti posisi obyek, berlari kotak dimensi, dan daerah. Objek

Pendekatan aliran optik mendeteksi benda bergerak dalam sebuah adegan yang sangat cocok dengan yang sesuai satu di kerangka acuan yang dipilih dan kemudian vektor

dan menghasilkan kecepatan korespondensi mereka. pendekatan lain untuk gerak disimpulkan. Jika tidak ada yang cocok, maka dikurangi untuk setiap objek video dalam adegan,

mendeteksi benda bergerak yang digunakan seperti: tingkat set, kontur aktif, itu akan diambil sebagai vektor masukan ke jaringan saraf. Yang terakhir ini harus dilatih sehingga

kontur aktif geodesi, perhatian visual dan informasi spatiotemporal saliency. dapat disesuaikan dengan gerak objek. jaringan syaraf multi-langkah-aheadprediction dilakukan untuk

Menggabungkan kriteria segmentasi spasial dengan satu jasmani memprediksi gerakan objek video dalam beberapa frame. Seperti yang telah kami sebutkan, dalam

memberikan hasil segmentasi yang lebih akurat. Dalam penulis menemukan karya ini kita mempertimbangkan urutan film dengan benda bergerak dan kamera stasioner. Dengan

hasil yang lebih baik menggunakan homogenitas spasial sebagai kriteria demikian, di sisi encoder, kita harus mengirimkan satu waktu latar belakang dan objek video sebagai

utama, yang menggabungkan informasi gerak dan pencahayaan secara posisi awal mereka selain dengan parameter jaringan saraf. Kemudian, decoder harus mengambil

bersamaan. gambar latar belakang yang ditransmisikan, obyek video dengan posisi awal yang sesuai mereka.

Prediksi vektor gerak untuk setiap objek video seluruh adegan dilakukan dengan menggunakan

multi-langkah ke depan jaringan prediksi saraf. Kemudian, setiap frame direkonstruksi dengan

menerapkan pada gambar latar belakang obyek video yang ada dan penempatan memprediksi

algoritma latar belakang pengurangan menghasilkan citra biner di setiap mereka terkait dan lintasan atas urutan. Pada bagian berikutnya, kami rinci bagaimana jaringan saraf

frame di urutan video yang mewakili topeng latar yang sesuai dengan benda dapat digunakan dalam pendekatan kompresi video kami. Prediksi vektor gerak untuk setiap objek

bergerak dalam video. Beberapa pendekatan telah diusulkan untuk melacak video seluruh adegan dilakukan dengan menggunakan multi-langkah ke depan jaringan prediksi saraf.

benda-benda di seluruh adegan mengandalkan latar belakang pengurangan. Kemudian, setiap frame direkonstruksi dengan menerapkan pada gambar latar belakang obyek video

Pencocokan pendekatan adalah salah satu yang paling digunakan untuk yang ada dan penempatan memprediksi mereka terkait dan lintasan atas urutan. Pada bagian

melacak benda-benda di urutan video. Oleh karena itu, masalah berikutnya, kami rinci bagaimana jaringan saraf dapat digunakan dalam pendekatan kompresi video

korespondensi yang diajukan ke objek pertandingan terbaik antara frame kami. Prediksi vektor gerak untuk setiap objek video seluruh adegan dilakukan dengan menggunakan

yang berurutan. Masalah ini dapat diatasi dengan memanfaatkan konsistensi multi-langkah ke depan jaringan prediksi saraf. Kemudian, setiap frame direkonstruksi dengan

dalam obyek video sebagai posisi, bentuk, kecepatan dan penampilan. menerapkan pada gambar latar belakang obyek video yang ada dan penempatan memprediksi

Sederhana masker latar fitur dan benda fitur dapat dicocokkan antara frame mereka terkait dan lintasan atas urutan. Pada bagian berikutnya, kami rinci bagaimana jaringan saraf

yang berurutan seperti daerah, kotak bounding dan histogram penampilan. dapat digunakan dalam pendekatan kompresi video kami.

Juga, pencocokan model bentuk muncul dalam berbagai pekerjaan seperti

dikutip. komponen yang terhubung dalam masker latar depan biner dilacak. DWT DIMENSI III.TWO
Sebuah identitas objek ditugaskan per komponen terhubung dan Dua DWT dimensi diperoleh melalui pelaksanaan low pass dan pass filter
dipertahankan melalui frame berturut-turut. Ketika komponen baru muncul, tinggi pada baris dan kolom gambar masing-masing. Sebuah low pass filter
identitas objek baru yang ditugaskan. dan high pass filter yang dipilih, sehingga mereka persis membagi rentang
frekuensi antara mereka. Pasangan filter ini disebut pasangan Analisis Filter.
Pertama, low pass filter diterapkan untuk setiap baris data, sehingga
mendapatkan komponen-komponen frekuensi rendah dari baris. Tapi karena
LPF adalah setengah Band filter, data output mengandung frekuensi hanya
Dalam karya ini, kami akan mempertimbangkan masalah beberapa objek dalam paruh pertama
pelacakan di mana oklusi, objek fragmentasi dan objek penggabungan tidak
dianggap. Kami akan mempertimbangkan benda bergerak kaku dengan
kamera stasioner. Pelacakan masalah adalah masih sebuah tantangan.
Banyak peneliti telah diusulkan untuk meningkatkan pemecahan masalah ini.
Dalam, penulis mengusulkan pelacakan objek beberapa menggunakan fungsi
biaya saraf. Real-time gerak estimasi oleh obyek-cocok untuk representasi
video tingkat tinggi diusulkan. Sebuah kerangka umum untuk pelacakan
multi-manusia menggunakan Kalman filter dan Cepat algoritma Mean Shift
diusulkan oleh penulis Kalman filter biasanya digunakan untuk membuat
prediksi untuk frame berikutnya dan untuk mencari posisi atau untuk
mengidentifikasi parameter yang terkait dari objek video bergerak. skema
kompresi video kami diringkas sebagai berikut: Setelah estimasi model latar
belakang urutan video dengan teknik median filter yang temporal, obyek video
yang diambil menggunakan algoritma latar belakang pengurangan. Hasil
segmentasi yang ditingkatkan dengan menggabungkan kriteria segmentasi Gbr.2. Dekomposisi dari gambar Menerapkan DWT.

spasial sebagai “cerdik" dan “gradien" filter. Setelah objek yang diambil di
setiap frame, pendekatan yang cocok adalah rentang frekuensi asli. Pass filter tinggi diterapkan untuk baris data yang
sama, dan juga komponen high pass dipisahkan, dan ditempatkan di sisi
komponen low pass. Prosedur ini dilakukan untuk semua baris. Sebagai

International Journal of Engineering Ilmiah dan Penelitian Teknologi

Volume.03, IssueNo.30, Oktober-2014, Halaman: 6045-6050
 B HAVANA, K. M URALI K RISHNA

disebutkan di atas, band LL pada tingkat tertinggi dapat diklasifikasikan band di bagian bawah. DWT adalah teknik multispektral digunakan untuk mengkonversi
sebagai yang paling penting, dan yang lainnya 'rinci' band dapat sinyal atau gambar ke empat band yang berbeda seperti rendah-rendah (LL), rendah-tinggi
diklasifikasikan sebagai kurang penting, dengan tingkat kepentingan (LH), tinggi-rendah (HL) dan tinggi-tinggi (HH) seperti yang ditunjukkan dalam gambar 2 .
menurun dari puncak piramida ke

A. Arus Dasar Desain

Gbr.3. Diagram struktural desain.

segmen yang berbeda dari sinyal waktu-domain pada frekuensi yang
B. Desain Usulan Video Compression berbeda. Sub Band coding: Sebuah sinyal dilewatkan melalui serangkaian
filter seperti DWT .Procedure dimulai dengan melewati urutan sinyal ini
melalui setengah pita digital low pass filter dengan respon impuls h (n)
.Filtering sinyal secara numerik sama dengan konvolusi sinyal genteng
dengan respon impuls dari filter

Gbr.4. Diagram blok dari metode kompresi video dengan menggunakan DWT.
(1)
PCA berdasarkan Video Compression: Representasi video dan algoritma
kompresi yang disajikan dalam bagian ini dimaksudkan untuk digunakan
C. DWT DAN PCA Algoritma
dalam dua konteks yang memerlukan encoding efisien urutan video. Dalam
Discrete Wavelet Transform telah menjadi metode penting untuk kompresi
kasus didistribusikan multimedia pengolahan dan pengambilan sys-tem,
gambar. Diskrit coding berdasarkan Wavelet memberikan peningkatan
tembakan queryrelevant video harus dikirimkan ke pengguna "s lokasi
substansial dalam kualitas gambar pada rasio kompresi yang tinggi terutama
karena properti pemadatan energi yang lebih baik dari wavelet
. dalam komputasi pertimbangan; itu
mengubah. berlainan
Pendekatan kompresi diusulkan dapat mewakili dasar untuk pengkodean data video
Transformasi wavelet partisi sinyal ke dalam satu set fungsi yang disebut
pada tingkat bit yang sangat rendah. Dalam kedua kasus, penggunaan segmentasi
wavelet. Wavelet diperoleh dari wavelet prototipe tunggal yang disebut ibu
video, estimasi perubahan visual, dan pelacakan objek, memungkinkan
wavelet oleh dilations dan pergeseran. The transformasi wavelet dihitung
pengoperasian PCA berbasis
secara terpisah untuk

International Journal of Engineering Ilmiah dan Penelitian Teknologi

Volume.03, IssueNo.30, Oktober-2014, Halaman: 6045-6050
 Metode Kompresi Baru Video menggunakan DCT Koefisien Berdasarkan Accordion Representasi
algoritma representasi video. Sebuah algoritma segmentasi video dapat
diterapkan untuk data video terkompresi atau mentah.
IV. EKSPERIMEN
Banyak pengalaman telah dilakukan untuk mempelajari kinerja metode
kami; kami telah memilih berbagai jenis benchmark. Berikut ini, kami
merangkum hasil eksperimen dengan beberapa analisis dan komentar.
A. parameter representasi
Kita mulai dengan mempelajari kinerja dari metode yang diusulkan dengan
nilai NR yang berbeda, itu menunjukkan bahwa NR menyajikan jumlah
frame dari kubus video yang membentuk "IACC" frame. Tingkat kompresi
terbaik diperoleh dengan NR = 8. Karena proses JPEG dimulai dengan
putus gambar ke dalam blok 8x8, representasi .Accordion. Tidak memiliki
kepentingan apapun dengan GOP terdiri lebih dari 8 frame. The MJPEG
yang tidak mengeksploitasi redudansi temporal. Dengan meningkatkan nilai
NR, coder mengeksploitasi lebih redudansi temporal dan sehingga
menawarkan kinerja kompresi yang lebih baik.
kinerja B. Kompresi
Dalam semua urutan belajar, ACC-JPEG melebihi yang MJPEG di tingkat
bit rendah dan tinggi; itu melebihi MJPEG 2000 di tingkat bit yang tinggi (dari
750 kbs) dan mulai mencapai kinerja MPEG 4 di harga sedikit lebih tinggi
dari 2000 Kb / s. Di antara urutan dipelajari, kita sudah mendapat kinerja
kompresi terburuk dengan .Foreman. Urutan. Itu
. Mandor. Urutan berisi lebih gerak dari urutan dipelajari lainnya. Urutan ini
mengandung non-seragam dan gerakan cepat yang disebabkan oleh
kamera serta gerakan wajah pria itu. ACC - JPEG efisiensi menurun, diukur
PSNR relatif rendah dengan karakter alternatif, terutama di bit rate yang
rendah. Bahkan, hasil tersebut diharapkan sebagai ACC-JPEG
menghilangkan "IACC" Data frekuensi tinggi frame yang benar-benar
mewakili frekuensi temporal yang tinggi yang dihasilkan oleh gerak cepat di
Gbr.5. evaluasi PSNR (Hall monitor)
International Journal of Engineering Ilmiah dan Penelitian Teknologi
Volume.03, IssueNo.30, Oktober-2014, Halaman: 6045-6050
Urutan Foreman. Balai Monitor. Urutan tampaknya melibatkan kurang gerak
dibandingkan dengan urutan Foreman; gerak berlangsung hanya di daerah
yang sangat terkonsentrasi. Karena jumlah sedikit gerak yang terjadi pada
gambar secara keseluruhan, kami mengamati bahwa metode kami
mendapatkan hasil yang lebih baik. Gambar 6 menunjukkan hasil PSNR
studi banding berdasarkan antara ACC - JPEG dan sudah ada standar
kompresi video yang berbeda relatif terhadap .hall urutan memantau. Hasil
terbaik diberikan dengan .Miss Amerika. Urutan. Miss America adalah urutan
gerak rendah. gerak terbatas pada bibir seseorang dan kepala. Karena
gerak rendah, redundansi temporal tinggi dan diharapkan ACC - JPEG
menjadi efisien.
C. ACC - artefak JPEG
Dalam metode yang diusulkan, DCT dimanfaatkan dalam domain
temporal. Beberapa artefak yang dihasilkan oleh metode kompresi
berdasarkan 3D DCT [10] [11] tetap dalam ACC - JPEG. Sebenarnya,
penerapan DCT pada IACC memungkinkan transformasi dari domain spasial
ke domain frekuensi. Setelah proses kuantifikasi, kita akan menghilangkan
frekuensi spasial tinggi "IACC" frame yang benar-benar menyajikan
frekuensi temporal yang tinggi dari sumber sinyal 3D. Dengan demikian,
kuantifikasi yang kuat tidak akan mempengaruhi kualitas gambar, namun
akan lebih mempengaruhi fluiditas video. Perubahan nilai piksel tertentu dari
satu frame ke yang lain dapat diartikan sebagai frekuensi tinggi dalam
domain waktu. Setelah beberapa koefisien telah dikuantisasi (set ke nol)
sinyal merapikan.
Gambar 6. PSNR gelombang perbandingan antara ACCJPEG dan
MPEG-4 (Miss America)
Namun, beberapa piksel tiba-tiba perubahan akan dihilangkan. Ini akan
menawarkan fungsi yang berguna seperti penghapusan noise; memang,
frekuensi temporal yang sangat tinggi (tiba-tiba berubah dari nilai piksel dari
waktu ke waktu) umumnya diartikan sebagai suara. Selain itu, beberapa artefak
yang ada dalam metode kompresi berdasarkan DCT seperti distorsi spasial yang
dihasilkan melalui penghapusan besar-besaran frekuensi spasial tinggi
(makro-blocking) tidak ada dalam metode yang diusulkan seperti yang
ditunjukkan pada Gbr.7.
 B HAVANA, K. M URALI K RISHNA
Gbr.7. MPEG-4 Vs ACC - JPEG.
PSNR Curve relatif terhadap coding ACC -JPEG dalam pergantian terus
menerus dari satu frame ke yang lain dengan variasi antara 31,4 dB dan 33,8 dB
tidak seperti MPEG PSNR yang hampir stabil. Dalam satu sisi, ACC-JPEG
mempengaruhi kualitas beberapa frame dari Partai Republik, tapi di sisi lain, ia
menyediakan frame kualitas yang relevan dalam GOP yang sama, sementara
MPEG menghasilkan frame praktis dari kualitas yang sama. Dalam kompresi
video, fitur tersebut bisa berguna untuk bidang video surveillance; umumnya,
kita hanya perlu beberapa frame berkualitas baik dalam GOP untuk
mengidentifikasi benda-benda (yaitu orang recognition) daripada kualitas
medium untuk semua frame.
V. KESIMPULAN
Sinyal video memiliki redudansi temporal yang tinggi antara sejumlah
frame dan redundansi ini belum dimanfaatkan cukup dengan teknik
kompresi video saat ini. Dalam penelitian ini, kami menyarankan metode
kompresi video baru yang mengeksploitasi obyektif
itu sementara
redundansi. Dengan keuntungan jelas dalam efisiensi kompresi kita
meramalkan bahwa metode yang diusulkan bisa membuka cakrawala baru
dalam domain kompresi video; itu sangat memanfaatkan redundansi
sementara dengan minimum kompleksitas pengolahan yang memfasilitasi
pelaksanaannya dalam sistem video tertanam. Hal ini menyajikan beberapa
fungsi yang berguna dan fitur yang dapat dimanfaatkan dalam beberapa
domain sebagai video surveillance. Dalam bit rate yang tinggi, memberikan
kompromi terbaik antara kualitas dan kompleksitas. Ini memberikan kinerja
yang lebih baik daripada MJPEG dan MJPEG2000 hampir nilai bit rate yang
berbeda. Selama .2000kb / s. bit rate nilai kinerja metode kompresi kita
menjadi sebanding dengan MPEG 4 terutama untuk urutan gerak rendah.
Ada berbagai arah untuk penyelidikan masa depan. Pertama-tama, kami
ingin mengeksplorasi lain kemungkinan representasi video. arah lain bisa
menggabungkan representasi .Accordion dengan transformasi lain seperti
transformasi wavelet. Yang terakhir memungkinkan pengolahan global
seluruh representasi .Accordion sebaliknya dari DCT yang umumnya bekerja
pada blok.
International Journal of Engineering Ilmiah dan Penelitian Teknologi
Volume.03, IssueNo.30, Oktober-2014, Halaman: 6045-6050
VI. REFERENSI
[1] Tarek Ouni, Walid Ayedi, Mohamed Abid, “New kompleksitas rendah
DCT Cara kompresi video berbasis”, Authorized penggunaan lisensi terbatas
pada: Bharat University. Download pada 16 September 2009. [2] EQLX
Zhou dan Y. Chen, .Implementation dari
h.264 decoder pada prosesor tujuan umum dengan instruksi Media ,.
di SPIE Conf. pada Gambar dan Video
Komunikasi dan Pengolahan, (Santa Clara, CA), pp.
224,235, 2003 Januari
[3] MBTQNA Molino, F. Vacca, .Low codec kompleksitas video untuk
konferensi video ponsel di Eur. Signal Processing Conf. (EUSIPCO), (Wina,
Austria), pp.
665,668, September 2004.
[4] SB Gokturk dan AM Harun, .Applying metode 3d video untuk kompresi di
Digital Video Processing (EE392J) Proyek Musim Dingin Quarter, 2002. [5]
T. Fryza, Kompresi Sinyal Video by 3D-DCT Transform. Diploma tesis,
Institute of Radio Electronics, FEKT Brno University of Technology, Republik
Ceko,
2002.
[6] GMP Servais, .video kompresi menggunakan discrete cosine tiga dimensi
transformasi di Proc. COMSIG, pp. 27,32 1997.
[7] RABurg, .A 3d-DCT real-time sistem kompresi video untuk kompleksitas
rendah chip tunggal pelaksanaan VLSI di Ponsel Multimedia Conf.
(MoMuC), 2000. [8] ANNTRKR, .Discrete cosinus mengubah ,. dalam
transaksi IEEE pada komputasi, pp. 90,93, 1974. [9] T.Fryza dan S.Hanus,
.video sinyal transparansi dalam konsekuensi dari 3d-DCT transformasi di
Radioelektronika 2003 Conference Proceedings,
(Brno, Republik Ceko), pp.
127,130 2003.
[10] N. Boinovi dan J. Konrad, analisis .Motion di domain DCT 3d dan
aplikasi video coding ,. vol. 20, pp.
510,528 2005.
[11] EY Lam dan JW Goodman, .A analisis matematis dari distribusi
koefisien DCT untuk gambar vol.
9, hlm. 1661,1666, 2000.
Penulis Profil:
Bhavana,
BE Tinggi Nama: Guru Nanak Dev rekayasa Tinggi Bidar berafiliasi dengan
VTU Belguam,
M.tech Tinggi Nama: Malla Reddy Fakultas Teknik dan Teknologi,
Secunderabad Berafiliasi dengan JNTU Hyderabad, India. Mail.Id:
sajjanshetty14@gmail.com.
Mr.K murali Krishna,
BE Tinggi Nama: NBKRIST vidyanagar
ME CollegeName: BMS College of Engineering Banglore.