Vol.03, Issue.30
Oktober-2014,
Halaman: 6045-6050
www.ijsetr.com
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.
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.
sama seperti diilustrasikan pada Gambar 1. Video ini coding menggunakan dibagi menjadi matriks blok makro. Yang terakhir dibandingkan dengan yang
hybrid coding pendekatan.; mereka mengeksploitasi secara simultan sesuai blok dan tetangga yang berdekatan mereka dalam bingkai
intra-frame dan inter-frame redudansi untuk mengkodekan video. Intra-frame sebelumnya. Blok yang terbaik sesuai yang sesuai satu frame kemudian
coding kompres frame secara independen dari frame lain. frame ini, dipilih dan vektor gerak dikurangi. Gerakan ini dihitung untuk semua blok
dianggap sebagai bingkai kunci dicatat oleh I-frame, adalah JPEG makro yang terdiri dari bingkai. Sebuah kinerja yang optimal untuk estimasi
dikodekan. The IFS coding kompres perbedaan antara frame. Gerak teknik gerak diproduksi menggunakan algoritma pencarian penuh dengan
prediksi kompensasi digunakan. prediksi gerak dapat diterapkan pada blok mengorbankan kompleksitas encoding besar. Lain
gambar atau benda video. Sebuah pencarian untuk blok cocok atau objek
dalam kerangka acuan dilakukan. Jika blok atau benda seperti yang algoritma cepat yang diusulkan
ditemukan, vektor motion mereka ditransmisikan, serta perbedaan frame memungkinkan sejumlah kecil kandidat blok di daerah pencari seperti tiga
dengan gambar kompensasi juga JPEG dikodekan dan dikirim. Ada dua langkah pencarian, empat pencarian langkah, pencarian berlian, adaptif rood
jenis frame menggunakan gerak kompensasi prediksi: bingkai diprediksi pencarian pola, dll Metode diferensial mereka didasarkan pada asumsi
atau P-frame, 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
Dalam Gambar. 1, sisi kiri menunjukkan encoder dan yang benar menunjukkan membawa untuk melokalisasi objek video dalam bingkai dan
decoder. Perlu dicatat bahwa encoder mengandung dalam dirinya sendiri decoder memisahkannya dari latar belakang. Demikian,
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.
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.
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
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
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
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