Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Алгоритмы и программные средства поиска векторов похожести для сжатия видеоданных

Диссертация: Алгоритмы и программные средства поиска векторов похожести для сжатия видеоданных
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Основные результаты и положения, выносимые на защиту, выполнены автором лично. Автором лично была реализована программная система MEFramewoi’k. В качестве модулей к этой системы реализован ряд современных алгоритмов поиска векторов похожести, методов локальной оптимизации, а так же ряд оценочных функций, произведен сравнительный анализ. Новая оценочная функция разработана автором лично… Читать ещё >

Содержание

  • 1. АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМЫ
    • 1. 1. История видео компрессии
    • 1. 2. Основы видео компрессии, компенсация движения как метод устранения временной избыточности
    • 1. 3. Классификация методов компенсации движения
      • 1. 3. 1. Классификация по типу сущностей, в терминах которых производится компенсация движения
      • 1. 3. 2. Классификация по точности векторов движения
      • 1. 3. 3. Классификация по мере оценки стоимости вектора движения
    • 1. 4. Обзор алгоритмов поиска движения, применяемых при сжатии видеоданных
      • 1. 4. 1. Алгоритм полного перебора
      • 1. 4. 2. Алгоритм поиска NTTS
      • 1. 4. 3. Алгоритм поиска по алмазу
      • 1. 4. 4. Алгоритм поиска PMVFAST
      • 1. 4. 5. Алгоритм поиска СБА
      • 1. 4. 6. Алгоритм поиска ADZS
      • 1. 4. 7. Алгоритм поиска EPZS
  • Выводы по главе 1
  • 2. ПРОГРАММНАЯ СИСТЕМА СРАВНЕНИЯ АЛГОРИТМОВ ПОИСКА ДВИЖЕНИЯ. РЕАЛИЗАЦИЯ И СРАВНЕНИЕ СОВРЕМЕННЫХ АЛГОРИТМОВ ПОИСКА ВЕКТОРОВ ПОХОЖЕСТИ
    • 2. 1. Обоснование необходимости разработки программной системы сравнения алгоритмов поиска движения
    • 2. 2. Обзор аналогов программной системы MEFramework
      • 2. 2. 1. VirtualDub MSUMotion Estimation Filter
      • 2. 2. 2. Программа ME Analyzer
    • 2. 3. Обоснование выбора критериев оценки алгоритмов поиска движения
    • 2. 4. DirectShow как средство для работы с мультимедиа данными
      • 2. 4. 1. История развития DirectShow
      • 2. 4. 2. DirectShow фильтры
    • 2. 5. Описание реализации программной системы
    • 2. 6. Тестирование современных алгоритмов поиска движения и их сравнительный анализ на основе выбранных критериев
      • 2. 6. 1. Описание тестовых видеопоследовательностей
      • 2. 6. 2. Сравнительный анализ оценочных функций
      • 2. 5. 3. Тестирование и сравнительный анализ алгоритмов поиска векторов похожести
  • Выводы по главе 2
  • 3. РАЗРАБОТКА И РЕАЛИЗАЦИЯ ОРИГИНАЛЬНОГО АЛГОРИТМА ПОИСКА ДВИЖЕНИЯ. СРАВНЕНИЕ С
  • АНАЛОГАМИ
    • 3. 1. Обоснование необходимости разработки нового алгоритма
    • 3. 2. Требования к разрабатываемому алгоритму
    • 3. 3. Разработка метода нахождения первого приближения
    • 3. 4. Выбор метода локальной оптимизации
      • 3. 4. 1. Симплексный метод
      • 3. 4. 2. Метод Нельдера-Мида (деформируемых многогранников)
      • 3. 4. 3. Метод Гаусса-Зейделя (покоординатного спуска).J
      • 3. 4. 4. Метод Хука-Дживса
      • 3. 4. 5. Градиентные методы. Метод наискорейшего спуска
      • 3. 4. 6. Сравнение эффективности и выбор метода локальной оптимизации для алгоритма поиска движения
    • 3. 5. Описание предложенного алгоритма
    • 3. 6. Оценка эффективности разработанного алгоритма и сравнение с аналогами
    • 3. 7. Разработка новой оценочной функции
    • 3. 9. Использование предложенного алгоритма в реальной системе компрессии видеоданных
  • Выводы по главе 3

Алгоритмы и программные средства поиска векторов похожести для сжатия видеоданных (реферат, курсовая, диплом, контрольная)

Актуальность темы

.

Пропускная способность компьютерных сетей продолжает расти, высокоскоростное соединение с домашним компьютером стало обычным явлением. Вместительность жёстких дисков, флэш-памяти и оптических устройств хранения данных стала больше чем когда-либо. Стоимость передачи и хранения информации становится всё меньше и меньше, однако проблема сжатия видеоданных не теряет своей актуальности. Алгоритмы сжатия видеоданных постоянно совершенствуются, создаются новые стандарты видеокомпрессии. Сжатие видеоданных предоставляет нам два важных преимущества. Во-первых, сжатие позволяет использовать цифровые видеоданные в таких средах хранения и передачи информации, в которых невозможно использовать видеоданные без компрессии. Во-вторых, сжатие видеоданных позволяет более эффективно использовать ресурсы среды передачи или хранения информации.

В настоящее время огромное внимание уделяется разработке алгоритмов сжатия видеоданных, использующих компенсацию движения. Начиная с 1980 года, организации ITU и MPEG последовательно выпускают ряд стандартов сжатия, использующих блочную компенсацию движения: 11.261, MPEG-1, MPEG-2/H.262, Н.263, MPEG-4, Н.264 (MPEG-4 part-10) [89 — 94, 96, 97]. Использование алгоритмов компенсации движения при сжатии видеоданных позволяет существенно увеличить степень компрессии при том же соотношении сигнал/шум результирующего видео. Параллельно с разработкой новых стандартов сжатия происходит совершенствование алгоритмов’поиска векторов похожести. Алгоритм поиска векторов похожести выполняет важнейшую роль в системах сжатия видеоданных, использующих компенсацию движения. От выбора алгоритма поиска векторов похожести напрямую зависит степень компрессии и вычислительная сложность компрессора. Поиск векторов похожести является одним из самых ресурсоемких этапов компрессии видеоданных. Однако, сам алгоритм поиска векторов похожести обычно не фиксируется в стандарте сжатия. Таким образом, модуль поиска векторов похожести является одной из немногих частей видеокомпрессора, которую можно свободно подвергать алгоритмической оптимизации. Использование эффективного алгоритма поиска векторов похожести даёт значительное конкурентное преимущество над другими компрессорами, реализующими тот же стандарт сжатия. Вот почему в этой области продолжаются интенсивные исследования, несмотря на то, что уже разработано множество алгоритмов поиска векторов похожести для различных задач [27, 32, 34 — 37,46 — 51, 56, 66 — 70, 72 — 80, 88].

Сложность разработки алгоритмов поиска векторов похожести обусловлена тем, что алгоритм должен отвечать сразу нескольким требованиям, подчас взаимоисключающим и требующим нахождения компромисса: найденные векторы похожести должны обеспечивать наибольшую степень сжатия блокав связи с тем, что в битовую последовательность кодируется не сам вектор похожести, а его невязка с вектором предыдущего блока, желательно, что бы векторы похожести соседних блоков имели близкое значениеалгоритм поиска векторов похожести должен иметь низкую вычислительную сложность, вычисление оценочной функции должно производиться минимальное количество раз.

Актуальным также является исследование оценочных функций, обладающих низкой вычислительной сложностью, но позволяющих с высокой точностью оценить качество найденного вектора движения с точки зрения компрессии текущего блока.

Цель состоит в разработке алгоритмического и программного обеспечения поиска векторов похожести, позволяющего улучшить производительность компрессоров и повысить степень компрессии видеоданных.

Для достижения поставленной цели необходимо решить следующие задачи: выполнить анализ существующих алгоритмов поиска векторов похожестиразработать программные средства сравнения алгоритмов поиска векторов похожестиреализовать и сравнить существующие алгоритмы поиска векторов похожестиразработать новую оценочную функциюразработать и реализовать более эффективный по сравнению с аналогами алгоритм поиска векторов похожести.

Объектом исследования является компрессия цифровых видеоданных. Предметом исследования являются алгоритмы поиска векторов похожести, используемые при сжатии видеоданных.

Методы исследования. Результаты диссертации получены с помощью методов математического и имитационного моделирования, методов оптимизации и вычислительной математики. В процессе программной реализации теоретических результатов использовались методы теории алгоритмов, теории структур данных и объектно-ориентированного программирования.

Достоверность полученных в диссертационной работе результатов подтверждается: результатами компьютерного (имитационного) моделированиясовпадением с теоретическими оценками.

Научная новизна работы состоит в следующем. 1. Разработана программная система «MEFramework», позволяющая оценивать вычислительную сложность и эффективность алгоритмов поиска векторов похожести. Отличительными особенностями данной программной системы является возможность сравнивать степень компрессии и количество вызовов оценочной функции при сжатии с использованием различных алгоритмов поиска векторов похожести, а также возможность раздельно задавать оценочную функцию и алгоритм поиска.

2. Предложен оригинальный алгоритм поиска векторов похожести, отличающийся от известных использованием метода градиентного спуска для локального поиска, применением обратного прохода для уточнения найденных векторов похожести и использованием метода сканирования для векторов с плохим начальным приближением.

3. Предложена новая оценочная функция, используемая при поиске векторов похожести. В отличие от известных, предложенная оценочная функция позволяет учитывать не только сложность компрессии невязки блоков, но и сложность кодирования векторов похожести.

Практическая ценность.

1. Реализована программная система «MEFramework» в виде фильтра DirectShow. Программная система «MEFramework» позволяет оценивать вычислительную сложность и эффективность алгоритмов поиска векторов похожести. Отличительной особенностью данной программной системы является возможность раздельно задавать оценочную функцию и алгоритм поиска векторов похожести. Это позволяет оценивать эффективность алгоритмов поиска векторов похожести при использовании различных оценочных функций.

2. В качестве модулей системы «MEFramework» программно реализованы алгоритмы локального поиска, а также наиболее эффективные из известных алгоритмов поиска векторов похожести.

3. Программно реализован предложенный алгоритм поиска векторов похожести. Для предложенного алгоритма реализована новая оценочная функция. При помощи программной системы «MEFramework» произведено сравнение с современными аналогами. Экспериментальные результаты продемонстрировали преимущество разработанного алгоритма над аналогами.

4. Разработанный алгоритм поиска векторов похожести был внедрен компанией ООО «МэйнКонцепт-Дивикс» в составе коммерческого продукта «Mainconcept MPEG-2 Video Encoder»

Основные положения, выносимые на защиту

1. Разработанная программная система «MEFramework» позволяет количественно оценивать вычислительную сложность и степень компрессии, достигаемую при использовании различных алгоритмов поиска векторов похожести.

2. Использование оригинального алгоритма поиска векторов похожести, использующего метод градиентного спуска для локальной оптимизации, позволяет уменьшить количество вычислений оценочной функции и увеличить степень компрессии, достигаемую при сжатии видеоданных.

3. Использование новой оценочной функции, учитывающей сложность кодирования векторов, позволяет увеличить степень компрессии, достигаемую при сжатии видеоданных.

Внедрение результатов:

Алгоритм поиска векторов похожести, разработанный в рамках данной диссертационной работы, внедрен в коммерческий продукт компании ООО «МэйнКонцепт-Дивикс», Mainconcept MPEG-2 Video Encoder. Программная система «MEFramework» используется компанией ООО «МэйнКонцепт-Дивикс» для проведения внутренних испытаний алгоритмов поиска векторов похожести. Акт о внедрении приложен к диссертации.

Апробация работы

Основные положения работы докладывались на следующих семинарах и конференциях:

1. XLIII международная научная студенческая конференция «Студент и научно-технический прогресс» — Новосибирск, 2005. Доклад отмечен дипломом третьей степени.

2. XI Всероссийская научная конференция студентов-физиков и молодых учёных — Екатеринбург, 2005.

3. Всероссийская научно-техническая конференция студентов, аспирантов и молодых учёных «Научная сессия ТУСУР-2005» — Томск, 2005. Доклад отмечен почётной грамотой «за лучший доклад».

4. Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых «Научная сессия ТУСУР — 2007» — Томск, 2007.

5. Научно-практическая конференция «Электронные средства и системы управления: итоги реализации программы развития электроники и IT-технологий в Томской области» — Томск, 2008. Доклад отмечен дипломом первой степени.

6. Научно-технические семинары кафедры автоматизированных систем управления, ТУСУР.

Публикации

По теме диссертации автором опубликованы 10 работ, в том числе 4 статьи в научных периодических журналах, из них 1 в журнале из перечня ВАК [9], 5 докладов опубликовано в материалах научных конференций и семинаров, зарегистрирована программа в Отраслевом фонде алгоритмов и программ (ОФАП).

1. Потапов П. В. Оптимизация распределения ресурсов при кодировании видеоданных // Информационные системы. — Томск: ТУСУР, 2004. С. 123 — 129.

2. Потапов П. В. Оптимальное распределение ресурсов при сжатии видеоданных с использованием двухпроходных алгоритмов // Материалы всероссийской научной конференции студентов-физиков. — Екатеринбург: АСФ, 2005. С. 251−254.

3. Потапов П. В. Оптимальное распределение ресурсов при сжатии видеоданных с использованием двухпроходного алгоритма // Материалы XLIII международной научной студенческой конференции «студент и научно-технический прогресс». — Новосибирск: НГУ, 2005. С. 45- 46.

4. Потапов П. В. Применение двухпроходного алгоритма для распределения ресурсов при сжатии видеоданных // Материалы всероссийской научно-технической конференции. — Томск: ТУСУР, 2005. С. 65−68.

5. Потапов П. В. Двухпроходный режим компрессии видеоданных // Доклады Томского государственного университета систем управления и радиоэлектроники. — Томск, 2005. — № 3 (11). С. 77−81.

6. Потапов П. В. Двухпроходные алгоритмы распределения ресурсов при сжатии видеоданных. Информационные системы: тр. постоянно действующего научно-технического семинара // Том. гос. ун-т систем упр. и радиоэлектроники, отд. проблем информатизации Том. Науч. Центра СО РАН. — Томск: ТУСУР, 2006. — №. 4. С. 10−18.

7. Кориков A.M., Потапов П. В. Программная среда для разработки и исследования алгоритмов оценки движения при сжатии видеоданных. // Вычислительные технологии, Институт вычислительных технологий СО РАН. — Томск, 2007. — Т. 12. — Спец. выпуск 1. С. 42−50.

8. Потапов П. В. Разработка программной среды для сравнения алгоритмов поиска видеоданных. // Материалы докладов Всероссийской Научно-Технической конференции студентов, аспирантов и молодых ученых «Научная сессия ТУСУР-2007». — Томск, 2007. С. 189−192.

10. Потапов П. В. Использование методов локальной оптимизации для поиска векторов похожести при сжатии видеоданных // Сб. науч. докл. Международной науч.-практ. конф. «Электронные системы и средства управления». — Томск, 2008. — С. 43 — 47.

11. Потапов П. В. Программная система моделирования поиска векторов похожести при сжатии видеоданных «MEFrameworby II Отраслевой фонд алгоритмов и программ. Свидетельство об отраслевой регистрации разработки № 11 657. Номер государственной регистрации: 50 200 802 145. -2008.

Личный вклад

Основные результаты и положения, выносимые на защиту, выполнены автором лично. Автором лично была реализована программная система MEFramewoi’k. В качестве модулей к этой системы реализован ряд современных алгоритмов поиска векторов похожести, методов локальной оптимизации, а так же ряд оценочных функций, произведен сравнительный анализ. Новая оценочная функция разработана автором лично. Предлагаемый алгоритм поиска векторов похожести и экспериментальные данные разработаны и получены автором лично. Научный руководитель принимал участие в постановке целей и задач исследований, обсуждении полученных результатов.

Благодарности

Автор выражает глубокую благодарность научному руководителю Корикову A.M. за помощь в работе над диссертацией, статьями, решении организационных вопросов, и научный опыт, переданный в процессе совместной деятельности.

Также автор очень признателен коллегам из компаний ООО «Мэйн-Концепт-ДивИкс» Сергееву С. Н., Иванову В., Цурпал С., Милякову А. за ценные практические советы по общим вопросам сжатия видеоданных и критическое обсуждение промежуточных результатов в ходе работы над диссертацией.

Основные результаты диссертации состоят в следующем:

1. Разработана и реализована программная система MEFramework, позволяющая оценивать эффективность алгоритма поиска векторов похожести на основе предложенных критериев. В качестве критерия оценки эффективности алгоритмов поиска векторов похожести был выбран размер видеопоследовательности, сжатой с постоянным коэффициентом квантования. В качестве критерия оценки вычислительной сложности алгоритма использовалось количество вычислений оценочной функции.

2. При помощи программной системы MEFramework проведён сравнительный анализ оценочных функций SAD, SSD, Ml. Степень компрессии с использованием функции Ml оказалась самой высокой, однако вычислительная сложность данной функции не позволяет использовать её для поиска векторов похожести в реальных приложениях сжатия видеоданных. Функции SAD и SSD позволили достичь схожей степени компрессии, однако в силу того, что функция SSD является вычислительно более сложной, в дальнейших исследованиях было решено использовать функцию SAD.

3. Проведен сравнительный анализ эффективности современных алгоритмов поиска векторов похожести, применительно к сжатию видеоданных. Сравнение производилось с применением разработанной программной системы MEFramework. По результатам экспериментов был сделан вывод о том, что лучшим по совокупности критериев является алгоритм EPZS.

4. Для выбора метода локальной оптимизации был проведён сравнительный анализ и тестирование пяти алгоритмов поиска экстремума: симплексный метод, Гаусса-Зейделя, Хука-Дживса, градиентный метод, метод поиска по алмазу. По результатам сравнительного анализа лучшим среди тестируемых методов оказался модифицированный градиентный метод.

5. Разработан оригинальный алгоритм поиска векторов похожести при сжатии видеоданных. Алгоритм использует расширенный набор векторов-кандидатов, а так же метод сканирования при нахождении точки начального приближения. Для уточнения точки начального приближения используется градиентный метод локальной оптимизации. По окончании поиска векторов для всего кадра производится обратный проход по всем блокам с целью уточнения найденных векторов похожести с учетом новых векторов-кандидатов.

6. Произведено сравнение разработанного алгоритма поиска векторов похожести с алгоритмом EPZS. Использование предложенного алгоритма при сжатии видеоданных позволяет уменьшить количество вычислений оценочной функции по сравнению с алгоритмом EPZS на 15−25% при той же степени компрессии.

7. Предложена новая оценочная функция. В отличие от широко используемых функций SAD и SSD предложенная функция позволяет учитывать не только энергию невязки блоков, но и количество бит, требуемое для кодирования векторов похожести. Использование новой оценочной функции позволяет увеличить степень компрессии видеоданных.

8. Произведено сравнение разработанного алгоритма поиска векторов похожести, использующего новую оценочную функцию с алгоритмом EPZS в реальном приложении сжатия видеоданных. Использование предложенного алгоритма поиска векторов похожести для видеопоследовательностей с большим разрешением позволяет получать лучшее качество, по сравнению с результатами алгоритма EPZS, при этом общее время компрессии для предложенного алгоритма на 5−15% меньше.

9. Алгоритм поиска векторов похожести, разработанный в рамках данной диссертационной работы, внедрен в коммерческий продукт компании Mainoncept AG, Mainconcept MPEG-2 Video Encoder, что подтверждается актом о внедрении.

10. Программная система MEFramework зарегистрирована в Отраслевом фонде алгоритмов и программ (ОФАП) и используется компанией ООО «МэйнКонцепт-Дивикс» для проведения внутренних испытаний алгоритмов поиска векторов похожести.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена актуальная научно-техническая задача разработки алгоритмического и программного обеспечения поиска векторов похожести.

Показать весь текст

Список литературы

  1. В.М., Шелухин О. И., Афонин М. Ю. Цифровое сжатие видеоинформации и звука. — М.: Дашков и Ко, 2003. — 426 с.
  2. М., Шетти К. Нелинейное программирование. Теория и алгоритмы. -М.: Мир, 1982. 583 с.
  3. . Б. Методы оптимизации. М.: Радио и связь, 1988. — 127 с.
  4. Ф. П. Численные методы решения экстремальных задач. -М.:Наука, 1981.-549 с.
  5. Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. — МгДиалог-МИФИ, 2002.-384 с.
  6. Д., Симонян К., Гришин С. VirtualDub MSU Motion Estimation Filter Электронный ресурс. — Режим доступа: http://www.compression.iTi/video/motionestimation/index.html. -01.11.2008.
  7. К. Преобразование стандартов: методы оценки векторов движения // 625. М: Издательство 625, 2006. — № 6.
  8. Ф., Мюррей У., Райт М. Практическая оптимизация: Пер. с англ. -М: Мир, 1985.-509 с.
  9. A.M., Потапов П. В. Программная среда для разработки и исследования алгоритмов оценки движения при сжатии видеоданных // Вычислительные технологии, Институт вычислительных технологий СО РАН. Томск, 2007. — Т. 12. — Спец. выпуск 1. — С. 42−50.
  10. М. И. Основы телевизионных измерений. 3-е изд., доп. и перераб. М.: Радио и связь, 1989. 608 с.
  11. Д., Ватолин Д. Обзор методов компенсации движения. Интернет журнал «Графика и Мультимедиа» Электронный ресурс. — Режим доступа: http://cgm.graphicon.ru/content/view/76/64/. 05.06.2007.
  12. . Поиск оптимальных решений средствами Excel 7.0. Спб.: BHV, 1997.-384 с.
  13. А. А., Шелестов А. А. Методы оптимизации. Томск: ТУ СУР, 2004. — 244 с.
  14. Н. Н., Иванилов Ю. П., Столярова Е. М. Методы оптимизации. -М.: Наука, 1975.-352 с.
  15. . Т. Введение в оптимизацию. М.: Наука, 1983. — 384 с.
  16. П.В. Оптимизация распределения ресурсов при кодировании видеоданных // Информационные системы. Томск: ТУ СУР, 2004. — С. 123 — 129.
  17. П.В. Оптимальное распределение ресурсов при сжатии видеоданных с использованием двухпроходных алгоритмов // Материалы всероссийской научной конференции студентов-физиков. — Екатеринбург: АСФ, 2005. С. 251−254.
  18. П.В. Применение двухпроходного алгоритма для распределения ресурсов при сжатии видеоданных // Материалы всероссийской научно-технической конференции. Томск: ТУСУР, 2005. — С. 65−68.
  19. П.В. Двухпроходный режим компрессии видеоданных // Доклады Томского государственного университета систем управления и радиоэлектроники. Томск, 2005. — № 3 (11). — С. 77−81.
  20. П.В. Разработка программной среды для сравнения алгоритмов поиска видеоданных. // Материалы докладов Всероссийской Научно
  21. П.В., Кориков A.M. Алгоритм поиска векторов похожести при сжатии видеоданных // Известия Томского политехнического университета. Томск, 2008. — Т. 312. — № 5.
  22. П.В. Использование методов локальной оптимизации для поиска векторов похожести при сжатии видеоданных // Сб. науч. докл. Международной науч.-практ. конф. «Электронные системы и средства управления». Томск, 2008. — С. 43 — 47.
  23. П.В. Программная система моделирования поиска векторов похожести при сжатии видеоданных «MEFramework» // Отраслевой фонд алгоритмов и программ. Номер государственной регистрации:. — 2008.
  24. П.В., Кориков A.M. Оценочная функция для поиска векторов похожести при сжатии видеоданных // Доклады ТУСУРа. — Томск, 2008.-№ 2(18), ч. 2.
  25. С.Ю. Быстрый алгоритм нахождения движения в видеопоследовательностях Электронный ресурс. — Режим доступа: www.graphicon.ru. -12.12.2006.
  26. А.С. Поисковая оптимизация. Методы деформируемых конфигураций. М.: Наука, 1993. — 214 с.
  27. Телемультимедиа.ру Электронный ресурс. Режим доступа: www.telemultimedia.ru. — 19.07.2008.
  28. JI. Теория сигналов. М.: Сов. радио, 1974. 344 с.
  29. С.А. Методы безусловной многомерной оптимизации. — Новокузнецк: НФИ КемГУ, 2000. 31 с.
  30. Benmoussat B.N., Belbachir M.F., Belbachir A.N. Fast diamond search algorithm for block based motion estimation // IEEE Transactions on Circuits and Systems for Video Technology. 1998. — V. 7. — № 3. — P. 424−428.
  31. Bhaskaran V., Konstantinides К., Image and Video Compression Standards: Algorithms and Architectures. — Dordrecht: Kluwer, 1997. 454 p.
  32. Brady N. MPEG-4 standardized methods for the compression of arbitrarily shaped video objects // IEEE Transactions on Circuits and Systems for Video Technology.-1999.-P. 1170−1189.
  33. Chen W. H, Smith С. H., Fralick S. C. A fast computational algorithm for the discrete cosine transform // IEEE Trans. Commun. 1977. — V. 25. — № 9.
  34. Christopoulos V., Comelis J., A Center-Biased Adaptive Search Algorithm for Block Motion Estimation // IEEE Transactions on Circuits and Systems for Video Technology. 2000. — V. 10. — № 3. — P. 423−426.
  35. Dzung Т.Н., Jeffrey S.V. Fast and Efficient Algorithms for Video Compression and Rate Control // IEEE Transactions on Circuits and Systems for Video Technology. 1998. — V. 7. — № 3. — P. 323−442.
  36. Dzung Т.Н., Philip M.L., Jeffrey S.V. Efficient Cost Measures for Motion Estimation at Low Bit Rates // IEEE Transactions on Circuits and Systems for Video Technology. 1998. — V. 8. — № 4. — P. 488−500.
  37. Flierl M., Wiegand Т., Girod B. Video codec incorporating block-based multihypothesis motioncompensated prediction // Proc. of SPIE, Visual Comm. and Image Proc. 2000 (VCIP 2000). Perth, 2000. — V. 4067. — № 1. -P. 238−249.
  38. В., «A Survey of Multimedia Compression Techniques and Standards. Part II: Video Compression» // Journal of Real-Time Imaging. 1995. — V. 1. -P. 319−338.
  39. Jain J. R. Displacement measurement and its application in interframe image coding // IEEE Trans. Commun. 1981. — V.29. — P. 1799−1808.
  40. Ghanbari M. Standard Codecs—Image Compression to Advanced Video Coding. London, UK: The Institution of Electrical Engineers, 2003. — 407 p.
  41. Golomb S.W. Run-length encoding // IEEE Trans, on Inf. Theory. 1966. -V. 12.-P. 399−401.
  42. Haskell В., Puri A., Netravali A. Digital Video: An Introduction to MPEG-2. -NY.: Chapman & Hall, 1997. 456 p.
  43. Нету M., Hengartner U., Steenkiste P., Gross T. MPEG system streams in best-effort networks // Proc. Packet Video. New York, 1999.
  44. Hosur P.I., Ma K.K. Motion Vector Field Adaptive Fast Motion Estimation // Second International Conference on Information, Communications and Signal Processing (ICICS '99). Singapore, 1999. — P. 7−10.
  45. Kim D.W., Choi J. S., Kim J. T. Adaptive motion estimation based on spatio-temporal correlation // Signal Processing: Image Commun. 1998. — V. 13. — P. 161−170.
  46. Kim S.H., Park R.H. Fast Motion compensation Algorithm for Video Sequences with Local Brightness Variations // Proc. of SPIE, Visual Comm. and Image Proc. 2000 (VCIP 2000). Perth, 2000. -V. 4067. — № 3. — P. 1229−1238.
  47. Koga Т., Iinuma K., Hirano A., Iijima Y., Ishiguro T. Motion compensated interframe coding for video conferencing // Proc. NTC. LA, 1981. — P. 7382.
  48. Li R., Zeng В., Liou M.L. A new three-step search algorithm for block motion estimation // IEEE Trans, on Circuits and Systems for Video Technology. -1994.- V. 4.- № 4. P. 438−42.
  49. Marpe D., Schwarz H., Wiegand T. Context-Based Adaptive Binary Arithmetic Coding in the H.264 / AVC Video Compression Standard // IEEE Transactions on Circuits and Systems for Video Technology. 2003. — P. 586−602.
  50. Mattavelli M. PhD. Thesis: Motion Analysis and Estimation: From Ill-Posed Discrete Inverse Linear Problems to MPEG-2 coding. Ecole Polytechnique Federale de Lausanne: Lausanne, 1996.
  51. Tekalp M.A. Digital Video Processing. New Jersey: Prentice Hall, 1995. -560 p.
  52. Nasrabadi N., King R. Image coding using vector quantisation: a review // IEEE Trans. Commun. 1998. — V. 36.-№ 8.-P. 124−135.
  53. Oh H. S., Lee H. K. Adaptive adjustment of the search window for block-matching algorithm with variable block size // IEEE Trans. Consumer Electron. 1998. — V. 44. — P. 659−666.
  54. Oscal Т., Chen C. Motion estimation using a one-dimensional gradient descent search // IEEE Transactions on Circuits and Systems for Video Technology.-2000.-V. 10.-№ 4.-P. 608−616.
  55. Pandzic I., Forchheimer R. MPEG-4 Facial Animation. NY: John Wiley & Sons, 2002. — 299 p.
  56. Parhi К. K., Nishitani T. Digital Signal Processing for Multimedia Systems. -NY:Marcel Dekker, 1999. 884 p.
  57. W. В., Mitchell J. L., Fogg C., LeGall D. MPEG Digital Video Compression Standard. NY: Chapman & Hall, 1997.
  58. Puri A., Chen T. Multimedia Systems, Standards and Networks. NY: Marcel Dekker, 2000. — 664 p.
  59. Rao K. R., Hwang J. J. Techniques and Standards for Image, Video and Audio Coding. — New Jersey: Prentice Hall, 1997. 563 p.
  60. Richardson E.G. H.264 and MPEG-4 Video Compression. Aberdeen, UK: The Robert Gordon University, 2003.
  61. Richardson E.G. Video codec design. Aberdeen, UK: The Robert Gordon University, 2002. — 303 p.
  62. Riley M. J., Richardson E. G. Digital Video Communications. London: Artech House, 1997.
  63. Sadka A., Compressed Video Communications. NY: John Wiley & Sons, 2002.-248 p.
  64. Sappasitwong Т., Aramvith S., Jitapunkul S., Tamtrakarn A., Kitti-punyangam P., Kortrakulk H. Adaptive Asymmetric Diamond Search Algorithm for Block-Based Motion Estimation // in Proc. Of Inter. Symp. on
  65. Video/Image Proc and Multimedia com. (VIPromCom). — Zadar, Croatia, 2002.
  66. Sullivan G. Multi-Hypothesis Motion Compensation for Low Bit-Rate Video Coding // in Proc. of the IEEE Inter. Conf. on Acoustics, Speech, and Signal Proc. Minneapolis, 1993. — V. 5. — P.437−440.
  67. Sullivan G., Wiegand T. Rate-distortion optimization for video compression // IEEE Signal Process. Mag. 1998. — P. 122−134.
  68. Tang C.W., Au O.C. Unidirectional Motion Compensated Temporal Interpolation // Proc. of IEEE International Symposium on Circuits and Systems. 1997. — V. 2. — P. 1444−1447.
  69. Tham J.Y., Ranganath S., Ranganath M., Kassim A.A. A Novel Unrestricted Center-Biased Diamond Search Algorithm for Block Motion Estimation // IEEE Transactions on Circuits and Systems for Video Technology. — 1998. -V. 8.-P. 369−377.
  70. Teodosio L., Bender W. Salient Video Stills: Content and Context Reserved // Proc. of the ACM Inter. Conf. on Multimedia. Anaheim, 1993. — P. 39−46.
  71. Tourapis A.M., Au O.C., Liou M.L. Predictive Motion vector Field Adaptive Search Technique (PMVFAST) Enhancing Block-Based Motion Estimation // Proc. Of visual Comm. and Image Proc. (VCIP-2001). — 2001. — V. 1. — P. 315−325.
  72. Tourapis A.M., Au O.C., Liou M.L. New Results on Zonal Based Motion Estimation Algorithms — Advanced Predictive Diamond Zonal Search // Proc. of 2001 IEEE International Symposium on Circuits and Systems (ISCAS-2001).-Sydney, 2001.-V. 5.-P. 183−186.
  73. Tourapis A.M. Enhanced predictive zonal search for single and multiple frame motion estimation // Proc. SPIE Conf. Visual Communications and Image Processing. 2002. — P 1069−1079.
  74. Tourapis A.M., Au O.C., Liou M.L., Shen G. Status Report of Core Experiment on Fast Block-Matching Motion Estimation using Diamond Zonal
  75. Search with Embedded Radar // ISO/IEC JTC1/SC29/WG11 MPEG99/m4917. Vancouver, 1999.
  76. Tourapis A.M., Au O.C., Liou M.L. Fast Motion Estimation using Circular Zonal Search // Proc. of SPIE Sym. of Visual Comm. & Image Processing. VCIP'99. 1999. — V. 2.-P. 1496−1504.
  77. Tourapis A.M., Au O.C., Liou M.L. A High Performance Algorithm for Fast Block Based Motion Estimation // Proc. of Picture Coding Symposium, PCS'99. — 1999. P. 121−124.
  78. Tourapis A.M., Au O.C., Liou M.L. An Adaptive Center (Radar) Zonal based Algorithm for Motion Estimation // Proc. Of 6th IEEE Int. Conf. on Electronics, Circuits and Systems. ICECS'99. 1999.
  79. Tourapis A. M., Au О. C., Liou M.L., Shen G., Ahmad I. Optimizing the Mpeg-4 Encoder Advanced Diamond Zonal Search // in Proc. of 2000 IEEE Inter. Symposium on Circuits and Systems (ISCAS-2000). — 2000, Geneva.
  80. Tsai J. C., Hsieh С. H., Weng S. K., Lai M. F. Block-matching motion estimation using correlation search algorithm // Signal Processing: Image Commun.- 1998.-V. 13.-P. 119−133.
  81. Walsh A., Bourges-S 'evenier M. MPEG-4 Jump Start. New Jersey: Prentice-Hall, 2002.
  82. Wiegand Т., Sullivan G., Bjontegaard G., Luthra A. Overviewof the H.264 /AVCVideo Coding Standard // IEEE Transactions on Circuits and Systems for Video Technology. 2003. — P. 923−938.
  83. Wiegand Т., Zhang X., Girod B. Long-Term Memoiy Motion-Compensated Prediction // IEEE Transactions on Circuits and Systems for Video Technology. 1999. — P.70−84.
  84. Witten I., Neal R., Cleary J. Arithmetic coding for data compression // Communications of the ACM. 1987. — V. 30, № 6.
  85. Wong C.K., Au O.C. Fast Motion Compensated Temporal Interpolation for Video // Proc. of SPIE Sym. of Visual Comm. and Image Proc. 1995. — V. 2. -P. 1108−1118.
  86. Wong C.K., Au O.C., Tang C.W. Motion Compensated Temporal Interpolation with Overlapping I I Proc. of IEEE Int. Sym. on Circ. and Syst. -1996.-V. 2.-P. 608−611.
  87. Yun Q. Shi, Huifang Sun. Image and video compression for multimedia engineering: fundamentals, algorithms and standarts. — NW: CRC Press LLC. 2000.-506 p.
  88. Zhu S., Ma K.K. A new diamond search algorithm for fast block matching motion estimation //Proc. of Int. Conf. Information, Communications and Signal Processing. 1997. — V. 1. — P. 292−298.
  89. ISO/IEC 11 172−2: Information technology Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s — Part 2: Video.-1993.
  90. ISO/IEC 13 818−1: Information Technology Generic coding of moving pictures and associated audio information: System. — 1997.
  91. ISO/IEC 13 818−2: Information technology Generic coding of moving pictures and associated audio information: Video. — 2000.
  92. ISO/IEC 14 496−2: Information technology Coding of audio-visual objects -Part 2: Visual.-2001.
  93. ISO/IEC 14 496−10: Information technology Coding of audio-visual objects -- Part 10: Advanced Video Coding. — 2005.
  94. ISO/IEC 15 938, Information technology multimedia content description interface (MPEG-7). — 2002.
  95. ITU-R Draft new Recommendation ITU-R BS. 10/20., Method for objective measurements of perceived audio quality. 1998.
  96. ITU-T H.261. Video Codec for Audiovisual services at p x 64 kbits. 1990.
  97. ITU-T H.263. Video coding for low bit rate communication. 2005.
  98. ITU-T Recommendation J. 143. User requirements for objective perceptual video quality measurements in digital cable television. — 2000.
  99. ITU-T ВТ. 801−1. Test signals for digitally encoded colour television signals conforming with Recommendations ITU-RBT.601 and ITU-R BT.656. -1995.
  100. ITU-T ВТ. 802−1. Test pictures and sequences for subjective assessments of digital codecs conveying signals produced according to Recommendation ITU-RBT.601. 1994. f1
  101. Biti-ate (битейт) применительно к компрессии видеоданных выражает степень сжатия потока, тем самым, определяя пропускную способность канала, требуемую для передачи потока в реальном времени.
  102. САВАС (Context-adaptive binary arithmetic coding) — контекстнозависимое адаптивное бинарное арифметическое кодирование.
  103. CAVLC (Context-adaptive variable-length coding) Контекстнозависимое адаптивное кодирование с переменной длиной кодового слова
  104. CCITT {International Consultative Committee for Telegraphy and Telephony) подразделение ITU, разрабатывающее технические стандарты по всем международным аспектам цифровых и аналоговых коммуникаций.
  105. DCT {Discrete Cosine Transform) — дискретное косинусное преобразование.
  106. DPCM {differential pulse code modulation) — дифференциальная импульсно- кодовая модуляция.
  107. DVD {digital versatile disc) — цифровой многоцелевой диск, носитель информации.
  108. O {International Organization for Standardization) — международная организация, занимающаяся стандартизацией.
  109. U {International Telecommunication Union) — Международный союз электросвязи.
  110. U-T подразделение ITU, сектор стандартизации электросвязи, является преемником CCITT.
  111. MB {macroblock) участок кадра, обычно имеющий размер 16×16 пикселей.
  112. MSE {mean square error) — среднеквадратическая ошибка
  113. MPEG {Motion Picture Experts Group) группа специалистов ISO, разрабатывающая стандартц сжатия цифрового видео и аудио.
  114. MV (motion vector) — вектор движения, вектор похожести.
  115. NTSC (от англ. National Television Standards Committee) — система аналогового цветного телевидения, принятая в качестве стандартной в США, Канаде, Японии и ряде стран Америки.
  116. PAL (от англ. phase-alternating line) система аналогового цветного телевидения.
  117. PCM {pulse code modulation) импульсно-кодовая модуляция.
  118. PSNR (peak signal-to-noise ratio) — обозначает отношение между максимумом возможного значения сигнала и мощностью шума, искажающего значения сигнала.
  119. SAD (sum of absolute differences) — сумма модулей ошибки.
  120. SSE (sum of square errors) сумма квадратов ошибки.
  121. VCR (от англ. video cassette recorder) устройства записи видеоданных для домашнего использования, использующие в качестве носителей магнитную пленку.
Заполнить форму текущей работой

Заказал и сдал!