Метод компрессии видеоизображений, основанный на использовании априорной информации о структуре кадра

• Автор: Мироненко, Евгений Петрович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Санкт-Петербург
• Количество страниц: 148 с. : ил.

Содержание
Введение

1. Методы и алгоритмы компрессии видеоданных. Восприятие
изображений зрительной системой человека
1.1. Современные методы и алгоритмы компрессии видеоданных
1.2.Компрессия видеоданных на основе использования 30 модели
1.3. Эффективность восприятия трехмерных объектов зрительной системой человека
1.4.Оценка погрешности восприятия формы объекта зрительной системой
1.5.Оценка погрешности восприятия текстуры объекта зрительной системой
1.6.Выводы по разделу
2. Метод компрессии видеоданных, основанный на замене изображений
объектов в кадре их трехмерными моделями
2.1. Модель изображения
2.2.Использование 30 модели для компрессии межкадровой разности
2.3.Выводы по разделу
3. Распознавание объектов в задачах компрессии видеоизображений
3.1.Анализ современных алгоритмов распознавания объектов на примере изображений человеческого лица
3.2.Использование цветовой сегментации изображения для локализации лица в кадре
3.3.Метод активных контуров
3.4.Адаптация метода активных контуров для задачи локализации характерных элементов лица
3.5.Исследование алгоритма распознавания лица в кадре видеоизображения
3.б.Выводы по разделу
4. Адаптация трехмерной модели к реальному изображению и
представление данных анимации
4.1. Анализ современных методов создания трехмерных моделей реальных объектов
4.2.Адаптация формы 3D модели к форме оригинального объекта в исследуемом алгоритме компрессии
4.3.Трекинг движения и определение формы и положения модели в новых кадрах последовательности
4.4.Алгоритм трассировки характерных элементов объекта в кадре и определение векторов анимации модели
4.5.Передача (сохранение) информации о движении на основе контрольных вершин 3D модели
4.6.Передача (сохранение) информации о движении по методу дифференциальной кодово-импульсной модуляции
4.7.Выводы по разделу
5. Экспериментальное исследование предложенных алгоритмов в
составе системы компрессии видеоизображений
5.1.Критерии сравнения алгоритмов компрессии видеоизображений
5.2.Методика проведения экспериментов и полученные результаты
5.3.Выводы по разделу
Заключение
Список литературы

Введение
Актуальность темы
В настоящее время, в связи с широким распространением цифровой техники, быстро растет объем передаваемой и хранимой информации. Особенно это касается данных, относящихся к визуальной информации, наиболее широко используемой в различных сферах человеческой деятельности. Хранение визуальной информации требует больших объёмов памяти, а для ее передачи необходимо наличие каналов с высокой пропускной способностью.
Таким образом, одной из наиболее актуальных задач в области обработки видеоданных становится разработка и совершенствование методов компрессии этих данных.
Особенностью большинства современных алгоритмов компрессии видеоданных является то, что они разработаны для компрессии произвольных изображений. Вместе с тем, если тип изображений, для которых разрабатывается алгоритм компресс™, заранее известен, это обстоятельство может быть использовано для увеличения его эффективности. Другими словами, знание объектов, находящиеся в кадре, и способов их движения, дают возможность получить большую степень компрессии при сохранении необходимого качества изображения.
Целью работы является разработка и исследование алгоритма компрессии видеоданных, основанного на использовании априорной информации о структуре кадра видеоизображения и параметров объектов в кадре. Алгоритм включает в себя распознавание объекта в кадре

1.4. Оценка погрешности восприятия формы объекта зрительной системой
В целях определения необходимой точности представления формы трехмерной модели, нами была проведена серия экспериментов, в которых исследование восприятия формы проводилось с использованием эталонных и искаженных по форме объектов для различных типов искажений [30]. Измерения проводились для ряда значений искажающего фактора £>, вид, которого зависел от вида используемых в эксперименте искажений. В случае, когда искажения формы трехмерного объекта были обусловлены изменением его размеров вдоль одной из его осей, искажающий фактор представлял собой процентное изменение масштаба объекта вдоль выбранной оси. В случае, когда искажения формы объекта были обусловлены его скручиванием, искажающий фактор выражался через угол, на который объект скручивался. В случае, когда искажения были обусловлены недостаточно большим количеством вершин полигональной сетки объекта, искажающий фактор выражался числом этих вершин.
Полученные по результатам исследования пороговые относительные значения среднеквадратичных расстояний между оболочками неискаженного и искаженного ЗБ объектов рассчитывались по формуле:
х = (сг2/#)100% (1.3)
где оу = h-yjж/2, Н — минимальное расстояние между соответствующими элементами контуров в сечениях искаженного и неискаженного объектов, Н -высота объекта, выраженная числом растровых элементов. Значение Я, принятое в экспериментах составляло 238 мм. Полученные результаты представлены в таблице 1.1.