Farklılaştırılmış Sekans – Multimedya Bölümü – Multimedya Bölümü Ödevleri – Multimedya Bölümü Tez Yaptırma –Multimedya Bölümü Ödev Ücretleri

Farklılaştırılmış Sekans

Çerçeveler, orijinal çerçevelerdeki hareketli nesnelerin önemli özelliklerini içerir, böylece DXT-ME, kenardan çıkarılan çerçeveler tarafından sağlanan bilgilere dayalı olarak nesnelerin hareketini tahmin edebilir. Kamera tek yönde sabit bir hızla hareket ettiğinden, hareket eden nesneler neredeyse tüm sahneyi kaplar.

Bu nedenle, arka plan özellikleri DXT-ME’nin çalışmasına çok fazla müdahale etmez, ancak çerçeve farklılaştırılmış ön işleme yaklaşımına kıyasla DXT-ME’nin genel performansını yine de etkiler. Biri gösterilen Çiçek Bahçesi sekansının kare farklılaştırılmış görüntüleri, kameranın sürekli hareketinden dolayı DXT-ME’nin bu kare farklılaştırılmış sekans üzerindeki hareketi doğrudan tahmin etmesi için yeterince güçlü artık enerjiye sahiptir.

Farklı hareket kestirim şemaları için performanslar grafiğe dökülmüş ve farklı hareket kestirim yaklaşımlarının MSE ve BPS değerlerinin kolay karşılaştırma için çerçeve 3’ten çerçeve 99’a kadar tüm dizinin ortalamasının alındığı yerde özetlenmiştir.

MSE farkının, karşılık gelen hareket tahmin şemasının MSE değerinin tam arama blok eşleştirme yaklaşımının (BKM) MSE değerinden farkı olduğu ve MSE oranının MSE farkının BKM’nin MSE’sidir.

Performans özeti tablosunda belirtildiği gibi, çerçeve farklılaştırılmış DXT-ME algoritması, MSE açısından tam arama blok eşleştirme yaklaşımından %28,9 daha kötüyken, kenardan çıkarılmış DXT-ME algoritması %36,0 daha kötüdür. Şaşırtıcı bir şekilde, hızlı arama blok eşleştirme algoritmaları (BKM’den yalnızca %12,6 daha kötü), TSS ve LOG, DXT-ME algoritmasından daha küçük MSE değerlerine sahip olsa da, TSS ve LOG, DXT-ME algoritmasından daha büyük BPS değerlerine sahiptir.

Başka bir deyişle, TSS ve LOG tarafından oluşturulan hareket dengelemeli artık çerçeveler, sıkıştırmadan sonra iletmek/depolamak için DXT-ME algoritmasından daha fazla bit gerektirir. Bu, DXT-ME algoritmasının bu Çiçek Bahçesi dizisi için logaritmik ve üç adımlı hızlı arama blok eşleştirme yaklaşımlarından daha iyi olduğunu gösterir.

Başka bir simülasyon, 96 × 112 çerçeve boyutuna ve yere sabitlenmiş kameraya doğru kavisli bir yol boyunca hareket eden bir ana hareketli nesneye sahip Kızılötesi Araba dizisinde yapılır. Tablo 9.5’teki performans özet tablosunda, çerçeve farklılaştırılmış DXT-ME sonucu, MSE değerleri açısından SUB sonucundan ve BPS değerleri açısından tam arama BKM sonucundan daha iyidir.

Alt Piksel DCT Sözde Faz Teknikleri

Sıkıştırma oranını daha da iyileştirmek için, alt piksel doğruluğu ile hareket tahmini önemlidir çünkü bir video sekansındaki hareketler, bir kameranın dikdörtgen örnekleme ızgarasındaki örnekleme ızgara mesafesinin katları olmayabilir. Yarım piksel veya daha ince doğrulukta hareket tahmini ile kodlama kazancında önemli bir iyileşmenin elde edilebileceği gösterilmiştir.

Daha fazla araştırma, zamansal tahmin hatası varyansının genellikle alt piksel hareket telafisi ile azaldığını, ancak belirli bir “kritik doğruluğun” ötesinde, daha doğru hareket telafisi ile tahmini daha fazla iyileştirme olasılığının küçük olduğunu ortaya koymaktadır.

Önerildiği gibi, çeyrek pel doğruluğu ile hareket telafisi, yayınlanan TV sinyalleri için yeterince doğrudur, ancak görüntülü telefon sinyalleri için, yarım pel doğruluğu yeterince iyidir. Sonuç olarak, MPEG standartlarında yarım pel doğruluğu ile hareket dengelemesi önerilir.

Yarım pel hareket tahmininin uygulamaları artık mevcuttur. Bununla birlikte, bu uygulamaların çoğu, görüntülerin çift doğrusal veya diğer enterpolasyon yöntemleri aracılığıyla enterpolasyonunu gerektiren blok eşleştirme yaklaşımına dayanmaktadır. Ancak enterpolasyon sadece bir kodlayıcının karmaşıklığını ve veri akışını artırmakla kalmaz, enterpolasyonlu görüntülerden hareket tahminlerinin doğruluğunu da olumsuz etkileyebilir.

DCT alanında düşük bir hesaplama maliyetiyle görüntüleri enterpolasyon yapmadan hareket tahminlerinin alt piksel doğruluğunun elde edilmesi daha arzu edilir, böylece hareket dengeleme biriminin uzamsal sıkıştırma birimi ile sorunsuz entegrasyonu mümkündür.

Farklılaştırılmış öğretim Yöntem ve Teknikleri
Farklılaştırılmış öğretim Modeli
Farklılaştırılmış öğretim özet
Tomlinson farklılaştırılmış öğretim
Farklılaştırılmış öğretim örnekleri
Farklılaştırılmış öğretim etkinlikleri
Farklılaştırılmış öğretim Teknikleri
Farklılaştırılmış öğretim PDF

Bu bölümde, tartışılan DCT sözde faz tekniklerini alt piksel düzeyine kadar genişletiyoruz ve görüntülerin uzamsal örneklemesinin Nyquist kriterini karşılaması halinde, alt piksel hareket bilgisinin hareketli görüntülerin DCT katsayılarının sözde fazlarında korunduğunu gösteriyoruz.

Ayrıca, uygun modifikasyonla sinüzoidal ortogonal ilkelerin, bir impuls fonksiyonunun, tepe konumu alt piksel yer değiştirmesini gösteren bir sinc fonksiyonu ile değiştirilmesi dışında hala uygulanabilir olduğu gösterilebilir. Bu nedenle, enterpolasyon kullanılmadan tam alt piksel hareket yer değiştirmesi elde edilebilir.

Bu gözlemlerden, düşük karmaşıklık ve yüksek verimli video uygulamaları için tamsayı-pel hareket tahmincisi ile tamamen uyumlu olan bir dizi alt piksel DCT tabanlı hareket tahmin algoritması geliştirebiliriz.

Genelliği kaybetmeden, sürekli bir xc(t) sinyalinin ve bunun kaydırılmış versiyonunun xc(t − d) iki örnek dizisi {x1(n) oluşturmak için 1/T örnekleme frekansında örneklendiği tek boyutlu modeli ele alalım. ) = xc(nT )} ve {x2(n) = xc(nT − d)}, sırasıyla. DCT ve DST katsayılarını tanımlayalım.

Subpel Sinüzoidal Ortogonallik Prensipleri

Sinüzoidal ortogonal prensipler artık alt piksel düzeyinde geçerli değildir. Bununla birlikte, alt piksel hareket tahmini için uygun olan bu sinüzoidal ortogonal denklemleri genişletebiliriz. m ve n tamsayı değişkenlerini u ve v gerçek değişkenleri ile değiştirelim ve tanımlayalım.

burada sinc(x) sin(πx)/(πx). Büyük N için, ξ(x), gösterildiği gibi, en büyük zirvesi x = 0’da kolayca tanımlanabilen bir sinc fonksiyonudur; burada ξ(x), N · sinc(x)’e çok benzer, özellikle x şu olduğunda küçük. ξ(x)’in eğimi de çizilmiştir.

Denklemler (9.70)–(9.73), sinüzoidal ortogonal ilkelerin (9.8) ve (9.9) alt piksel seviyesinde eşdeğer şeklidir. Denklemlerin sağ tarafındaki sinc fonksiyonları, DCT’ye özgü dikdörtgen pencerenin doğrudan sonucudur.

Sırasıyla Ls(x,−3.75) ve Lc(x,−3.75), burada iki ξ fonksiyonunun birbiriyle etkileştiğini ancak tepe konumlarının yer değiştirmeyi açıkça gösterdiğini gösterin. Bununla birlikte, v yer değiştirmesi küçük olduğunda (-0,5 civarında), ξ(u − v) ve ξ(u + v + 1) birbirine yakın hareket eder veξ(u−v) veξ(u+v+1)’nin eklenmesi/çıkarılması Ls ve Lc’nin şeklini değiştirir. Sonuç olarak, ne Ls ne de Lc iki ξ fonksiyonu gibi görünmez ve Ls ve Lc’nin tepe konumları, gösterildiği gibi ξ(u − v) ve ξ(u + v + 1) ve sırasıyla Ls’nin tepe konumlarının olduğu d’ninkinden farklıdır. (x,−0,75)veLc(x,−0,75)−1,25ve−0,5’tir, gerçek yer değiştirme −0,75’ten farklıdır.

Aşırı durumda, ξ(u − v) ve ξ(u + v + 1), gösterildiği gibi Ls(x,−0,5) ≡ 0 olacak şekilde yer değiştirme -0,5 olduğunda birbirini götürür. Neyse ki, gösterildiği gibi Lc(x,v) + Ls(x,v) = ξ(x − v) olduğundan, Lc(x) toplamı ,−0.75)+Ls(x,−0.75)bir fonksiyon gibi davranır ve konuşma konumu yer değiştirmeyle çakışır.

Ayrıca, bu ξ fonksiyonunun keskinliği nedeniyle, gürültülü bir durumda tepe konumunu doğru bir şekilde belirleyebilir ve ardından hareket tahminini belirleyebiliriz. Bu özellik, sonraki bölümlerde esnek ve ölçeklenebilir alt piksel hareket tahmin algoritmaları tasarlamamızı sağlar.

Makale Deniz

Biyografinin Tamamını Gör