Kodlayıcı – Multimedya Bölümü – Multimedya Bölümü Ödevleri – Multimedya Bölümü Tez Yaptırma –Multimedya Bölümü Ödev Ücretleri

Kodlayıcı

Kodlayıcı ve kod çözücüdeki parametre bellekleri aynı bilgileri içerir. Bu parametre setlerini değerlendiren görüntü sentezi, kod çözücüde görüntülenen bir model görüntü sk’ üretir. Nesne sınırlarında can sıkıcı yapılardan kaçınmak için, nesne sınırlarına şekle bağlı bir kenar yumuşatma filtresi uygulanabilir.

k + 1 anında, görüntü analizi, görüntü sk için tahmin edilen A’, M’ ve S’ parametre setlerini göz önünde bulundurarak mevcut görüntüyü sk+1 değerlendirmek zorundadır. Görüntü analizinin görevi, önceki karelerden bilinen her bir nesneyi izlemek ve hareket eden yeni nesneleri tespit etmektir. Her nesne m, Am,k+1, Mm,k+1 ve Sm,k+1 olmak üzere üç parametre seti ile tanımlanır.

Bu parametre setleri, PCM formatındaki görüntü analizinin çıktısında mevcuttur. Önceden tahmin edilen ve kodlanan parametre kümeleri dikkate alındığında A’, M’ ve S’ kodlayıcıda bir geri besleme döngüsü oluşturur.

Bu, görüntü analizinin önceki tahmin hatalarının yanı sıra parametre kodlaması ile parametrelerin kayıplı kodlamasıyla ortaya çıkan şekil ve hareket niceleme hatalarını telafi etmesine olanak tanır. Bu nedenle, tahmin ve niceleme hatalarının birikmesi önlenir.

2B hareketli rijit 2B nesnelerin kaynak modeli durumunda parametre setlerini açıklamak için bir örnek görevi görür. Bir nesnenin renk parametreleri (1) kamera hareketi, (2) sahneye giren yeni bir nesne, (3) başka bir nesnenin hareketi veya (4) ego-hareketinden dolayı örtülebilir ve açığa çıkarılabilir. Bu bölümde, (2)’den (4)’e odaklanıyoruz. OBASC’nin kamera hareketini dikkate alacak şekilde genişletilmesi, kavramsal düzeyde basittir.

Mech ve Wollborn [40]’ta bir uygulamayı açıklamaktadır. Örnekte, 1. nesnenin alanları, 2. nesnenin hareketi nedeniyle açığa çıkıyor. 1. nesnenin bu bölümlerinin daha önce görünmediği varsayılarak, bu açık alanların (UA’lar) renk parametrelerinin iletilmesi gerekiyor.

Benzer şekilde, dönen bir 3B nesne, renk parametrelerinin iletiminin gerekli olduğu, önceden görünmeyen alanları ortaya çıkarabilir. Kaplanmamış bir alanın renk parametreleri, tek bir nesneyle benzersiz bir şekilde ilişkilendirilebilir. Bu nedenle, k + 1 zaman anında m nesnesinin renk parametresi Sm,k+1, k zaman anında Sm,k renk parametresinden ve SUA’nın renk parametrelerinden oluşur.

Birkaç nesne hareket ediyorsa, örtülmemiş bir alan hareketli bir nesneye ait olabilir. Kaplanmamış alanın şekli, nesne hareketinden ve nesne şeklinden elde edilebilir. 1. nesnenin kaplanmamış alanının şekli, 2. nesnenin şekli ve hareketi ile belirlenir.

Bir OBASC için bir görüntü analizinin çoğu uygulaması, statik bir arka planın önünde hareket eden nesneleri varsayar. Mevcut görüntüde, değişiklik algılama ile öncelikle hareketli ve statik nesneler algılanır.

Hareket eden nesneler için, önceden iletilen renk parametrelerinin çoğunu yeniden kullanmak için yeni hareket ve şekil parametreleri tahmin edilir.

Belirtildiği gibi, hareket ve şekil parametrelerinin tahmini karşılıklı olarak k bağımlı problemlerdir. Bununla birlikte, statik bir arka plan söz konusu olduğunda, hareketin doğru tahmini, ikisinin daha zorlu görevidir.

Hareket ve şekil parametrelerinin başarıyla tahmin edilebildiği nesneler, MC nesneleri (model uyumluluğu) olarak adlandırılır. Görüntü analizinin son adımında, iletilen renk parametreleri S'(m) ve yeni hareket ve şekil parametreleri A(m) M(m) , k k+1 k+1 kullanılarak MC nesneleri tarafından tanımlanamayan görüntü alanları sırasıyla tespit edilir.

Model hatası alanları (MF) bu alanlardan türetilir. Yalnızca 2B şekil ve renk parametreleriyle tanımlanırlar ve MF nesneleri olarak adlandırılırlar. MF nesnelerinin tespiti, MC nesnelerinin geometrik bozulmalar olarak anılan küçük konum ve şekil hatalarının sübjektif görüntü kalitesini bozmadığını hesaba katar.

Bu nedenle, MF nesneleri, hareket ve şekil telafili tahmin görüntüsü ile geçerli görüntü sk+1 arasında önemli farklar bulunan görüntü alanlarıyla sınırlıdır. Boyut olarak küçük olma eğilimindedirler.

Bu, MF nesnelerinin renk parametrelerinin yüksek kalitede kodlanmasına izin verir, böylece sübjektif olarak rahatsız edici niceleme hatalarından kaçınır. Renk parametrelerinin iletimi veri hızı açısından pahalı olduğundan, 64 kbit/s, CIF (ortak ara format, 352×288 parlaklık ve 176 ×144 renkli sayfa/çerçeve) ve 10 Hz’dir.

Kodlayıcı Nedir
Kod çözücü nedir
Decoder Nedir
Öncelikli kodlayıcı
Encoder Decoder Nedir
Kod çözücü uygulamaları
Encoder örnek soru
Kod çözücü Decoder Nedir

Kaynak Modelleri

Bu bölümde, OBASC’ye uygulanan farklı kaynak modeller, temel özellikleri ve bazı uygulama detayları sunulmaktadır. OBASC için kullanılan kaynak modeller arasındaki ortak noktaları ve farklılıkları vurgulamak için, bir kaynak modeli kamera modeli, aydınlatma modeli, sahne modeli ve nesne modeli gibi ana bileşenlerine ayırmak yararlıdır.

Burada kullanılan kaynak model, bir model dünya tarafından modellenmesi gereken bir 3B gerçek dünyayı varsayar. Gerçek görüntü, gerçek dünyaya bakan gerçek bir kamera tarafından çekilirken, model dünyasına bakan bir model kamera kullanılarak bir model görüntüsü sentezlenir. Bir dünya bir sahne, onun aydınlatması ve kamerasıyla tanımlanır.

Bir sahne nesnelerden, hareketlerinden ve göreceli konumlarından oluşur. Başlangıçta, kaynak modeller nesne modeli tarafından birbirinden ayırt edilir. Basit olması için, kaynak modelleri nesne modellerinin adına göre adlandırıyoruz. Son araştırmalar ayrıca aydınlatma modellerine odaklanmıştır.

Modellemenin amacı, k zaman örneğinde gerçek görüntüye (sk) özdeş bir model görüntüsüne sahip bir model dünyası (Wk) oluşturmaktır. Bu, model nesnelerin gerçek nesnelerden farklı olabileceği anlamına gelir. Bununla birlikte, gerçek nesne ile model nesne arasındaki benzerlik, genellikle uygun görüntü analizinin yapılmasına yardımcı olur.

Burada bir kaynak modelin farklı bölümleri açıklanacaktır. Kamera, aydınlatma ve sahne modelinin gözden geçirilmesinden sonra, OBASC’a uygulanan farklı nesne modelleri açıklanmaktadır. Bu nesne modelleri, gerçek nesneleri MC nesneleri aracılığıyla tanımlamak için kullanılır. Her nesne modeli için parametre kodlaması ve bazı uygulama detayları vurgulanmıştır.

Gerçek kamera statik bir iğne deliği kamerası tarafından modellenmiştir. Gerçek kameranın hedefi okunarak gerçek bir görüntü oluşturulurken, model kameranın hedefinden bir model görüntüsü okunur. Bir dünya koordinat sistemi (x, y, z) ve bir görüntü koordinat sistemi varsayarsak (X, Y ), bu kamera xyz’de bir nesnenin yüzeyine P(i) = (P (i), P (i), P (i))T noktasını yansıtır; burada F, kameranın odak uzaklığıdır.

Bu model, görüntü düzleminin dünya koordinat sisteminin (x,y) düzlemine paralel olduğunu varsayar. Birçok uygulama için bu kamera modeli yeterli doğruluktadır. Ancak, kamera hareketini dahil etmek için, isteğe bağlı kamera hareketine ve yakınlaştırmaya izin veren bir CAHV kamera modeli kullanılmalıdır.

Makale Deniz

Biyografinin Tamamını Gör