Simülasyon Sonuçları – Multimedya Bölümü – Multimedya Bölümü Ödevleri – Multimedya Bölümü Tez Yaptırma –Multimedya Bölümü Ödev Ücretleri

Simülasyon Sonuçları

Simülasyon için ara sıra göz ve ağız açılmasına eşlik eden yavaş baş ve omuz hareketi ile Amerika Güzeli görüntü dizisi kullanılır. DCT tabanlı algoritmaların performansı, piksel başına MSE ve BPS açısından BKM-ME ve alt piksel benzerleriyle karşılaştırılmıştır.

Deneyde hesaplanan tüm MSE değerleri için, çift doğrusal enterpolasyon, MPEG standartlarında hareket telafisi için kullanıldığından, kesirli bir pikselle yer değiştiren görüntüleri yeniden oluşturmak için karşılaştırma için çift doğrusal enterpolasyon kullanılır.

Her zaman olduğu gibi, tamsayı-pel BKM-ME algoritması, daha geniş bir arama alanı üzerinde bir bloğun MAD işlevini en aza indirir. Alt piksel sürümlerinde uygulanan iki düzey vardır: HBKM-ME ve QBKM-ME. Her iki algoritma da MAD değerini tamsayı-pel tahmini etrafındaki alt piksel yer değiştirmeleri etrafında optimize eder.

Ek olarak, tamsayı-pel, yarım-pel ve çeyrek-pel doğruluğuna sahip üç tür hızlı arama blok eşleştirme algoritmasıyla da karşılaştırıyoruz: üç adımlı arama algoritması (TSS, HTSS, QTSS), logaritmik arama algoritması (LOG, HLOG, QLOG) ve alt örnekleme arama algoritmasıdır (SUB, HSUB, QSUB).

Simülasyon sonuçları, dizi üzerinden MSE ve BPS değerleri cinsinden ortalaması alınarak özetlenir. Alt piksel hareket tahmininden elde edilen kodlama kazancı, tam sayı-pel doğruluğundan yarım pel ve hatta çeyrek pel doğruluğuna kadar ne kadar gelişme sağlayabileceğimizi karşılaştırdığımızda açıktır:

• HBKM ME, BKM-ME’den %47,03 daha az MSE değerine veya %12,24 daha az BPS değerine sahipken, QBKM-ME, BKM-ME’den %60,76 daha az MSE veya %17,78 daha az BPS’ye sahiptir.
• Kenardan çıkarılmış HDXT-ME, kenardan çıkarılmış DXT-ME’den %45,36 daha az MSE değerine veya %12,95 daha az BPS değerine sahipken, kenardan çıkarılmış QDXT-ME %59,79 daha az MSE veya %18,18 daha az BPS’ye sahiptir.

DCT Tabanlı Hareket Telafisi

DCT alanındaki sıkıştırılmış video verilerinin manipülasyonu, birçok gelişmiş video uygulamasında önemli bir bileşen olarak kabul edilmiştir.

Birden fazla sıkıştırılmış video kaynağının bir ağda birleştirildiği ve yeniden iletildiği bir video köprüsünde, sıkıştırılmış video akışlarının tamamen DCT alanında manipülasyonu ve birleştirilmesi teknikleri, bir kod çözme/kodlama çifti oluşturma ihtiyacını ortadan kaldırır.

Ayrıca, DCT alanındaki manipülasyon, düşük seviyeli iletişim kaynaklarına uyması için düşük dereceli DCT katsayılarından sinyal bileşenlerinin önceliklendirilmesi gibi, farklı ağ veya kullanıcı kaynaklarıyla heterojen hizmet kalitesi gereksinimlerinin eşleşmesi için esneklik sağlar.

Son olarak, çok daha düşük bir veri hızı ve kod çözme/kodlama çiftinin çıkarılması nedeniyle birçok manipülasyon işlevi, DCT alanında uzamsal alana göre daha verimli bir şekilde gerçekleştirilebilir. Bununla birlikte, daha önceki tüm çalışmalar esas olarak kod çözücü tarafındaki manipülasyona odaklanmıştır.

Tamamen DCT tabanlı hareket dengelemeli bir video kodlayıcı oluşturma amacına hizmet etmek için amacımız, hareket dengelemeden önce uzamsal alana geri dönmeden DCT alanında hareket dengeleme tekniklerini geliştirmektir.

DCT alanındaki pikselsel (tamsayı-pel) çeviri yöntemi, keyfi bir konumda dört komşu DCT bloğundan bir DCT bloğunun çıkarılması için önerilmiştir. Farklı bir senaryoyu ele almasına rağmen, bu yöntem, DCT alanındaki tamsayı-pel hareket telafisine değişiklik yapıldıktan sonra uygulanabilir.

Subpel hareket kompanzasyonu için, DCT alanında eşdeğer bir çift doğrusal interpolasyon formu türettik ve ardından karmaşıklığı artırmadan DCT alanında daha doğru ve görsel olarak daha iyi bir yaklaşım elde etmek için diğer enterpolasyon fonksiyonlarını gerçekleştirmenin mümkün olduğunu gösterdik.

Simülasyon Örnekleri
Eğitimde simülasyon örnekleri
Simülasyon Nedir
Eğitimde simülasyon nedir
Simülasyon Teorisi
Simülasyon
Simülasyon nerelerde kullanılır
Simülasyon Nasıl Yapılır

Tamsayı-Pel DCT Tabanlı Hareket Telafisi

Gösterildiği gibi, hareket tahmininden sonra, mevcut çerçevedeki N × N büyüklüğündeki mevcut blok C en iyi şekilde, uzamsal alanda tahmini hareket vektörü (du,dv) tarafından mevcut blok konumundan kaydırılan bloktan tahmin edilebilir.

Bu hareket tahmini, çevreleyen sekiz DCT bloğundan mevcut bloğun ve mevcut blok konumundaki bloğun tahmini için hangi dört bitişik önceden tanımlanmış DCT bloğunun seçildiğini belirler.

DCT alanındaki yer değiştirmiş DCT bloğunu çıkarmak için, bu dört bitişik bloktan ayrı olarak elde etmek için doğrudan bir yöntem kullanılır ve nihai yer değiştirmiş DCT bloğunu oluşturmak üzere birleştirilebilen dört alt blok (gösterildiği gibi, sol üst, sol alt , uzamsal alanda sırasıyla B1, B2, B3 ve B4 olarak etiketlenmiş önceki It−1 karesinden sağ üst ve sağ alt bloklar).

Si alt blokları, pencereleme/kaydırma matrisleri Hi ve Vi’nin ön çarpma ve çarpma sonrası bu dört bloktan uzamsal alanda çıkarılır.

Bu, DCT’nin Bk’nin DCT’si ile dönüştürülmüş Hk ve Vk’nin ön ve son çarpmasına karşılık gelir, çünkü DCT üniter bir ortogonal dönüşümdür ve matris çarpımlarına dağıtıcı olması garanti edilir. Bu nedenle, mevcut blok C için hareket dengelemeli kalıntının (yer değiştirmiş çerçeve farkı, DFD) DCT’si şudur.

DCT{Hk } ve DCT{Vk } önceden hesaplanabilir ve bellekte saklanabilir. Ayrıca, DCT{Bk} veya yer değiştirme tahminlerinin birçok yüksek frekans katsayısı sıfırdır (yani, seyrek ve blok hizalı referans blokları), bu da (9.100)’deki gerçek hesaplama sayısını küçük yapar. ‘de simülasyon sonuçları, DCT alanı yaklaşımının uzamsal alan yaklaşımından yaklaşık %10 ila 30 oranında daha hızlı olduğunu göstermektedir. Daha fazla basitleştirme de mümkündür.

Bu nedenle, bellekten sekiz yerine yalnızca dört pencereleme/kaydırma matrisine erişilmesi gerekir. İlk bakışta, DCT tabanlı yaklaşım, piksel tabanlı yaklaşımdan daha fazla hesaplama gerektirir. Piksel tabanlı yaklaşım, IDCT ve DCT adımlarını içerir. Bu nedenle, hareket dengelemeli tortunun DCT katsayılarını hesaplamak için n2 toplama (veya çıkarma) ve 4 n × n matris çarpımı (IDCT ve DCT için) gerekir.

Buna karşılık, DCT tabanlı yaklaşım, 4n2 toplama artı 8 n × n matris çarpımına ihtiyaç duyar. Ancak, DCT sıkıştırmasının temeli olan DCT katsayılarının seyrekliği kullanılarak tasarruf sağlanabilir.

Alt piksel düzeyinde daha fazla tasarruf sağlanır. DCT tabanlı yaklaşım ekstra işlem gerektirmezken, piksel tabanlı yaklaşım enterpolasyon gerektirir (yani 4 (2 × 2) kat daha büyük görüntüleri işlemek için).

Hızlı DCT kullanılarak pencereleme/kaydırma matrislerinin hesaplanmasında daha fazla tasarruf sağlanır. Seyreklik varsayımı olmadan kaba kuvvet yöntemine göre hızlı DCT ile hesaplama karmaşıklığında %47’lik bir azalma rapor edilmiştir ve hızlı kullanımıyla yalnızca sol üst 4 × 4 alt blokların sıfır olmamasıyla %68’lik bir azalma elde edilebilir. 

Makale Deniz

Biyografinin Tamamını Gör