Методы и устройство формирования сигналов в цифровых видеоинформационных системах тема диссертации и автореферата по ВАК РФ 05.12.04, кандидат наук Попов, Андрей Владимирович

  • Попов, Андрей Владимирович
  • кандидат науккандидат наук
  • 2015, Москва
  • Специальность ВАК РФ05.12.04
  • Количество страниц 203
Попов, Андрей Владимирович. Методы и устройство формирования сигналов в цифровых видеоинформационных системах: дис. кандидат наук: 05.12.04 - Радиотехника, в том числе системы и устройства телевидения. Москва. 2015. 203 с.

Оглавление диссертации кандидат наук Попов, Андрей Владимирович

ВВЕДЕНИЕ......................................................................................................................5

ГЛАВА 1. ИССЛЕДОВАНИЕ МЕТОДОВ КОДИРОВАНИЯ НА ОСНОВЕ УСТРАНЕНИЯ СТАТИСТИЧЕСКОЙ И ПСИХОФИЗИОЛОГИЧЕСКОЙ ИЗБЫТОЧНОСТЕЙ ВНУТРИКАДРОВОГО И МЕЖКАДРОВОГО НАПРАВЛЕНИЙ ВИДЕОИНФОРМАЦИОННОГО СИГНАЛА............................15

1.1 Характеристики параметров зрительной системы человека..............................15

1.2 Алгоритмы энтропийного кодирования при сжатии спектра видеоинформационного сигнала.................................................................................24

1.3 Методы кодирования с потерями..........................................................................39

1.3.1 Методы внутрикадрового кодирования с потерями на основе ДКП...........40

1.3.2 Методы внутрикадрового кодирования с потерями на основе вейвлет преобразований..........................................................................................................47

1.3.3 Внутрикадровое предсказание.........................................................................65

1.3.4 Межкадровое предсказание и кодирование...................................................66

1.4 Перспективные направления совершенствования алгоритмов сжатия видеоинформационных сигналов................................................................................73

1.5 Выводы.....................................................................................................................76

ГЛАВА 2. ФОРМИРОВАНИЕ СИГНАЛОВ УПРАВЛЕНИЯ ДЛЯ АДАПТИВНОГО ПРЕОБРАЗОВАНИЯ ВИДЕОИНФОРМАЦИОННОГО СИГНАЛА......................................................................................................................79

2.1 Современные методы противошумовой обработки сигналов............................79

2.1.1 Фильтры пространственной области..............................................................83

2.1.2 Фильтры области преобразования..................................................................94

2.1.3 Фильтры на основе обучающегося словаря.................................................100

2.2 Апертурная коррекция..........................................................................................103

2.3 Разработка метода противошумовой коррекции...............................................108

2.4 Формирование сигналов управления для адаптивного преобразования видеоинформационного сигнала...............................................................................119

2.5 Выводы...................................................................................................................128

ГЛАВА 3. РЕАЛИЗАЦИЯ МЕТОДОВ СЖАТИЯ ВИДЕОИНФОРМАЦИОННЫХ СИГНАЛОВ.................................................................................................................132

3.1 Реализация метода внутрикадрового кодирования на основе управляющих сигналов с итерационным методом шумовой коррекции.......................................132

3.1.1 Метод внутрикадрового кодирования на основе управляющих сигналов с итерационным методом шумовой коррекции.......................................................132

3.1.2 Структура и алгоритм работы кодера внутрикадрового кодирования на

основе управляющих сигналов с итерационным методом шумовой коррекции ....................................................................................................................................133

3.1.3 Структура и алгоритм работы декодера внутрикадрового кодирования на основе управляющих сигналов с итерационным методом шумовой коррекции ....................................................................................................................................141

3.2 Реализация метода межкадрового кодирования с предсказанием на основе

управляющих сигналов с итерационным методом шумовой коррекции..............143

3.2.1 Метод межкадрового кодирования с предсказанием на основе управляющих сигналов с итерационным методом шумовой коррекции...........144

3.2.2 Структура и алгоритм работы кодера межкадрового кодирования с предсказанием на основе управляющих сигналов с итерационным методом шумовой коррекции.................................................................................................145

3.2.3 Структура и алгоритм работы декодера межкадрового кодирования с предсказанием на основе управляющих сигналов с итерационным методом шумовой коррекции.................................................................................................156

3.3 Выводы...................................................................................................................157

ГЛАВА 4. РЕЗУЛЬТАТЫ РАБОТЫ И ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ РАЗРАБОТАННЫХ МЕТОДОВ ФОРМИРОВАНИЯ УПРАВЛЯЮЩИХ СИГНАЛОВ, ВНУТРИКАДРОВОГО И МЕЖКАДРОВОГО

КОДИРОВАНИЯ.........................................................................................................159

4.1 Выбор исходных данных......................................................................................159

4.2 Результаты моделирования работы внутрикадрового сжатия с внедрением разработанного метода кодирования........................................................................161

4.3 Результаты моделирования работы межкадрового сжатия с внедрением разработанного метода кодирования........................................................................172

4.4 Выводы...................................................................................................................178

ЗАКЛЮЧЕНИЕ...........................................................................................................180

СПИСОК ЛИТЕРАТУРЫ...........................................................................................182

ПРИЛОЖЕНИЯ...........................................................................................................191

Рекомендованный список диссертаций по специальности «Радиотехника, в том числе системы и устройства телевидения», 05.12.04 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методы и устройство формирования сигналов в цифровых видеоинформационных системах»

ВВЕДЕНИЕ Актуальность темы

Формирование телевизионных (ТВ) изображений высокой и сверхвысокой четкости отражает современные направления развития видеоинформационных технологий на основе новых научных достижений в области телевидения и передачи видеоданных. Однако лишь недавно эти форматы четкости успели доказать востребованность, завоевать признание обычных пользователей и профессионалов, а также показать свое преимущество перед ТВ изображениями стандартной четкости.

Пользователи все чаще выбирают возможность работы с изображениями с большей четкостью, независимо от того, смотрят ли они фильм, программы передач телевидения высокой четкости (ТВЧ), занимаются видеомонтажом или хотят организовать видеоконференцсвязь, используя для этого персональный компьютер или свое мобильное устройство.

Повсеместному внедрению, например, систем ТВЧ препятствуют трудности, обусловленные высокой инерционностью процесса модернизации аппаратуры и технического оснащения для формирования и обработки соответствующих видеоинформационных сигналов с учётом обеспечения требований, предъявляемых потребителями к качеству таких сигналов. Соответственно, удовлетворение перечисленных потребностей пользователей в полной мере возможно только с использованием самых передовых высокопроизводительных средств передачи сигналов и мощных аппаратных вычислительных ресурсов, стоимость которых зачастую оказывается очень высокой. Последнее заставляет предпринимать шаги для того, чтобы компенсировать инерционность развития технической составляющей, создавая возможности реализации современных требований к обработке видео на базе приемлемых по стоимости аппаратных платформ и доступных для пользователей средств передачи данных.

Для эффективного решения такой задачи необходимы исследования, достижения и перспективные разработки в области методов и устройств

кодирования, которые позволят ускорить интеграцию современных технологий в жизнь каждого потребителя. Уже сейчас неоценимый вклад по данным направлениям, внесли и продолжают вносить теоретические и практические работы С.И. Катаева, М.И. Кривошеева, Ю.Б. Зубарева, A.C. Селиванова, Б.П. Хромого, В.П. Дворковича, Ю.С. Сагдуллаева, В.Н. Безрукова, а также других отечественных и зарубежных авторов.

Современным продуктом таких исследований являются, например, широко используемые стандарты сжатия H.264/AVC и H.265/HEVC. Они реализуют эффективное кодирование в системах ТВЧ для работы на большинстве аппаратных платформ и систем, с использованием меньшего количества ресурсов для передачи видеоинформационных сигналов.

Однако остается ряд платформ, для которых названные стандарты неспособны обеспечить эффективное кодирование сигналов ТВ изображений с качеством, соответствующим формату высокой четкости, особенно, для кодирования изображений, передаваемых в режиме реального времени. Кроме этого, исследования показали, что новейшие форматы ТВ изображений сверхвысокой четкости 4К и 8К, скорее всего, предъявят бескомпромиссно высокие требования к основным алгоритмам современных стандартов сжатия в отношении их эффективности и скорости обработки видеоинформационных сигналов, что говорит о скором достижении предела заложенного в эти стандарты ресурса. Сказанное выше приводит к выводу о необходимости дальнейших исследований и разработок более эффективных методов обработки и кодирования ТВ сигналов в цифровых видеоинформационных системах.

По этой причине актуальными являются разработки новых цифровых методов и устройств, отличающихся не только эффективным и качественным, но и быстрым по времени, за счёт снижения объёма необходимых вычислений, кодированием видеоинформационных сигналов высокой и сверхвысокой четкости. При этом в процессе обработки таких сигналов не потребуется привлечение высокопроизводительного оборудования. Наличие таких методов и устройств позволит успешно обеспечивать современные и будущие требования к

видеоинформационным системам на базе мобильных и стационарных аппаратных платформ.

Цель н задачи работы

Целью настоящей диссертационной работы является модернизация существующих и разработка новых адаптивных методов, алгоритмов и устройств, позволяющих эффективно формировать, обрабатывать и кодировать видеоинформационные сигналы ТВ изображений со стандартной, высокой и сверхвысокой четкостью, а также сократить за счёт снижения объёма вычислений необходимое количество используемых временных и аппаратных ресурсов для реализации перечисленных операций в сравнении с существующими методами.

Для достижения поставленной цели в данной диссертационной работе решены следующие научно-практические задачи:

1. Проведен теоретический анализ методов обработки и кодирования видеоинформационных сигналов в современных стандартах сжатия Н.264/АУС, Н.265/НЕУС и эффективных методов противошумовой коррекции структуры ТВ изображений.

2. На основе аналитических результатов выбраны параметры размера блоков обрабатываемых пикселей внутрикадрового пространства и конкретизированы перспективные направления в области разработки новых методов эффективного формирования видеоинформационных сигналов.

3. Разработан эффективный метод шумовой коррекции, преимуществом которого является относительно высокая степень подавления высокочастотных, в пределах внутрикадрового пространства, составляющих шума.

4. Разработана структурная схема устройства многомерной шумовой коррекции видеоинформационных сигналов, обеспечивающее эффективное устранение шума.

5. Разработан метод итерационной противошумовой обработки, обеспечивающий формирование адаптивных сигналов управления высокой точности.

6. Разработан метод внутри кадрового сжатия сигналов изображений, обеспечивающий масштабируемость видеоинформационного потока при передаче кодированных данных.

7. Разработан высокоэффективный метод межкадрового кодирования данных, не требующий в процессе своей работы привлечения высокопроизводительных аппаратных ресурсов.

Методы исследования

Поставленные в данной диссертационной работе задачи решались с использованием современных методов цифровой обработки изображений, численного анализа, статистической радиотехники, теории численного интегрирования и дифференцирования, спектрального анализа, программирования и др.

Научная новизна

1. Для варианта кодирования изображений высокой четкости выявлена специфика корреляционных связей смежных в пространстве пикселей и конкретизированы параметры размеров блоков пикселей, обеспечивающие увеличение эффективности устранения внутрикадровой избыточности в пространственном спектре изображения без существенной потери качества в последнем.

2. Предложена таблица с увеличенным набором коэффициентов частотного взвешивания для квантования трансформант ДКП в пространственном направлении видеоформата высокой четкости.

3. Разработан метод трехмерной противошумовой коррекции на основе адаптивной пространственно-временной фильтрации сигналов ТВ изображений в последовательности кадров.

4. Разработана структурная схема устройства трехмерной противошумовой коррекции на основе пространственно-временной фильтрации сигналов ТВ изображений в последовательности кадров.

5. Для адаптивной внутрикадровой и межкадровой обработки ТВ изображений высокой четкости разработан метод формирования управляющих сигналов,

основанный на итерационной, линейной и нелинейной противошумовой обработке сигналов ТВ изображений.

6. Разработан метод адаптивного внутрикадрового сжатия с возможностью формирования корректирующей информации, обеспечивающей масштабируемость видеоинформационного потока.

7. Разработан метод адаптивного межкадрового сжатия с уменьшением необходимого числа сигналов векторов движения для восстановления кадра и соответственно увеличенной производительностью при выполнении процесса кодирования.

Практическая ценность

1. Реализовано эффективное формирование управляющих сигналов для адаптивной внутрикадровой и межкадровой обработки ТВ изображений высокой четкости.

2. Разработан алгоритм формирования корректирующей информации при внутри кадровом сжатии видеосигнала с выполнением условия масштабируемости результирующего информационного потока.

3. При реализации межкадрового сжатия сигналов изображений обеспечено уменьшение необходимого числа сигналов векторов движения для восстановления кадра и соответственно увеличена производительность при выполнении процесса кодирования.

4. Разработана структурная схема устройства трехмерной шумовой коррекции на основе пространственно-временной фильтрации сигналов изображений в последовательности кадров.

5. Создано программное обеспечение для моделирования разработанного метода адаптивного внутрикадрового сжатия с возможностью формирования корректирующей информации.

6. Создано программное обеспечение для моделирования разработанного метода адаптивного межкадрового сжатия.

Реализация результатов работы

Результаты работы использованы при разработке систем передачи видеоинформации в ООО «Радиокомп», ЗАО «Спецвидеопроект» и при выполнении гранта РФФИ № 14-07-00793-А «Разработка методов, алгоритмов и устройства объективной комплексной и раздельной относительной оценки характеристик систем сжатия спектра сигналов изображений вещательного телевидения» в ФГОБУ ВПО МТУСИ. Они также использованы при проведении учебного процесса на кафедре телевидения и звукового вещания им. С.И. Катаева ФГОБУ ВПО МТУСИ для подготовки бакалавров и магистров.

Апробация результатов работы

Основные положения диссертационной работы докладывались и обсуждались на международных научно-технических конференциях "Фундаментальные проблемы радиоэлектронного приборостроения", Москва, Intermatic 2011 г. и Москва, Intermatic 2012 г., VIII международно-отраслевой научно-технической конференция "Технологии информационного общества", Москва, 2014 г., а также на научно-технических семинарах, организованных на кафедре телевидения и звукового вещания им. С.И. Катаева ФГОБУ ВПО МТУСИ, 2011 -2014 гг.

Публикации

По материалам диссертационной работы опубликовано 5 научных работ, в том числе три статьи в ведущих рецензируемых журналах, входящих в перечень ВАК.

Личный вклад

Теоретические выводы, основные положения и рекомендации, изложенные в материалах данной диссертации, получены автором лично.

Структура и объём работы

Диссертационная работа состоит из введения, четырёх глав, заключения, списка литературы и приложения. Работа изложена на 205 страницах машинописного текста. Список литературы включает 91 наименование.

Основные положения, выносимые на защиту

1. Разработанный метод трехмерной противошумовой коррекции внутрикадрового пространства на основе адаптивной пространственно-временной фильтрации сигналов изображений в последовательности кадров, реализующий эффективное подавление шумов различного происхождения и обеспечивающий экономное, в силу применения простых математических операций, использование вычислительных ресурсов.

2. Разработанная структурная схема устройства трехмерной противошумовой коррекции видеоинформационного сигнала на основе адаптивной пространственно-временной фильтрации кадров, реализующая эффективное подавление шумов различного происхождения и экономию вычислительные ресурсы.

3. Разработанный метод итерационной противошумовой обработки, обеспечивающий формирование адаптивных сигналов управления высокой точности, позволяющий повысить эффективность и скорость работы алгоритмов кодирования видеоинформационных сигналов в режиме реального времени.

4. Разработанный адаптивный метод устранения внутрикадровой избыточности с селективной обработкой сигнала ошибки, увеличивающий эффективность кодирования изображений формата стандартной и высокой четкости, а также обеспечивающий возможность формирования масштабируемого видеоинформационного потока, позволяющего динамически адаптировать скорость такого потока к пропускной способности канала связи.

5. Разработанный адаптивный метод устранения межкадровой избыточности, обеспечивающий формирование уменьшенного, требуемого для передачи, количества векторов движения и, тем самым, предоставляющий возможность увеличения степени сжатия с уменьшением общего времени работы алгоритма межкадрового кодирования.

6. Результаты проведённого анализа, моделирования и экспериментальных исследований разработанных методов сжатия изображений различных

форматов четкости, демонстрирующие увеличение эффективности процесса кодирования этих методов по сравнению с существующими методами.

Краткое содержание работы

Во введении обоснована актуальность темы диссертации, охарактеризовано состояние исследуемых вопросов, определены цель, задачи и методы исследований. Сформулированы научная новизна, практическая значимость результатов работы и положения, выносимые на защиту. Представлены состав и краткое описание работы, приведены сведения об апробации работы и публикациях автора.

В первой главе "Исследование методов кодирования на основе устранения статистической и психофизиологической избыточностей внутрикадрового и межкадрового направлений видеоинформационного сигнала" рассматриваются современные методы устранения психофизиологической и статистической избыточности в пространственном (внутрикадровом) и межкадровом направлениях, реализуемые с учетом особенностей пространственно-временных характеристик зрительной системы человека. Приведены перспективы развития алгоритмов кодирования видеоинформационного сигнала.

Во второй главе "Формирование сигналов управления для адаптивного преобразования видеоинформационного сигнала" произведена классификация и проведен сравнительный анализ наиболее успешных методов шумовой и апертурной коррекции. Определен характер возникновения шумов и апертурных искажений, описывающий условия увеличения универсальности при разработке алгоритмов коррекции шума и искажений. Определены параметры видеоинформационного сигнала, способствующие алгоритмам точнее отличать шум от полезной информации и, соответственно, сохранять контрастные границы объектов в изображении кадра. Разработан эффективный метод итерационной шумовой коррекции с применением коэффициентов, определенных усеченной функцией Гаусса. Разработана структурная схема устройства трехмерной шумовой коррекции внутрикадрового пространства на основе пространственно-временной фильтрации смежных кадров с применением системы гребенчатых

фильтров. Рассмотрено формирование и обоснована эффективность применения сигналов управления для адаптивного преобразования видеоинформационного сигнала.

В третьей главе "Реализация методов сжатия видеоинформационных сигналов" описан разработанный метод внутрикадрового сжатия с применением рекомендаций по выбору параметров размеров блоков обработки и матрицы коэффициентов квантования, а также возможностью формирования корректирующей информации на основе управляющего сигнала для осуществления масштабирования видеоинформационного потока в зависимости от доступных ресурсов канала связи. Экспериментальным путем определены и сформированы матрицы коэффициентов квантования для кодирования блоков обработки в пространственной области кадра формата высокой четкости и блоков корректирующей информации. Описан разработанный на основе управляющих сигналов метод ускоренной реализации процесса компенсации движения и сокращения количества векторов движения, необходимых для декодирования изображения скомпенсированного кадра при межкадровом кодировании видеоинформационного потока. Для разработанных методов внутрикадрового и межкадрового кодирования приведены блок схемы их алгоритмов. Показана универсальность применения управляющих сигналов в кодировании видеоинформационного потока. Обоснована эффективность работы итерационного метода шумовой коррекции при использовании его в предобработке пространственной области кодируемого кадра и адаптивного формирования для него управляющих сигналов.

В четвертой главе "Результаты работы и экспериментального исследования разработанных методов формирования управляющих сигналов, внутрикадрового и межкадрового кодирования" приведены данные полученные в результате работы разработанных методов при различных вариантах исходных данных и требованиях к скорости, степени сжатия и качеству декодируемых изображений тестовых кадров. Выполнены сравнительные тесты с методами, используемыми в современных стандартах сжатия видеоинформационного

сигнала. Отмечены сильные и слабые стороны разработанных методов. На основании результатов исследования данной главы, обосновано увеличение эффективности и скорости работы разработанных методов в сравнении с используемыми в настоящее время методами кодирования видеоинформационного сигнала.

В заключении приводятся основные выводы и результаты, полученные в ходе проведения исследований.

В приложении приведён код программы, моделирующий адаптивное внутрикадровое кодирование с формированием корректирующей информации на основе управляющих сигналов, а также код программы, моделирующий с применением управляющих сигналов адаптивный процесс выполнения компенсации движения и формирования уменьшенного числа сигналов векторов движения, необходимых для декодирования видеоинформационного потока.

ГЛАВА 1. ИССЛЕДОВАНИЕ МЕТОДОВ КОДИРОВАНИЯ НА ОСНОВЕ УСТРАНЕНИЯ СТАТИСТИЧЕСКОЙ И ПСИХОФИЗИОЛОГИЧЕСКОЙ ИЗБЫТОЧНОСТЕЙ ВНУТРИКАДРОВОГО И МЕЖКАДРОВОГО НАПРАВЛЕНИЙ ВИДЕОИНФОРМАЦИОННОГО СИГНАЛА

1.1 Характеристики параметров зрительной системы человека

Конечной точкой приема видеоинформационного сигнала является зрительная система человека, которая регистрирует и обрабатывает эту информацию, представляя ее в виде изображений. По этой причине при проектировании новейших видеоинформационных систем или модифицировании существующих очень важно учитывать особенности зрительной системы человека. Учитывая данные особенности, становится возможным формировать набор критериев верности воспроизведения изображения на выходе видеоинформационной системы и дешифруемое™ этого изображения человеком.

Зрительная система человека состоит из глаз, зрительного нерва и мозга [48], совместная работа которых обеспечивает формирование объемных изображений окружающего мира.

Глаз, как и объектив телевизионной камеры, представляет собой оптический приемник и является тонким и сложным механизмом. От качества приходящего на вход приемника сигнала (в нашем случае сигнала изображения), согласованности его характеристик с обрабатывающей системой приемника и точности обработки этим приемником будет зависеть степень верности формирования изображения в мозгу.

Для того чтобы понять, как обеспечить согласованность приходящего сигнала с характеристиками глаза, рассмотрим основные элементы глаза и принцип их работы.

Глаз человека состоит из таких основных элементов как склера, зрачок, хрусталик и сетчатка.

Склера служит биологическим корпусом глаза, который содержит в себе остальные из, перечисленных выше, элементов.

Зрачок представляет собой диафрагму, регулирующую количество пропускаемого света.

Хрусталик является линзой, обеспечивающей фокусировку глаза на объекты.

Сетчатку можно описать как световоспринимающую матрицу, которая состоит из двух видов активных анализирующих элементов - палочек и колбочек.

Благодаря результатам физиологических исследований глаза известно, что палочки активируются в темноте или в сумеречное время и воспринимают только оттенки серого. Колбочки участвуют в дневном зрении, воспринимают цвет и, соответственно, их разрешающая способность намного выше, чем у палочек. Кроме того, в связи с работой в разных условиях, максимальная чувствительность палочек и колбочек достигается на разных длинах волн. По этой причине чувствительность глаза человека зависит от длины волны. Диапазон длин волн, в котором глаз способен регистрировать сигналы, составляет от 380 нм до 760 нм. Наибольшая чувствительность, а следовательно разрешающая способность глаза, достигается на длине волны 555 нм (зелено-желтый цвет), при дневном зрении, и на длине волны 515 нм, при сумеречном зрении. По мере удаления от этого значения, в обе стороны спектра, чувствительность глаза падает и начинает стремиться к нулю, начиная со значений длин волн 380 нм - фиолетовый цвет и 760 нм - красный цвет. Все, что лежит по обе стороны границ данного диапазона, называется ультрафиолетовым и инфракрасным излучением соответственно [1].

Спектральная характеристика - это зависимость спектральной плотности мощности излучения от частоты (длины волны) излучения. Применительно к глазу человека, спектральную характеристику называют кривой видности. Соответственно для зрения человека различают две кривых видности - для дневного и ночного зрения. У разных наблюдателей, кривые видности различны, поэтому существуют их среднее представление, приведенное на рисунке 1.1.

120 100

S?

é 80 о о я

§ 60 о S

0

1 40 20

О

400 420 440 460 480 500 520 540 560 580 600 620 640 660 680 700

Длина волны (нм)

Рисунок 1.1. Кривые видности человеческого зрения в области длин волн Из-за сдвига между кривыми дневного зрения и ночного зрения, который можно наблюдать на зависимостях рисунка 1.1, колбочки регистрируют сине-фиолетовый цвет как светлый оттенок серого, а красный - темный. Этот сдвиг называется сдвигом Пуркинье [3] .

Кроме этого, значение дневной чувствительности глаза к излучению, к примеру, с длиной волны 520 нм абсолютно идентично чувствительности к излучению с длиной волны 690 нм, а значение чувствительности глаза к излучению с длиной волны 480 нм идентично чувствительности к излучению с длиной волны 630 нм. Таким образом, объекты, имеющие разные значения яркости, глазом могут восприниматься как одинаково яркие или же воздействие одинаково ярких объектов, к примеру, с синим и зеленым цветами, будет восприниматься не одинаково [2, 3].

В связи с изложенным выше можно также отметить, что, в зависимости от регистрируемой зрительной системой яркости, имеет место адаптация глаза. Адаптация происходит за счет манипулирования размером зрачка глаза, а также переходом с колбочкового зрения на палочковое или наоборот. При этом существует темновая адаптация, под которой подразумевается переход от воздействия яркого света к менее яркому, и световая адаптация - от темного к яркому. Зависимость чувствительности от времени адаптации глаза при переходе

i l i i i i i i i -Дневное зрение

¡ / /

J /

i / / \ 1

У i / f N \

/ г s N 4

с колбочкового зрения на палочковое, т.е. при темновой адаптации, изображена на рисунке 1.2 [3].

= юооо

о

| 1 ООО

5 100

а.

0 5 10 15 20 25 30 35 Время адаптации, мня

Рисунок 1.2. Кривая адаптации при переходе от колбочкового зрения к

палочковому

Таким образом, из графика на рисунке 1.2 видно, что наибольшей чувствительностью к свету обладают палочки, при этом, как уже отмечалось, они не способны регистрировать цвет, их разрешающая способность меньше, чем у колбочек, вследствие меньшей концентрации первых на единицу площади сетчатки глаза, хотя общее их количество намного выше, чем колбочек.

Перегиб на графике рисунка 1.2 иллюстрирует момент, когда колбочки достигают максимальной чувствительности, после чего более не участвуют в процессе адаптации - человек начинает воспринимать объекты в черно-белом цвете.

При световой адаптации глаз подстраивает свои характеристики намного быстрее, чем при темновой. При слишком ярком свете, который возникает в режиме, когда глаз адаптирован на ночное зрение и имеет наивысшую чувствительность, появляется неприятное ощущение ослепления, т.к. раздражение палочек, из-за слишком быстрого разложения химически активного вещества - родопсина, чрезвычайно сильно и глаз ослеплен. При этом колбочки, которые не успели еще выработать защитный механизм в виде химического вещества меланина от слишком яркого света, также сильно раздражены. Верхняя

- Колбочки _ - Палочки

\ ______

\ % ч \ \

\ \ \ \

ч

граница слепящей яркости зависит от времени темповой адаптации глаза, поэтому, чем дольше происходила темновая адаптация, тем меньшая яркость света вызывает ослепление. Если в поле зрения попадают очень ярко освещенные или слепящие объекты, то они ухудшают восприятие сигналов на большей части сетчатки. Только по истечении достаточного времени адаптация глаза к яркому свету заканчивается, и глаз начинает нормально функционировать. Полная световая адаптация достигает своего максимального значение через 8—10 мин, при темновой же адаптации через 60 - 80 мин. Полную темновую адаптацию можно назвать долговременной (десятки минут), кроме нее можно выделить также быстровременную (доли и единицы секунд) и средневременную (десятки секунд, минуты) [4].

Похожие диссертационные работы по специальности «Радиотехника, в том числе системы и устройства телевидения», 05.12.04 шифр ВАК

Список литературы диссертационного исследования кандидат наук Попов, Андрей Владимирович, 2015 год

СПИСОК ЛИТЕРАТУРЫ

1. В. Ф. Самойлов, Б. П. Хромой. Телевидение. - М.: Связь, 1975.

2. Прэтт У. Цифровая обработка изображений: Пер. с англ. -М.: Мир, 1982.

3. Шиффман Х.Р. Ощущение и восприятие: 5-е изд. - СПб.: 2003.

4. В.Н. Безруков, Специфика видеоконтроля изображений вещательного телевидения, Материалы международного конгресса HAT, Москва, 2002. -С. 215-216.

5. М. Вернер. Основы кодирования. - М.: Техносфера, 2006. -288 с.

6. Д. Сэломон. Сжатие данных, изображений и звука. — М.: Техносфера, 2004. -368 с.

7. Schwarz Н., Marpe D., Wiegand Т. САВАС and slices, JVT document JVT-D020, Klagenfurt. Austria, July 2002.

8. ITU-T Recommendation H.264. Advanced video coding for generic audiovisual services, 2013.

9. ITU-T Recommendation H.265. High efficiency video coding, 2013.

10. ITU-CCITT Recommendation T.81 Information technology - Digital compression and coding of continuous-tone still images - Requirements and Guidelines. ISO/IEC 10918-1, 1992.

11. Смирнов А. В., Пескин A. E. Цифровое телевидение. От теории к практике. - М: Горячая линия-Телеком, 2003. - 352 с.

12. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. - М.: ДИАЛОГ-МИФИ, 2003.-384 с.

13. Б.А. Локшин Цифровое вещание: от студии к телезрителю - М.: Компания Сайрус Системе, 2001.

14. К . R . Rao, P.C. YipThe Transform and Data Compression Handbook - CRC Press, 2000.

15. Владо Дамьяновски CCTV. Библия видеонаблюдения. Цифровые и сетевые технологии / Пер, с англ. - М.: ООО «Ай-Эс-Эс-Пресс», 2006, - 480 с: ил.

16. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. - М.: ДИАЛОГ-МИФИ, 2002. - 384 с.

17. Рабинович А.В. Кодирование изображений с применением вейвлет-преобразования // Труды НИИР, 2003.

18. Новиков Л.В. Основы вейвлет-анализа сигналов. Учебное пособие. 1999. 152 е.: ил.

19. Ярославский Л.П. Введение в цифровую обработку изображений. — М.: Сов. радио, 1979. - 312 е., ил.

20. Борискевич А.А. Цифровая обработка речи и изображений. Электронный учебно-методический комплекс по дисциплине Цифровая обработка речи и изображений. Минск, 2007.

21. Onthriar, К.К. Loo, Z. Xue. Performance Comparison of Emerging Dirac Video Codec with H.264/AVC // School of Engineering and Design, Brunei University, UB83PH, UK, 2006.

22. Wesley De Neve, Peter Lambert, Sam Lerouge, Rik Van de Walle. Assessment of the Compression Efficiency of the MPEG-4 AVC Specification // Proceedings Of The Society Of Photo-Optical Instrumentation Engineers (spie). 5308, 2004, p. 1082-1093.

23. Chen, P., Hanke, K., Rusert, Т., Woods, J.W. Improvements to the MC-EZBC scalable video coder // IEEE Transactions On Circuits And Systems For Video Technology, Vol. 17, No. 6, June 2007, pp. 790-795.

24. Zixiang Xiong, Kannan Ramchandran, Michael T. Orchard, and Ya-Qin Zhang. A Comparative Study of DCT- and Wavelet-Based Image Coding // IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, VOL. 9, NO. 5, AUGUST 1999, p. 692-695.

25. Anilkumar Katharotiya, Swati Patel, Mahesh Goyani. Comparative Analysis between DCT & DWT Techniques of Image Compression // Journal of Information Engineering and Applications, Vol. 1, No.2, 2011.

26. E. Feig. A fast scaled DCT algorithm // Proc. SPIE Image Processing Algorithms and Techniques, Vol. 1244, Feb. 1990, pp. 2-13.

27. Воробьев В.И., Грибу-Нин В.Г. Теория и практика вейвлет-преобразования. ВУС, 1999.-С. 1 -204.

28. Тропченко А.Ю., Тропченко А.А. Методы сжатия изображений , аудиосигналов и видео: Учебное пособие - СПб.: СПбГУ ИТМО, 2009. -108 с.

29. Уэлстид С. Фракталы и вейвлеты для сжатия изображений в действии. -М.: Триумф, 2003.

30. Ян Ричардсон. Видеокодирование. Н.264 и MPEG-4 - стандарты нового поколения. -М.: Техносфера, 2005.

31. В. Никитин, М. Ефимов. Особенности использования видеокомпрессии MPEG-4 в сетевом видеонаблюдении // Алгоритм Безопасности № 2, 2006. -С. 16-19.

32. Власюк И.В., Сидорова А.И., Романова Е.П. Особенности межкадрового кодирования видеоинформации по стандарту MPEG-4 // Материалы четвертой отраслевой научной конференции-форума «Технологии информационного общества».

33. Libo Yang, Keman Yu, Jiang Li, Shipeng Li. An Effective Variable Block-Size Early Termination Algorithm for H.264 Video Coding // IEEE Transactions On Circuits And Systems For Video Technology, Vol. 15, No. 6, June 2005, pp. 784 -788.

34. Поташников A.M. Методы и алгоритмы кодирования цветовых составляющих в системах цифрового телевидения // Фундаментальные проблемы радиоэлектронного приборостроения / Материалы Международной научно-технической конференции «INTERMATIC-2011» 14-17 ноября 2011 г., Москва. / Под ред. Чл.-корр. РАН А.С. Сигова. - М.: МГТУ МИРЭА - ИРЭ РАН, 2011, часть 3,-254 с.

35. LI Man Но. Variable Block Size Motion Estimation Hardware for Video Encoders // A Thesis Submitted in Partial Fulfilment of the Requirements for the

Degree of Master of Philosophy in Computer Science and Engineering, The Chinese University of Hong Kong, Nov 2006.

36. D. Lin, Cheng-Tie Chen, T. Hsing. Video on phone lines: technology and applications // Proceedings of the IEEE, Volume 83, Number 2, February 1995, pp. 175- 193.

37. F. Lallauret, D. Barba. Motion compensation by block matching and vector post-processing in sub-band coding of TV signals at 15 Mbit/s // Proc. SPIE, Vol. 1605, pp. 26-36.

38. Поляков Д.Б. Блочные алгоритмы оценки движения // Труды Московского технического университета связи и информатики: - М.: "ИД Медиа Паблишер", 2008.-Т.1.-С. 463-466.

39. Gharavi, Н., Mills, М. Blockmatching motion estimation algorithms-new results // Circuits and Systems, IEEE Transactions, Volume:37 , Issue: 5, 2002, pp. 649651.

40. M. R. KHAMMAR. Evaluation of different block matching algorithms to motion estimation // International Journal of VLSI and Embedded Systems-IJVES, Vol 03, Issue 03, July-August 2012, pp. 148-153.

41. T. Koga, K. Iinuma, A. Hirano, Y. Iijima, and T. Ishiguro, Motion compensated interframe coding for video conferencing // Proc. Nat. Telecommun. Conf., New Orleans, LA, Nov. 29-Dec. 3 1981, pp. G5.3. 1-5 .3.5.

42. R. Li, B. Zeng, and M. L. Liou. A new three-step search algorithm for block motion estimation // IEEE Trans. Circuits Syst. Video Technol., vol. 4, Aug. 1994, pp. 438-442.

43. L.M. Po, W.C. Ma. A novel four-step search algorithm for fast block motion estimation // IEEE Trans. Circuits Syst. Video Technol., vol. 6, June 1996, pp. 313-317.

44. Дворкович В., Чобану M. Проблемы и перспективы развития систем кодирования динамических изображений. // MediaVision информационно-технический журнал, № 7/17, сентябрь 2011. - С. 62-63.

45. Пономарев О.Г., Шарабайко М.П., Поздняков А.А. Анализ эффективности методов и алгоритмов видеокомпрессии стандарта H.265/HEVC. // Электросвязь, № 3, 2013. -С. 29-33.

46. Gary J. Sullivan, Jens-Rainer Ohm, Woo-Jin Han, Thomas Wiegand. Overview of the High Efficiency Video Coding (HEVC) Standard. // IEEE Transactions On Circuits And Systems For Video Technology, Vol. 22, No. 12, December 2012.

47. Vivienne Sze, Madhukar Budagavi. A Comparison Of CABAC Throughput For HEVC/H.265 vs. AVC/H.264 // IEEE Workshop on Signal Processing Systems, 2013.

48. Зубарев Ю.Б., Сагдуллаев Ю.С., Сагдуллаев Т.Ю. Видеоинформационные технологии систем связи: Монография - М.: Издательство «Спутник+», 2011.-296 е.: ил.

49. В.Н. Безруков, Л.И. Дьячкова, Ю.А. Воронкова. Метод сжатия спектра телевизионного сигнала с фазо-временными преобразованиями блочной структуры отсчетов // Материалы VI Международной научно-технической конференции, 21-23 октября 2008 г., сс. 316-320.

50. Reeja S.R., N. P. Kavya. Noise Reduction in Video Sequences - The State of Art and the Technique for Motion Detection. // International Journal of Computer Applications (0975 - 8887) Volume 58-No.8, November 2012, pp. 31-36.

51.Xiaolin Tian, LichengJiao, Ying Duan. Video denoising via spatially adaptive coefficient shrinkage and threshold adjustment in surfacelet transform domain. // Springer, 15 may 2012.

52. G.Healey, R.Kondepudy. Radiometric CCD Camera Calibration And Noise Estimation // IEEE, PAMI, 1994, pp. 267- 276.

53. Ling Shao, Ruomei Yan, Xuelong Li, Yan Liu. From Heuristic Optimization to Dictionary Learning: A Review and Comprehensive Comparison of Image Denoising Algorithms // Cybernetics, IEEE Transactions, Volume:44 , Issue: 7, 2013, pp. 1001-1013.

54. L. Shapiro, G. Stockman. Computer Vision. USA: Prentice Hall, 2001.

55. N. Wiener. Extrapolation, Interpolation, and Smoothing of Stationary Time Series. New York, Wiley, 1949.

56. B. Widrow, S. Haykin,Least-mean-square adaptive filters. Wiley-IEEE, 2003.

57. L. Shao, H. Zhang, G. de Haan. An overview and performance evaluation of classification-based least squares trained filters. // IEEE Trans. Image Process., vol. 17, no. 10, 0ct.2008, pp. 1772-1782.

58. C. Tomasi, R. Manduchi, Bilateral filtering for gray and color images. // Proc. 6th Int. Conf. Computer Vision, Bombay, India, 1998, pp. 839-846.

59. G. Z. Yang, P. Burger, D. N. Firmin, S. R. Under-wood. Structure adaptive anisotropic filtering. Image Vision Comput., vol. 14, 1996, pp. 135-145.

60. H. Takeda, S. Farsiu, P. Milanfar. Kernel regression for image processing and reconstruction. IEEE Trans. Image Process., vol. 16, no. 2, Feb. 2007, pp. 349366.

61.X. Zhu, P. Milanfar. Automatic parameter selection for denoising algorithms using a no-reference measure of image content. // IEEE Trans. Image Process., vol. 19, no. 12, Dec. 2010, pp. 3116-3132.

62. P. Bouboulis, K. Slavakis, S. Theodoridis. Adap-tive kernel-based image denoising employing semi-parametric regularization. // IEEE Trans. Image Process., vol. 19, no. 6, Jun. 2010, pp. 1465-1479.

63. A. Buades, B. Coll, J. M. Morel. A non-local algorithm for image denoising. // inProc. IEEE Int. Conf. on Computer Vision and Pattern Recognition, vol. 2. San Diego, CA, USA: IEEE Press, 2005, pp. 60-65.

64. С. Путилин, А. Лукин «Модификация метода нелокального усреднения для подавления шума в видео» // Труды конференции Graphicon-2007, Москва, Россия, июнь 2007. - С. 257-259.

65. B.Goossens, H.Luong, A.Pizurica, W.Philips. An improved non-local denoising algorithm // in Proc. Int. Workshop on Local and Non-local Approximation in Image Process, Tuusalu, Finland, 2008, pp. 143-156.

66. К. Dabov, A. Foi, V. Katkovnik, К. Egiazarian. Image denoising by sparse 3-d transform-domain col-laborative filtering. // IEEE Trans. Image Process., vol. 16, no. 8, Aug. 2007, pp. 2080-2095.

67. J. Portilla, V. Strela, M. J. Wainwright, and E. P. Simon-celli. Image denoising using scale mixtures of gaussians in the wavelet domain. // IEEE Trans. Image Process., vol. 12, no. 11, Nov. 2003, pp. 1338-1351.

68. L. Zhang, W. Dong, D. Zhang, and G. Shi. Two-stage image denoising by principal component analysis with local pixel grouping. // Pattern Recognition, vol. 43, no. 4, Apr. 2010, pp. 1531-1549.

69. J. Mairal, F. Bach, J. Ponce, G. Sapiro, and A. Zisserman. Non-local sparse models for image restoration. // inProc. IEEE Int. Conf. Computer Vision, Kyoto, Japan, 2009, pp. 2272-2279.

70. M. Elad and M. Aharon. Image denoising via sparse and redundant representations over learned dictionaries. // IEEE Trans. Image Process., vol. 15, no. 12, Dec. 2006, pp. 3736-3745.

71. W. Dong, X. Li, L. Zhang, G. Shi. Sparsity-based image denoising via dictionary learning and structural clustering. // inProc. IEEE Int. Conf. on Computer Vision and Pattern Recognition, Colorado, USA, 2011.

72. Б. В. Бардин Быстрый алгоритм медианной фильтрации. // Обработка и представление данных. Научное приборостроение, 2011, том 21, № 3. — С. 135-139.

73. Р.Гонсалес, Р. Вудс. Цифровая обработка изображений. - М.: Техносфера, 2006.

74. Р. Гонсалес, Р. Вудс, С. Эддинс Цифровая обработка изображений в среде MATLAB. -М.: Техносфера, 2006.

75. Hiroyuki Takeda, Sina Farsiu, Peyman Milanfar. Kernel Regression for Image Processing and Reconstruction. // IEEE Transactions On Image Processing, Vol. 16, No. 2, February 2007, pp. 349-366.

76. Xiang Zhu, Peyman Milanfar. Automatic Parameter Selection for Denoising Algorithms Using a No-Reference Measure of Image Content // Image Processing, IEEE Transactions, Volume:19 , Issue: 12, 2010.

77. Boshra Rajaei. An Analysis and Improvement of the BLS-GSM Denoising Method // Image Processing On Line, 4, 2014, pp. 44-70.

78.A.O. Антоненко. Кодирование и восстановление последовательностей // Математичш машини i системи, № 4, 2006. - С. 63-68.

79. Рачковский Д.А., Слипченко С.В., Куссуль Э.М., Байдак Т.Н. Разреженное бинарное распределенное кодирование скалярных величин // Проблемы управления и информатики, 2005, № 3. — С. 89-103.

80. Honglak Lee, Alexis Battle, Raj at Raina Andrew Y. Ng. Efficient sparse coding algorithms // NIPS, 2006.

81. M. Protter, M. Elad. Image sequence denoising via sparse and redundant representations // IEEE Transactions on Image Processing, 18(1), 2009, pp. 2736.

82. В. H. Безруков, П. Ю. Комаров, JI. А. Шушкевич. Адаптивная коррекция сигнала телевизионного изображения. // Вестник связи, № 6, 2010. — С. 4245.

83. В.Н. Безруков, В.Ю. Мамаев, К.В. Селиванов. Специфика анализа апертурных характеристик в системах Телевидения //T-Comm. Телекоммуникации и транспорт, № 2, 2009. - С. 35-39.

84. Медведев А.А. Методы подавления шума в вещательном телевидении. Материалы международной научно-технической конференции «Фундаментальные проблемы радиоэлектронного приборостроения». М. — 2007.

85. Recommendation ITU-R ВТ.601-7. Studio encoding parameters of digital television for standard 4:3 and wide-screen 16:9 aspect ratios, 2011.

86. В.П. Дворкович, A.B. Дворкович. Цифровые видеоинформационные системы (теория и практика). -М.: Техносфера, 2012.

87. Попов A.B. Современные методы сжатия видеоинформационных сигналов в системах видеоконференцсвязи // Фундаментальные проблемы радиоэлектронного приборостроения / Материалы Международной научно-технической конференции «INTERMATIC-2011» 14 - 17 ноября 2011 г., Москва. / Под ред. Чл.-корр. РАН A.C. Сигова. - М.: МГТУ МИРЭА - ИРЭ РАН, 2011, часть 3. - С. 254.

88. Попов A.B. Временная психофизиологическая избыточность в видеоинформационных сигналах видеоконференцсвязи // T-Comm. Телекоммуникации и транспорт, № 9, 2012. - С. 112 - 114.

89. Попов A.B. Пространственно-временное предсказание в стандарте видеосжатия Н.264 // Фундаментальные проблемы радиоэлектронного приборостроения / Материалы Международной научно - технической конференции «INTERMATIC-2012», 3-7 декабря 2012 г., Москва. / Под ред. академика РАН A.C. Сигова. - М.: МГТУ МИРЭА - ИРЭ РАН, 2012, часть 6. - С. 215.

90. Попов A.B. Алгоритмы энтропийного кодирования при сжатии спектра телевизионного сигнала // T-Comm. Телекоммуникации и транспорт, № 4, 2013.-С. 42-46.

91. Безруков В.Н., Попов A.B., Аладин В.М. Искажения сигналов изображения в современных системах телевидения // T-Comm. Телекоммуникации и транспорт, № 1, 2015. - С. 45 - 50.

ПРИЛОЖЕНИЯ

Приложение 1. Исходные коды разработанных методов внутрикадрового и межкадрового кодирования

1. Алгоритм метода итерационного формирования управляющих сигналов и адаптивного сжатия внутрикадрового пространства на основе управляющего сигнала с формированием корректирующей информации:

ele

clear all close all

%% ЗАГРУЗКА И ПОДГОТОВКА КАДРА К ПРЕОБРАЗОВАНИЯМ A=imread('lena512color.tiff1, 'tiff ') ;

Argb = 0.2990*A( : , :,1) + О.5870*A(:, :,2) + 0.114О*A(:, :,3) ; [у, х]=size(Argb); B16=zeros(y, x); Orig2=Argb;

Argb=double(Argb); % подготовка к уменьшению до среднего уровня Argb = Argb - (128*ones(y, х)); % уменьшение до среднего уровня % Матрица квантования для корректирующей информации Mask4=[16 15 100 100 15 15 100 100 100 100 100 100 100 100 100 150]; %% ФОРМИРОВАНИЕ МАТРИЦЫ КВАНОТОВАНИЯ 16X16 ИЗ 8X8 Mask8=[16 11 10 16 24 40 51 61 12 12 14 19 26 58 60 55 14 13 16 24 40 57 69 56 14 17 22 29 51 87 80 62 18 22 37 56 68 109 103 77 24 35 55 64 81 104 113 92 49 64 78 87 103 121 120 101 72 92 95 98 112 100 103 99] ; M8x=ones(8,8); for il=l:1: 8,

for i2=l:1:7,

M8x (il, i2) =round ( (Mask8 (il, i2) +Mask8 (il, Í2+1) ) /2) ;

end

M8x(il,8)=Mask8(il, i2+l)-Mask8(il,i2)+Mask8(il,i2 + l) ;

end

Mx8=ones(8,8);

for i2=l:1:8,

for il=l:1:7,

Mx8 (il,i2)=round((Mask8(il, i2) +Mask8(il+1,i2))/2);

end

Mx8 (8, i2) =Mask8 (il+1, i2) -Mask8 (il, i2) +Mask8 (il+1, i2) ;

end

Maskl6=ones (16, 16);

Maskl6(1:2:16,2:2:16)=M8x(:, :) ;

Maskl6(2:2:16,1:2:16)=Mx8(:,:);

Maskl6(1:2:16,1:2:16) =Mask8;

TmpExtra=Maskl6 (2 :2 :end, end-1) -Maskl6 (2:2 :end, end-3) +Maskl6 (2 :2 -.end, end-1) ;

TmpExtral=Maskl6(end-1, 2:2:end)-Maskl6(end-3, 2:2:end)+Maskl6(end-1, 2:2:end);

Maskl7=ones(17,17);

Maskl7(1 :end-1,1 :end-1)=Maskl6;

Maskl7(2:2:end,end)=TmpExtra;

Maskl7(end, 2 :2 : end)=TmpExtral;

% Матрица для расчета среднего значения путем свертки 4-х соседних эл-в С=[0 1 о 10 1 0 10];

MaskTmp=round(conv2 (Maskl7,С)/4); Tmp=MaskTmp(3:2:end-1, 3:2:end-l); Maskl6 (2 :2 :end, 2 :2 -.end) =Tmp; MaskX=Maskl6;

% Управеление степенью квантования основного изображения MaskX=MaskX.*(ones(16)*8);

%---другие варианты матриц можно взять из версии V2 данного кода

%% ПРЯМОЕ И ОБРАТНОЕ ПРЕОБРАЗОВАНИЯ ОСНОВНОГО ИЗОЮРАЖЕНИЯ AmaskT=ones(у,х); Amask=ones(у,х); xl=l ;

yi=i;

for il = 16:16:х,

for 12=16:16:у,

AmaskT(yl :i2,xl: il)=round(dct2(Argb(yl:i2,xl: il)) ./MaskX) ; Amask(yl:i2,xl: il)=idct2(AmaskT(yl:i2,xl: il) .*MaskX); yl=yl+16;

end yl=l; xl=xl+16;

end

Amask=Amask+(128*ones (y, x)); % восстановление среднего уровня Amask=uint8(Amask);

% Преобразование основного изображения без квантования ArgbT=ones(у,х); xl=l ; yl=l;

for il=16:16:x,

for i2=16:16:y,

ArgbT(yl:i2,xl: il)=round(dct2(Argb(yl:i2,xl: il))) ;% yl=yl+16;

end

yi=i;

xl=xl+16;

end

%% ФОРМИРОВАНИЕ УС НА УРОВНЕ ДКП КОЭФФИЦИЕНТОВ - РАБОТА В ОБЛАСТИ ПРЕОБ XRD=ArgbT-AmaskT; % УПРАВЛЯЮЩИЙ СИГНАЛ УС xl = l ;

yi=i; ml=l ;

M=zeros(1,4) ; for il=16:16:x,

for i2=16:16:y,

if sum(sum(abs(XRD(yl:i2,xl:il))))>=1050, M(ml,1: 4) = [yl i2 xl il] ; ml=ml+l; %--формирование координатной сетки M на основе УС для блоков с ошибками end

yl=yl+16;

end yl=l;

xl=xl+16;

end

[q, р]=size (M);%--определение количества блоков с УС

%% ПОДСВЕТКА БЛОКОВ ОЩИБОК 16X16 УС ПО СЕТКЕ "М" for il=l:1:q,

В1б (M(il,1) :M(il,2),M(il,3) :M(il,4))=255; % подсветка полных блоков без деления end

figure(1 паше', 'Блоки УС 16X16'); imshow(В16);

title('Блоки УС 16X16');

%% ОБРАБОТКА БЛОКОВ ПО 4X4 - РАБОТА В РЕАЛЬНОЙ ОБЛАСТИ Kus=zeros(у,х); % массив для оригинальных блоков 4X4

XRDR=imabsdiff(Orig2,Amask) ; % формирование УС в реальной области для операции с блоками 4X4 TmpR=ones(16,16); nl=l; 8 = 1;

for il=l:1:q,

TmpR=XRDR(M(il, 1) :M(il,2),M(il,3) :M(il,4)) ; % работа с блоками указанными в сетке "М"

xl = l; yl=l;

for Í3=4:4:16,

for i2=4:4:16,

if sum(sum(TrnpR (yl: i2 , xl: i3) ) ) > = 65 ,

TmpR(yl:i2,xl:i3)=255; N(nl,1:4)=[M(il,1)+yl-l M(il,l)+yl+2 M(il,3)+xl-l M(il,3)+xl+2]; nl=nl+l; TM(1,s)=M(il,1)+yl-2; s=s+l; %--round(dct2(Argb(yl:i2,xl: il) ). /Mask) ; %--подсветка блоков с вычитом 4X4

Kus(M(il,1)+yl-l:М(il,1)+yl+2, M(il,3)+xl-l:M(il,3)+xl+2)=Orig2 (M(il,1)+yl-l:M(il,1)+yl+2, M(il,3)+xl-l:M(il,3)+xl+2) ; %--запись в Kus оригинальных блоков 4x4 из Argb

else TmpR(yl:i2,xl:i3)=0; end

yl=yl+4;

end

yi=i;

х1=х1+4;

end

XRDR(M(i1,1):M(il,2),M(il,3):M(il,4))=TmpR;

end

Kus=uint8(Kus);

figure('name', 'С ВЫЧИТОМ БЛОКОВ 4X4'); imshow(Kus);

title('С ВЫЧИТОМ БЛОКОВ 4X4');

figure('name', 'С ВЫЧИТОМ БЛОКОВ 4X4 ПОДСВЕТКА'); imshow(XRDR);

title('С ВЫЧИТОМ БЛОКОВ 4X4 ПОДСВЕТКА'); figure('name', 'Amask - ОСНОВНОЕ ИЗОБРАЖЕНИЕ'); imshow (Amask) ;

title('Amask - ОСНОВНОЕ ИЗОБРАЖЕНИЕ');

%% ФОРМИРОВАНИЕ РАЗНИЦЫ (КИ) для передачи И ВОССТАНОВЛЕНИЕ из разницы Correction=zeros(у,х); AmaskD=double(Amask); KusD=double(Kus) ; %ВЫЧИСЛЕНИЕ РАЗНИЦЫ for il=4:4:x,

for i2=4:4:у,

if sum(sum(Kus(Í2-3:i2 , il-3:il)))~ = 0, Correction(Í2-3:i2,il-3:il) = (KusD(i2-3:i2,il-3:il) -AmaskD(Í2-3:i2,il-3:il))/2; end

end

end

CorrectionT=zeros(у, x) ; % массив для КВАНТОВАНОЙ РАЗНИЦЫ for il=4:4:x,

for i2=4:4:y,

if sum(sum(Kus(i2-3:i2,il-3:il)))~=0,

CorrectionT(Í2-3:i2, il-3:il)=round(dct2(Correction(Í2-3:i2,il-3:il))./Mask4);

Correction(i2-3:i2 , il-3:il) = (idct2(CorrectionT(i2-3:i2,il-3:il).*Mask4))*2; end

end

end

%ПОДГОТОВКА К ЭНТРОПИЙНОМУ КОДИРОВАНИЮ AmaskD=double(Amask);

DecodedIMG=AmaskD+Correction; %--->ВОССТАНОВЛЕННИЕ ИЗ КОРРЕКТИРУЮЩЕЙ ИНФОРМАЦИИ

1% ВЫВОД РЕЗУЛЬТАТОВ DecodedIMG=uint8(DecodedlMG);

figure('name', 'DecodedlMG - ОСНОВНОЕ ИЗОБРАЖЕНИЕ С КИ'); imshow(DecodedlMG) ;

title('DecodedlMG - ОСНОВНОЕ ИЗОБРАЖЕНИЕ С КИ');

figure('name' , 'КОНТРОЛЬНОЕ'); imshow(AmaskCont); title('КОНТРОЛЬНОЕ') ;

%% ПОДСЧЕТ PSNR Orig2D=double(Orig2); AmaskD=double(Amask); DecodedIMGD=double(DecodedlMG);

% Для основного изображения с корректирующей информацией PSNR=0;

for il=l:1:у-1,

for i2=l:l:X-l,

PSNR=(Orig2D(il, i2) -DecodedlMGD(il,i2))*(Orig2D(il,i2)-DecodedlMGD(il,i2))+PSNR; end

end

PSNR=PSNR/ (x*y) ;

PSNR_DecodedIMG=10 *logl0((255*255)/PSNR)

% Для основного изображения без КИ PSNR=0;

for il=l:1:у-1,

for i2=l:1:X-1,

PSNR= (Orig2D (il, i2) -AmaskD (il, i2) ) * (Orig2D (il, i2) -AmaskD (il, i2) ) +PSNR;

end

end

PSNR=PSNR/ (x*y) ;

PSNR_AmaskD=10*logl0((255*255)/PSNR)

2. Модуль зиг-заг сканирования и кодирования по длинам серий

сс=0; ссо=0; ссот=0; %ПОДСЧЕТ НУЛЕВЫХ ссо (КОМПАНОВКА В ОДИН) И НЕНУЛЕВЫХ сс БЛОКОВ ДЛЯ ФОРМИРОВАНИЯ НУЖНОГО РАЗМЕРА ДЛЯ МАССИВА СоггТ for il=16:16:х,

for i2=16:16:у,

if sum(sum(CorrectionT(i2-15:i2,il-15:il)))==0 && ccom==0, cco=cco+l; ccom=l;end

if sum(sum(CorrectionT(i2-15:i2,il-l5:il)))==0 && ccom-=0, cco=cco+0; end if sum(sum(CorrectionT(i2-15:i2,il-15:il)))~=0, cc=cc+l; ccom=0; end

end

end

yl=l; xl=l; cx=l; ctx=0; CorrT=zeros(4,cc+cco); ^группировка нулевых блоков и

ненулевых

for i2=16:16:у,

for il=16:16:x,

if sum(sum(CorrectionT(i2-15:i2,il-15:il)))==0, ctx=ctx+l; CorrT(4,cx+15)=ctx; end

if sum(sum(CorrectionT(i2-15:i2,il-15:il)))~=0 && ctx==0, CorrT(1:16,cx:cx+15)=CorrectionT(i2-15:i2,il-15:il); cx=cx+16; end

if sum(sum(CorrectionT(i2-15:i2,il-15:il)))~=0 && ctx>=l, ctx=0; cx=cx+16; CorrT(1:16,cx:cx+15)=CorrectionT(i2-15:i2,il-15:il); cx=cx+16; end end

end

[il, sc]=size(CorrT); Zig=zeros(l, il*sc); zl=l; v=zeros(1,16); %зиг-заг сканирование поочередно всех блоков for il=l:16:sc, u=CorrT(1:16,il:il+15);

M=16; N=16; m=l; n=l; v(l)=u(m,n); d='r'; for i=2:M*N switch d

case 'u1, m=m-(m>l); n=n+(n<N); v(i) = u(m,n);

if n==N, d='d1; elseif m==l, d='r'; end case 'Г, m=m+(m<M) ; n=n-(n>l) ; v(i) = u(m,n) ;

if m==M, d='r'; elseif n==l, d='d'; end case 'd', m=m+(m<M); v(i) = u(m,n);

if n==l, d='u'; else d='1'; end case 'r', n=n+(n<N); v(i) = u(m,n);

if m==l, d='l'; else d='u'; end

end end

Zig(1, Zl:zl+255)=v;

zl=zl+256;

end

cc=0; cx=0; cco=0; [il, sc]=size(Zig); %для ускорения вычисления определяем размер массива Zag for il=l:sc,

if Zig(l,il)==0 && cc==0, cco=cco+l; cc=l; end if Zig(l,il)==0 && cc~=0, continue; end if Zig(l,il)~=0 && cc= = 0, cx=cx+l; end if Zig(l,il)~=0 && cc~=0, cc=0; cx=cx+l; end

end

cx=l; cco=0; Zag=zeros(1,cc+cx);^группировка нулей и не нулей for il=l:sc,

if Zig(1,il)==0, cco=cco+l; Zag(1,cx)=cco*10; end

if Zig(1,il)~=0 && cco==0, Zag (1, cx) =Zig (1, il) ; cx=cx+l; end

if zig(l,il)~=0 && cco~=0, cco=0; cx=cx+l; Zag(1,cx)=Zig(1,il);cx=cx+l; end

end

dlmwrite('Zag.txt',Zag); % сохранение в файл

3. Алгоритм метода адаптивного межкадрового сжатия на основе управляющих сигналов

ele

clear all close all

tic % запуск счетчика времени

%% Загрузка и подготовка кадров для преобразований A=imread(161.jpg','jpg'); % загрузка первого кадра B=imread('62.jpg', 1 jpg'); % загрузка второго кадра

Agray = 0.2990*А(:,: , 1) + 0.5870*А(:, :,2) + О.1140*А(:, :,3) ; % преобразование в цветоразность первого кадра

Bgray = 0.2990*В(:,:,1) + 0.5870*В(:,:,2) + 0.1140*В(:,:,3); % преобразование в цветоразность второго кадра

Су» х]=size(Agray); % определение размера кадра

AgrayD=double(Agray); % преобразование в формат double для корректных операций вычитания и сложения

BgrayD=double(Bgray); % преобразование в формат double для корректных операций вычитания и сложения %% Вычисление разностного кадра A_BD=AgrayD-BgrayD; % разностный кадр

A_BD1=A_BD; % дублирование разностного кадра содержащего сигнал

управления после шумовой обработки для последующего изменения US=abs(A BD); % массив для УС

Kadr2D=AgrayD-A_BD;

-для контроля-- восстановление второго кадра из разности

%% Итерационная противошумовая обработка и формирование управляющего сигнала Fil= [0.000789 0.006581 0.013347 0.006581 0.000789; %Гауссовский фильтр 0.006581 0.054901 0.111345 0.054901 0.006581; 0.013347 0.111345 0.225821 0.111345 0.013347; 0.006581 0.54901 0.111345 0.054901 0.006581; 0.000789 0.006581 0.013347 0.006581 0.000789]; US=filter2(Fil,US); US(US<=5)=0; US=filter2(Fil,US); US(US<=3)=0; US=filter2(Fil,US); US(US<=2.5)=0 ;

%% Формирование набора переменных для процесса компенсации и его контроля

ко=1; % счетчик строки с координатами для основного массива с

набором координат для блоков кадров донора и получателя

temp=l; % --для контроля-- счетчик для процесса отрисовки всех

блоков получателей для которых будут искаться блоки-доноры

MinBlok=zeros(1,4) ; % временный массив для сохранения координат блока

давшего минимальную разность

KoordV=zeros(1,8); % основной массив для набора координат блоков кадров

донора и получателя

Temp=zeros(1,5); % --для контроля-- массив с набором координат всех

блоков получателей для которых будут искаться блоки-доноры

minznach=zeros(1,1) ; % --для контроля-- временный массив для минимальных

значений разности (т.к. мин. значений может быть >1 нужен этот массив чтобы сохранить только одно)

minznachTEMP=zeros(1,1) ; % --для контроля-- массив для минимальных значений разности (используется вместе с minznach) % Процесс компенсации блоков в разностном кадре

%% Формирование области поиска и вычисление разностных значений for il=8: 8 :х, % цикл для сканирования

разностного сигнала в поисках управляющего сигнала for i2 = 8: 8:у,

разностного сигнала в поисках управляющего сигнала

if sum(sum(US(i2-7 :i2 , il-7: il)))- = 0, управляющего сигнала

Ss=BgrayD(i2-7:i2,il-7: il) ;

второго кадра на основе определенного выше управляющего сигнала

q=l;

- массив значений разности блоков из области поиска и Ss

ct=i2-19; if etel, ct=l; end; (если выходит за границы то ограничение 1)

Ctt=i2+12; if ctt>y, ctt=y; end; (если выходит за границы у то =у)

bt=il-19; if btel, bt=l; end; (если выходит за границы то ограничение 1

btt=il+12; if btt>x, btt=x; end; (если выходит за границы х то =х)

Q=zeros(((ctt-ct+1)*(btt-bt+1)/64),5); зависимости от количества (т.к. возможно ограничение до 1) блоков 8x8 помещающихся в область поиска

for zl=bt:l:btt-7, области поиска по х

for z2=ct: 1 :ctt- 7, области поиска по у

цикл для сканирования

Определение наличия

Сохранение области из по сигнала

счетчик строки для массива 0

формирование области поиска

формирование области поиска

формирование области поиска

формирование области поиска

пустой массив с размером в 10 1) блоков 8x8 помещг

цикл для сканирования

цикл для сканирования

Q(q,5)=sum((sum(abs(AgrayD(z2:(z2+7), zl:(zl+7))-Ss)))); %

сохранение значения разности между каждым блоком из зоны поиска и Ss

Q(q,l:4)=[z2 (z2+7) zl (zl+7)]; % сохранение координат блока со значением из прошлого шага

q=q+l; % следующая строка в массиве

для последующей записи на следущем шаге цикла end;

end;

Тетр^етр, 1:4) = [ (±2-7) ±2 (И-7) 3.1]; % сохранение координат в массив для отрисовки границ всех блоков для которых будут искаться блоки-доноры

Ъетр=Ъешр+1; % следующая строка в массиве

для последующей записи на следущем шаге цикла

%% Определение минимального разностного значения указывающего на блок-донор

[у_ш1п, х_тл.п] =fзл^ (О (:, 5) ==т±п (О (:, 5)) ) ; % поиск координат блока с минимальным значением в массиве (0) всех значений блоков найденных в зоне поиска О (у_тз.п, 5) < = £1х (зит(аЬз (Бит(аЬз (А_ВР (±2- 7 :12, д.1-7 : И) ) ) ) ) *1) , %

задание порога разности при котором блок имеющий эту разность может считаться донором

Мл.пВ1ок=£> (у_ш1п ,1:4); %

сохранение координат блока с минимальным значением (их может быть >1) во временный массив

[р q] =э1ге (Мз.пВ1ок) ; %

определение размера блока с минимальными значениями для процедуры указания на оригинальный блок если минимальных значений >1 А_В01(12-7:12,И-

7 : И) =АдгауБ (Мз.пВ1ок (1,1) :М1пВ1ок (1, 2) ,М1ПВ1ок (1,3) :М1пВ1ок (1,4) ) -вБ; %

КОМПЕНСАЦИЯ - замена блоков на разность блоков м/у целевым изображением и донором

% сохранение координат для кадра

донора

получателя

KoordV(ко,1:4)=MinBlok(1,1:4); KoordV(ко, 5:8) = [(i2-7) i2 (il-7)

ü] ;

сохранение координат для кадра

= = il-

% Если в найденных минимумах все 0, то эта часть кода выбирает % оригинал назначения if р>1,

for Ь=1:р,

if MinBlok(b,1)==i2-7 && MinBlok(b,2)==i2 && MinBlok(b,3) 7 && MinBlok(b,4)==il,

A_BDl(i2-7:i2,il-

7 : il) =AgrayD (MinBlok(b,l) -.MinBlok (b, 2) ,MinBlok (b, 3) :MinBlok (b, 4) )-Ss; %

КОМПЕНСАЦИЯ - замена блоков на разность блоков м/у целевым изображением и донором

KoordV(ко,1:4)=MinBlok(b,1:4); end;

end;

end;

% конец кода для оригинала minznachTEMP=Q(y_min,5); минимальных значений разности

minznach(ko,1)=minznachTEMP (1,1); минимальных значений разности ko=ko+l; end;

-для контроля-- сохранение

--для контроля-

сохранение

следующая строка для массива

end

end

end

%% Обозначение начала движения - начало вектора движения

for il=l:l:ko-l, % цикл для обозначения блока из которого следует вектор

Kadr2D(KoordV(il,1),KoordV(il,3))=255; % в блоке отмечается первый пиксель былым

цветом

end;

%% ВОССТАНОВЛЕНИЕ ВТОРОГО КАДРА ИЗ СКОМПЕНСИРОВАННОЙ РАЗНОСТИ

BD=AgrayD-A_BDl; % Восстановление второго кадра из разности - Шаг 1

for il=l: 1:ko-l, % Цикл для восстановления во втором кадра скомпенсированных

блоков - Шаг 2 (ко-1 т.к. формируется одна лишняя строрка в цикле)

BD(KoordV(il,5):KoordV(il, 6) ,

KoordV(il,7):KoordV(il, 8))=AgrayD(KoordV(il,1) :KoordV(il,2),KoordV(il,3) :KoordV(il

,4))-A_BD1(KoordV(il, 5) :KoordV(il,6),KoordV(il,7) :KoordV(il,8));

end;

toc

%% ВЫВОД РЕЗУЛЬТАТОВ

figure(1 name','Первый кадр - оригинал');

imshow(uint8(AgrayD)); title('Первый кадр - оригинал'); figure('name','Второй кадр - оригинал');

imshow(uint8(BgrayD)); title('Второй кадр - оригинал'); figure('name','Восстановленный второй кадр') ;

imshow(uint8(BD)); title('Восстановленный второй кадр'); figure('name','УС');

imshow(uint8(US)+12 8); title('УС');

Приложение 3

Акты об использовании результатов диссертационной работы

ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ

111024, г. Москва, ул. Авиамоторная, 8а, тел./ факс: (495) 361-04-16, 957- 77-45, 361-09-04 e-mait: sales@ratiiacomp.net, www.radiocomp.net

ИНН 77222"Я 800, КПП 772201001

19 /IdEMK.iA^/^'^

На.

УТВЕРЖДАЮ

Генеральный директор ООО «Радиокоми»

Vo-

ir

Z > 4

ГгГ'Г е

B.II. Кочемасов

■N

2014 i.

АКТ

внедрения результатов диссертационной работы Л.В. Попова на тему

«Методы и устройство формирования сш налов в цифровых видеоинформационных системах»

Результаты диссертационной работы А.В. Попова использованы при разработке алгоритмов обработки сишала в устройстве цифрового кодирования 1слсвизионных изображений видеосервере ВР РК-2. В версии исполнения сервера для работы в системе охранного слежения с узкополосным каналом связи одной из альтернатив уменьшения исходного (докомпрессорного) объема информации в кадре рассматривалась возможность применения метода шумовой коррекции из-за повышенной степени подавления высокочастотных, в пределах вн\ грикадрового пространства, соаавляющих шума.

Кл.н. ^ ч' ^ X Самарии В.А.

В Совет Д 212.157.05

СПЕЦВИДЕОПРОЕКТ

по защите докторских и кандидатских диссертаций (специальность 05.12.04)

ЗАО «СПЕЦВИДЕОПРОЕКТ» Россия, 107113, г Москва,

ул Шумкина, д 15

Тел/факс (495) 361-2381, 362-5485

E-mail office^svp ru Http1// www svp ru

AKT

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.