کاهش پیچیدگی محاسباتی واحد پیش گویی بین قابی در استاندارد کدکننده ی ویدئویی پربازده مبتنی بر ویژگی های مکانی و زمانی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 175

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JASP-3-2_005

تاریخ نمایه سازی: 18 مهر 1400

چکیده مقاله:

استاندارد کد کننده ی ویدئویی پربازده، آخرین استاندارد بین المللی فشرده سازی ویدئو می باشد که اولین نسخه آن در سال ۲۰۱۳ منتشر شد. در این استاندارد به دلیل افزایش تعداد بلوک های مورد ارزیابی و افزایش تعداد حالت های پیش گویی، پیچیدگی محاسباتی افزایش یافته است. لذا، استفاده از روش هایی که باعث کاهش حالت های پیش گویی و کاهش پیچیدگی محاسباتی شوند، ضروری است. برای این منظور، در این مقاله جهت کاهش پیچیدگی محاسبات روشی ارائه شده است که با توجه به افزونگی زمانی بین فریم ها، تعداد بلوک های مورد ارزیابی و با توجه به افزونگی مکانی تعداد حالت های پیش گویی درون قابی کاهش می یابد. ابتدا بلوک با بیشترین هم بستگی که بیشترین شباهت به بلوک جاری دارد و در اطراف بلوک هم مکانش در فریم مرجع می باشد به عنوان همبسته ترین بلوک معرفی شده و با توجه به اندازه آن بلوک، در مورد اندازه بلوک جاری تصمیم گیری می شود و از ارزیابی تعدادی از بلوک ها که شانس کمتری جهت انتخاب شدن دارند صرف نظر می گردد. سپس با توجه به شباهت پیکسل ها در جهت افقی یا عمودی تعداد حالت های پیش گویی کاهش می یابد. روش پیشنهادی با ۱۰ ویدئو با رزولوشن های مختلف که دارای بافت های متفاوت می باشند ارزیابی شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی می تواند زمان کد کردن را به طور متوسط ۲۸.۸ درصد کاهش دهد، در حالی که نرخ بیت دارای افزایش ناچیزی در حدود ۰.۹ درصد است.

کلیدواژه ها:

استاندارد کد کننده ویدئویی پربازده ، افزونگی زمانی و مکانی ، پیش گویی بین قابی ، پیش گویی درون قابی

نویسندگان

محمدرضا رمضان پور

گروه مهندسی کامپیوتر، واحد مبارکه، دانشگاه آزاد اسلامی، اصفهان، ایران

ریحانه خورسند

گروه مهندسی کامپیوتر، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • J. Wang, L. Li, G. Zhi, Z. Zhang and H. ...
  • [۲] I.-K. Kim, K. McCann, K. Sugimoto, B. Bross, W.-J. Han, ...
  • [۳] X. Wang, and Y. Xue , “Fast HEVC inter prediction ...
  • [۴] C.E. Rhee, K. Lee, T.S. Kim, and H.J. Lee, "A ...
  • [۵] X. Li, X. He, X. Peng and S. Xiong, "An ...
  • J. Xiong, H. Li , F. Meng, Q. Wu and ...
  • [۷] S.h. Jung and H. W. Park, "A fast mode decision ...
  • [۸] M.J. Chen, Y.D. Wu, C.H. Yeh, K.M. Lin, and S.D. ...
  • [۹] Z. Liu, T.-L. Lin and C.-C. Chou, "Efficient prediction of ...
  • H. Li, K. Fan, R. Wang, G. Li, and W. ...
  • [۱۱] K. Saurty, P.C. Catherine, and K.M. Soyjaudah, “Inter Prediction Complexity ...
  • [۱۲] X. Huang, Q. Zhang, X. Zhao, W. Zhang, Y. Zhang ...
  • [۱۳] J. Tariq, S. Kwong and H. Yuan, "Spatial/temporal motion consistency ...
  • [۱۴] D.G. Fernandez, A.A. Del Barrio, G. Botteal, and R. Hermida, ...
  • [۱۵] J. Vanne, M. Viitanen, D. Timmo, “ Efficient Mode Decision ...
  • [۱۶] H. Nan, E. Yang, “Fast inter mode decision for HEVC ...
  • [۱۷] هادی شکری، محمدحسین کهایی، «حسگری فشرده تصاویر ابرطیفی با دسته بندی طیفی ...
  • [۱۸] سید محمد علوی، محسن بیات، «ارسال تصویر از طریق سیستم ...
  • نمایش کامل مراجع