doi: 10.17586/2226-1494-2019-19-3-482-491


УДК 519.25, 004.93+ 621.397.13.037.372

АДАПТИВНОЕ ТРЕХМЕРНОЕ КОСИНУСНОЕ ПРЕОБРАЗОВАНИЕ ТРАНСПОРТНЫХ СЮЖЕТОВ

Хасан Я.А., Фахми Ш.С.


Читать статью полностью 
Ссылка для цитирования:
Хасан Я.А., Фахми Ш.С. Адаптивное трехмерное косинусное преобразование транспортных сюжетов // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 3. С. 482–491. doi: 10.17586/2226-1494-2019-19-3-482-491


Аннотация
Предмет статьи. Предложен метод кодирования и декодирования видеоинформации, полученной из камер видеонаблюдения на транспорте, основанный на использовании адаптивного трехмерного дискретного косинусного преобразования. Сжатие видео, как правило, преследует две цели: уменьшить пространственную избыточность между элементами изображения и временную избыточность между последовательными кадрами. Основным принципом пространственного кодирования является учет корреляции яркостей соседних пикселей, а для межкадрового кодирования основной принцип — использование предсказания и компенсации движения по интерполированным позициям сэмплов в опорном кадре во всех известных стандартных видеокодеках, таких как H.26х и MPEG-х. Метод основан на использовании адаптивного косинусного преобразования в пространстве сигнала и по времени и отличается произвольными размерами кубов в зависимости от пространственных и временных статистических характеристик сигнала изображений. Основные результаты показывают, что предложенный алгоритм может улучшить эффективность кодирования и декодирования изображений с учетом специфики транспортных сюжетов. Высокая производительность достигается при малой и средней интенсивности движения транспортных средств. При этом вычислительная сложность алгоритма уменшается в 4–5 раз при сохранении качества восстановленных видеопотоков по сравнению с стандартными кодеками. Практическая значимость. Предложенные алгоритмы на основе адаптивного косинусного преобразования позволяют, во-первых, уменьшить скорость передачи транспортных видеопоследовательностей в 2–2,5 раза по сравнению с классическим косинусным преобразованием с размером кубов (8×8×8). Во-вторых, существенное сокращение вычислительных затрат при реализации транспортных видеоинформационных систем наблюдения реального времени по сравнению со стандартными кодеками. Результаты работы могут быть рекомендованы специалистам в области кодирования и декодирования видеоинформации для обеспечения необходимой скорости передачи при заданном уровне искажений.

Ключевые слова: сжатие, транспортные видеопотоки, косинусное преобразование, корреляция, вычислительная сложность

Список литературы
1.Turan J., Ovsenik L., Kazimirova Kolesarova A. Video surveillance systems // Acta Electrotechnica et Informatica. 2010. V. 10. N 4. P. 46–53.
2. Фахми Ш.С. Концепция проектирования интеллектуальных транспортных видеосистем на основе технологии «система на кристалле» // Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. 2013. № 2. С. 79–88.
3. Нгуен В.Ч., Тропченко А.А. Быстрый алгоритм поиска по тестовой зоне для межкадрового кодирования // Научно-технический вестник информационных технологий, механики и оптики. 2017. Т. 17. № 3. С. 483–489. doi: 10.17586/2226-1494-2017-17-3-483-489
4. Tropchenko A., Tropchenko A., Nguyen V.T. Research of block- based motion estimation methods for video compression // Tem Journal-Technology, Education, Management, Informatics. 2016. V. 5. N 3. P. 277–283.
5. Velazquez-Pupo R., Sierra-Romero A., Torres-Roman D. et al. Vehicle detection with occlusion handling, tracking, and OC-SVM classification: a high performance vision-based system // Sensors. 2018. V. 18. N 2. P. 374–385. doi: 10.3390/s18020374
6. Islam K., Raj R. Real-time (vision-based) road sign recognition using an artificial neural network // Sensors. 2017. V. 17. N 4. P. 853–885. doi: 10.3390/s17040853
7. Фахми Ш.С., Еид М.М., Костикова Е.В., Мукало Ю.И., Крюкова М.С., Зайдулин С.М. Классификация транспортных средств в реальном времени // Вопросы радиоэлектроники. Серия: Техника телевидения. 2018. № 3. С. 89–94.
8. Зубакин И.А., Фахми Ш.С. Адаптивный алгоритм кодирования видеоинформации на основе трехмерного дискретного косинусного преобразования // Изв. вузов России. Сер. Радиоэлектроника. 2010. № 1. С. 49−54.
9. Умбиталиев А.А., Цыцулин А.К., Шипилов Н.Н., Ибатуллин С.М., Ибатулин В.Ф., Фахми Ш.С. Способ кодирования и декодирования видеоинформации на основе трехмерного дискретного косинусного преобразования. Патент РФ № 2375838. Опуб. 10.12.2009, Бюл. 34.
10. Fahmi Sh.S., Ibatullin S.M. et al. A versatlie real time video codec based on three-dimensional discrete cosine transform // RAI International Exhibition and Congress Centre. Amsterdam, The Netherlands, 2008. P. 386–391.
11. Masram B.Y., Karule P.T. High speed 3D-DCT/IDCT CORDIC algorithm for DSP application // European Journal of Advances in Engineering and Technology. 2017. V. 4. N 12. Р. 941–950.
12. Servais M., de Jager G., Video compression using the three dimensional discrete cosine transform (3D-DCT) // Proc. South African Symposium on Communications and Signal Processing. Grahamstown, South Africa, 1997. P. 27–32. doi: 10.1109/comsig.1997.629976
13. Ричардсон Я. Видеокодирование. H.264 и MPEG-4 – стандарты нового поколения. М.: Техносфера, 2005. 368 с.
14. Цыцулин А.К., Фахми Ш.С., Колесников Е.И., Очкур С.В. Функционал взаимообмена сложности и точности систем кодирования непрерывного сигнала // Информационные технологии. 2011. № 4. С. 71–77.
15. Моисеев Н.Н. Математические задачи системного анализа. М.: Наука, 1981. 488 с.
16. Lee M.C., Chan K.W., Adjeroh D.A. Quantization of 3D-DCT coefficients and scan order for video compression // Journal of Visual Communication and Image Representation. 1997. V. 8. N 4. P. 405–422. doi: 10.1006/jvci.1997.0365
17. Bozinovic N., Konrad J. Scan order and quantization for 3D-DCT coding // Proc. Visual Communications and Image Processing. Lugano, Switzerland, 2003. V. 5150. P. 1204–1215. doi: 10.1117/12.503324
18. Peterson H.A., Ahumada A.J., Watson A.B. An improved detection model for DCT coefficient quantization // SPIE Proceedings. 1993. V. 1913. P. 191–201. doi: 10.1117/12.152693
19. Хромов Л.И. Информационная теория связи на пороге XXI века. СПб.: НИИТ, 1996. 88 с.
20. Альмахрук М.М., Бобровский А.И., Еид М.М., Соко- лов Ю.М., Салем А., Фахми Ш.С. Точность, скорость и сложность устройств кодирования изображений по опорным точкам // Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. № 4. С. 678–689. doi: 10.17586/2226-1494-2016-16-4-678-688
21. Крюкова М.С., Фахми Ш.С. и др. Методы, алгоритмы ко- дирования и классификация изображений морских судов // Морские интеллектуальные технологии. 2019. Т. 3. № 1(43). С. 145-155.
22. Зубакин И.А., Фахми Ш.С. Классификация нестационарных изображений и разработка методики оценки алгоритмов кодирования источника // Науч. тех. вестник СПбГУ ИТМО. 2010. № 2(66). С. 54–59.
 


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2024 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика