Обработка и передача изображений

Вид материалаЛитература
Подсистема спектрального обнаружения межкадровых изменений в кодеке MGDCT
2 . Алгоритм спектрального обнаружения изменений в блоке
3. Описание подсистемы обнаружения изменений
4. Выбор порогового значения
5. Результаты исследований
Подобный материал:
1   2

Подсистема спектрального обнаружения межкадровых изменений в кодеке MGDCT


Радченко Ю.С., Булыгин А.В., Радченко Т.А.

Воронежский государственный университет

394693, Воронеж, пл. Университетская, 1.

1. Введение

В работах [1-2] показана возможность применения Чебышевского преобразования (GDCT) для сжатия изображений. На основе преобразования GDCT был реализован кодек изображений и выполнено его детальное исследование [3]. Сравнение DCT и GDCT определило области наиболее целесообразного применения того или иного типа преобразования [4]. Так при коэффициенте сжатия менее 15-20 предпочтительнее использовать DCT, в противном случае GDCT, как обеспечивающего более высокое качество восстановленного изображения. В работах [5] и др. показана возможность использования спектрального алгоритма обнаружения изменений в кадрах видеопоследовательностей.

На основе накопленных теоретических и экспериментальных результатов была предложена архитектура комбинированного (DCT/GDCT) видеокодека MGDCT, одной из частей которого является подсистема спектрального обнаружения межкадровых изменений в блоках видеопоследовательностей. Кодек позволяет использовать преобразование DCT или GDCT в зависимости от битрейта и дополнительных требований к функциональным возможностям. Подсистема спектрального обнаружения предназначена для уменьшения битрейта сжатой видеопоследовательности. В данной работе приводятся экспериментальные исследования подсистемы обнаружения изменений в комбинированном кодеке сжатия видеопоследовательности MGDCT.

2 . Алгоритм спектрального обнаружения изменений в блоке

Пусть в подобласти (блоке некоторого кадра) наблюдается поле в дискретный момент времени . Кроме того, полагаем, что совместно с сигналом присутствует поле помех, представляющее собой белый гауссовский шум (x,y). При сравнении отдельного блока (i-1) - го и i -го кадров можно выдвинуть гипотезу - нет изменений, против альтернативы (1) - изменения есть.

Изображение в блоке может быть разложено в обобщенный ряд Фурье по системе ортогональных функций k,m(x,y) [1,5]. Тогда можно представить анализируемые сигналы (изображения) в виде , , - разложение суммарного наблюдаемого поля, - разложение белого гауссова поля, причем, . Коэффициенты разложения считаются неизвестными. При максимизации функционала отношения правдоподобия и увеличении отношения сигнал/шум асимптотически оптимальными будут следующие правила принятие решений: или (2).

Здесь 0 и 1 – принятие решения о справедливости гипотез Н0 и Н1 соответственно.

3. Описание подсистемы обнаружения изменений

Алгоритм обнаружения изменений в блоках позволяет передавать не все блоки изображения, а только те из них, в которых было обнаружено изменение. Для обнаружения изменений в каждом блоке вычисляется метрика D0 (2) между текущим кадром и кадром, на котором блок, сравниваемый с текущим, изменился. Причем метрика D0 вычисляется только для спектральных коэффициентов яркостной компоненты Y кадра. Решение о передаче спектральных коэффициентов данного блока принимается на основе сравнения (2) значения вычисленной метрики D0 с пороговым значением h0. Такая операция производится для всех блоков кадра. Поведение метрики DE аналогично поведению D0.

Таким образом, передаются спектральные коэффициенты не всех блоков кадра. На практике в среднем передается от 20% до 80% блоков, в зависимости от характера видеопоследовательности. Те блоки, которые не передаются, уже имеются на стороне декодера в восстановленном виде и отображаются повторно.

Для улучшения качества изображения используется передача I кадров. Экспериментально было определено, что для данного алгоритма достаточным интервалом между полностью обновляемыми I кадрами является 45 кадров. В течение этого интервала применяется дифференциальный режим передачи спектральных коэффициентов. Анализ распределения спектральных коэффициентов YUV компонент показал, что дифференциальный режим значительно сужает диапазон их возможных значений, что дает дополнительные возможности для квантования и сжатия передаваемой в канал информации о видеопоследовательности. При быстрых межкадровых изменениях предусмотрен режим передачи только I кадров. Особенностью алгоритмов (2) является возможность выносить решение только по части спектральных коэффициентов, что хорошо согласуется с преобразованием GDCT, которое может работать с прямоугольными матрицами преобразования сэмплов в спектр и обратно.

4. Выбор порогового значения

Пороговое значение h0 для принятия решения об изменении или неизменности блока определялось эмпирически. Для определения порогового значения был проведен целый ряд экспериментов на тестовых видеопоследовательностях “foreman”, “container” и других. Стоит отметить, что тестовые видеопоследовательности имеют разную степень динамичности. В результате экспериментов были получены гистограммы значений D0, DE в блоках с различным уровнем изменений. Результаты экспериментальных данных приведены в таблице 1.

Таблица 1.

Уровень изменений в блоке

Сильные изменения

Средние изменения

Слабые изменения

Практически без изменений

Значения метрики D0103

> 50

1.75  5

510-1  1.5

< 510-2

Из приведенных результатов видно, что значения статистики при сильных и слабых изменениях разнесены между собой на 2-3 порядка. Этот факт позволяет достаточно свободно выбирать пороговое значение h0. Основываясь на полученных данных и субъективную оценку работы алгоритма, было выбрано пороговое значение на уровне 210-3. Данный пороговый уровень подходит для видеопоследовательностей с разной динамичностью сюжета.

5. Результаты исследований

Спектральный обнаружитель межкадровых изменений является подсистемой кодека MGDCT. Экспериментальные исследования данной подсистемы проводились на этом кодеке. MGDCT позволяет кодировать и декодировать видеопоследовательность, используя в качестве преобразования либо DCT, либо GDCT. Алгоритм DCT позволяет получать более четкое восстановленное изображение при небольшом сжатии, однако, используя преобразование GDCT можно добиться большей степени сжатия при незначительном ухудшении качества. Подсистема спектрального обнаружения изменений работает как на преобразовании GDCT, так и на преобразовании DCT. Причем, регулировать пороговое значение h0 для разных типов преобразования не требуется. Это преимущество достигается за счет разницы в 2-3 порядка между значениями статистик при сильных и слабых изменениях в блоке.

Кроме того, эксперименты показали значительно большую устойчивость спектрального обнаружителя по сравнению с другими принципами обнаружения блочных межкадровых изменений.

На рис. 1 представлены кадры некоторых видеопоследовательностей. Рамками выделены блоки, в которые подсистема обнаружения изменений приняла за изменившиеся. Видеопоследовательности, кадры которых соответствуют рисункам 1 а) и 1 б), сняты неподвижной камерой. Поэтому количество изменившихся блоков на них не превышает в среднем 30% всех блоков кадра. Видеопоследовательность, кадр которой соответствует рисунку 1 в), снят нефиксированной камерой. В результате видно, что изменившиеся блоки охватывают не только объект на переднем плане, но и области резких перепадов цветов на заднем плане.

6. Заключение

Проведенные исследования свидетельствуют о том, что подсистему спектрального обнаружения изменений можно использовать в системах сжатия видеопоследователь- ностей. Было показано, что данная подсистема позволяет уменьшить битовый поток сжатой видеопоследовательности до 60% в зависимости от динамичности изображения и степени его сжатия. Эксперименты подтвердили эффективность применения GDCT для создания подсистемы обнаружения межкадровых изменений. Структура обработки видеопоследовательностей при DCT и GDCT унифицирована, что позволяет легко переходить от одного режима к другому. Данная подсистема предъявляет невысокие требования к вычислительным ресурсам кодека.





Цифровая обработка сигналов и ее применение

Digital signal processing and its applications