ارتقاء كارايي فشرده سازي در DCVS مبتني بر يادگيري ديكشنري و نمونه برداري وفقي

كارشناسي ارشد

فشرده سازي توزيع شده ويدئو (DVC) براي گستره وسيعي از كاربردهاي انتقال ويدئو اتصال بالا با انتقال كل يا بخشي از پيچيدگي محاسباتي از كدگذار به كدبردار معرفي شده است. سادگي و نمونه برداري با تراكم بالا در حسگري فشرده(CS) آن را ابزاري بسيار كارا در حسگري فشرده توزيعشده ويدئو(DCVS) نشان ميدهد. در اين پروژه مدلهاي اختصيا نير اندازه گيري بيريكنواخت براي فريمهاي كليدي و بيركليدي پيشنهاد شده است. مدلهياي پيشينهادي ميي توانيد تغييييرات ناخواسته ي كيفيت فريمهاي كليدي و بيركليدي متوالي را سركوب كند و كيفيت بصري و كارايي نر اعوجاج (S-D) را بدون بالا بردن قاب ملاحظهي محاسبات بهبود ببخشد. در كدگذار يك ساختار بازسازي جندمرحلهاي با كمك يادگيري ديكشنري جديد پيشنهاد شده است كه اعوجاج ناشي از تخصيص نر اندازهگيري را تا حد امكان جبران ميكنيد و كيفييت فريم هاي ويدئو را بر اساس اطلاعات مكاني و زماني به طور متوسط تا 2 ديبي بهبود ميبخشد. آزمايشات زيادي بر چندين توالي ويدئو نشان ميدهد كه نه تنها فقط به كارايي S-D بالا و كيفيت قاب مشاهده خوبي دست پيدا ميكنيم، بلكه از تغببرات ناخواسته و شديد در كيفيت فريمهاي كليدي و غيركليدي متوالي نيز جلوگيري ميشود كه باعث بهبود كيفييت تجربيه(QoE) كاربر ميشود را تضمين ميكند.

210626

دانشگاه علم و صنعت ايران

مهندسي برق- مخابرات ـ سيستم

علي اصغر بهشتي شيرازي