ارائه یک روش جدید فشرده سازی ویدیو مبتنی بر تبدیل ویولت و شبکه های عصبی مصنوعی
Authors
abstract
عمل فشرده سازی ویدیو با بهره گیری از افزونگی زمانی و فضایی موجود در رشته ویدیو انجام می گیرد. این افزونگی ها را می توان به ترتیب با اعمال یک تبدیل، تخمین و جبران سازی حرکت و کوانتیزاسیون به گونه ای کارآمد جبران سازی نمود. استانداردهای موجود برای فشرده سازی ویدیو مانند mpeg مبتنی بر تبدیل کسینوسی بلوکی می باشند که در آن تصویر ورودی باید به صورت بلوک هایی درآید. بنابراین همبستگی در عرض مرزهای بلوک حذف نشده و این امر منجر به مقدار قابل توجهی نویز بلوکی می گردد. با استفاده از تبدیل موجک می توان بر این پدیده غلبه نمود. اما چنین الگوی فشرده سازی از نظر زمان اجرا کمی کند است و برای غلبه بر این مشکل نیز از تبدیل موجک چندسطحی استفاده می شود. در واقع استفاده از تبدیل موجک باعث می شود که عمل تجزیه نمودن بر روی بُعد زمان نیز علاوه بر بُعد مکانی صورت گیرد. هدف از این مقاله دستیابی به یک الگوریتم فشرده سازی سریع تر و با نرخ فشرده سازی بالاتر می باشد. برای این منظور یک الگوریتم فشرده سازی ویدیو مبتنی بر تبدیل ویولت سه سطحی معرفی و شبیه سازی شده است. برای انجام عمل پیش گویی از شبکه عصبی استفاده شده است. نتایج شبیه سازی ها مزایای استفاده از تبدیل موجک را آشکار می کنند. این نتایج نشان می دهندکه الگوریتم پیشنهادی از نظر زمان اجرا سریع تر و از نظر نرخ فشرده سازی کارآیی بهتری نسبت به استاندارد mpeg را از خود نشان می دهد. همچنین ویدیوی نهایی به دست آمده دارای کیفیت دیداری قابل قبولی برای چشم انسان می باشد و به دلیل نیاز به حجم کم حافظه می توان از آن در تجهیزات قابل حمل استفاده نمود.
similar resources
ارائه یک روش جدید فشردهسازی ویدیو مبتنی بر تبدیل ویولت و شبکههای عصبی مصنوعی
عمل فشردهسازی ویدیو با بهرهگیری از افزونگی زمانی و فضایی موجود در رشته ویدیو انجام میگیرد. این افزونگیها را میتوان به ترتیب با اعمال یک تبدیل، تخمین و جبرانسازی حرکت و کوانتیزاسیون بهگونهای کارآمد جبرانسازی نمود. استانداردهای موجود برای فشردهسازی ویدیو مانند MPEG مبتنی بر تبدیل کسینوسی بلوکی میباشند که در آن تصویر ورودی باید به صورت بلوکهایی درآید. بنابراین همبستگی در عرض مرزهای بل...
full textارائه یک روش جدید فشردهسازی ویدیو مبتنی بر تبدیل ویولت و شبکههای عصبی مصنوعی
عمل فشردهسازی ویدیو با بهرهگیری از افزونگی زمانی و فضایی موجود در رشته ویدیو انجام میگیرد. این افزونگیها را میتوان به ترتیب با اعمال یک تبدیل، تخمین و جبرانسازی حرکت و کوانتیزاسیون بهگونهای کارآمد جبرانسازی نمود. استانداردهای موجود برای فشردهسازی ویدیو مانند MPEG مبتنی بر تبدیل کسینوسی بلوکی میباشند که در آن تصویر ورودی باید به صورت بلوکهایی درآید. بنابراین همبستگی در عرض مرزهای بل...
full textطراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...
full textتولید سیگنال مصنوعی زلزله به کمک مدلی جدید در فشرده سازی و آموزش شبکه های عصبی مصنوعی
با توجه به استفاده روز افزون از تحلیل دینامیکی تاریخچه زمانی برای محاسبه پاسخ سیستمها، تولید شتابنگاشتهای مصنوعی مناسب، به علت کمبود رکوردهای ثبت شده زلزله و همچنین محدودیت و اشکالات موجود در آنها، امروزه امری ضروری به نظر میرسد. در این مقاله، یک روش جدید برای تولید سیگنال مصنوعی سازگار با طیف پاسخ با استفاده از شبکههای عصبی MLFF، آنالیز ویولت و آنالیز MFCC ارائه میشود. در این روش از ضرائ...
full textطراحی و شبیه سازی یک الگوریتم مسیریابی در شبکه های سیّار اقتضایی مبتنی بر شبکه های عصبی مصنوعی
چکیده یکی از انواع شبکههای بی سیم که در سالهای اخیر بسیار مورد توجه قرار گرفته اند، شبکههای اقتضایی سیّار است که از تعدادی گره متحرک تشکیل شده است. متغیّر بودن موقعیت نسبی گرههای تشکیل دهنده، نیاز به الگوریتم مسیریابی چابکی دارد که بتواند تحّرک گرهها را مدیریت نموده و بستههای انتقال یافته را به طرز صحیحی به مقصد برساند به طوری که هیچ یک از دو طرف ارتباط از وجود تحّرک در گرههای شبکه مطلع نشوند. ای...
full textطراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی
در این مقاله، یک روش جدید برای طبقهبندی آریتمیهای قلبی بر مبنای تبدیل ویولت و شبکههای عصبی ارائه شده است. از تبدیل ویولت گسسته (dwt) جهت پردازش رکوردهای ecg. و استخراج ویژگیهای زمان – فرکانس استفاده میشود. نتیجهی بدست آمده به عنوان بردار ورودی برای آموزش و تست یک شبکهی عصبی مورد استفاده قرار میگیرد. هر چند که در سالهای اخیر، الگوریتمهای متنوعی برای تشخیص آریتمیهای قلبی پیشنهاد شدهان...
full textMy Resources
Save resource for easier access later
Journal title:
روش های هوشمند در صنعت برقجلد ۷، شماره ۲۵، صفحات ۳-۱۴
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023