ارائه یک روش جدید فشرده‌سازی ویدیو مبتنی بر تبدیل ویولت و شبکههای عصبی مصنوعی
Authors
Abstract:
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 بلوک حذف نشده و این امر منجر به مقدار قابل توجهی نویز بلوکی می‌گردد. با استفاده از تبدیل موجک می‌توان بر این پدیده غلبه نمود. اما چنین الگوی فشرده‌سازی از نظر زمان اجرا کمی کند است و برای غلبه بر این مشکل نیز از تبدیل موجک چندسطحی استفاده میشود. در واقع استفاده از تبدیل موجک باعث میشود که عمل تجزیه نمودن بر روی بُعد زمان نیز علاوه بر بُعد مکانی صورت گیرد. هدف از این مقاله دستیابی به یک الگوریتم فشرده‌سازی سریع‌تر و با نرخ فشرده‌سازی بالاتر می‌باشد. برای این منظور یک الگوریتم فشرده‌سازی ویدیو مبتنی بر تبدیل ویولت سه سطحی معرفی و شبیه‌سازی شده است. برای انجام عمل پیش‌گویی از شبکه عصبی استفاده شده است. نتایج شبیه‌سازی‌ها مزایای استفاده از تبدیل موجک را آشکار می‌کنند. این نتایج نشان می‌دهندکه الگوریتم پیشنهادی از نظر زمان اجرا سریع‌تر و از نظر نرخ فشرده‌سازی کارآیی بهتری نسبت به استاندارد MPEG را از خود نشان می‌دهد. همچنین ویدیوی نهایی به‌دست آمده دارای کیفیت دیداری قابل قبولی برای چشم انسان می‌باشد و به دلیل نیاز به حجم کم حافظه می‌توان از آن در تجهیزات قابل حمل استفاده نمود.
similar resources
ارائه یک روش جدید فشرده سازی ویدیو مبتنی بر تبدیل ویولت و شبکه های عصبی مصنوعی
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 بلو...
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 textروشی نوین برای تولید شتاب‌نگاشت مصنوعی زلزله با استفاده از تبدیل ویولت پاکت و سطرجدید شبکههای عصبی رگرسیون تعمیم‌یافته
برای طرح سازه‌های مقاوم در مقابل زلزله، یکی از مسائل و موارد مهم تحلیل دینامیکی این سازه‌ها براساس طیف طرح یا روش تاریخچه زمانی است. با توجه به استفاده‌ی روزافزون از تحلیل دینامیکی تاریخچه زمانی برای محاسبه‌ی پاسخ سازه‌ها، تولید شتاب‌نگاشت‌های مصنوعیِ مناسب به‌علت کمبود رکوردهای ثبت‌شده‌ی زلزله و نیز محدودیت و اشکالات موجود در آن‌ها، امروزه امری ضروری به نظر می‌رسد. در این نوشتار با استفاده از ت...
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 textارائه یک شیوه جدید تسهیم راز چندگانه بر پایه تبدیل ویولت
الگوریتم های تسهیم چندرازی می توانند چندین داده محرمانه را در سهم ها جاسازی نمایند. الگوریتم های تسهیم چند رازی بصری, تسهیم چندرازی مبتنی بر ضرب ماتریس ها , تسهیم چندرازی درونیابی لاگرانژ و تسهیم چند رازی مبتنی بر ماتریس تصویر , نمونه ای از اینگونه الگوریتم ها هستند. الگوریتم های تسهیم چند رازی بصری با افزایش تعداد تصاویر, وضوح و بسط تصاویر محرمانه بازیابی شده, را کاهش می دهند در جایی که وضوح و...
15 صفحه اولMy Resources
Journal title
volume 7 issue 25
pages 3- 14
publication date 2016-03-01
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023