PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Method for pre-processing of level crossing image

Treść / Zawartość
Identyfikatory
Warianty tytułu
RU
Метод предварительной обработки изображения железнодорожного переезда
Języki publikacji
EN
Abstrakty
EN
Actuality of problem in the improvement of transport safety at level crossings (LC) is caused by increasing the number of vehicles and reducing discipline of vehicle drivers. One of ways for solution of this problem is associated with using the video surveillance systems for monitoring danger area of level crossing. In such systems due to the limited bandwidth of data channel usually the image compression techniques are used. In this paper the pre-processing method for compression of images is presented. Proposed method accounts unequal subjective informational content of different LC image regions (using fuzzy logic and wavelet transform). Comparison of this method with plain set partitioning in hierarchical trees (SPIHT) technique showed that proposed method allows obtaining better result at image compression in terms of reconstruction quality and compression ratio.
RU
Актуальность проблемы повышения безопасности движения на железнодорожных переездах обусловлена увеличением количества автотранспортных средств и снижением дисциплины водителей. Одно из направлений для решения данной проблемы связано с использованием систем видеонаблюдения для мониторинга опасной зоны переезда. С учетом ограниченной полосы пропускания канала передачи данных в таких системах обычно применяется сжатие изображений. В данной работе представлен метод предварительной обработки для сжатия изображений. Предложенный метод учитывает неодинаковое субъективное информационное заполнение различных участков изображения переезда (используя нечеткую логику и вейвлет преобразование). Сравнение данного метода с простым методом пространственно упорядоченных иерархических деревьев (SPIHT) показало, что предложенный метод позволяет получить лучший результат при сжатии изображения с точки зрения качества восстановления и степени сжатия.
Czasopismo
Rocznik
Strony
79--86
Opis fizyczny
BIbliogr. 13 poz., rys., tab., wykr.
Twórcy
autor
  • Dnepropetrovsk National University of Railway, Transport Named After Academician V. Lazaryan, Lazaryan str. 2, 49010, Dnepropetrovsk, Ukraine, r.v.rybalka@gmail.com
autor
  • Dnepropetrovsk National University of Railway, Transport Named After Academician V. Lazaryan, Lazaryan str. 2, 49010, Dnepropetrovsk, Ukraine
Bibliografia
  • 1. Railway safety performance in the European Union 2014. Available at: http://www.era.europa.eu/Document-Register/Documents/SPR2014.pdf.
  • 2. Project SELCAT (Safer European Level Crossing Appraisal and Technology). D1 - Report about Statistics, Database Analysis and Regulations for Level Crossing. Rev.5, 2007. Available at: http://www.iva.ing.tu-bs.de/levelcrossing/selcat/lcDocuments/865-865-26_SELCAT-D1.pdf.
  • 3. Cho, B. & Jung, J. A Study on Intelligent Railway Level Crossing System for Accident Prevention. International Journal of Railway. 2010. Vol. 3. No. 3. P. 106-112.
  • 4. Pamuła, W. Performance of video detectors working with lossy compressed video streams. Transport System Telematics. 2012. Vol. 5. No. 1. P. 22-28.
  • 5. Національна доповідь про стан техногенної та природної безпеки в Україні у 2011 році. Available at: http://www.mns.gov.ua./files/prognoz/report/2011/3_5_2011.pdf. [In Ukrainian: National report about state of technogenic and environmental safety in Ukraine in 2011].
  • 6. Швайко, Ю. Психологія бар’єрів. Магістраль. 2011. No. 98. [In Ukrainian: Shvajko, Ju. Psychology of barriers. Magistral. 2011. No. 98.].
  • 7. Enhanced Video Solution for Level Crossings by Bynet 2013. Available at: http://www.bynetgroup.com/_Uploads/dbsAttachedFiles/Level_Crossing_brochure.pdf.
  • 8. Комплекс наблюдения «СН-ПЕРЕЕЗД». [In Russian: Monitoring complex “SN-PEREEZD”].
  • 9. TRAINCAM. Video Surveillance & Monitoring System. Available at: http://www.railwayinverter.com/sheets/Traincam.pdf.
  • 10. Nadenau, M.J. & Winkler, S. & Alleysson, D. & Kunt, M. Human Vision Models for Perceptually Optimized Processing – A Review. Proceedings of the IEEE. 2000. P. 1-15. Available at: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.5.2376&rep=rep1&type=pdf
  • 11. Тэрано, Т. & Асаи, К. & Сугэно, М. Прикладные нечеткие системы. Москва: Мир. 1993. [In Russian: Terano, T. & Asai, K. & Sugeno, M. Applied fuzzy systems. Moscow: Mir. 1993].
  • 12. Wu, X. & Hu, Sh. & Li, Zh. & Tang, Zh & Li, J. & Zhao, J. Comparisons of Threshold EZW and SPIHT Wavelets Based Image Compression Methods. Indonesian Journal of Electrical Engineering. 2014. Vol. 12. No. 3. P.1895-1905. Available at: http://www.iaesjournal.com/ online/index.php/TELKOMNIKA/article/view/4437/pdf
  • 13. Zhu, F. & Ning, J. & Ren, Y. & Peng, J. Optimization of image processing in video-based traffic monitoring. Elektronika ir Elektrotechnika. 2012. Vol. 18. No. 8. P. 91-96.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-2914cbfc-f624-4107-837f-2b7c8842681c
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.