Analiza możliwości wykorzystania liniowych przekształceń geometrycznych w kompresji sekwencji wizyjnych

• Autorzy: Skurowski P.

Warianty tytułu

EN

Applicability analysis of geometric linear transformations for video sequences compression

• Języki publikacji: PL

Abstrakty

PL

Standardowe metody kompresji sekwencji wizyjnych bazują m.in. na predykcji obrazu na podstawie wektorów przesunięć. Istnieje możliwość rozszerzenia metody i stworzenia algorytmu rekonstruującego obrazy, używającego wektorów przesunięć, kąta obrotu i współczynnika przeskalowania. Do ich poszukiwania i pasowania bloków zaproponowano użycie transformaty Mellina i Fouriera-Mellina. Funkcjonowanie i zbieżność rozwiązania zweryfikowano względem poszukiwania podobieństwa obrazów na zestawie obrazów testowych.

EN

Standard video compression algorithms are based on motion vector prediction of images. There is potential possibility for enhancement of such an approach and creating an algorithm that predict images using motion vector rotation angle and scale factor as well. As a tool for searching these parameters and block matching there were Mellin and Fourier-Mellin transform proposed. The usability of proposed solution and the convergence of searching was verified against test images.

Słowa kluczowe

PL

kompresja wideo; pasowanie bloków; estymacja ruchu

EN

video compression; block matching; motion estimation

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2010
• Tom: Vol. 31, nr 1
• Strony: 5--18
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Skurowski P.

• Instytut Informatyki, Politechnika Śląska, ul. Akademicka 16, 44-100 Gliwice, tel. [phone],

Bibliografia

• 1. Derrode S., Ghorbel F.: Robust and efficient Fourier-Mellin transform approximations for invariant grey-level image description and reconstruction. Computer Vision and Image Understanding, Vol. 83(1), 2001, s. 57-78.
• 2. Domański M.: Zaawansowane techniki kompresji obrazów i sekwencji wizyjnych. Wyd. Politechniki Poznańskiej, Poznań 2000.
• 3. Essannouni F, Hąj Tliami R. O., Salam A., Aboutajdine D.: An efficient fast full search block matching algorithm using FFT algorithms.. Int. J. on Computer Science and Network Security (LTSCSNS), Vol. 26(3), 2006, s. 130H33.
• 4. Girod B., Steinach E., Farber N.: Comparison of the H.263 and H.261 Video Compression Standards SPIE Proceedings Vol. CR60, Standards and Common Interfaces for Video Information Systems, Philadelphia, USA, 1995.
• 5. Ho H. T., Goecke R.: Optical Flow Estimation using Fourier Mellin Transform, Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition CVPR, Anchorage 2008, s. 1-8.
• 6. Kuglin C, Hines D.: The phase correlation image alignment method. IEEE International Conference on Systems, Man and Cybernetics, September , New York 1975, s. 163-165.
• 7. Ribas-corbera J., Neuhoff D. L.: On the optimal motion vector accuracy for block-based motion-compensated video coders. Proc. SPIE Dig. Video Compr., 1996, s. 302-314.
• 8. Robbins G. M., Huang T. S.: Inverse filtering for linear shift-variant imaging systems. Proceedings of the IEEE, Vol. 60(7), 1972, s. 862-872.
• 9. Sullivan G. J.: Overview of International Video Coding Standards (preceding H.264-/AVC), prezentacja raportu ITU, Geneva 2005.
• 10. Szabatin J.: Podstawy teorii sygnałów (wyd. 4). WKŁ, Warszawa 2003.