The large variety of video data sources means variability not only in terms of included content, but also in terms of quality.Therefore, quality assessment provides an additional dimension.The paper describes a comprehensive evaluation experiment on perceived video quality. Consequently, in summary, 19 200 000 video frames will be processed. Given the scale of the experiment, it is set up on a computer cluster in order to accelerate the calculations significantly. This work on Quality of Experience (QoE) is synchronized with that conducted by the Video Quality Experts Group (VQEG), in particular the Joint Efforts Group (JEG) – Hybrid group project.
Przedstawiono badania mające na celu opracowanie algorytmów automatycznie klasyfikujących sekwencje wizyjne do wybranych Uogólnionych Klas Użytkowania (Generalized Use Classes - GUC) na podstawie wielkości obiektu i poziomu oświetlenia. Opisano badania przeprowadzone na ekspertach, za pomocą specjalnie stworzonego interfejsu oraz analizę uzyskanych wyników. Szczegółowo omówiono proponowany algorytm klasyfikujący sekwencje wizyjne oraz poddano go ocenie. Prace opisane w artykule były realizowane w ramach projektu INDECT.
EN
This paper presents the research devoted to development of algorithms for automatic classification of video sequences into specified Generalized Use Classes of target size and lighting level. The experiment conducted on the experts with a specially created interface, and the analysis of the obtained results are described first. Next, the developed algorithm that classifies video sequences, and its evaluation arę discussed. The research described in this paper was conducted under the INDECT project.
A two-stage contour data compression scheme, based on transform coding technique (the first stage) combined with a selected spatial method (the second stage), is presented in the paper. The goal of the transform coding is to achieve the compression ratio as high as possible. The tangent method, a selected spatial domain contour approximation algorithm, is used to compensate the quantization error introduced at the first stage. Advantages of the proposed scheme were examined according to the compression ratio as well as to the Mean Square Error and the Signal to Noise Ratio. Compensation abilities of the tangent method were proved with respect to a new measure, referred to as the Area Error.
PL
W artykule zaprezentowano dwustopniowy schemat kompresji konturów, który łączy w sobie metodę kodowania transformatowego z wybraną metodą przestrzennej aproksymacji konturów. Celem zastosowania kodowania transformatowego w pierwszym, kodującym stopniu prezentowanego schematu jest uzyskanie jak najwyższego stopnia kompresji. Wraz ze wzrostem stopnia kompresji narasta jednak tzw. błąd kwantyzacji, a wraz z nim rośnie również zniekształcenie wprowadzane do przetwarzanych danych. Zadaniem metody tangensów - metody przestrzennej aproksymacji konturów zastosowanej w drugim, dekodującym stopniu proponowanego schematu, jest znacząca redukcja ww. zniekształcenia przy zachowaniu wysokiej wartości stopnia kompresji. Własności zaimplementowanego algorytmu kodowania transformatowego zostały przebadane zarówno pod względem stopnia kompresji jak i jakości rekonstrukcji. Własności te silnie zależą od typu zastosowanej transformaty. W pracy prezentowane są rezultaty uzyskane przy zastosowaniu transformaty DCT oraz dwóch, wybranych transformat odcinkowo-liniowych: PHL [10] i PWL [9]. Zdolność metody tangensów do kompensacji błędu kwantyzacji została wykazana na podstawie badania stosunku powierzchni wyznaczanych przez oryginalny kontur wejściowy i kontur zrekonstruowany na wyjściu schematu. Na potrzeby ww. badania zdefiniowano osobny wskaźnik AE (Area Error). Efektywność kompletnego, proponowanego dwustopniowego schematu kompresji została zaprezentowana przy wykorzystaniu wybranych konturów testowych.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.