آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,192 |
| تعداد مقالات | 8,579 |
| تعداد مشاهده مقاله | 6,989,862 |
| تعداد دریافت فایل اصل مقاله | 4,033,366 |
افزایش کیفیت ویدیودریافتی با بکارگیری کدینگ ثانویه کانال در کدینگ همزمان منبع و کانال | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 3، دوره 3، شماره 2، مرداد 1394، صفحه 29-48 اصل مقاله (2.59 M) | ||
| نویسندگان | ||
| پوریا اعتضادی فر1؛ حسن فرسی* 2؛ علی ناصری3 | ||
| 1دانشجوی دکترا، دانشگاه بیرجند، بیرجند، ایران | ||
| 2دانشیار، دانشگاه بیرجند، بیرجند، ایران | ||
| 3دانشیار، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| تاریخ دریافت: 16 دی 1393، تاریخ بازنگری: 31 خرداد 1402، تاریخ پذیرش: 28 شهریور 1397 | ||
| چکیده | ||
| با توجه به پیشرفت تکنولوژی در دهه‌های اخیر، ارسال و دریافت ویدیو از طریق کانال‌های مخابراتی بی سیم با استقبال گسترده ای روبرو شده است. بدین منظور روش های بسیاری جهت بالا بردن کیفیت ویدیویی ارسالی ارائه گردیده اند. در این مقاله هدف بالا بردن PSNR به منظور بالا بردن کیفیت فریم های ویدیویی دریافتی در گیرنده با استفاده ازبالا بردن نرخ کدکننده کانال در یک نرخ ارسال ثابت می‌باشد. اساس کار بدین صورت است که با استفاده از شبکه عصبی هوشمند و کدهافمن در استاندارد MPEG، اطلاعات ارسالی را به مقدار قابل توجهی فشرده می‌کنیم. سپس با توجه به مقدار فشرده‌سازی توسط روش پیشنهادی، اطلاعات فشرده شده را مجددا با کدکننده کانال ثانویه که نرخ کدینگ آن وابسته مقدار فشرده‌سازی می‌باشد کد می‌کنیم. به این ترتیب روش پیشنهادی قادر است بدون افزایش حجم اطلاعات ارسالی برای هر فریم، نرخ کدینگ کانال ودر نتیجه محافظت از اطلاعات را بالا برده و توانسته است فریم های ویدیویی را نسبت به خطاهای کانال مقاوم تر سازد. در نهایت نتایج بدست آمده را با چندین نرخ ارسال برای منبع و چندین SNR برای کانال با نتایج بدست آمده از روش‌های متداول مقایسه کرده‌ایم. | ||
| کلیدواژه‌ها | ||
| کدینگ فریم های ویدیویی؛ نرخ بیت متغیر؛ کدینگ کانال؛ تطبیق کدینگ کانال و منبع | ||
| عنوان مقاله [English] | ||
| Quality enhancement of received video using secondary channel encoding in Joint Source and Channel Coding (JSCC) | ||
| نویسندگان [English] | ||
| Pouria Etezadifar1؛ Hassan Farasi2؛ Ali Naseri3 | ||
| 1PhD student, Birjand University, Birjand, Iran | ||
| 2Associate Professor, Birjand University, Birjand, Iran | ||
| 3Associate Professor, Imam Hossein University, Tehran, Iran | ||
| چکیده [English] | ||
| Progress of technology in recent decade causes that video transmission via communication channels has met high demands. Therefore, several methods have been proposed to improve the quality of video under channel errors. The aim of this paper is to increase PSNR for synthesizedvideo by increasing channel encoder rate but in constant transmission rate.This is achieved by using intelligent neural network and Huffman used in the MPEG standard to compress transmitted data significantly. Then,depending to the amount of compression by the proposed method, the compressed data is coded again using secondary channel encoder. The proposed method is able to increase channel coding rate without increasing the amount of information for each frame. This method provides more robustness for video frames against channel errors. The proposed method is tested for different source coding rates and several SNRs for channel and the obtained results are compared with state-of-the-art methods. | ||
| کلیدواژه‌ها [English] | ||
| video coding, variable bit rate, channel coding, joint source and channel coding | ||
| مراجع | ||
|
[1] M. Flierl and B. Girod, “Video Coding with Superimposed Motion-Compensated Signals,” Kluwer Academic, ISBN 1-4020-7759-9, 2004. [2] J. C. Moreira and P. G. Farrell, “Essentials of Error-Control Coding,” John Wiley & Sons, Ltd, 2006. [3] M. Bystrom and J. W. Modestino, “Combined source-channel coding schemes for video transmission over an additive white Gaussian noise channel,” IEEE J. Sel. Areas Commun., vol. 18, no. 6, pp. 880–890, Jun. 2000. [4] G. Cheung and A. Zakhor, “Bit allocation for joint source/channel coding of scalable video,” IEEE Trans. Image Process., vol. 9, no. 3, pp. 340–356, Mar. 2000. [5] L. P. Kondi, F. Ishtiaq, and A. K. Katsaggelos, “Joint source-channel coding for motion-compensated dct-based snr scalable video,” IEEE Trans. Image Process., vol. 11, no. 11, pp. 1043–1052, Sep. 2002. [6] F. Zhai, Y. Eisenberg, T. Pappas, R. Berry, and A. Katsaggelos, “Rate-distortion optimized hybrid error control for real-time packetized video transmission,” IEEE Trans. Image Process., vol. 15, no. 1, pp. 40–53, Jan. 2006. [7] ISO/IEC 11172-2- Standard, “Information technology Coding of moving pictures and associated audio for digital storage media - Part 2: Video,” . [8] ISO/IEC 10918-6- Standard, “Information technology Digital compression and coding of continuous -tone still images: Application to printing systems,”. [9] D. Salomon, “Data Compression,” Third Edition, Springer, 2004. [10] F. Pereira and T. Ebrahimi, “The MPEG-4 Book,” 1’s Edition, Prentice Hall, July 2003. [11] I. E. G. Richardson, “H.264 and MPEG-4 Video Compression Video Coding for Next-generation Multimedia,” New York: Wiley, 2003. [12] Y. Q. shi and H. Sun, “Image and Video Compression for Multimedia Engineering- Fundamentals- Algorithms- and Standards,” ISBN 0-8493-3491-8, 1999. [13] Site: http://www.axis.com/products/video/about_networkvideo/compression.htm [14] Site: http://www.axis.com/student/axisprize/prize1996/award1996.htm [15] L. P. Kondi, F. Ishtiaq, and A. K. Katsaggelos, “Joint source-channel coding for motion-compensated dct-based snr scalable video,” IEEE Trans. Image Process., vol. 11, no. 11, pp. 1043–1052, Sep. 2002. [16] MPEG Video Group, “MPEG-4 video verification model version 11.0,” in ISO/IEC JTC1/SC29/WG11 MPEG98/N2172, Tokyo, Japan, Mar. 1998. [17] C. E. Shannon, “Communications in the presence of noise,” Proc. IEEE, vol. 86, no. 2, pp. 447–458, February 1998. [18] B. Carlson, “Communication Systems,” An Introduction to Signals and Noise in Electrical Communication, 3rd Edition, McGraw-Hill, New York, 1986. [19] C. E. Shannon, “A mathematical theory of communication, ” Bell Syst. Tech. J., vol. 27, pp. 379–423, pp. 623–656, July and October 1948. [20] V. Vemuri, “Artificial Neural Networks,” Theoretical Concepts, Computer Society Press Technology Series, Computer Society of Institute of Electrical and Electronics Engineers, Washington, DC, 1988. [21] M. W. Gardner and S. R. Dorling, “Artificial Neural Networks (The Multilayer Perceptron),” A Review of Applications in Atmospheric Sciences, Atmos, Environ, 1998. [22] W. G. Cobourn, L. Dolcine, M. French, and M. C. Hubbard, “A Comparison of Nonlinear Regression and Neural Network Models for Ground-Level Ozone Forecasting,” J. Air & Waste Manage, pp. 1999-2009. [23] M. Stone, “Cross-validatory choice and l assessment of statistical predictors,” Journal of the Royal Statistical Society, vol. 36, pp. 111-147, 1974. [24] K. Fukunaga, D. M. Hummels, “Leave-one-out procedure for nonparametric error estimate,” IEEE transactions on pattern analysis and machine intelligence, vol. 11, pp. 421-430, 1989. [25] J. G. Proakis, “Digital Communications,” Mcgraw Hill, Hardcover, 1995. [26] D. A. Huffman, “A method for the construction of minimum redundancy codes,” Proc. IRE, vol. 40, pp. 1098-l101, 1952. [27] M. B. Dissanayake, “A Novel Error Robust Video Coding Concept Using Motion Vectors and Parity Bits,” 7th IEEE International Conference on Industrial and Information Systems (ICIIS), pp. 1 - 6, 2012. [28] M. Farooq Sabir, R. W. Heath and A. Cornard Bovik, “Joint Source-Channel Distortion Modeling for MPEG-4 Video,” IEEE Trans. Image Processing, vol. 18, no. 1, January. 2009. [29] P. Elangovan, “Motion Vector Smoothing Algorithm for Robust Wireless Multimedia Communications,” 4th IEEE International Conference on Circuits and Systems for Communications (ICCSC), pp. 466-470, 2008. [30] http://see.xidian.edu.cn/vipsl/database_Video.html [31] Video Test Media; in https://media.xiph.org/video/derf/ | ||
|
آمار تعداد مشاهده مقاله: 561 تعداد دریافت فایل اصل مقاله: 208 |
||