اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,240 |
| تعداد مقالات | 8,994 |
| تعداد مشاهده مقاله | 7,845,495 |
| تعداد دریافت فایل اصل مقاله | 4,707,028 |
بهبود کیفیت ویدیو دریافتی با استفاده از کدگذار کانال محلی و به‌کارگیری تخمینگر موجک ، شبکه عصبی و الگوریتم ژنتیک | ||
| علوم و فناوریهای پدافند نوین | ||
| مقاله 7، دوره 9، شماره 4 - شماره پیاپی 34، دی 1397، صفحه 449-459 اصل مقاله (1.63 M) | ||
| نویسندگان | ||
| حسن فرسی* ؛ سوسن بهمدی | ||
| دانشگاه بیرجند | ||
| تاریخ دریافت: 10 بهمن 1397، تاریخ بازنگری: 02 دی 1403، تاریخ پذیرش: 10 بهمن 1397 | ||
| چکیده | ||
| در سال‌های اخیر، برنامه‌های مبتنی بر ویدئو در حال افزایش بوده است. لذا محققان در تلاش‌اند که تکنیک‌های کدینگ ویدئو را مؤثرتر و کارآمدتر سازند. بنابراین روشهای متعددی به‌منظور بهبود کیفیت ویدئو در برابر خطای کانال، پیشنهادشده است. در این مقاله نیز، هدف افزایش کیفیت ویدئو در گیرنده است. اساس روش پیشنهادی بدین‌صورت است که در یک نرخ ارسال ثابت، نرخ کدگذار کانال را افزایش داده و با استفاده از آن میزان مقابله در برابر خطای کانال افزایش پیدا میکند. افزایش نرخ کدگذار کانال با افزایش نرخ فشردهسازی و کاهش دادههای منبع، صورت میپذیرد. ازآنجایی که بلوک تخمینگر حرکت به‌درستی قادر به مینیمم کردن واریانس اطلاعات فریم نیست؛ در این مقاله تخمینگر ثانویه‌ای پیشنهاد شده است که این بلوک بر روی اطلاعات اعمال و منجر به افزایش نرخ فشردهساز منبع میشود. به‌منظور پیشنهاد تخمینگر ثانویه، از ترکیب تبدیل موجک و شبکه عصبی با الگوریتم ژنتیک (GA) استفاده میشود. این تخمینگر ثانویه به‌طور قابل‌توجهی، واریانس اطلاعات فریم را کاهش می‌دهد، ازاین‌رو، به بیت کمتری برای ارسال اطلاعات نیاز است. بنابراین، در این روش می‌توان بدون افزایش داده ارسالی برای هر فریم، نرخ کدگذار کانال را افزایش داد و فریم‌های ویدئویی را در برابر خطای کانال مقاوم‌تر ساخت. به‌منظور ارزیابی روش پیشنهادی، نرخ‌های متفاوت کدگذار منبع با چندین SNR مختلف کانال آزمایش و نتایج با دیگر روشهای موجود مقایسه شده است. | ||
| کلیدواژه‌ها | ||
| کدینگ ویدیو؛ تبدیل موجک؛ شبکه عصبی؛ الگوریتم ژنتیک؛ کدگذار کانال محلی | ||
| عنوان مقاله [English] | ||
| Video Quality Improvement Using Local Channel Encoder and Mixed Predictor by Wavelet, Neural Network and Genetic Algorithm | ||
| نویسندگان [English] | ||
| Hassan Farsi؛ Susan Behmadi | ||
| چکیده [English] | ||
| In recent years, video-based applications have increased. Therefore, researchers are trying to make video coding techniques more effective and efficient. So, several methods are proposed to improve the quality of video against the channel error. The aim of this article is increasing video quality at the receiver. Basis of the proposed method is as follows; in a fixed rate, channel coding rate increases and using it to increase channel error robustness. Channel encoder rate increases with increasing compression rate and decreasing source data. Since the motion estimator block is unable to minimize the variance of the information frames correctly; in this paper, the secondary estimator is proposed which is applied to the information and it causes to increase source compression rate. So the combination of wavelet and neural network with genetic algorithm are used in this secondary estimator. The secondary estimator significantly reduces the information frames variance. Thus, fewer bits are needed to send information. So in this method, channel encoder rate increases without increasing transmitted data for each frame and video frames could be more robustness against to channel error. To evaluate the proposed method, we have tested different source coding rates with several SNRs and compared the results by other methods. | ||
| کلیدواژه‌ها [English] | ||
| Video Coding, Wavelete Transform, neural network, genetic algorithm, Local Channel Encoder | ||
|
آمار تعداد مشاهده مقاله: 322 تعداد دریافت فایل اصل مقاله: 219 |
||