با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
دسته بندی:
پردازش تصویر - Image Processing
سال انتشار:
2019
ترجمه فارسی عنوان مقاله:
فشرده سازی سریع و کارآمد تصویر لنزی
عنوان انگلیسی مقاله:
Fast and Efficient Lenslet Image Compression
منبع:
arXiv:1901:11396, 2019
نویسنده:
Hadi Amirpour, Student Member, IEEE, Antonio Pinheiro, Senior Member, IEEE, Manuela Pereira, and Mohammad Ghanbari, Life Fellow, IEEE
چکیده انگلیسی:
Light field imaging is characterized by capturing
brightness, color, and directional information of light rays in a
scene. This leads to image representations with huge amount of
data that require efficient coding schemes. In this paper, lenslet
images are rendered into sub-aperture images. These images
are organized as a pseudo-sequence input for the HEVC video
codec. To better exploit redundancy among the neighboring subaperture images and consequently decrease the distances between
a sub-aperture image and its references used for prediction,
sub-aperture images are divided into four smaller groups that
are scanned in a serpentine order. The most central subaperture image, which has the highest similarity to all the other
images, is used as the initial reference image for each of the
four regions. Furthermore, a structure is defined that selects
spatially adjacent sub-aperture images as prediction references
with the highest similarity to the current image. In this way,
encoding efficiency increases, and furthermore it leads to a higher
similarity among the co-located Coding Three Units (CTUs). The
similarities among the co-located CTUs are exploited to predict
Coding Unit depths. Moreover, independent encoding of each
group division enables parallel processing, that along with the
proposed coding unit depth prediction decrease the encoding
execution time by almost 80% on average. Simulation results
show that Rate-Distortion performance of the proposed method
has higher compression gain than the other state-of-the-art lenslet
compression methods with lower computational complexity.
Index Terms—light field | lenslet | compression | HEVC, scan order | GOP structure | parallel processing | Coding Unit Tree.
چکیده فارسی:
تصویربرداری میدانی نوری با به دست دادن اطلاعاتی درباره میزان درخشندگی، رنگ و جهت اشعه های روشن در یک صحنه شناخته می شود. این امر منجر به این می شود که تصویر با مقدار بسیار زیادی داده نمایش داده شود که نیازمند روشهای کارآمد برای کدگذاری هستند. در این مقاله، تصاویر لنزی به صورت تصاویر دارای زیر- روزنه ای ارائه می شوند. این تصاویر به صورت یک داده ورودی دارای ترتیب کاذب برای رمزگشای ویدیوی HEVC سازماندهی می شود. برای بهره برداری بهتر از حشوها و افزونگی های موجود بین تصاویر زیر- روزنه ای همسایه و درپیامد آن، کاهش فواصل بین یک تصویر زیرروزنه ای و مراجع استفاده شده برای پیش بینی آن، تصاویر زیرروزنه ای به چهار گروه کوچکتر تقسیم می شوند که در یک ترتیب مارپیچی بررسی می شوند. از اصلی ترین و مرکزی ترین تصویر زیرروزنه ای که بالاترین شباهت را با همه تصاویر دیگر دارد، به عنوان تصویر مرجع اولیه برای هریک از چهار منطقه استفاده می شود. به علاوه، یک ساختاری تعریف می شود که تصاویر زیرروزنه ای که ازنظر فضایی باهم مجاور هستند را به عنوان مراجع پیش بینی با بالاترین شباهت به تصویر فعلی انتخاب می کند. در این روش، کارآمدی کدگذاری افزایش می یابد و بنابراین منجر به ایجاد شباهت بالاتری دربین سه واحد کدگذاری هم¬¬- مکان (CTU) می شود. از شباهت های بین سی تی یوهای هم- مکان برای پیش بینی عمق واحد استفاده می شود. به علاوه، کدگذاری مستقل هر زیرگروه، پردازش موازی را امکانپذیر می کند که درکنار پیش بینی عمق واحد کدگذاری پیشنهاد شده، زمان اجرای کدگذاری را به صورت میانگین تقریبا" تا 80 درصد کاهش می دهد. نتایج شبیه سازی نشان می دهد که عملکرد نرخ انحراف روش پیشنهادی درمقایسه با سایر جدیترین روشهای فشرده سازی لنزی، بهره فشرده سازی بالاتر و پیچیدگی محاسباتی پایین تری دارد.
عبارات شاخص – میدان نور | لنزی | فشرده سازی | ترتیب اسکن | ساختار GOP | پردازش موازی | درخت واحد کدگذاری
حجم فایل: 1377 کیلوبایت
قیمت: 62400 تومان
توضیحات اضافی:
تعداد نظرات : 0