دانلود مقاله و خرید ترجمه:فشرده سازی سریع و کارآمد تصویر لنزی - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
مقالات ترجمه شده پردازش تصویر ( Image Processing )
  • Fast and Efficient Lenslet Image Compression فشرده سازی سریع و کارآمد تصویر لنزی

    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


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 29

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 1377 کیلوبایت


    قیمت: 32000 تومان  25600 تومان(20% تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی