روشی جدید برای اختفای خطای زمانی برای دنباله های ویدئو با استفاده از شبکه عصبی GRNN

درارتباطات بی سیم از اتلافات بسته های ویدئو نمی توان اجتناب نمود بنابراین طراحی روشهای اختفای خطای کارآمد به منظور جبران کاهش کیفیت بصری ناشی از اطلاعات از دست رفته ضروری می باشد اختفای خطا یک شیوه مههم برای بازیابی داده های ویدئوی آسیب دیده درشبکه های مستعد خطا م ی باشد شیوه های قبلی که برای اختفای خطا ارایه شده اند همیشه درمواقعی که شی ویدئو دارای حرکات سریع یا پیچیده باشد کارایی خود را از دست میدهند این مقاله یک رهیافت اختفای خطای وفقی به منظور پنهان سازی خطای ماکروبلاک و جبران سازی حرکت براساس سیستم های کدبندی ویدئو پیشنهاد می کند روش پیشنهادی یک شبکه عصبی GRNN به عنوان پیشگوکننده برای تخمین بردارهای حرکت ماکروبلاکهای آسیب دیده بکارمیگیرد پیشگوکننده GRNN فقط برای نواحی با حرکت سریع استفاده می شود که این پیچیدگی محاسبات را کاهش میدهد به دلیل ظرفیت بزرگ شبکه های عصبی درتجسم و تفسیر مجموعه های داده با ابعاد بالا روش پیشنهادی م یتواند بردارهای حرکت آسیب دیده درنواحی با حرکت سریع را به درستی تخمین بزند.

کلیدواژه ها:

اختفای خطا ، تخمین بردار حرکت ، جبران سازی حرکت ، شبکه GRNN