پنهان سازی خطا مبتنی بر گرادیان و سازگار با محتوا برای H.۲۶۴/AVC
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 126
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TJEE-53-4_006
تاریخ نمایه سازی: 20 دی 1402
چکیده مقاله:
یکی از جنبه های چالش برانگیز پنهان سازی خطا در ویدیو کاهش اثر بلوکی شدن در اطراف ناحیه گم شده است. در این مقاله ما برای حل این مشکل روشی جدید مبتنی بر لبه اطراف ناحیه از دست رفته برای محاسبه میزان اعوجاج انطباق مرزی ارائه دادیم. پس از تشخیص ماکروبلوک آسیب دیده در قطعه مورد نظر، این ماکروبلوک به ۴ زیر بلوک ۸×۸ تقسیم می شود. سپس، گرادیان پیکسل های مرزی بیرونی به دست آمده و میزان هموار بودن اضلاع هر بلوک را تعیین می کند که نهایتا برای ترسیم خط فرضی استفاده می شود. علاوه بر این، این مقاله مدل جدیدی مبتنی بر بهینه سازی پیشنهاد می دهد که می تواند خطای تطبیق مرزی را برای بازگردانی نواحی از دست رفته به دقت اندازه گیری کند. ما نتایج بهتری را برای روش پیشنهادی نسبت به الگوریتم های پنهان سازی دیگر از نظر معیارهای PSNR و SSIM مشاهده کردیم. روش پیشنهادی به طور میانگین مقدار PSNR را ۰۹/۱ دسی بل و مقدار SSIM را ۰۱۳۵/۰ در نرخ از دست رفتن بسته های ۱۰ درصد افزایش داده است. به علاوه، در نرخ از دست رفتن بسته های ۲۰ درصد، مقدار PSNR به اندازه ۲۸/۱ دسی بل و مقدار SSIM به اندازه ۰۱۹/۰ بهبود پیدا کرده است. میزان پیچیدگی محاسبات این الگوریتم کمی بیشتر از روش های پنهان سازی مقایسه شده است اما هنوز قابل قبول است. بنابر این، با اضافه کردن مقدار کمی محاسبات به کدبردار ویدیو، روش پیشنهادی کیفیت ویدیو را مخصوصا در نواحی ناهموار و آسیب دیده فریم کدبرداری شده بهبود می دهد.
کلیدواژه ها:
پنهان سازی خطا در ویدیو ، کدینگ ویدیو H.۲۶۴/AVC ، پنهان سازی خطای مبتنی بر گرادیان ، الگوریتم تطبیق مرزی
نویسندگان
علی رادمهر
دانشجوی دکتری، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
علی آقاگل زاده
استاد، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
سید مهدی Hosseini Andargoli
دانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :