عنوان پایان‌نامه
مدلسازی رابطه عملگرهای تطبیق بر اساس ویژگی های کدگشا
- رشته تحصیلی
- مهندسی فناوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2510;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 64817
- تاریخ دفاع
- ۰۶ مهر ۱۳۹۱
- دانشجو
- عطیه سلیمانی
- استاد راهنما
- محمود رضا هاشمی
- چکیده
- در سال های اخیر ارائه خدمات چندرسانه ای از طریق شبکه ها به طور گسترده ای افزایش داشته است. با توجه به پیشرفت تبادل اطلاعات از طریق موبایل، انسان ها قادر شده اند محتوای چند رسانه ای را در هر لحظه و هر مکان بدون محدودیت دریافت کنند. امروزه در زنجیره مصرف محتوای چند رسانه ای، محیط های غیر همگون که از ترمینال ها، شبکه ها، کار بران و شرایط طبیعی مختلف ناشی شده اند وجود دارند. با وجود اینکه این محیط ها دسترسی به محتوای چند رسانه ای را تسهیل می کنند، مشکلات و چالش های جدیدی را نیز به وجود می آورند. یکی از روش های پیشنهاد شده برای غلبه براین چالش ها کدگذاری مقیاس پذیر (SVC) می باشد. SVC مستلزم آن است که کدگشا نیز مقیاس پذیری را پشتیبانی کند، اما این امکان همیشه در دسترس نیست. بنابراین تطبیق محتوا همچنان به عنوان قویترین راه کار برای غلبه بر چالش های موجود در محیط های غیر همگون مورد توجه می باشد. در این پایان‌نامه روشی قاعده مند برای بدست آوردن ترکیب مناسب چندین عملگر تطبیق که محدودیت¬های منابع در کدگشا را برآورده می‌کنند به صورت بی درنگ ارائه شده است. برای پیاده سازی روش ارائه شده و با توجه به استفاده روز افزون از ابزارهای قابل حمل، کاهش پیچیدگی کدگشایی با هدف برآورده کردن محدودیت توان پردازشی در کدگشا، مورد توجه قرار گرفته است. بدین منظور کاهش دقت بردار حرکت و کاهش تعداد فیلترهای بلاک زدایی به عنوان عملگرهای فضای تطبیق در نظر گرفته شده اند . این انتخاب بدین دلیل است که این پارامترها تاثیر قابل توجهی بر پیچیدگی دو جزء پر مصرف از کدگشا، یعنی جبران حرکت و فیلتر بلاک زدایی دارند. عملگر کاهش دقت بردار حرکت با هدف کاهش توان مصرفی کدگشا در این پایان نامه برای اولین بار معرفی، طراحی و پیاده سازی شده است. دو معماری پایه و بهبود یافته برای پیاده سازی عملگر کاهش دقت بردار حرکت معرفی شده اند. در معماری بهبود یافته خطای ناشی از کاهش دقت بردار حرکت با به روز کردن بخشی از باقیمانده ها در گره تطبیق جبران می شود. نتایج حاصل از پیاده سازی نشان می دهد کارایی این عملگر برای ضریب کوانتایز بالاتر (نرخ بیت کمتر) بهتر از نرخ بیت¬های بالاتر است. همچنین برای ویدئوهایی با چگالی حرکتی کمتر نسبت کاهش پیچیدگی کدگشایی به کاهش کیفیت ویدئو (با معیار PSNR) در مقایسه با ویدئوهایی با چگالی حرکتی بیشتر بزرگتر می باشد. در واقع این عملگر برای ویدئوهایی با حرکت کمتر کارایی بهتری دارد. سپس تاثیر اعمال همزمان دوعملگر تطبیق کاهش دقت بردار حرکت و کاهش پیچیدگی محاسباتی بلاک زدایی بر فضای پیچیدگی کدگشایی-کیفیت بررسی شده است. هدف از این مرحله این است که بتوانیم به ازای هر مقدار از کاهش پیچیدگی درخواستی، ترکیبی از عملگرهای تطبیق که کیفیت نزدیک به بهینه را تولید می‌کنند، به صورت بی درنگ انتخاب کنیم. مراحل انتخاب عملگر تطبیق بدین صورت است که گره تطبیق اطلاعات مربوط به میزان توان باقیمانده برای کدگشایی ویدئو را از کدگشا دریافت می کند، سپس با توجه به مدل تحلیلی که رابطه میان عملگرهای تطبیق و پیچیدگی کدگشایی را نشان می دهد عملگر ترکیبی مناسب انتخاب می شود. این عملگر ترکیبی نشان می دهد هر یک از عملگرهای کاهش دقت بردار حرکت وکاهش پیچیدگی محاسباتی بلاک زدایی چگونه باید اعمال شوند تا هم محدودیت توان در کدگشا برآورده شود و هم کیفیت ویدئوی کدگشایی شده به حالت بهینه نزدیک باشد. شبیه سازی های انجام شده نشان می دهند که مجموعه عملگرهای مناسب به وضوح تصویر، نرخ بیت و میزان حرکت در ویدئو ورودی وابسته می‌باشند.
- Abstract
- Multimedia contents are part of our daily life. We are able to generate, transmit, and receive multimedia anytime, anywhere, and through a wide variety of devices. The variety of devices, and communication networks through which we access multimedia content has created a heterogeneous environment. This heterogeneity has facilitated access to multimedia content, but it has also introduced its own challenges. One alternative to address these concerns is scalable video coding (SVC). SVC requires an encoder and more importantly a decoder who supports SVC, which is not widely available. Video adaptation is another alternative, where the content is adapted for each receiver according its constraints. This is a more practical solution and can be used for any receiver. In this thesis, a real time method has been proposed to select the near optimal combination of adaptation operators that satisfy the resource constraints of the decoder. Considering the popularity of mobile devices and their main challenge which is limited power, in this work we have selected decoder complexity as the adaptation objective. Motion vector (MV) precision and number of deblocking filters have been selected as the adaptation space operators in this research due to the more significant impact these parameters have on the complexity of the two power-hungry components of the decoder, namely motion compensation and deblocking filter. A new motion vector precision reduction operator has been proposed in this study for the first time. Two architectures, basic and enhanced, have been introduced for implementing this motion vector precision reduction operator. In the enhanced architecture, the error caused by the motion vector precision reduction is compensated by updating some of the residuals at the adaptation node. Implementation results show that this operator performs better for videos with higher quantization parameters (lower bit rate) and lower motion intensity. In the next step, both operators, motion vector precision and number of deblocking filters, were applied simultaneously and results were analyzed in Complexity-Distortion (C-D) space to determine the best combination of these operations that satisfies complexity constraints. The algorithm to determine the proper combination starts in the adaptation node with the information about remaining power of the decoder. Then using our proposed model which shows relationships between C-D space and adaptation operators, proper operation combination could be selected in real time. This combination tells us how each MV precision and number of deblocking filter operators should be applied to achieve near optimal video quality and also satisfy complexity constraint. Simulation results indicate that the optimal operator set depends on video resolution, bit rate or quantization parameters, and motion intensity of the input video.
