Luận án Nghiên cứu cải tiến hiệu năng hệ thống mã hóa /giải mã video phân tán

Tên luận án:

NGHIÊN CỨU CẢI TIẾN HIỆU NĂNG HỆ THỐNG MÃ HÓA/GIẢI MÃ VIDEO PHÂN TÁN

Ngành:

KỸ THUẬT ĐIỆN TỬ

Tóm tắt nội dung tài liệu:

Luận án này tập trung "Nghiên cứu cải tiến hiệu năng hệ thống mã hóa/giải mã video phân tán", một lĩnh vực quan trọng trong bối cảnh các ứng dụng video hiện đại yêu cầu nén hiệu quả trên các thiết bị tài nguyên hạn chế. Mã hóa video phân tán (DVC) được xem là giải pháp tiềm năng vì chuyển độ phức tạp từ bộ mã hóa sang bộ giải mã, phù hợp với các mạng không dây và mạng cảm biến hình ảnh. Tuy nhiên, hiệu năng nén của DVC hiện tại vẫn còn khoảng cách so với các chuẩn nén video dự đoán truyền thống.

Mục tiêu chính của luận án là nghiên cứu và đề xuất các kỹ thuật nhằm cải thiện hiệu năng nén của cả mã hóa video phân tán (DVC) và mã hóa video phân tán liên lớp (DSVC), hướng tới việc tiệm cận hiệu suất của các hệ thống mã hóa video dự đoán hiện có và sớm đưa DVC vào ứng dụng thực tế.

Nội dung nghiên cứu bao gồm việc đề xuất các phương pháp mới để cải thiện hiệu năng nén cho DVC, được thực hiện cả ở phía mã hóa và giải mã. Cụ thể, tại phía mã hóa, luận án đề xuất mô-đun thay đổi kích thước nhóm ảnh (GOP) linh hoạt (GOP=2 hoặc GOP=4) dựa trên nội dung video, giúp tiết kiệm tốc độ bit đáng kể so với việc sử dụng GOP cố định. Tại phía giải mã, các giải pháp cải tiến bao gồm phương pháp tạo thông tin phụ trợ mới dựa trên lọc liên tục trong quá trình giải mã và phương pháp ước lượng tham số alpha cho mô hình nhiễu tương quan sử dụng mạng nơ-ron. Khi kết hợp các mô-đun này, hiệu năng nén tổng thể của bộ mã hóa DVC đề xuất được cải thiện rõ rệt so với các bộ mã hóa video liên quan.

Đối với mã hóa video phân tán liên lớp (DSVC), luận án tập trung vào việc cải thiện chất lượng thông tin phụ trợ. Hai phương pháp chính được đề xuất: thứ nhất là kỹ thuật kết hợp ảnh để tích hợp hai ứng viên thông tin phụ trợ (SI) từ tương quan thời gian và không gian; thứ hai là sử dụng thuật toán SVM huấn luyện trực tuyến để lựa chọn một trong ba ứng viên SI tối ưu, dựa trên tương quan thời gian và chất lượng. Kết quả mô phỏng cho thấy cả hai phương pháp này đều nâng cao chất lượng SI tạo ra cho DSVC, vượt trội so với các ứng viên riêng lẻ và các phương pháp trước đó, nhờ khả năng lựa chọn thông tin phụ trợ hiệu quả thông qua học máy.

Mục lục chi tiết:

• Chương 1: Tổng quan về mã hóa video (bao gồm mã hóa video dự đoán và mã hóa video phân tán, trong đó tập trung vào các vấn đề liên quan đến mã hóa video phân tán).
• Chương 2: Trình bày các đề xuất cải thiện hiệu năng nén cho mã hóa video phân tán tại phía bộ mã hóa và bộ giải mã.
• Chương 3: Trình bày các đề xuất cải thiện hiệu năng nén cho mã hóa video phân tán liên lớp.