ЭКОНОМНАЯ СХЕМА ВЫЧИСЛЕНИЯ ПРЕОБРАЗОВАНИЯ ХАФА ДЛЯ СЖАТИЯ ВИДЕОПОТОКОВ

March 26, 2012 by admin Комментировать »

Афонин Д. Г.1, Николаев Д. П.2, Карпенко С. М.3

1                              Московский Государственный Университет им. М. В. Ломоносова Воробьёвы горы, МГУ, физический факультет, Москва – 119992, Россия Тел.: +7 (095) 9392094; e-mail: afonin@phys.msu.su

2                                                                            Институт проблем передачи информации РАН Б. Каретный пер., 19, Москва – 101447, Россия 3 ООО Когнитивные технологии Пр. 60-летия Октября, 9, Москва – 117312, Россия

Аннотация – Рассмотрена экономичная схема вычисления преобразования Хафа для сжатия видеопотоков. Схема предназначена для использования при сегментации и фильтрации изображений в рамках семейства протоколов MPEG-4/MPEG-7.

I.  Введение

С развитием высокоскоростных каналов связи всё большую часть передаваемой информации стали представлять видеопотоки. В связи с этим появилась потребность в новом, более эффективном поколении алгоритмов сжатия видеопотоков. На эту роль в настоящий момент претендует семейство стандартов MPEG-4/MPEG-7. Важной заявленной функциональностью протоколов MPEG является механизм передачи различных объектов на изображении с разной степенью сжатия. Для реализации этого механизма, очевидно, требуется решение задачи объектной сегментации видеопотока. Как было показано в [1], задача объектной сегментации может быть эффективно решена с опорой на математический аппарат преобразования Хафа [2]. Этот же аппарат используется для другой важной задачи обработки потоков изображений – фильтрации изображения с сохранением структуры [3], что позволяет достичь высокого уровня сжатия при том же качестве изображения, и, тем самым, более эффективно использовать канал связи.

Преобразование Хафа позволяет выделить из входного массива данных элементы, хорошо укладывающиеся в некоторую модель, и определить параметры этой модели. Для этого каждый элемент исходных данных "голосует" за те сочетания параметров (в дискретном пространстве), при котором элемент удовлетворяет модели. Набор параметров, набравший наибольшее число голосов, считается оптимальным для исходного набора данных.

Преобразование Хафа традиционно считается весьма ресурсоёмким. Показано, однако, что оно может быть точно и весьма эффективно вычислено с помощью быстрого Фурье-преобразования [3].

Вторым недостатком преобразования Хафа считается неустойчивость при малых размерах выборки. При наличии шума и малых размерах выборки может случиться так, что ни один элемент не проголосует за оптимальный набор параметров. Эта проблема решается сглаживанием исходной выборки, но параметр сглаживания, как правило, неизвестен заранее, и параметры сглаживания находятся подбором. При такой схеме преобразование Хафа приходится делать неоднократно, для различных вариантов сглаживания исходной выборки. Это приводит к дополнительным вычислительным затратам.

Нам, однако, удалось показать, что существует сглаживающее преобразование в пространстве Хафа, эквивалентное сглаживанию исходного распределения, что позволяет существенно сократить вычисления.

II.  Основная часть

Рассмотрим варианты преобразования Хафа для поиска прямых на плоскости и в трёхмерном пространстве.

Прямая задаётся уравнением прямой в канонической форме. Параметрами модели являются координаты точки ь , через которую проходит эта прямая, и вектора 3, задающего ее направление. Потребуем а2 = 1 и (а-б)=о . Тогда квадрат отклонения элемента выборки С; от модели будет равен

 и

Соотношение (10) доказывается аналогично (6). Таким образом, изотропное гауссово сглаживание в пространстве исходного распределения в нашем случае эквивалентно сглаживанию в пространстве параметров, причём по меньшему числу координат. Кроме того, аналогичное свойство выполняется и для масштабирования. Это позволяет вести подбор масштаба и уровня сглаживания непосредственно в пространстве параметров, без дополнительных вычислительных затрат на преобразование Хафа.

III.  Заключение

Таким образом, разработана экономичная схема вычисления преобразования Хафа для сжатия видеопотоков.

Рассмотрены параметризации моделей, в котором эта схема реализуема.

Указана возможность сочетания схемы с использованием быстрого преобразования Хафа.

IV. Список литературы

[1]  Nikolaev D. P., Nikolayev P. P. Linear color segmentation and its implementation. Computer Vision and Image Understanding. Special issue on colour for image indexing and retrieval. 2004. V. 94. pp. 115-139.

[2]  Hough P. V. Methods and means for recognizing complex patterns. U. S. Patent 069654.1962.

[3]  StarckJ.-L., CandesE. J., Donoho D. L. The curvelet transform for image denoising. IEEE Transactions on Image Processing. 2002. V. 11. pp. 670-684.

[4]  Гельфанд И. М., Гиндикин С. Г., Гоаев М. И. Избранные задачи интегральной геометрии. М.: Добросвет, 2000. 208 с.

EFFICIENT SCHEME OF HOUGH TRANSFORM COMPUTING FOR VIDEOSEQUENCE COMPRESSION

Afonin D. G.1, Nikolaev D. P.2, Karpenko S. M.3

1                      Moscow State University Vorobjovy gory, MSU, Physical department Moscow – 119992, Russia phone: (095) 9392094 e-mail: afonin@physmsu.su

2

Institute for information transmission problems RAS

Bol’shoj Karetnyj lane, 19, Moscow – 101447, Russia

з

Cognitive Technology Ltd. pr. 60-letija Oktyabrya, 9, Moscow – 117312, Russia

Abstract – Efficient Hough transform calculation scheme intended for image compression is considered.

I.  Introduction

With arise of high-speed communication channels a need in new, more efficient video stream compression algorithms appeared. These algorithms involve both image filtration and segmetation. As shown in [1, 3], these tasks can be efficiently solved using Hough Transform [2].

Preliminary sample smoothing is needed for Hough Transform stability. Generally, smoothing level is not given in advance. So, parameter fitting scheme should be used. However, it leads to multiple calculations of Hough Transform.

We show that smoothing transform in the Hough space exists, which is equivalent to preliminary sample smoothing. Such scheme is much more efficient.

II.  Main part

Let us consider Hough Transform parameterizations in the

2-     D (3) and 3-D (8) spaces. Isotropic Gaussian smoothing of source distribution then equivalent to the smoothing in the Hough space (6, 10). Scaling has similar feature with regard to the Hough Transform (4, 9). It allows to fit scale and smoothing level in the Hough space directly, with no additional computational load.

III.  Conclusion

So, efficient Hough transform calculation scheme intended for image compression was developed.

Источник: Материалы Международной Крымской конференции «СВЧ-техника и телекоммуникационные технологии»

Оставить комментарий

микросхемы мощности Устройство импульсов питания пример приемника провода витков генератора выходе напряжение напряжения нагрузки радоэлектроника работы сигнал сигнала сигналов управления сопротивление усилитель усилителя усиления устройства схема теория транзистора транзисторов частоты