ارسال ویدئوی فشرده‌شده در کانال‌های مستعد خطا ممکن است سبب اتلاف در بسته‌های ویدئو گردد که این می‌تواند کیفیت تصویر را‌ کاهش دهد. اختفای خطا یک رهیافت مؤثر جهت کاهش اتلاف ناشی از اطلاعات از دست رفته می‌باشد. شیوه‌های اختفای خطای زمانی متداول همیشه در مواقعی که شئی ویدئو دارای حرکات غیرعادی باشد کارآیی خود را از دست می‌دهند. در این مقاله، به‌منظور غلبه بر این مشکل، یک رهیافت اختفای خطای زمانی کارآ جهت پنهان‌سازی خطای ماکروبلاک برای سیستم‌های کدبندی ویدئو پیشنهاد می‌گردد. روش پیشنهادی از یک شبکه عصبی RBF برای تخمین بردارهای حرکت ماکروبلاک‌های آسیب‌دیده استفاده می‌کند. تخمین‌‌زن RBF فقط برای نواحی ویدئو با حرکات سریع استفاده می‌شود که این پیچیدگی محاسبات را کاهش می‌دهد. به دلیل ظرفیت بزرگ شبکه‌های عصبی در تجسم و تفسیر مجموعه‌های داده با ابعاد بالا، روش پیشنهادی می‌تواند بردارهای حرکت آسیب‌دیده در نواحی با حرکت سریع را به درستی تخمین بزند. نتایج تجربی نشان می‌دهد که شیوه پیشنهادی، کیفیت ذهنی و عینی فریم‌های بازسازی شده را ارتقاء می‌دهد، به‌طوری که میانگین حد اکثر نسبت سیگنال به نویز برای دنباله‌های مورد آزمایش در بعضی از فریم‌ها حدود dB 6469/1 نسبت به روش BMA افزایش می‌یابد.

واژه‌های کلیدی: اختفای خطای زمانی، شبکه عصبی RBF، تخمین بردار حرکت، جبران‌سازی حرکت

متن کامل [PDF 1842 kb]   (2581 دریافت)