МЕТОД СЕЛЕКТИВНОЇ ОБРОБКИ ВІДЕО СЕГМЕНТІВ ДЛЯ ПІДВИЩЕННЯ ЯКОСТІ ВІДОЕЗОБРАЖЕНЬ В СИСТЕМАХ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ
DOI:
https://doi.org/10.18372/2310-5461.66.20332Ключові слова:
відеозображення, селективні методи, класифікація сегментів, обробка зображень, інтелектуальні системиАнотація
На даний момент світ переживає четверту світову революцію, пов’язану з появою і розвитком технологій автоматизації виробництв. Одна з груп технологій, що на даний момент все активніше використовуються у різних сферах індустрії та обслуговування це технології інтелектуальної обробки зображень. Однак, засоби, розроблені із використанням даних технологій, мають ряд обмежень, які лімітують їх ефективність. Одним з таких обмежень є існуюча залежність якості роботи систем інтелектуальної обробки зображень від якості зображень, що надходять у систему. Показано, що розвиток сучасних технологій обробки та стиснення відеозображень ставить нові вимоги до якості отриманих зображень для інтелектуальних систем обробки інформації. У роботі досліджено особливості селективної обробки відеосегментів із метою підвищення їх інформативності та адаптації до інтелектуальних технологій. Зроблено висновок, що традиційні методи обробки, такі як фільтрація шумів або усунення артефактів, не вирішують проблему втрати якості зображення на початкових етапах стиснення. Запропоновано новий підхід, який ґрунтується на аналізі інтенсивності та діапазону змін кольорів у сегментах зображення. Для досягнення цієї мети використано апарат статистичних методів, спектрального аналізу, а також комп’ютерне моделювання. Розроблено інноваційний метод селективного відбору значущих сегментів, який базується на їхньому інформативному та семантичному навантаженні. У роботі представлено метрику оцінки інформативності сегментів, яка дозволяє ефективно класифікувати сегменти на інформативні, змішані та неінформативні блоки. Це дозволяє покращити якість важливих ділянок зображення, знизити вплив шумів та забезпечити адаптивність обробки до специфіки вхідних даних. Методика селективної обробки підвищує ефективність роботи інтелектуальних систем шляхом збереження якості важливих областей при стисканні та адаптації до специфічних вимог обробки. Результати роботи можуть бути використані в системах відеоспостереження, автономному транспорті, медичній діагностиці та інших областях, де якість зображень має критичне значення.
Посилання
Бараннік В. В., Тарнополов Р. В., Власов А. В. Модель загроз безпеки відеоінформаційного ресурсу систем відеоконференцзв’язку. Наукоємні технології. 2014. № 1 (21). С. 55–60.
Barannik V. V., Komolov Dm., Musienko A. P., Tarnopolov R. V. Methodological basis for determining the energy significance of the structural unit of a video frame based on the estimation of low-frequency components of the matrices of the DCT blocks of the luminance component. Modern problems of radio engineering, telecommunications and computer science (TCSET’2016): materials of the XIV Internat. сonf., (Lviv –Slavske, Ukraine, February, 22–26, 2016). Lviv–Slavske, 2016. P. 572–574.
Babenko Yurii, Barannik Dmitry, Balzhan Smailova, Hahanova Anna, Yroshenko Valerii, shmakov Vitalii, Shaikhanova Aigul, Veselska Olga, Karpiinski Mikolaj The Technology of Structural Classification of Video Frames in Intelligent Info-Communication Systems. “Development of technology analys for the content semantics,” in Engineer of XXI Century - We Design the Future, Bielsko-Biała, Poland: ATH, 2020. Р.122 – 132.
Бараннік В. В., Комолов Д. І. Методологія селективного захисту відеопотоку по базовим кадрам. Інформаційно-управляючі системи на залізничному транспорте. 2014. № 6. С. 69–77.
Бараннік В. В., Королева Н. А. Структурно-комбінаторне представлення даних в АСУ. Харків: ХУПС, 2009. 252 с.
Бараннік В. В., Тарнополов Р. В. Метод ефективного кодування розділених за комбинованою схемою аерофотознімків. Радіоелектроніка та інформатика. 2016. № 2 (73). С. 33–37.
Uri Gadot, Assaf Shocher, Shie Mannor, Gal Chechik, Assaf Hallak RL-RC-DoT: A Block-level RL agent for Task-Aware Video Compression URL: https://www.researchgate.net/publication/388318023_RL-RC-DoT_A_Block-level_RL_agent_for_Task-Aware_Video_Compression
Aro Kim, Seung-taek Woo, Minho Park, Dong-hwi Kim, Hanshin Lim, Soon-heung Jung, Sangwoon Kwak & Sang-hyo Park Deep learning-guided video compression for machine vision tasks URL: https://jivp-eurasipjournals.springeropen.com/articles/10.1186/s13640-024-00649-w
Lisha Gao, Zhoujun Ma, Shuo Han, Tiancheng Zhao, Qingcheng Liu, Zhangjie Fu ROI‑aware video compressive sensing for surveillance URL: https://www.mdpi.com/2078-2489/15/9/555
Xiongkuo Min, Huiyu Duan, Wei Sun, Yucheng Zhu, Guangtao Zhai Perceptual Video Quality Assessment: A Survey URL: https://arxiv.org/abs/2402.03413
Stefan Winkler, Praveen Mohandas The Evolution of Video Quality Measurement: From PSNR to Hybrid Metrics URL: https://www.researchgate.net/publication/ 3042136_The_Evolution_of_Video_Quality_Measurement_From_PSNR_to_Hybrid_Metrics
Yunlong Tang, Jing Bi, Siting Xu, Luchuan Song, Susan Liang, , Teng Wang, Daoan Zhang, Jie An, Jingyang Lin, Rongyi Zhu, Ali Vosoughi, , Chao Huang, Zeliang Zhang, Pinxin Liu, Mingqian Feng, Feng Zheng, , Jianguo Zhang, , Ping Luo, Jiebo Luo, and Chenliang Xu Video Understanding with Large Language Models: A Survey URL: https://arxiv.org/html/2312.17432v5
Бараннік В. В., Власов А. В. Модель загроз безпеки відеоінформаційного ресурсу систем відеоконференцзв'язку. Наукоємні технології. 2014. № 3 (19). С. 299–304.
Бараннік В. В., Комолов Д. І. Метод суміщення кодової конструкції енергетично значимої структурної складової з вимогою методу блокового симетричного шифрування для закриття потокових відеоданих на основі технології внутрікадрової селекції. Наукоємні технології. 2016. № 1. С. 39–47.
Бараннік В. В., Комолов Д. І., Селективний метод шифрування видеопотоку в телекомунікаційних системах на основі приховування базового I-кадру. Наукоємні технології. 2015. № 2. С. 69–77.
Бараннік В. В., Тарнополов Р. В., Власов А. В. Модель загроз безпеки відеоінформаційного ресурсу систем відеоконференцзв’язку. Наукоємні технології. 2014. № 1 (21). С. 55–60.
Barannik V. V., Komolov Dm., Musienko A. P., Tarnopolov R. V. Methodological basis for determining the energy significance of the structural unit of a video frame based on the estimation of low-frequency components of the matrices of the DCT blocks of the luminance component. Modern problems of radio engineering, telecommunications and computer science (TCSET’2016): materials of the XIV Internat. сonf., (Lviv –Slavske, Ukraine, February, 22–26, 2016). Lviv–Slavske, 2016. P. 572–574.
L. Torres, "The Lena image: The most widely used test image in image processing," IEEE Signal Processing Magazine, vol. 20, no. 5, pp. 105-107, 2003.
Bitstream-based JPEG Encryption in Real-time [Text] / S. Auer, A. Bliem, D. Engel, A. Uhl, A. Unterweger. International Journal of Digital Crime and Forensics. 2013. Vol. 5, Iss. 3. P. 1–14. DOI: 10.4018/jdcf.2013070101, 17.03.2023
Cryptographic and Information Security Approaches for Images and Videos [Text] / S. Ramakrishnan, et al. – CRC Press, 2018. – 962 p. DOI: 10.1201/9780429435461.
Cartooning for Enhanced Privacy in Lifelogging and Streaming Videos [Text] / E. T. Hassan, R. Hasan, P. Shaffer, D. Crandall, A. Kapadia. Computer Vision and Pattern Recognition Workshops: proc. IEEE Conf. (CVPRW). 21-26 July 2017. Honolulu, USA, 2017. Р. 1333–1342. DOI: 10.1109/CVPRW.2017.175.
Gonzalez R., Woods R. Digital Image Processing. Pearson Education. 2018. pp. 310–315.
ITU-T Recommendation H.264. International Telecommunication Union. 2017. pp. 45–48.
ITU-T Recommendation H.265. International Telecommunication Union. 2021. pp. 50–55.
AV1 Documentation. Alliance for Open Media. 2020. pp. 15–20.
Steve Göring, Alexander Raake Evaluation of Intra-Coding Based Image Compression; 2018. URL: https://ieeexplore.ieee.org/document/8946162 (Дата зверення: 12.11.2024)
Miroslav Uhrina, Lukas Sevcik et al. Performance Comparison of VVC, AV1, HEVC, and AVC for High Resolutions URL: https://www.mdpi.com/2079- 9292/13/5/953
Dan Grois , Tung Nguyen, Detlev Marpe Coding efficiency comparison of AV1/VP9, H.265/MPEG-HEVC, and H.264/MPEG-AVC encoders URL: https://ieeexplore.ieee.org/document/7906321
Dan Grois, Detlev Marpe, Amit Mulayoff, Benaya Itzhaky, Ofer Hadar Performance comparison of H.265/MPEG-HEVC, VP9, and H.264/MPEG-AVC encoders URL: https://ieeexplore.ieee.org/abstract/document/6737766/authors#authors
Shannon C. A Mathematical Theory of Communication. Bell System Technical Journal. 1948. Vol. 27. pp. 379–423.
Haralick R. M., Shanmugam K., Dinstein I. Textural Features for Image Classification. IEEE Transactions on Systems, Man, and Cybernetics. 1973. Vol. 3.pp. 610–621.
Szeliski R. Computer Vision: Algorithms and Applications. Springer. 2020. pp. 225–230.
Daugman J. Uncertainty Relation for Resolution in Space, Spatial Frequency, and Orientation. Journal of the Optical Society of America. 1985. Vol. 2. pp. 1160–1170.
Navidi W. Statistics for Engineers and Scientists. McGraw-Hill Education. 2019. pp. 145–150.
Poynton C. Digital Video and HD: Algorithms and Interfaces. Elsevier. 2012. pp. 130–135.
Bishop C. Pattern Recognition and Machine Learning. Springer. 2006. pp. 256–260.
Gonzalez R., Woods R. Digital Image Processing. Pearson Education. 2018. pp. 400–405.
ITU-T Recommendation JPEG. International Telecommunication Union. 1992. pp. 22–25.
Poynton C. Digital Video and HD: Algorithms and Interfaces. Elsevier. 2012. pp. 140–145.
Shannon C. A Mathematical Theory of Communication. Bell System Technical Journal. 1948. Vol. 27. pp. 423–425.
