بازسازي با به روزرساني مدل نويز همبستگي در كدينگ ويدئو توزيع يافته

Reconstruction with Updating Correlation Noise Model in Distributed Video Coding

استانداردهاي متداول فشرده‌سازي ويدئو مانند H.26X و MPEG-X، داراي انكدكننده‌ي پيچيده هستند. اين روش‌ها براي استفاده در كاربردهايي كه نياز به انكدكننده‌ي ساده دارند، مانند حس‌گرهاي تصويري بي‌سيم، مناسب نيستند. كدينگ ويدئو توزيع‌يافته، يك روش جديد فشرده‌سازي ويدئو است كه از انكدكننده‌ي ساده‌اي برخوردار است. در اين مقاله، يك روش بازسازي با به‌روزرساني پارامتر مدل نويز همبستگي براي كدينگ ويدئو توزيع‌يافته در حوزه‌ي تبديل ارائه شده‌است. در مرحله‌ي بازسازي، فريم‌هاي ديكدشده در دسترس هستند. اما روش‌هاي مهم بازسازي موجود، از فريم‌هاي ديكدشده استفاده‌اي نكرده‌اند. در روش بازسازي مطرح شده از فريم‌هاي ديكدشده براي به‌روزرساني مدل نويز همبستگي استفاده شده‌است. نتايج شبيه‌سازي نشان مي‌دهد كه با استفاده از مرحله‌ي به‌روزرساني، توزيع مدل نويز تخمين زده‌شده به توزيع واقعي آن نزديك‌تر مي‌گردد و مقدار اعوجاج، مخصوصا براي ويدئوهاي با محتواي حركت كم، نسبت به حالتي كه مدل نويز به‌روزرساني نمي‌شود، كاهش چشمگيري دارد.

Conventional video coding standards such as H.26X and MPEG-X have complex encoders. Such video coding approaches are not fitted well for applications like visual sensor networks that need simple encoders. Distributed Video Coding (DVC) is a new coding paradigm in which the encoder can present a low complexity. In this paper, a reconstruction method with updating correlation noise model parameter for transform domain DVC is proposed. The decoded frames are available at the reconstruction phase. But none of the existing reconstruction methods use decoded frames. The proposed method uses decoded frames to update correlation noise model. Simulation results show that the estimated correlation noise model distribution fits better to its real distribution using the updating procedure and the amount of distortion is significantly decreased, especially for the video sequences with low motion content.