На правах рукописи

Гришин Сергей Викторович

Программная система для преобразования

частоты кадров цифровых видео сигналов

05.13.11 – Математическое и программное обеспечение вычислительных

машин, комплексов и компьютерных сетей

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата физико-математических наук

Москва – 2009

Работа выполнена на кафедре автоматизации систем вычислительных комплексов факультета вычислительной математики и кибернетики Московского государственного университета имени М.В. Ломоносова.

Научный руководитель: кандидат физико-математических наук, старший научный сотрудник факультета ВМК МГУ имени М.В. Ломоносова, Ватолин Дмитрий Сергеевич

Официальные оппоненты: доктор физико-математических наук Галактионов Владимир Александрович кандидат физико-математических наук Переберин Антон Валерьевич

Ведущая организация: Учреждение Российской академии наук Институт вычислительной математи­ ки и математической геофизики Сибир­ ского отделения РАН

Защита состоится « 4 » декабря 2009г. в 11 часов на заседании диссертаци­ онного совета Д 501.001.44 при Московском государственном университете имени М.В. Ломоносова, расположенном по адресу: 119991, ГСП-1, Москва, Ленинские горы, МГУ, 2-й учебный корпус, факультет ВМиК, аудитория 685.

С диссертацией можно ознакомиться в библиотеке факультета ВМиК МГУ.

С текстом автореферата можно ознакомиться на официальном сайте ВМиК МГУ http://cs.msu.ru в разделе «Наука» – «Работа диссертационных сове­ тов» – «Д 501.001.44».

Автореферат разослан « » ноября 2009г.

Ученый секретарь диссертационного совета профессор Трифонов Н.П.

Общая характеристика работы

Актуальность работы. Преобразование частоты кадров (ПЧК) исполь­ зуется при необходимости изменения частоты смены кадров видео сигнала.

Такая необходимость возникает в нескольких случаях.

Во-первых, для преобразования между стандартами видео. Наиболее ти­ пичным примером является воспроизведение видео с частотой кадров 25 кад­ ров/c на телевизоре с частотой вертикальной развёртки 100 кадр/c и более.

Другим примером является необходимость преобразования между двумя ши­ роко распространёнными системами телевидения – PAL и NTSC. Система PAL является основной системой цветного телевидения в Европе (кроме Бе­ ларуси, Франции и России), Азии, Австралии и ряде стран Африки и Южной Америки. NTSC принята в качестве стандартной системы цветного телевиде­ ния в США, Канаде, Японии и ряде стран Северной и Южной Америки. В первой используются частоты 25 и 50 кадров/c, во второй – 30 и 60 кадров/c.

Во-вторых, ПЧК можно использовать при декодировании сжатого видео для восстановления первоначального временного разрешения видео сигнала или повреждённых/потерянных кадров. При кодировании видео с высокими степенями сжатия многие видео кодеки уменьшают разрешение данных не только в пространстве, но и во времени. Иначе говоря, вместо кодирования исходных 30 кадров/c, частота кадров может быть уменьшена до 15 кадров/c.

Однако, при воспроизведении видео на стороне декодера весьма желательно получить исходную частоту кадров. Для этого необходим механизм восста­ новления, в качестве которого может быть использован алгоритм ПЧК.

Кроме этого, ПЧК можно использовать для улучшения визуального каче­ ства видео. Частота кадров для видео, снятого например, с мобильного теле­ фона или веб-камеры, составляет, как правило, 15 кадров/c. В этом случае дискретная природа видео (прерывистое движение) заметна для глаз, если в кадре присутствуют движущиеся объекты. Визуальное качество видео может быть значительно повышено путём увеличения частоты кадров.

Существующие алгоритмы ПЧК, обеспечивающее приемлемое визуальное качество, требуют больших вычислительных затрат, что не позволяет их ис­ пользовать в режиме реального времени и, тем самым, сильно ограничивает их область применения. Помимо этого, недостатком этих алгоритмов явля­ ется неприемлемый уровень артефактов на видео сценах со сложным движе­ нием, характер которого не описывается используемой моделью движения.

Таким образом, задача разработки алгоритма ПЧК, необладающего указан­ ными недостатками, является современной актуальной задачей.

Цель диссертационной работы. Целью данной работы является ис­ следование существующих и разработка нового алгоритма преобразования частоты кадров, допускающего его использование в режиме реального време­ ни, а также имеющего уровень артефактов преобразованного видео сигнала ниже или на уровне современных аналогов.

Достижение поставленной цели осуществляется за счет решения следую­ щих задач:

1. Разработка унифицированного критерия точности информации о дви­ жении, позволяющего оценивать соответствие векторов движения на­ правлению и скорости реального движения в видео потоке.

2. Исследование существующих и разработка нового алгоритма оценки движения в видео потоке, вычислительно экономного и имеющего бо­ лее высокую по сравнению с аналогами точность в ровных областях 3. Исследование существующих и разработка нового алгоритма повыше­ ния точности информации о движении, ориентированного для примене­ ния в видео сценах со сложным движением.

4. Разработка и реализация программной системы для преобразования ча­ стоты кадров видео потока.

Научная новизна. В рамках работ над алгоритмом ПЧК были предло­ жены следующие новые алгоритмы и идеи:

алгоритм оценки движения (ОД), имеющий более высокую по сравне­ нию с общепризнанными аналогами точность векторов движения в ров­ ных областях и на краях движущихся объектов, при этом вычислитель­ ная сложность алгоритма находится на уровне аналогов;

унифицированный критерий точности информации о движении, кото­ рый позволяет оценивать степень соответствия найденных параметров движения скорости и направлению реального движения в каждой обла­ алгоритм повышения точности имеющейся информации о движении, позволяющий значительно снизить уровень визуальных артефактов в случаях больших областей в неверно найденными векторами движения, что нехарактерно для современных аналогов с близкой вычислительной сложностью;

алгоритм поиска и обработки наложений в видео потоке, имеющий бо­ лее высокую по сравнению с аналогами точность поиска областей нало­ жений и позволяющий находить векторы движения в областях наложе­ Практическая значимость. Все алгоритмы, разработанные в рамках работ над ПЧК, являются новыми и демонстрируют результаты на уровне или выше современных аналогов.

Разработанный алгоритм оценки движения показывает преимущество над наиболее известными и общепризнанными методами E3DRS и FAME по ви­ зуальному и объективному (метрика PSNR) критериям. Преимущество пред­ ложенного метода подтверждено его использованием в ПЧК, где он также продемонстрировал лучший визуальный и объективный результат. На ранних этапах работы над алгоритмом проводились в рамках контракта с компанией SAIT (Samsung Advanced Institute of Technology) в лаборатории Компьютер­ ной графики и мультимедиа при факультете ВМиК МГУ.

Метод фильтрации векторного поля является универсальным и может быть применён в любых алгоритмах обработки и сжатия видео, использую­ щих информацию о движении. Эффективность разработанного метода под­ тверждена его использованием в алгоритмах автоматической сегментации и ПЧК. В обоих случаях использование фильтрации векторов позволило замет­ но повысить интегральное качество работы алгоритма. Прирост качества в обоих случаях подтвержден визуально.

Предложенный метод оценки степени доверия (унифицированный крите­ рий точности информации о движении) найденным векторам движения яв­ ляется частью алгоритма фильтрации векторов, и также универсален. Он может использоваться независимо от алгоритма фильтрации в методах сжа­ тия и обработки видео с целью повышения эффективности использования в них информации о движении. Эффективность разработанного критерия под­ тверждена на практике использованием его в рамках алгоритма фильтрации векторов в ПЧК.

Предложенный метод поиска и обработки наложений является улучшени­ ем алгоритма, предложенного Инсом в 2005 году. Улучшение заключается в повышении точности поиска наложений и добавления метода вычисления векторов движения в областях наложений. Улучшенный алгоритм позволя­ ет добиться более высокого визуального качества за счет уменьшения числа неверно найденных наложений, а также может быть использован в задаче ПЧК благодаря наличию информации о движении для областей наложений.

Разработанный на базе указанных методов алгоритм ПЧК является но­ вым и демонстрирует объективное (по метрике PSNR) и субъективное (со­ гласно экспертной оценке) преимущество над современными аналогами, имея при этом значительно меньшую вычислительную сложность. Схема потока данных алгоритма позволяет использовать параллельную обработку данных, что позволяет добиться более высокой скорости обработки при аппаратной реализации. Работы над этим алгоритмом, включая методы фильтрации век­ торов и критерия точности информации о движении, проводились в рамках контрактов с компаниями Samsung Advanced Institute of Technology (SAIT), Real Networks Corp. и Broadcom Corp.

Все разработанные алгоритмы реализованы на языке C/C++ и имеют демонстрационные приложения для ОС Windows.

Апробация работы. Результаты работы докладывались и обсуждались на:

16-й международной конференции по компьютерной графике и машин­ ному зрению «Graphicon-2006», Россия, Новосибирск, 2006;

9-м научно-практическом семинаре «Новые информационные техноло­ гии в автоматизированных системах», Россия, Москва, 2006;

17-й международной конференции по компьютерной графике и машин­ ному зрению «Graphicon-2007», Россия, Москва, 2007;

10-м научно-практическом семинаре «Новые информационные техноло­ гии в автоматизированных системах», Россия, Москва, 2007;

18-й международной конференции по компьютерной графике и машин­ ному зрению «Graphicon-2008», Россия, Москва, 2008;

международной научной конференции студентов, аспирантов и моло­ дых учёных «Ломоносов-2008»;

12-м научно-практическом семинаре «Новые информационные техноло­ гии в автоматизированных системах», Россия, Москва, 2009;

объединенном семинаре по робототехническим системам ИПМ им. М.В.

Келдыша РАН, МГУ им. М.В. Ломоносова, МГТУ им. Н.Э. Баумана, ИНОТиИ РГГУ, Россия, Москва, 2009;

Публикации. По теме диссертации имеется 11 публикаций, из них 1 ста­ тья в рецензируемом журнале [A1], 6 статей в сборниках трудов конферен­ ций [A2, A3, A4, A5, A6, A7], 3 статьи в сборниках тезисов и статей [A8, A9, A10] и 1 статья в сетевом журнале [A11].

Структура и объем диссертации. Диссертация состоит из введения, пяти глав, заключения, приложения и списка литературы. Содержание ра­ боты изложено на 164 страницах, приложение занимает 7 страниц. Список литературы включает 61 наименование.

Содержание работы Во Введении обоснована актуальность диссертационной работы, сфор­ мулирована цель и аргументирована научная новизна исследований, показана практическая значимость полученных результатов, представлены выносимые на защиту научные положения, описана структура диссертации.

В первой главе представлено описание задачи преобразования частоты кадров (ПЧК), введены основные параметры и термины, рассмотрены три ос­ новные под-задачи, определившие архитектуру разработанной программной системы: оценка движения, обработка наложений и маскирование артефак­ тов.

Во второй главе описана задача оценки движения для блочных мето­ дов, представлено описание и анализ существующих алгоритмов оценки дви­ жения. Описан разработанный алгоритм оценки движения, превосходящий существующие аналоги по объективному качеству и не уступающий им по скорости работы. Представлен сравнительный анализ предложенного алго­ ритма с существующими подходами с использованием общепринятой методи­ ки сравнения на основе метрики PSNR.

В первом параграфе главы рассмотрена постановка задачи оценки дви­ жения для блочных методов. Основная идея блочных методов заключается в разбиении кадра на блоки и поиске вектора движения для каждого блока.

Поиск осуществляется на основе функции соответствия (меры близости) бло­ ков рассматриваемой пары кадров, примером такой функции является SAD (Sum of Absolute Differences):

(,,, 1, 2 ) – значение SAD, вычисленное для пары кадров (1 ) и (2 ), блока, кадра (1 ) и вектора.

Во втором параграфе данной главы представлено описание основных клас­ сов блочных методов: методы шаблонного поиска, методы иерархического поиска, методы на основе наборов кандидатов, а также комбинированные ме­ тоды. Детально рассмотрены некоторые общепризнанные алгоритмы: 3DRS, E3DRS и FAME.

В третьем параграфе описан предложенный алгоритм оценки движения.

Новый алгоритм сочетает многие приемы FAME (инерционные кандидаты, мера активности движения, адаптивная стратегия уточнения векторов) с пе­ ременным разрешением векторного поля и модифицированной функцией со­ ответствия блоков, призванной повысить точность поиска векторов в ровных областях.

Предложенный метод ОД производит разбиение блоков в тех областях, где это необходимо. При разбиении блок делится на 4 равных под-блока и поиск векторов движения производится для каждого из под-блоков. Этот процесс может повторятся и для под-блоков. Анализируются условия необ­ ходимости и успешности разбиения. Первое условие определяет блоки, для которых будет выполнено разбиение на под-блоки и поиск вектора для каж­ дого из под-блоков. Второе условие проверяется, чтобы определить дает ли разбиение улучшение точности векторного поля в данном блоке.

Модифицированная функция соответствия блоков вычисляется по фор­ где ( ( )) – значение, зависящее от числа совпадений вектора с векто­ рами блоков из локальной окрестности текущего блока. Значение ( ( )) позволяет скорректировать значение SAD в сторону уменьшения для векто­ ров, которые часто встречаются в локальной окрестности текущего блока, за счет этого повышается точность результирующего векторного поля в ровных областях, где вектора в соседних блоках часто совпадают, а значения SAD (без какой-либо коррекции) не являются хорошим критерием для поиска век­ торов.

В четвертом параграфе главы представлены результаты сравнительного анализа E3DRS и FAME с разработанным алгоритмом. В сравнении был ис­ пользован тестовый набор, состоящий из 15 видео последовательностей. Срав­ нение было проведено по двум методикам: стандартной для методов оценки движения и методике, используемой для сравнения алгоритмов преобразова­ ния частоты кадров. Первая методика (методика 1) позволяет оценить точ­ ность приближения исходных кадров видео последовательности скомпенси­ рованными, т.е. способность алгоритма оценки движения находить минимум функции соответствия для каждого блока кадра, что важно для применений в области сжатия. Для оценки способности алгоритма оценки движения на­ ходить истинные векторы движения, что особенно важно в преобразовании частоты кадров, использовалась вторая методика (методика 2, см. рис. 1).

Вдоль вертикальной оси графика на рис. 1 отложена разница средних значений PSNR методов по сравнению с результатом E3DRS. Легко видеть, что разработанный алгоритм (РАОД) продемонтрировал лучший результат.

Результаты второй главы опубликованы в работах [A8, A10].

В третьей главе описана задача обработки наложений, дана классифи­ кация типов наложений, описаны существующие подходы с анализом их по­ ложительных и отрицательных характеристик, описан базовый алгоритм, на основе которого построен предложенный метод обработки наложений и пред­ ставлен сравнительный анализ разработанного алгоритма с существующими Разница ср. зн. Y-PSNR (dB) Рис. 1. Разница Y-PSNR для последовательностей тестового набора относительно резуль­ тата E3DRS: методика с использованием методики на основе метрики PSNR.

В первом параграфе главы дано определение понятия наложение и пред­ ставлена классификация наложений.

Во втором параграфе описаны нескоторые существующие подходы к об­ работке наложений, проанализированы их достоинства и недостатки.

В третьем параграфе описан базовый метод, на основе которого был раз­ работан предложенный алгоритм.

В четвертом параграфе описывается разработанный алгоритм. Усовер­ шенстование базового подхода, предложенного Инсом в 2005 году, заключа­ ется в добавлении нескольких этапов для повышения точности поиска нало­ жений на исходных кадрах, разработке спецального метода уточнения мас­ ки наложений для интерполированных кадров и алгоритма для вычисления векторов движения в областях наложений. Повышение точности поиска нало­ жений достигается за счет снижения числа ложных срабатываний, которое достаточно велико у базового методав в областях со сложным движением, где часто присутствует большое число неверно найденных векторов.

Число ложных срабатываний уменьшается благодаря анализу значений разработанной меры доверия векторам блоков, лежащих в областях нало­ жений: считается, что наложение в блоке отсутствует, если значение меры доверия вектору в данном блоке выше порога, что говорит о том, что в данном блоке вектор движения был найден достаточно точно. Кроме этого для повышения точности поиска наложений анализируются значения оши­ бок компенсации для найденных векторов наложений между следующей или предыдущей парой кадров, пара кадров определяется типом наложения. Ес­ ли значение ошибки компенсации выше порога, вычисляемого адаптивно для каждого блока, то признак наложения сбрасывается в данном блоке, посколь­ Разница ср. зн. Y-PSNR (dB) Рис. 2. Изменение качества ПЧК при включении обработки наложений для нескольких алгоритмов обработки наложений ку вектор был вычислен недостаточно точно. На завершающем этапе маска наложений подвергается морфологической фильтрации.

В пятом параграфе данной главы представлены результаты сравнитель­ ного анализа алгоритмов обработки наложений. Тестовый набор видео после­ довательностей совпадает с набором, использованным при сравнении алго­ ритмов оценки движения. Эффективность алгоритмов обработки наложений оценивалась на примере их использования в ПЧК. Измерение качества ПЧК было произведено для двух вариантов: без использования и с использованием обработки наложений с помощью одного из методов. В качестве алгоритма ПЧК был использован разработанный метод. В сравнении участвовали сле­ дующие алгоритмы: MVF based (предложен Пелаготти в 2001 году), базовый алгоритм и предложенный алгоритм. Результат данного сравнения представ­ лен на рис. 2.

Легко видеть, что обработка наложений методом MVF based и базовым алгоритмом привела к понижению качества ПЧК, в то время, как использо­ вание разработанного алгоритма позволило добиться положительного изме­ нения качества (заключенного между ветвями «Предложенный алгоритм» и «Без обработки наложений») на большинстве последовательностей тестового набора.

Результаты третьей главы опубликованы в работах [A7, A2].

В четвертой главе рассматривается задача пост-обработки информа­ ции о движении, представлены описание и анализ существующих алгоритмов.

Описан разработанный унифицированный критерий точности информации о движении в видео потоке (мера доверия векторам движения), на основе ко­ торого построен новый алгоритм пост-обработки информации о движении, который может применяться в большинстве систем обработки цифрового ви­ део. Приведены результаты анализа эффективности разработанного метода пост-обработки на примере его использования в трех алгоритмах преобразо­ вания частоты кадров: двух базовых и предложенном.

В первом параграфе главы описаны некоторые существующие методы пост-обработки информации о движениии проанализированы их характери­ стики.

Во втором параграфе описан унифицированный критерий точности (мера доверия) (,, 1, 2 ) векторов движения, он вычисляется по формуле:

Чем выше значение (, ), тем выше точность найденного вектора. Пер­ вая компонента 1 (,, 1, 2 ) меры зависит от ошибки компенсации (,, 1, 2 ) вектора в блоке. Вторая компонента 2 (, ) меры определя­ ется характером векторного поля в локальной окрестности текущего блока.

Ее значение тем выше, чем больше в локальной окрестности блока век­ торов, близких к вектору. Значения веса 1 вычисляется адаптивно для каждого блока и зависит от дисперсии значений яркости этого блока: чем она выше, тем значение 1 ближе к 1. Таким образом, для блоков с силь­ но выраженной текстурой первая компонента будет учитываться с бльшим о весом, и наоборот, в ровных областях в первую очередь будет учитываться вторая компонента. Такой способ вычисления меры доверия векторам делает ее универсальной в смысле применимости как в текстурированных, так и в ровных областях кадра.

В третьем параграфе данной главы описан первый этап разработанно­ го алгоритма повышения точности информации о движении – метод филь­ трации информации о движении исходных кадров, который применяется к векторным полям, вычисленным на этапе оценки движения. Фильтрация вы­ полняется иерархически от максимального к минимальному размеру блоков, поэтому алгоритм получил название иерархической фильтрации (ИФ). По аналогии с оценкой движения производится анализ условий необходимости и успешности разбиения блоков, однако в данномслучае в условиях участвует мера доверия векторам. На основе меры доверия также определяются бло­ ки с неверно найденными векторами, для которых производится поиск более точных векторов, и, в случае неудачи этого поиска, выполняется попытка разбиения.

Алгоритм ИФ является универсальным и может быть использован не только в задаче ПЧК, но и во многих других задачах обработки цифровых видео сигналов.

В четвертом параграфе описывается второй этап разработанного алгорит­ ма пост-обработки информации о движении – метод фильтрации информа­ ции о движении интерполированных кадров. Данный алгоритм предназначен непосредственно для использования в задаче ПЧК. Фильтрация выполняется в два этапа: инициализация векторного поля и фильтрация. На этапе инициа­ лизации производится вычисление векторного минимального разрешения для интерполированного кадра (ИК): вектор движения вычисляется для каждо­ го блока максимального размера на ИК. На этапе фильтрации производится поиск всех блоков минимального размера на ИК, вектора движения в кото­ рых имеют меру доверия ниже порога. Затем для таких блоков выполняется поиск (на основе меры доверия) более точного вектора. Для блоков, в кото­ рых не удалось найти достаточно точных векторов движения, производится попытка обработки наложений. Обработка наложений осуществляется соглас­ но разработанному алгоритму, описанному в 3-й главе диссертации.

Таким образом, на данном этапе обработка производится для двух разме­ ров блоков: минимального и максимального, поэтому этот алгоритм получил название псевдо-иерархической фильтрации (ПИФ). Обработка блоками мак­ симального размера позволяет повысить точность векторного поля в ровных областях, в то время как, обработка на уровне блоков минимального размера повышает точность векторного поля на границих объектов и в детализован­ ных областях.

В пятом параграфе данной главы проводится анализ эффективности раз­ работанных алгоритмов фильтрации векторного поля. Оценка эффективно­ сти была произведена для нескольких алгоритмов ПЧК: разработанного алго­ ритма (РАПЧК), метода MCA (Motion-Compensated Averaging) и DM (Dynamic Median). Качество ПЧК было измерено для всех алгоритмов ПЧК в двух ва­ риантах: без использования и с использованием фильтрации векторных по­ лей.

По оси ординат графика на рис. 3 отложена разница результата с исполь­ зованием фильтрации и без нее (Б.Ф.) для каждого алгоритма ПЧК. Для разработанного алгоритма изменение качества было измерено для вариан­ та только с ИФ (РАПЧК+ИФ) и варианта с фильтрацией ВП исходных и интерполированных кадров (РАПЧК+ИФ+ПИФ). Легко видеть, что исполь­ зование фильтрации положительным образом повлияло на результаты всех алгоритмов ПЧК.

Результаты четвертой главы опубликованы в работах [A9, A6, A1].

В пятой главе даны описание и анализ существующих алгоритмов пре­ образования частоты кадров, описан новый алгоритм, разработанный на базе методов, описанных в предыдущих главах, а также других инновационных подходов и идей. Представлены результаты сравнительного анализа разрабо­ Разница ср Рис. 3. Изменение объективного качества ПЧК (Y-PSNR) при использовании фильтрации информации о движении танного алгоритма ПЧК с 10 существующими подходами.

В первом параграфе главы представлены ретроспектива области ПЧК и обзор методов маскирования артефактов. Гибридные методы ПЧК рассмот­ рены на примере алгоритма из работы Жанга 2008 года, который использует двустороннюю оценку движения с вычислением векторов движения на пик­ сельном уровне и обработку наложений.

Во втором параграфе главы описан новый алгоритм преобразования ча­ стоты кадров. Подробно описывается способ взаимодействия всех разработан­ ных методов в рамках разработанного алгоритма. На основе данного алгорит­ ма реализована программная система, упрощенная схема которой представ­ лена на рис. 4.

В третьем параграфе представлены результаты сравнительного анализа разработанного алгоритма ПЧК с 10 существующими подходами, который включает визуальное сравнение, сравнение по общепризнанной методике на основе PSNR, сравнение на основе экспертной оценки и сравнение по скорости обработки.

Результат сравнения по общепризнанной методике всех методов, кроме ги­ бридных, продемонстрирован на рис. 5. По вертикальной оси отложена разни­ ца результата каждого метода по сравнению с результатом DM. Разработан­ ный алгоритм тестировался в режиме переменного размера блоков 4х4-16х16.

Легко видеть, что он продемонстрировал лучший результат на большинстве последовательностей.

Результаты экспертного сравнения, проведенного по методике SAMVIQ Разница ср. зн. Y-PSNR (dB) Рис. 5. Разница Y-PSNR для последовательностей тестового набора относительно резуль­ тата DM (Subjective Assessment Method for Video Quality Evaluation), продемонтриро­ ваны на рис. 6.

Результаты экспертной оценки подтвердили результат сравнения с исполь­ зованием Y-PSNR, однако преимущество разработанного алгоритма по срав­ нению с методом Twixtor больше сравнении по методике SAMVIQ. Это лиш­ ний раз подтверждает несовершенство метрики PSNR (согласно которой ре­ зультаты РАПЧК и Twixtor практически одинаковы).

Результаты сравнения доказали, что разработанная система позволяет до­ биться лучшего визуального качества (средняя экспертная оценка), объек­ тивное качество (по метрике PSNR) – немного выше уровня существующих аналогов, при этом скорость системы в несколько раз выше скорости работы ближайших по качеству аналогов.

Результаты пятой главы опубликованы в работах [A2, A11, A3, A4, A5, A1].

В Заключении описываются основные результаты работы.

В приложении А представлены таблицы, содержащие результаты срав­ нений алгоритмов оценки движения, обработки наложений, пост-обработки информации о движении и преобразования частоты кадров.

В приложении Б приведены визуальные примеры работы алгоритмов ПЧК на последовательностях foreman и table.

Основные результаты работы заключаются в следующем:

1. Разработан новый унифицированный критерий точности информации о движении в видео потоке, который может успешно использоваться во многих системах обработки цифрового видео.

2. Разработан новый алгоритм для вычисления информации о движении в видео потоке, превосходящий существующие аналоги по объективному качеству, и не уступающий им по скорости работы.

3. Разработан новый алгоритм для повышения точности найденной ин­ формации о движении в видео потоке, который может с успехом приме­ няться в большинстве систем обработки цифрового видео.

4. На основе разработанных алгоритмов создана программная система преобразования частоты кадров видео потока, не уступающая по ви­ зуальному и объективному качеству известным аналогам, но намного превосходящая их по скорости работы.

Список публикаций [A1] С.В. Гришин, Д.С. Ватолин. Быстрый алгоритм преобразования частоты кадров // Программные продукты и системы. — 2009. — Июнь. — Т. 2. — С. 159–163.

[A2] С.В. Гришин, Д.С. Ватолин. Алгоритм N-кратного увеличения часто­ ты кадров видео на основе пиксельной компенсации движения с обра­ боткой наложений // Труды конференции Graphicon-2006. — Новоси­ бирск, Академгородок, Россия: 2006. — Июль. — С. 112–119.

[A3] С.В. Гришин, Д.С. Ватолин. Алгоритм преобразования частоты кад­ ров на основе интерполяции скомпенсированных кадров // Матери­ алы девятого научно-практического семинара "Новые информацион­ ные технологии в автоматизированных системах". — Москва: 2006. — Март. — С. 32–46.

[A4] С.В. Гришин, Д.С. Ватолин. Быстрый алгоритм построения проме­ жуточных кадров для многоракурсных стерео дисплеев // Материа­ лы десятого научно-практического семинара "Новые информационные технологии в автоматизированных системах". — 2007. — С. 31–37.

[A5] С.В. Гришин, Д.С. Ватолин. Метод повышения эффективности вре­ менной сегментации видео на сценах с медленным движением // Тру­ ды конференции Graphicon-2007. — Москва, Россия: 2007. — Июнь. — С. 253–256.

[A6] K. Simonyan, S. Grishin, D. Vatolin. Confidence Measure for Block-Based Motion Vector Field // Proc. Graphicon-2008. — Moscow: 2008. — June. — Pp. 110–113.

[A7] С.В. Гришин, К.А. Симонян, Д.С. Ватолин. Алгоритм вычисления па­ раметров наложений для задачи преобразования частоты кадров циф­ ровых видеосигналов // Материалы двенадцатого научно-практическо­ го семинара "Новые информационные технологии в автоматизирован­ ных системах". — Москва: 2009. — Март. — С. 19–29.

[A8] К. Симонян, С. Гришин, Д. Ватолин. Адаптивный метод оценки дви­ жения в видео // Сборник статей молодых ученых факультета ВМиК МГУ. — 2008. — Т. 5. — С. 112–119.

[A9] К. Симонян, С. Гришин. Метрика доверия векторам движения видео потока // Сборник тезисов XV Международной научной конферен­ ции студентов, аспирантов и молодых учёных "Ломоносов-2008". — 2008. — Апрель. — С. 79.

[A10] С.В. Гришин, Д.С. Ватолин, А.С. Лукин и др. Обзор блочных методов оценки движения в цифровых видео сигналах // Тематический сбор­ ник "Программные системы и инструменты". — 2008. — Декабрь. — [A11] С.В. Гришин, Д.С. Ватолин. Обзор методов преобразования частоты кадров видео // Сетевой журнал «Компьютерная графика и муль­ тимедиа». — 2006. — № 2. http://www.cgm.computergraphics.ru/ content/view/111.