Nghiên cứu cách sắp xếp thích ứng đối với dữ liệu ảnh Light Field

Bài viết "Nghiên cứu cách sắp xếp thích ứng đối với dữ liệu ảnh Light Field" đề xuất giải pháp sắp xếp thích ứng hình ảnh Light Field kết hợp với nén dữ liệu LF theo phương pháp mã hóa phân tán. Quy trình nén trước hết là chuyển đổi hình ảnh LF sang định dạng dữ liệu video giả lập LF (4D-LF). Để nâng cao hiệu suất nén của mã hóa WynerZiv cùng với phương pháp tiền xử lý có độ phức tạp thấp, cơ chế sắp xếp thích ứng được thực hiện để tạo chuỗi video giả lập 4D-LF dựa trên phân tích nội dung của hình ảnh LF. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Nghiên cứu cách sắp xếp thích ứng đối với dữ liệu ảnh Light Field Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) NGHIÊN CỨU CÁCH SẮP XẾP THÍCH ỨNG ĐỐI VỚI DỮ LIỆU ẢNH LIGHT FIELD Trần Quý Nam1, Phí Công Huy2 1 Khoa Công nghệ thông tin, Đại học Đại Nam; 2Học viện Công nghệ Bưu chính Viễn thông namtq.dn@gmail.com; huypc@ptit.edu.vnTóm tắt - Dữ liệu ảnh Light Field (LF) mang lại những khả năng (MI) được tạo bởi mỗi ống kính rất nhỏ và được biểu thị dướimới cho hình ảnh kỹ thuật số như lấy nét kỹ thuật số, thay đổi mặt dạng một tập hợp các chế độ xem/phối cảnh thường được gọi làphẳng tiêu điểm, ước tính điểm nhìn hoặc cảnh - độ sâu, bằng cách hình ảnh khẩu độ phụ (Sub-aperture image - SAI). Theo sau cácghi lại cả thông tin không gian và góc của tia sáng. Tuy nhiên, nén công nghệ hình ảnh LF, máy ảnh LF đã trở thành một phươngảnh LF là thách thức lớn nhất, không chỉ do yêu cầu dung lượng pháp tiếp cận đầy hứa hẹn cho nhiều lĩnh vực nghiên cứu kháclưu trữ và băng thông truyền tải lớn mà còn do yêu cầu phức tạpcủa nhiều ứng dụng khác nhau. Trong bài báo này, chúng tôi đề nhau, ví dụ: khả năng chụp ảnh phong phú hơn như Lytro Illumxuất giải pháp sắp xếp thích ứng hình ảnh Light Field kết hợp với [2], Raytrix [3], hình ảnh y tế [4] và nhận dạng sinh trắc họcnén dữ liệu LF theo phương pháp mã hóa phân tán. Quy trình nén [5]. Do kích thước khổng lồ của ảnh LF thực tế rất lớn, thườngtrước hết là chuyển đổi hình ảnh LF sang định dạng dữ liệu video là 1GB, do đó, việc nén dữ liệu là một thách thức đối với dữgiả lập LF (4D-LF). Để nâng cao hiệu suất nén của mã hóa Wyner- liệu LF để lưu trữ, xử lý và truyền tải. Đáng chú ý, nhóm JPEGZiv cùng với phương pháp tiền xử lý có độ phức tạp thấp, cơ chế đã đưa ra một sáng kiến tiêu chuẩn hóa mang tên JPEG Plenosắp xếp thích ứng được thực hiện để tạo chuỗi video giả lập 4D-LF [6] bao gồm LF, Point Cloud và Holography. Đề xuất này cungdựa trên phân tích nội dung của hình ảnh LF. Kỹ thuật nén mã cấp cách trình bày và mã hóa LF với khả năng hiển thị và độhóa phân tán dựa trên định lý WZ sau đó được áp dụng cho chuỗi phân giải được tối ưu hóa cho một lượng dữ liệu khổng lồ, donày. Kết quả thử nghiệm cho thấy rằng nén hình ảnh LF được đềxuất có thể đạt được mức tăng nén đáng kể, đáng chú ý là hiệu đó, một giải pháp mã hóa hiệu quả với độ phức tạp thấp để tínhnăng đã tăng được xấp xỉ 2dB khi so sánh với phương pháp sắp toán và hiệu suất nén cao là điều quan trọng nhất.xếp hình ảnh khác. Mô hình mã hóa video dự đoán thông thường chủ yếu nhắm vào các ứng dụng một - nhiều trong đó tạo ra bộ mã hóa phức Từ khóa: Mã hóa dữ liệu ảnh Light field, Mã hóa video phân tạp và bộ giải mã đơn giản, nhưng các ứng dụng mới hiện naytán, Các phương pháp sắp xếp dữ liệu. như mạng cảm biến hình ảnh, viễn thám hoặc Internet vạn vật dựa trên hình ảnh (IoT) thường yêu cầu bộ mã hóa đơn giản I. GIỚI THIỆU hơn. Trong bối cảnh này, mã hóa Wyner-Ziv (WZ) [7], một mô Dữ liệu ảnh Light Field (LF) được biết đến như một dạng hình mã hóa phân tán có tổn hao [8], đưa ra khả năng mã hóakết xuất dựa trên hình ảnh hấp dẫn (IBR), đòi hỏi lượng dữ liệu có độ phức tạp thấp bằng cách chuyển phần ước tính chuyểnhình ảnh khổng lồ vì cường độ tia sáng truyền theo mọi góc tại động từ bộ mã hóa sang bộ giải mã. Phương pháp mã hóa nàymọi điểm trong không gian 3D đều được ghi nhận [1]. Do đó, đã được áp dụng thành công cho nhiều dạng video và ứng dụngdữ liệu ảnh LF bao gồm các thông tin như vị trí/điểm(x,y,z), mới hiện nay, ví dụ: hình ảnh tự nhiên, hình ảnh siêu phổ, mạnggóc/hướng (θ,∅), bư ...