La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Traitement et éléments du codage vidéo Jenny Benois -Pineau Université Bordeaux -1 Traitement et éléments du codage vidéo Jenny Benois -Pineau Université

Présentations similaires


Présentation au sujet: "Traitement et éléments du codage vidéo Jenny Benois -Pineau Université Bordeaux -1 Traitement et éléments du codage vidéo Jenny Benois -Pineau Université"— Transcription de la présentation:

1 Traitement et éléments du codage vidéo Jenny Benois -Pineau Université Bordeaux -1 Traitement et éléments du codage vidéo Jenny Benois -Pineau Université Bordeaux -1 C3

2 -Le signal vidéo numérique représente des énormes volumes dinformation : TV numérique ordinaire (4/3) 576x720 CCIR601 4:2:2, 25:2 ips composante de luminance Y, Fe = 13,5 MHz composantes de chrom Cr, Cb Fe= MHz profondeur : 8bits par pixel/composante volume d information 216Mbit/s TV numérique HD (aspect 16/9 = (4/3) 2 ) 50 ips, HDP 1250x1920 volume d information 2,304 Gbit/sec WEB TV, TV ANYTIME ???? -Pour économiser les ressources de stockage et réduire la bande passante requise lors de la transmission on cherche à comprimer le signal vidéo. 3. Notions de la théorie de linformation

3 Soit S une source d informations et x i (symboles dun alphabet) les valeurs possibles de l information. On peut le modéliser par une variable aléatoire X dont les réalisations sont x i avec une loi de probabilité Lentropie de la variable aléatoire : Quantité dinformation associée au symbole x i : Ainsi lentropie représente linformation propre moyenne associé à un processus (source). Quantité dinformation

4 Propriétés : * alors *supposons que lalphabet est fini et contient K symboles alors Légalité étant obtenue si la variable aléatoire X est équiprobable Propriétés de lEntropie

5 Distribution équiprobable : *Dénotons. Le produit est maximal si Ce qui correspond au cas de la distribution équiprobable. Donc. Propriétés de lEntropie

6 Taux de compression -Opération de numérisation et de compression du signal est aussi appelé « codage de source ». -Le codage des signaux multimédia nécessite de connaître les limites atteignables des taux de compression. - taux de compression : Limites atteignables Le théorème de codage de la source établit quil existe un débit binaire (quantité dinformation) vers laquelle on peut tendre sans pouvoir comprimer la source davantage. Dans le cas dun codage sans perte cette limite est donnée par lentropie de la source.

7 Codage Entropique Codage de la source : Source X prends ses valeurs dans le dictionnaire C. On appelle codage de la source X une application de C dans lensemble des suites finies de lalphabet {0,1}. Le code : Le mot de code : La longueur moyenne : Théorème : Pour toute source discrète sans mémoire, il existe un code instantané représentant exactement la source et uniquement décodable vérifiant Où H(X) est lentropie de la source et est la longueur moyenne du code, exprimés en bit par symbole.

8 4. Compression sans pertes de linformation vidéo- image Codage entropique (statistique) Source S discrete d informations est caractérisée par son entropie H - Codage de Shannon-Fano - Codage de Huffman - Codage arithmétique Codage par comptage (RLC) Applications : (1)Pratiquement jamais directement sur le signal vidéo/image numérique car une forte variabilité (2)Dans les standards de codage avec la compression vidéo il est appliqué aux informations avec une corrélation importante

9 Codage Entropique de Shannon-Fano (I) 1)Pour tous les symboles de message développer une liste correspondante des probabilité expérimentales (occurrences) 2) Trier la liste dans lordre décroissant des probabilités expérimentales (occurrences) Exemple : Message ABEABABABCDCDBAEAAAEAAAABAA CACDBDEEDCCDE Liste triée Symbole A BCDE Occurrence

10 Codage Entropique de Shannon-Fano (II) 3) Diviser la liste en deux parties, le total des compteurs deoccurrence de la motié supérieure devant être aussi proche que possible du total de al moitié inférieure 4) Affecter le chiffre binaire 0 à la moitié supérieure de la liste, et le chiffre 1 à la moitié inférieure de la liste SymboleOccurrenceSommeCode A150 B C61 D61 E5 171

11 Codage Entropique de Shannon-Fano (III) 5) Appliquer de façon récursive les étapes 3 et 4 à chacune des deux moitiés, jusquà ce que chaque symbole soit devenu une feuille SymboleOccurrenceSommeCode A II B I C III D IV E

12 Codage Entropique de Shannon-Fano (IV) Représentation sous forme darbre binaire AB C DE Racine SymboleOccurrenceQuantité infBits TotalTaille Sh-FBits Sh-F A151,3820,7230 B72,4817,36214 C62,7016,20212 D62,7016,20318 E52,9614,8315

13 Codage Entropique de Huffmann (I) Algorithme optimal pour construire un code entropique. On peut montrer quil nexiste pas dautre code uniquement décodablede longueur moyenne inférieure pour une source discrète sans mémoire. Principe : construire progressivement larbre binaire en partant des feuilles de larbre précédent. Initialisation de larbre : - Tous les symboles sont les nœuds –feuilles -Chaque noeud a comme poids la probabilité de symbole ( occurrence). -Liste des nœuds libres contient tous les nœuds

14 Codage Entropique de Huffmann(II) Construction de larbre : 1)Sélectionner les deux symboles – noeuds les moins probables. 2)Créer le père de ces deux nœuds. Poids(père) :=Poids(FilsGauche)+Poids(FilsDroit) 3)Ajouter le nœuds-père dans la liste des nœuds libres et supprimer les nœuds – fils de la Liste. 4)Étiquetage. Un des fils reçoit 0, lautre 1 5)Si card(Liste)=1 alors arrêt. Le seul noeud devient la racine

15 Exemple : 1) A BCDE 2) A B CDE … Codage Entropique de Huffmann(III)

16 A B CDE … Codage Entropique de Huffmann(III)

17 Codage Entropique de Huffmann Comparaison avec le codage de Shannon-Fano Quantité dinformation théorique NbrBits SFNbrBits H 82, Nécessite la transmission de la table des codes

18 Codage par plages (RLC) Principe : (1)Comptage du nombre dapparitions consécutives dun mot de message à coder. (2)Codage à longueur fixe de la valeur des mots et de nombre dapparitions (3) Variante : introduction de bit-flag « codé-non-codé ». Exemple : Message : Code : Débit initial : 15 *8 =120 bits Débit final : * = 64 bits Adapté aux images sans bruit ou les valeurs quantifiées grossièrement.

19 5. Estimation et compensation du mouvement Pourquoi : - interpolation de la vidéo basée mouvement; - analyse et segmentation -codage hybride : utilisation de la redondance temporelle

20 Projection du mouvement rigide 3D dans le plan-image Hypothèse : le mouvement observée dans le plan image via changements de luminance correspond à la projection idéale du mouvement 3D des objets de la scène

21 Mouvement réel/mouvement apparent a)Insuffisance du gradient spatial MR - oui MA - non b)Changements dillumination extérieure MR - non MA - oui

22 Hypothèse d invariance de luminance x y Une séquence vidéo en l absence de bruit: I(x, y, t) = I(x+dx, y+dy, t+Δt) d=(dx, dy) T, la projection du déplacement réel 3D dans le plan image. I(x,y,t) - fonction d intensité lumineuse Le champs vectoriel D(x,y)= {(dx, dy) T } est appelé le champs dense de déplacement I(x, y, t) t

23 Flot optique Vecteur de vitesse au point (x,y) correspond au dt près au vecteur de déplacement Le champ vectoriel (x,y) est appelé le flot optique ou encore champs de vitesse Par l hypothèse d invariance de luminance OFE/EQMA Problème d estimation du FO est mal posé

24 Estimation du mouvement(4) Commealors u v ECMA Estimation du mouvement est un problème mal posé. Uniquement le flot optique normal est observable Sous forme vectorielle Décomposons, est parallèle au gradient local est orthogonale

25 Estimation du mouvement(5) Une autre vue Si u,v sont supposées indépendantes, alors une seule équation pour deux inconnues – (1)problème dunicité de la solution – problème douverture (2)Problème du bruit dacquisition (3)Problème doccultation

26 Estimation du mouvement(4) (1)Illustration du « problème douverture » Zone découverte : pas de correspondance des pixels avec limage précédente flot optique normal flot optique réel (3) Illustration du « problème doccultation »

27 Estimation du mouvement (x+dx, y+dy) (x, y) (dx, dy) DFD(x, y, d) = I(x, y, t) - I(x+dx, y+dy, t+Δt) On cherche d=d(θ β ) (β modèle du mouvement 2D, θ ses paramètres) tel que DFD(x, y, d) soit minimum. -Méthodes basées sur l EQMA (différentielles) -Méthodes basée sur la minimisation directe de la DFD ou d une mesure basée DFD - Méthode directes/méthodes paramétriques

28 Estimation du mouvement dans les algorithmes normalisés(I) Approche : mise en correspondance (basée bloc) Critères à optimiser : MAD= avec MSE = Fenêtre F Bloc B I(t) I(t-dt)

29 Estimation par bloc Objectif : obtenir le champ de déplacement éparse Le FO est supposé constant à lintérieur dun bloc Le critère à minimiser : ou I t-dt ItIt F B

30 Méthode de recherche exhaustive Estimation « au pixel près » I t-dt ItIt Linconvénient majeur : coût opératoire – diverses opimisations F B

31 Méthodes de recherche accélérée Estimation « au pixel près » 1.Recherche à 3 pas, 2.Recherche logarithmique, 3.Recherche à 4 pas ……. – méthodes sous- optimales Linconvénient majeur : le risque datteindre le minimum local de la fonctionnelle de lénergie.

32 Recherche à trois pas (Koga81) Principe : laffinage du pas de recherche 1.Pas=4. Evaluer MAD aux pixels « 0 » et « 1 » Si min(MAD) =MAD(0) – alors bloc stationnaire Sinon 2. Pas=Pas/2. Evaluer MAD aux pixels « 2 » 3. Pas=Pas/2. Evaluer MAD aux pixels « 3 » Fenêtre de recherche + 7 pels

33 Recherche à trois pas (Koga81) Le vecteur de déplacement optimal Modifications : -comparaison de min(MAD) avec un seuil T -Si min(MAD)

34 Estimation du mouvement dans les algorithmes normalisés(II) Méthode d estimation : recherche exhaustive Précision d estimation : - « au pixel près » - « au demi-pixel près » Estimation au pixel près : Estimation au demi pixel près :

35 Approches multi-résolution- multi-échelle 1)Construction des pyramides Gaussiennes pour 2) Estimation des paramètres de mouvement commençant par le niveau le plus élevé 3) Propagation -le facteur de sous- échantillonnage


Télécharger ppt "Traitement et éléments du codage vidéo Jenny Benois -Pineau Université Bordeaux -1 Traitement et éléments du codage vidéo Jenny Benois -Pineau Université"

Présentations similaires


Annonces Google