СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

В статье предлагается комплексный критерий оценки кодеков, применяемых для сжатия данных с потерями, и измерительный стенд, позволяющий определить значение данного критерия. Актуальность применения такой оценки в информационных системах обусловлено тем, что в целом, несмотря на многообразие кодеков, применяемых при обработке цифровых мультимедийных данных, большинство схем сжатия можно свести к одной общей схеме. Это обеспечивает универсальность рассматриваемого комплексного критерия при оценке различных кодеков, а многоэтапность последовательности обработки данных при сжатии данных дает возможность независимого выбора метода, примененного на каждом из этапов. Взаимное согласование параметров входа и выхода последовательных этапов между собой дает возможность получить наиболее эффективные показатели работы кодека в целом.

Цель исследования заключается в разработке схемы измерения параметров сжатия видеоданных путем применения структуры гибридного кодека на примере использования вейвлет-преобразования. С целью единообразной оценки эффективности набора вейвлет-преобразований, потенциально подходящих для построения кодеков, применяемых для сжатия данных с потерями, разработан измерительный стенд, позволяющий определить значения предложенного комбинированного критерия эффективности сжатия на примере изображений. Проведена объективная и субъективная оценка результатов сжатия с использованием наиболее популярных вейвлетов. Объективная оценка по предложенному критерию, проведенная с использованием измерительного стенда, построенного на базе концепции гибридных кодеков, позволила ранжировать рассмотренные вейвлеты и выбрать наиболее эффективные для задачи сжатия. По субъективной оценке на малых уровнях преобразования (до 3-го включительно), все рассмотренные вейвлеты показали одинаково удовлетворительный результат. Визуально различия становятся заметными на уровнях преобразования 6 и выше. Преимуществом описываемого подхода является возможность его применения для нереферентной оценки параметров сжатия видеоданных, что достигается за счет использования программного измерительного стенда на базе концепции гибридных кодеков. Разработка автоматизированных систем оценки эффективности кодирования данных, с одной стороны, позволяет ускорить процесс разработки кодеков, а с другой стороны, стандартизировать результаты измерений систем компрессии данных.

1. Richardson I.E.G. The H.264 advanced video compression standard. – 2nd ed. – Chichester: Willey, 2010. – 316 p.

2. Кулешов С.В. Гибридные кодеки и их применение в цифровых программируемых каналах передачи данных // Информационно-измерительные и управляющие системы. – 2012. – Т. 10, № 5. – С. 41–45.

3. Кулешов С.В. Методы и технология построения цифровых программируемых инфокоммуникационных систем: дис. … д-ра техн. наук. – СПб., 2011. – 240 с.

4. Bruylants T., Munteanu A., Schelkens P. Wavelet based volumetric medical image compression // Signal Processing: Image Communication. – 2015. – Vol. 31. – P. 112–133. – DOI: 10.1016/j.image.2014.12.007.

5. Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук. – 1996. – Т. 166, № 11. – С. 1145–1170.

6. Medical video coding based on 2nd-generation wavelets: performance evaluation / M. Ferroukhi, A. Ouahabi, M. Attari, Y. Habchi, A. Taleb-Ahmed // Electronics. – 2019. – Vol. 8 (1). – P. 88. – DOI: 10.3390/electronics8010088.

7. Krivoshein A.V. From frame-like wavelets to wavelet frames keeping approximation properties and symmetry // Applied Mathematics and Computation. – 2019. – Vol. 344–345. – P. 204–218. – DOI: 10.1016/j.amc.2018.10.004.

8. Compression of digital holographic data: an overview / F. Dufaux, Y. Xing, B. Pesquet-Popescu, P. Schelkens // Proceedings of SPIE. – 2015. – Vol. 9599. – DOI: 10.1117/12.2190997.

9. Masoumi M, Rezaei M., Hamza A.B. A blind spatio-temporal data hiding for video ownership verification in frequency domain // AEU – International Journal of Electronics and Communications. – 2015. – Vol. 69, iss. 12. – P. 1868–1879. – DOI: 10.1016/j.aeue.2015.09.015.

10. Mstafa R.J., Elleithy K.M., Abdelfattah E. A robust and secure video steganography method in DWT-DCT domains based on multiple object tracking and ECC // IEEE Access. – 2017. – Vol. 5. – P. 5354–5365. – DOI: 10.1109/ACCESS.2017.2691581.

11. Wijaya B.A., Nasution M.K.M., Zamzami E.M. The steganographic video analysis uses combination of discrete cosine transform and discrete wavelet transform algorithms // Journal of Physics: Conference Series. – 2018. – Vol. 1116 (2). – P. 022046. – DOI: 10.1088/1742-6596/1116/2/022046.

12. Ntalianis K., Tsapatsoulis N. Remote authentication via biometrics: a robust video-object steganographic mechanism over wireless networks // IEEE Transactions on Emerging Topics in Computing. – 2016. – Vol. 4 (1). – P. 156–174. – DOI: 10.1109/tetc.2015.2400135.

13. Kekre H.B., Sarode T.K., Vig R. A new multi-resolution hybrid wavelet for analysis and image compression // International Journal of Electronics. – 2015. – Vol. 102 (12). – P.2108–2126. – DOI: 10.1080/00207217.2015.1020882.

14. Hiba H.S.M. Ali, Sharif S.M. Comparison between discrete wavelet transform and maximal overlap discrete wavelet transform as an analysis tool for H.264/AVC video // 2018 International Conference on Computer, Control, Electrical, and Electronics Engineering (ICCCEEE 2018). – Khartoum, Sudan, 2018. – P. 8515873. – DOI: 10.1109/ICCCEEE.2018.8515873.

15. Трифонов А.Г. Многокритериальная оптимизация. – URL: http://matlab.exponenta.ru/optimiz/book_1/16.php (дата обращения 22.12.2019).

16. Ливак Е.Н. Алгоритмы сжатия. Обзор алгоритмов сжатия с потерями. Алгоритм JPEG2000. – URL: http://mf.grsu.by/UchProc/livak/po/comprsite/theory_jpeg2000.html (дата обращения: 22.12.2019).

17. JPEG 2000. – URL: http://www.jpeg.org/jpeg2000/index.html (accessed: 22.12.2019).

18. JPEG 2000 Quantization. – URL: http://www.whydomath.org/node/wavlets/jpeg2000quantization.html (accessed: 22.12.2019).

19. Ливак Е.Н. Алгоритмы сжатия. Обзор алгоритмов сжатия без потерь. Метод Хаффмана. – http://mf.grsu.by/UchProc/livak/po/comprsite/theory_huffman.html (дата обращения 22.12.2019).

20. Padmavati S., Mesharam V. DCT combined with fractal quadtree decomposition and Huffman coding for image compression // International Conference on Condition Assessment Techniques in Electrical Systems (CATCON 2015). – Bengaluru, India, 2015. – Art. 7449503. – P. 28–33. – DOI: 10.1109/catcon.2015.7449503.