视频压缩方案使用边缘特性的无线视频传感器网络

文摘

提出一个低的视频压缩算法,它使用对象的边缘帧的运动估计和补偿。基于该算法,两个方案,平衡能源消耗在集群节点之间无线视频传感器网络(WVSN)提出。在这些计划中,我们将压缩过程划分为几个小的处理组件,然后分发给多个节点沿着一条路径从源节点到簇头在一个集群中。我们进行广泛的计算模拟研究的真实性我们的方法和发现,该方案不仅平衡能耗的传感器节点通过共享处理任务也提高解码视频质量通过使用帧对象的边缘。

1。介绍

无线视频传感器网络(WVSN)是一种特殊的无线传感器网络(WSN)能够捕获视频数据的视频传感器节点(节点设备捕获视频数据),处理数据,并将它们传递基站使用多次反射技术。两种类型的节点被认为在WVSNs,视频传感器节点(源节点)和处理传感器节点影响视频数据的检索。视频传感器节点的主要功能是捕获对象和记录视频数据,虽然处理传感器节点的主要功能是收集数据和处理它们。视频数据的规模很大,所有节点是有限的资源,也就是说,动力电池,计算能力和内存。因此,节约能源消费网络通过减少传输数据的大小和保证服务质量(QoS) WVSNs的两个基本问题。

网络的实际部署和小CMOS摄像头芯片的可用性,研究了许多多媒体应用WVSN。这些应用程序提供一个分布式传感和监测环境的能力获取视频数据,包括监测、计算机视觉、视频跟踪、远程实时视频和控制,智能家居1- - - - - -3]。在这些应用中,研究人员在静态场景中集中注意力不仅观察也发现了变化。但是,它太难以实现这两种任务WVSNs因为有限的能源和处理器速度传感器(4]。要解决这些问题,我们提出一种新的算法对WVSNs压缩视频数据。在该算法中,我们使用一个同质性检测技术(5- - - - - -9),这是基于彩色边缘检测算法来提高质量和压缩率解码视频。

有几个图像边缘检测算法如索贝尔,高斯,同质性的方法(8- - - - - -12]。在我们的算法中,我们选择同质性的方法,因为它的优势是快速执行时间(3秒512像素的图像512像素)9),低计算复杂度和低错误率,检测到的边缘图像比Sobel和高斯技术尤其是在噪声条件(5- - - - - -9]。自签名方法依赖于颜色,它可以适用于许多类型如黑白图像,灰度或彩色图像。我们只需要指定图像的两个点之间的距离。结果,生成的签名会感知有意义。检测技术是解释的细节部分3.1。基于该算法,我们提出了两种高效的能源计划在WVSNs适用于资源受限的。

本文的其余部分组织如下。节2,我们将讨论相关工作和现在WVSNs的图像和视频压缩。节3基于视频压缩,提出两个方案介绍了WVSNs。节4,我们批判性地评估和分析一些仿真结果。最后,我们给出了结论和未来工作的建议5。

2。相关工作

2.1。传感器节点结构

传感器网络是一组小一次性无线设备。每个设备,称为一个传感器节点,配备传感器/致动器、微处理器、通信和电源模块。如果数据传输是多媒体,每个传感器,称为多媒体传感器,应该配备捕获功能,过程,和传输数据。我们可以分类WVSN平台分成三个类别的基础上计算功率,即轻量级,中间,和PDA-class平台(13)或基于目的,即一般,严重耦合、架构和外部依赖(3]。由于视觉数据需要更高带宽使用由于传输的数据量和更高的功耗由于编码和视觉处理算法的复杂性,只能申请PDA-class平台实时视频应用程序要求高数据率(1,3,13,14]。多媒体传感器的结构如图1(1,3,13,14]。多媒体传感器设备包括七个基本组件:一个传感单元、处理单元(CPU),通信单元,一个协调单位,一个存储单元(内存),一个可选的流动/驱动单元和电源单元。有两个子单元的传感器,传感器(摄像头,麦克风,和/或标量传感器)和模拟数字转换器(adc)。ADC亚基转换模拟信号,采集的传感器单元,为数字信号,然后转移到处理单元。处理单元进行系统软件协调传感和通信任务,并与存储单元。协调单位执行位置管理、运动控制器和网络同步任务。通信单元管理通信协议栈、系统软件、中间件。一个可选的流动/驱动单元用于移动或操纵的对象。最后,动力装置支持整个系统的能量。

2.2。图像和视频压缩WVSNs

便宜的CMOS相机等设备的可用性使他们可能无所不在地从环境中获取多媒体内容,促进了网络的图像和视频处理应用程序的开发(1,4,15- - - - - -23]。Ahmad et al。4)执行评估能源效率的预测编码方案部署在现实生活中的传感器基于编码intraframes (帧)。他们的结果表明,该编码所消耗的能量frame(平均60.03 mJ /框架)远低于编码一帧间(平均763.68 mJ /帧),预测框架(frame)或双向预测帧(B-frame)。

Magli et al。20.)提出了一个算法低视频编码与视频监控应用程序基于活跃地区。结果表明,该算法的解码视频质量竞争与mpeg - 2,其复杂性是低于mpeg - 2。周(21)提出了一种基于运动补偿的视频编码方法后跟形状补偿来取代传统的离散余弦变换(DCT)编码。然而,该方法有效地应用仅为二进制图像。杨和Ramchandran22)专注于利用相机之间的相关性,提出两种模型来捕捉采访相关相机中重叠的观点。解码的结果表明,该质量相比,提出的模型提高了2.5 dB intraframes与h +。刘等人。23]提出了一种基于Wyner-Ziv监控视频压缩系统编码的计算复杂度和编码效率之间的平衡。结果表明,该系统不仅提高了编码效率,而且降低了编码器的复杂性。

论文最与我们的工作密切相关的是(20.]。纸,Magli等人设计了一个算法,可以快速找到活跃地区。两种类型的场景被认为在他们的算法,运动的背景和前景物体。算法的主要观点是分类差异噪音,阴影和光照区域。因为算法执行比较所有像素每8×8块,需要很长时间和消耗太多的精力处理每帧:总编码一帧时间超过1000 ms,编码一帧和能源消耗是42乔丹组图片(共和党)是25 (20.]。另一方面,解码视频质量并不高,因为该方法只允许噪声标准偏差最大误差为0.25。在前景物体的运动的情况下,峰值信噪比(PSNR)相比,该算法小于2 dB与mpeg - 2 (20.]。

对于基本的图像编码技术,我们可以将技术划分为四类,预测编码、块变换编码、矢量量化,部分波段和小波编码(24]。在这些类别中,我们考虑第二和第四,即块变换编码,和子带小波编码,由于他们的简单实现。DCT和离散小波变换(DWT)技术是属于这些类别的两个特殊的编码技术。DCT的优势是,它可以很容易地实现内存需求相对较低,而其缺点是低压缩和低比特率,从而导致恼人的阻塞和振铃工件。相比之下,DWT的优点是高压缩率和高图像质量,而其缺点包括其高计算复杂度和大量的内存需求25- - - - - -27]。

为了解决上述问题,作者(15- - - - - -19)提出了新的方法来减少计算复杂度和内存利用率。Chrysafis和奥尔特加15)专注于减少记忆在图像压缩编码器和译码器通过使用一个基于行的小波变换的实现方法和存储只一套当地的小波系数。因此,解码图像的质量和内存利用率明显提高。李等人。16)优化能源消耗的JPEG实现和测量压缩和传输图像数据。结果表明,该算法可以改善图像的质量和能源消耗。奥利弗和Malumbres17)提出了一种图像压缩算法改善有效的小波系数树结构。因此,该算法减少了不仅内存需求,而且处理时间。奥利弗和Malumbres18)提出了一个算法来有效地计算二维小波变换在图像压缩。结果表明,该算法可以减少内存需求高达200次。控制和Reisslein19)提供了一个概述的技术使用小波变换可以实现图像转换与低内存网络传感器。正如上面分析,我们认为,两种技术(DCT和DWT)将改进和应用网络上的多媒体应用。

视频编码模式,我们可以将技术划分为两种类型,分布源编码和个人源编码(28]。都可以应用到三个压缩技术,单层编码(即。(即,JPEG),多层编码。,JPEG2000), and multidescription coding. In this paper, we focus attention on the video coding paradigms. The details of three techniques can be seen in [28]。三种技术一直在检查前类型,但他们尚未完全研究后者类型(29日- - - - - -31日]。

等前类型MPEG-X和H.26L压缩过程是在源节点。节点必须从而实现视频压缩过程的所有任务,包括转换,寻找运动向量和补偿运动,和编码。然后他们发送压缩数据直接使用多次反射技术或基站。这种方法的优点是,由于源节点不需要与其他节点进行通信在编码过程中,执行的方法简单。否则,该方法的缺点是,源节点将很快被耗尽,因为重载。因此,网络中能量分布不平衡,和网络寿命会减少。

为了解决这个问题,研究人员集中关注后一种类型。Wyner-Ziv编码器(29日)以及功耗健壮的高压缩Syndrome-based多媒体编码(棱镜)两种典型方案分发源编码WVSNs (22,32]。在这些计划中,研究人员将视频数据分成小块,适合于由多个节点或尽量减少源节点的编码复杂度。因此,网络平衡的能量消耗,延长网络的生命周期。然而,计划有一些缺点。由于节点需要相互沟通,他们必须花费精力交流的一部分。在某些情况下,计划将不会达到高压缩效率如果只有几个复杂的编码器(33]。否则,解压数据的质量减少是由于无线信道错误。

为了解决这个问题,研究人员使用通道编码能够抗议通道错误,如低密度奇偶校验码(LDPC) [30.)和涡轮代码(29日),或向后频道提高参考帧的质量(23]。在本文中,我们考虑结合个人源编码方法和分布式源编码。在我们的算法中,我们执行比较对象的边缘帧中快速找到活跃地区。我们尽量减少编码器的复杂性通过共享对象的加工任务,如边缘检测,发现运动矢量,运动补偿其他节点。我们所知,使用帧压缩视频中对象的边缘上WVSNs没有被认为是在文献中。

3所示。提出了方案

3.1。同质性边缘检测技术

在该算法中,我们使用同质性边缘检测、基于彩色边缘检测算法,估计运动(找到运动矢量)和补偿运动。我们可以把彩色边缘检测算法分成三类,即输出融合方法、多维梯度法,向量法(6,8]。

在输出融合方法,发现边缘检测执行独立三个颜色分量,红,绿,蓝(RGB),然后三条边组合成最终的边缘。多维梯度法,三个颜色分量是第一个结合之前进行边缘检测。在向量方法中,图像的边缘发现基于颜色的矢量性质和旋转。(见[6)三种技术上的更多细节)。

在三种方法中,我们考虑输出融合方法和多维梯度法由于其简单的实现。输出融合方法的优点是简单的执行,而其缺点是消耗更多的能量来检测边缘,因为它必须执行(边缘检测三次6,8]。边缘检测任务包含许多步骤和消耗大量的能量5,7),因此输出融合方法不适合无线传感器设备上实现。为了解决这个问题,我们首先进行预处理三种颜色组件实现边缘检测之前,然后应用边缘检测方法(同质性7,9]。因此,我们只进行边缘检测,从而节省能耗的无线传感器设备。

图2显示均匀性的细节步骤边缘检测方法。在图2,我们修改传统的同质性边缘检测方法之前插入预处理块来探测物体的边缘在图像以减少计算复杂性。因此,检测过程包括两个步骤如下。

步骤1(预处理)。在这一步中,我们选择一个输入图像的三个色彩元素检测如下 在哪里的强度是红、绿、蓝元素输入图像的像素,分别。步骤的目标是减少能源消耗的无线传感器设备检测边缘的对象通过边缘检测任务。

步骤2(探测物体的边缘)。我们使用同质性运算符执行计算的不同价值中心点与八个邻居找到对象的边缘在图像(),如图3。运营商基于同质性(9)被定义为 在哪里阈值是用来改善对象的边缘在图像的质量。有几种方法来确定阈值。观察对象的边缘的一组测试图像和选择对象的值,获得可接受的边缘是最简单的方法(34]。在我们的模拟中,我们选择。

3.2。提出了视频压缩算法

我们做一些网络假设基于1,3,20.在我们的算法如下。传感器节点的传输范围可以动态调整,允许多次反射WVSNs通讯在一个集群。源节点的原始视频数据加载到内存。所有节点都能够执行复杂的任务。的能源消耗SYN / ACK包是不考虑。由于传感器由他们的存储和处理能力有限,我们假设只包括视频输入- - -帧。我们认为小场景变化的背景和较低的运动对象。

我们的建议是基于算法(20.]。当我们分析部分2,算法的最困难的问题20.)是比较所有像素每8×8块来决定活跃的地区,因此,需要很长时间来扫描和消耗太多能源每帧。为了解决这个问题,我们提出一个方法来找到运动区域基于帧之间的比较对象的边缘。

该算法有三个不同的分20.]。首先,我们使用不同的帧标记之间的边缘的对象运动区域的,而(20.)使用差异噪音,阴影和光照区域。由于我们使用的对象,处理时间和能源消耗的编码帧数比[我们的方法不20.]。其次,我们使用背景图像中对象的边缘增加精度在执行标记运动区域。因此,运动矢量和运动区域的数量减少,从而提高压缩率。第三,我们运用我们的方法(找到运动区域的边缘通过比较对象)对mpeg - 2 / H。262encoder that is suitable to perform for wireless applications because of its low complexity of algorithm and acceptable quality of decoding data [35]。该算法和mpeg - 2之间的主要区别是,只有在所需的框架对象的边缘的方法而mpeg - 2要求所有数据帧。因此,我们可以节约能源和时间寻找运动向量和补偿运动。

图4描述了该视频压缩系统的概述。首先,源节点捕获当前帧检测边缘的对象和比较对象的检测到的边缘与背景图像中对象的边缘。这一步的目标是减少噪音。这个框架的边缘检测的对象存储在源节点的缓冲区。源节点为下一个帧重复相同的过程和比较对象的边缘检测的帧与前一帧的缓冲马克活跃地区。基于活跃地区,源节点发现运动向量和补偿运动。最后,运动区域转变,量化,运行长度编码(RLE)和哈夫曼编码,分别和运动向量是由RLE编码,编码块的哈夫曼编码。

图5描述的细节提出了视频压缩算法使用同质性边缘检测技术。首先,由源节点捕获视频数据。的视频数据由一个帧序列,编码为框架和帧,frame的框架只存储在当前帧和信息frame的帧存储的区别(运动向量和运动区域)之间的一个或多个相邻的帧。这些帧存储在帧缓冲块。块,检查是否输入帧frame或frame。如果输入是一个frame,压缩通过以下过程:DCT,量化,RLE和哈夫曼编码。另一方面,如果输入是一个frame,它将被转移到边缘检测器块马克活跃区域,如图6。在图中,我们执行两个步骤来确定活动区域,如下所示。

步骤1(比较对象的帧)的边缘。首先,边缘检测器块执行帧中检测边缘对象(,框架,和背景图像)。在最初的时候,我们假定背景图像存储在缓冲区。在接下来的时间,我们将使用前面的帧作为背景图像。物体的边缘检测帧间相互比较。计算两帧之间不同边缘的对象

步骤2(标志着活跃的地区)。在这一步中,像素的数量(),其价值在每个块不同于零计算框架。如果不仅仅是,这取决于大小的块,块明显。在我们的模拟,是设置为32块的大小是什么。

然后执行算法找到运动矢量的块运动估计和运动补偿运动补偿块图5基于标记的区域(活跃的地区)。节约能源消费寻找运动向量,我们使用一个“三步搜索”算法。运动矢量搜索算法基于比较和确定最小平均绝对误差(梅斯)的8分,有相同的距离中心点(估计点)。“三步搜索”的一个例子是图所示7。在图中,运动向量广告最低的美决定后执行搜索三个步骤。算法的步骤的细节中可以看到[36,37]。最后,运动区域改变了DCT量化,RLE,和哈夫曼编码,分别和运动向量是由RLE编码和哈夫曼编码。基于提出的视频压缩算法,我们提出了两种不同的方案来实现在WVSNs这个视频压缩算法。

3.3。能源评价模型

评估能源消耗,我们使用无线通信能量模型提出了38- - - - - -40]。每一点传输的能耗 和能源消耗接待每一点 在哪里是近战的引用距离或距离阈值,确定从测量靠近发射器,然后呢是无线发射机和接收机之间的距离。的符号是电路的能耗/,然后呢或是能量放大器这取决于发射器放大器模型。

在拟议的视频压缩算法,我们处理数据后8×8块。因此,我们的能量消耗模型。为frame,能源消费在视频压缩th块frame ()是 在哪里和是将DCT的能量耗散和编码th块分别frame。和是之前将DCT块的数据大小和编码(量化和编码)th块分别frame。和是能源消耗的每一点改变DCT和编码,分别。因此,压缩的能量消耗frame ()是 在哪里是框架的块的数量。能源消费总量为frame ()是 在哪里和的能源消耗是接收和发射/分别frame。接收的数据大小吗frame,是数据传输的大小编码后frame。

为frame,压缩的能量消耗th块frame ()是 在哪里和是之前将DCT块的数据大小和编码(量化和编码)th块分别frame。因此,压缩的能量消耗frame ()是 在哪里是检测对象的边缘的能量耗散在以往和当前帧,然后呢是发现的能量耗散运动矢量和运动区域。总能源消耗frame ()是 在哪里和的能源消耗是接收和发射/分别frame。接收的数据大小吗frame,是数据传输的大小编码后frame。

的价值和更大的比和在我们的算法,因为它需要扫描整个帧对象的边缘和扫描活跃的区域来判断运动向量和运动区域。的细节步骤计算值的能量在附录解释道一个。在该算法中,因此我们将这两个任务分发给其他节点,而不是执行压缩视频数据在源节点。

3.4。提出了视频压缩方案1

图8描述了首次提出方案与正常情况下的视频压缩系统WVSN,啤酒花的数量从源节点到簇头是三。图8(一个)描绘了一个情况是一个输入帧frame。框架,我们通过以下过程:压缩DCT,量化,编码沿着路径从源节点到集群。能源消费总量为frame是 在哪里是改变的能量耗散DCT在转换节点为th块frame,是编码在编码节点的能源消耗为th块frame。

图8 (b)描述了其他情况下,输入框是一个frame。节点必须首先检测帧中的对象的边缘和背景图像,然后相互比较活跃的地区。执行步骤类似于步骤1和2节3.2。基于活动的区域,节点发现运动向量和补偿运动。运动区域改变了DCT量化,RLE和哈夫曼编码,分别和运动矢量是由RLE编码和哈夫曼编码。在这种情况下,节点执行DCT的任务,和节点执行的编码任务。几个节点之间通过共享压缩任务在一个集群中,节点的能量消耗将是平衡的。能源消费总量为frame是 在哪里是检测对象的边缘的能量耗散在以前在节点和当前帧,是发现的能量耗散运动向量和运动区域,是改变的能量耗散DCT在节点为th块frame,的能源花费在节点编码吗为th块frame。

当节点之间的跳数和节点说,小于3,任务不能完全分布如图8。因此,所有的压缩任务(DCT和编码)分配时中间节点;时,都是在源节点上执行。

我们认识到,在方案1中,源节点必须执行许多任务(帧检测对象的边缘,进行比较,发现运动矢量补偿运动,检测背景图像中对象的边缘,并比较和存储对象的边缘),而其他节点仍然有足够的精力去做这些任务。因此,我们需要分配任务,例如,帧探测物体的边缘,寻找运动向量和运动区域,减少源节点过载。为了解决这个问题,我们提出第二个方案。

3.5。提出了视频压缩方案2

我们的第二个方案如图9。在这个方案中,我们改善方案1和使用基于Wyner-Ziv编码器的编码技术来降低编码器的复杂性(4,23,41]。在图9输入视频的帧序列分为两组,框架和帧。方案2的不同方案1的检测对象的边缘frame,找到运动向量和补偿运动的源节点。因此,我们减少源节点过载。执行的方案2步骤的细节如下。

为框架中,我们使用传统的编码器(即。H.262 h, h +、h编码器)。在我们的模拟,intraframes H.262编码器编码,适用于无线应用程序由于其低复杂度的算法和可接受的质量解码数据35]。帧将被用作参考帧的运动矢量和补偿运动。

为帧,我们实现五个步骤来估计和补偿运动,如图9。

步骤1。检测到当前帧找到对象的边缘编码器(节点)。然后与背景图像中对象的边缘来减少噪音。边缘转换之间的差异数据,量化,编码之前被送到解码器(节点)。

步骤2。译码器,我们执行解码和反演变换重建边缘数据之间的差异。不同的数据与对象的边缘在解码器的参考系活跃的地区。执行步骤类似于步骤1和2节3.2。

步骤3。索引明显活跃的区域发送回编码器。

步骤4。编码器发送只有活跃地区基于索引的活跃地区解码器。

第5步。译码器估计运动(运动矢量)和补偿运动基于活跃地区和参照系。最后,运动区域也会转变,量化,编码JPEG-encoding块。通过减少编码器的计算复杂度,视频压缩任务共享的编码器和译码器。

图10描述了该方案的一个示例2,啤酒花的数量从源节点到簇头是三。图10 ()说明了输入帧是一种情况frame。对于框架,数据由H.262编码器压缩沿着路径从源节点到集群。在图中,节点不仅执行转换任务,而且检测并存储对象的边缘帧的运动估计和运动补偿。视频压缩的能量消耗frame是 在哪里是探测的能量耗散的边缘frame在节点。

图10 (b)显示的压缩方案frame。节点首先对当前帧进行边缘检测。然后对象的边缘与背景图像中对象的边缘。比较后,数据将被发送到节点的区别。节点比较了不同数据与参考系中的对象的边缘标记活跃的地区和发送回节点索引的活跃区域。基于索引节点发送当前帧的活跃区(frame)节点估计和补偿运动(运动矢量和运动区域)。运动区域将被转换、量化、RLE和霍夫曼编码,分别和运动矢量是由RLE编码和哈夫曼编码。在这种情况下,节点执行DCT的任务,和节点执行的编码任务。因此,视频压缩的能量消耗frame是 在哪里是探测的能量耗散的边缘frame在节点,是能量耗散的转移对象在当前帧的边缘节点到节点,是传输的能量耗散的当前帧标记区域节点到节点。和是物体的边缘的数据大小在当前帧和当前帧的标记区域,分别。自从在帧对象的边缘有高度的相关性,我们之前压缩数据发送到节点。

在方案2中,因为我们使用的编码技术,它使用活跃的地区,只有基于区域标记的当前帧的一部分转移到运动估计和补偿,如图9。因此,能源()远小于整个帧发送的能源消耗。当节点之间的跳数到节点,小于3,任务将分配给相同的节点与方案1,由于缺少中间节点。

4所示。仿真结果

4.1。仿真设置

我们使用Visual Studio C来设计我们的模拟。在我们的模拟中,我们考虑six-sensor网络大小为100,200,300,500,800,和1000个节点随机分布在一个500×500场。源节点是随机选择的。我们把无线网络分成许多部分(集群),和每个部分有特殊控制节点称为一个簇头节点。我们选择基于LEACH-C集群头(38]。我们选择模型参数值的能量(4)和(5)如下:,,,,使用前面的文献中的典型值38- - - - - -40]。基于[39,40),我们选择的参数值计算能量模型如下:和。基于[5,7,36,40,42),我们计算边缘检测同质性的能量和精力寻找运动区域。

我们选择最接近的节点中心的基站。每一个传感器都是提供两个焦耳启动能量。我们使用Akiyo视频的背景图像变化缓慢,用于相关视频压缩文学、季度普遍支持的交换格式(QCIF×176像素144像素),24位/像素和150帧作为输入数据。我们使用mpeg - 2 / H。262,the main profile at low level (SP@LL) that is suitable for wireless applications [35]。在我们的模拟,参考背景图像的数量是5个,共和党是5 (IPPPPIPPPP)。参考背景图像并存储在缓冲区更新视频传感器。这些参数是适合缓冲的视频传感器在无线网络28]。

4.2。仿真结果

评估不同参数的影响提出了视频压缩方案的执行,几个模拟进行。提出两个方案,沿着路径压缩视频数据从源节点到簇头节点和基站传输与多次反射传播,与mpeg - 2 / H。262的算法压缩视频数据在源节点和直接传输到基站20.]。

我们评估三个参数,解码视频质量(压缩率、视频质量和编码时间),网络的质量(接收和丢失的帧的数量),并在两种情况下网络的能耗。在第一种情况下,我们假设没有错误的通道。在第二种情况下,我们假设有一个错误控制方案基于[43,44]。在本例中,我们假设只有两个节点之间的误差和不考虑干扰其他节点(43]。因此,丢包率取决于两个节点之间的距离。我们假设/数据包传输的比特数是8 [44]。一帧将被丢弃,如果一个或多个数据包组成帧丢失。因此,平均损失率帧定义如下:

评估的视频压缩算法,三个参数,PSNR,压缩率,和编码解码的视频,使用。以PSNR值衡量图像质量指标如下方程: 在哪里像素的值是在原始图像,像素的值是在解压图像,然后呢是原始图像的每个像素的比特数。存储容量是衡量压缩率。这是定义如下:

PSNR和压缩率的相互关系。如果压缩率指标降低,图像质量会下降。这意味着PSNR将减少。因此,我们需要平衡两个参数时压缩图像,虽然研究人员关注能量的压缩率的指标,因为约束。

比较解码视频质量:我们进行视频数据压缩和解压源节点和计算三个参数,PSNR,压缩率,和编码解码的视频的时候,有两种类型的输入视频,Akiyo和汽车无线电话视频。结果如图11和12。

在图11,当时的背景图像Akiyo视频变化缓慢,平均质量的视频解码算法提高了2 dB和1 dB与mpeg - 2结果相比/ H。262年Magli算法(20.),分别如图11 (b)而解码视频的压缩率,该算法比其他算法小,如图(11日)。另一方面,该算法的编码时间与Magli竞争算法(20.),低于mpeg - 2 / H。262年,如图11 (c)。

在图12,当时的背景图像汽车无线电话视频迅速变化,平均解码视频质量的算法不改善。在这种情况下,该算法的解码视频质量不如mpeg - 2 / H。262年Magli算法(20.对于一些帧,如图12 (b)虽然该算法的编码时间长于mpeg - 2 / H。262年,如图12 (c)。

网络质量的比较:评估网络质量,我们执行压缩和视频传输数据从源节点到基站。首先,视频节点,这是一个源节点,必须找到最短的簇首发送视频数据。集群头将压缩数据发送到基站使用多次反射技术通过其他集群。模拟时将停止所有源节点耗尽精力。

首先,我们对能源消耗在源节点在mpeg - 2编码帧/ H。262年,[Magli算法20.),该算法。仿真结果如图13和14。虽然该算法编码intraframes的能耗高于其他算法进行边缘检测的算法如图(13日)和(14日),该算法编码帧间的能量消耗低于其他算法由于减少了运动估计和运动补偿的复杂性算法,如图13 (b)和14 (b)。因此,能源消费总量内部和帧间编码的算法比其它算法低得多,因为帧间的数量远远大于intraframes视频数据的数量,尤其是共和党增加。

然后,我们评估网络质量的两种情况。在第一种情况下,我们假设没有错误的通道。在第二种情况下,我们假设有一个错误控制方案。仿真结果如图15和16。在这两种情况下,当节点的数量变得足够大,网络的拓扑结构将得到改善。因此,框架损失率小于5%和1000节点如图(15日),并与1000年不到10%节点如图(16日)在两个建议方案。因此,如图15 (b)和16 (b)收到的帧的数量,提出方案,执行视频压缩任务分配给多个节点从源节点到簇头都大于其他方案的执行集中视频压缩的任务在一个源节点,而所有的能源消耗计划几乎是一样的,如图15 (c)和16 (c)。

能耗的比较:评价能量平衡,我们也表现在两种情况下,没有错误控制方案和错误控制方案。我们测量网络的残余能量在基站收到5000帧。我们与2000传感器节点进行了模拟,结果绘制在数字17和18。在数据17和18提议的方案避免,许多传感器节点的能量,特别是方案2成功使基站周围的能量孔小于其他人。

4.3。讨论

在本文中,我们提出两个方案基于边缘检测技术。提出的方案实现不仅提高解码帧的质量也平衡节点的能量消耗。但是,仍存在三个问题。

首先,我们假定背景不会改变得如此之快,我们认为幕后小变化的背景和较低的运动对象。在监视应用程序中,假设将被接受。然而,当假设是扩展到其他应用程序背景迅速变化,该算法不会优化,如图12。在最坏的情况下,活跃区域可能是相同的原始图像的大小。为了解决这个问题,背景的数量应该足够大,以消除噪声,当估计运动区域和运动向量。由于传感器的记忆是有限的,我们将考虑背景的数量和容量之间的权衡的内存申请在未来真实的环境中工作。

其次,我们假设只有一个对象的模拟。在实际监测环境中,超过两个物体可能会进入一个框架。在这种情况下,最困难的问题是确定这些对象运动区域时互相重叠。因此在未来的工作中,我们将考虑解决这个问题通过使用其他技术如重叠视图技术(22]。

第三,我们分享的边缘检测任务转换节点在第二个方案但发现运动矢量的任务仍在源/转换节点执行。发现运动矢量任务消耗更多的能源和记忆36,37,42]。因此,我们将执行将任务分配给多个节点来平衡网络能耗在未来的工作。

5。结论和未来的工作

在本文中,我们提出了两个视频压缩方案使用边缘检测技术WVSNs平衡能源消耗。网络提出方案解决的三个问题,节能、资源受限的计算和数据处理。节能和数据处理问题是解决分配多个节点的数据处理任务从源节点到集群在一个集群中。结果,提出计划接收的数据的数量的增加而能源消耗是相同的所有计划和传感器节点之间的能量平衡。资源受限的计算问题,我们使用图像的边缘特性找到运动区域。该技术的优点是短的执行时间,计算复杂度低、低错误率(9]。

在我们的模拟,因为我们只使用框架和帧的视频压缩,压缩的速度还没有优化。此外,由于我们使用H.262 intraframes编码器,编码的质量和压缩率框架尚未开发。为了解决这个问题,作者(23)用逆向渠道提高参考帧的质量和压缩编码帧率,同时保持低复杂度的编码器。因此,我们将利用双向框架(B-frames)和应用h .编码器的特点(45]intraframes改善质量和压缩率在未来的工作。

附录

答:编码能量模型

网络数据处理模型研究了在许多论文(40,46- - - - - -48]。为压缩多媒体数据描述更详细的信息,我们使用简单的JPEG模型(48),如图19。

在图像/视频压缩算法中,数据通常由8×8块处理。因此,我们的模型的基于块的能源消耗。基于模型的总能量消耗压缩一个数据块,表示,计算(48] 在哪里,,,,是将二维DCT的能源消耗(2维变换),量化,锯齿形扫描,RLE编码,分别和哈夫曼编码。

二维变换已经使用在许多论文,它通常是简单的形容 在哪里,是一个像素的灰度值在位置(,在一块)。和等于如果如果,1,。的符号和离散频率变量,这样吗 在哪里是块大小。方程(a .3)可以被建模矩阵如下: 在哪里是矩阵系数是谁的和矩阵的大小。是原始图像的像素的矩阵,然后呢矩阵的转置下列方程的系数表示为, 每个矩阵()(各)系数,每个系数执行乘法和添加。因此,能源消费总量来执行(a .)表示为 在哪里是能源消耗每乘法,表示每个增加能耗。

JPEG标准的价值通常是8,因此每个块DCT转换所消耗的能量表示为 同样,我们可以计算能耗量化,锯齿形扫描,RLE编码和哈夫曼编码的步骤。步骤中可以看到的更多细节(48]。

每个块能耗进行量化计算如下: 在哪里和是部门的能源消耗和圆形指示,分别。

能耗进行逐块锯齿形扫描计算如下: 在哪里代表转变过程的能源消耗。

RLE编码/块的能量消耗计算如下: 在哪里表示零的序列,的数量是在一个街区,的能源消耗是检查是否交流电(AC)系数为空。这个函数返回0的数量(序列的零)。的符号写每一个能量消散吗的长度和非零值在块用()。的符号是递增的耗散能量的柜台的数量在每个0吗,的能源消耗是重置计数器。

哈夫曼编码/块的能源消耗 在哪里是双的数量()在以前RLE阶段内,除了特殊的双标记(0,0)和(15 0)是写一个所需要的能量流的比特JPEG文件。的符号是耗散能量,当我们在分类表中寻找的表示吗,而是消耗能源当我们最后一步的哈夫曼编码字节()。的符号所需要的能量计算的区别两个直流(DC)系数(表示为)。的符号是消耗能量,当我们在分类表中寻找的表示吗,是直流霍夫曼的耗散能量,当我们看表表示的函数写在JPEG文件一块。

基于[5,7,36,40,42),我们计算边缘检测同质性的能量和精力寻找运动区域。步骤中可以看到的更多细节(5,7,36,40,42]。符号和它们的值,使用摘要表中进行了总结1。

b比较质量和能源消耗与h / AVC算法

h / AVC ITU-T新的视频编码标准的视频编码专家组和ISO / IEC电影专家小组。h编码的主要目的是改善质量和压缩率解码视频。标准,有许多突出的特性,提高不仅质量,而且压缩率。然而,很难实现编码器WVSNs是因为它的高复杂性。在本节中,我们使用两个典型特征(研磨变换和算术编码h)对我们的算法和h标准进行比较。

责任。研磨变换

研磨变换(LT)是一种技术,它使用一个预处理阶段之前实现DCT提高DCT (49,50]。因此,我们使用一个LT的intraframes代替DCT算法提高解码视频质量。研磨三种类型之间的转换,即研磨正交变换(很多),层次重叠的双正交变换(HLBT)和搭接双正交变换(LBT),我们选择HLBT因为它比很多和LBT在三个方面:减少阻塞和振铃工件,降低计算复杂度,和更高的编码增益比很多低比特率图像编码应用程序如表所示2(49,50]。因此,HLBT WVSNs最合适的实现。HLBT的细节可以在49,50]。

B.2。算术编码

JPEG模型应用于压缩视频数据在4,20.,51]。该模型的优点是简单的实现。然而,由于霍夫曼编码是用于JPEG格式的模型,我们必须转移霍夫曼表压缩数据从源节点到基站WVSNs。因此要消耗能量的传感器节点。除此之外,在JPEG解码视频模型的压缩率不高。为了解决这一问题,我们取代霍夫曼编码的算术编码来提高一个高效的压缩(52,53]。算术编码的主要点是每个可能的序列映射到一个惟一的编号。因此,提高编码效率。算术编码的细节中可以看到[52,53]。

B.3。比较PSNR和压缩率

对于h .编码器,我们使用一个模型(4,53)估计算法。结果如图所示20.。在图20.,该算法,它使用HLBT和算术编码、竞争与h .编码器质量(PSNR)和解码视频的压缩率。

B.4。比较Encoding-Energy消费

在图21,我们评估的平均能源消耗每帧编码h .编码器之间的源节点和我们使用HLBT和算术编码算法。评估国际米兰的能源消耗和intraframes h .视频压缩,我们使用一个模型(4,53]。结果表明,能源消耗的内部算法和帧间是远低于h .编码器,尤其是在帧间(frame)如图21 (b)。

引用

1. i . f . Akyildiz、t·笛管音栓和k·r·Chowdhury”无线多媒体传感器网络:应用程序和台。”IEEE学报》,卷96,不。10日,1588 - 1605年,2008页。视图:出版商的网站|谷歌学术搜索
2. 索罗和w·Heinzelman“视觉传感器网络的调查”多媒体的发展ID 640386条,卷。2009年,21页,2009。视图:出版商的网站|谷歌学术搜索
3. a . Seema和m . Reisslein”高效的无线视频传感器网络:一项调查现有的节点flexi-wvsnp架构和方案设计,“IEEE通信调查和教程,13卷,不。3、462 - 486年,2011页。视图:出版商的网站|谷歌学术搜索
4. j·j·艾哈迈德·h·a·汗,s . a . Khayam”为无线传感器网络能量高效的视频压缩,”学报》第43届年会在信息科学和系统(cis ' 09)2009年3月,页629 - 634。视图:出版商的网站|谷歌学术搜索
5. r . Nevatia”颜色边缘检测器及其使用场景分割,“IEEE系统,人,控制论,SMC-7卷,不。11日,第826 - 820页,1977年。视图:谷歌学术搜索
6. m·a·Ruzon和c .预结边缘,角落检测使用颜色分布,“IEEE模式分析与机器智能,23卷,不。11日,第1295 - 1281页,2001年。视图:出版商的网站|谷歌学术搜索
7. 美国Dutta比比乔杜里,“基于统计和当地的同质性的彩色边缘检测算法”学报》国际会议在最近的技术进步在通信和计算(ARTCom ' 09)2009年10月,页546 - 548。视图:出版商的网站|谷歌学术搜索
8. a . Koschan和m·阿比”,在彩色图像边缘检测和分类IEEE信号处理杂志,22卷,不。1,第73 - 64页,2005。视图:出版商的网站|谷歌学术搜索
9. m . Setayesh m . Zhang, m·约翰斯顿,“一个新的使用PSO homogeneity-based边缘检测方法,”学报》24日国际会议的图像和视觉计算新西兰(IVCNZ ' 09)2009年11月,页231 - 236。视图:出版商的网站|谷歌学术搜索
10. n Senthilkumaran和r·拉杰什”,图像边缘检测技术segmentation-a软计算方法的调查,“最近的趋势在工程的国际期刊,1卷,不。2、250 - 254年,2009页。视图:谷歌学术搜索
11. r . Maini和h . Aggrawal”,研究和比较各种图像边缘检测技术,”图像处理的国际期刊,3卷,不。1、1 - 11,2009页。视图:谷歌学术搜索
12. d . Ziou和美国Tabbone边缘检测techniques-an概述”,模式识别和图像分析的国际期刊,8卷,第559 - 537页,1998年。视图:谷歌学术搜索
13. b . Tavli k . Bicakci r . Zilan, j . m . Barcelo-Ordinas“视觉传感器网络调查平台,”多媒体工具和应用程序,60卷,不。3、689 - 726年,2012页。视图:出版商的网站|谷歌学术搜索
14. j·希尔·m·霍顿、r·克林和l .•“平台启用无线传感器网络,”ACM的通信卷,47号6,41-46,2004页。视图:出版商的网站|谷歌学术搜索
15. c . Chrysafis和a·奥尔特加”生产线,减少内存、小波图像压缩”IEEE图像处理,9卷,不。3、378 - 389年,2000页。视图:出版商的网站|谷歌学术搜索
16. d·李,h·金·m·拉希米d·埃斯特林和j . d .学校“节能图像压缩为资源受限的平台,”IEEE图像处理,18卷,不。9日,第2113 - 2100页,2009年。视图:出版商的网站|谷歌学术搜索
17. 奥利弗和m . p . Malumbres”低使用小波多分辨率图像压缩低树,”IEEE电路和系统视频技术,16卷,不。11日,第1444 - 1437页,2006年。视图:出版商的网站|谷歌学术搜索
18. j·奥利弗和m . p . Malumbres”设计的快速小波变换算法较低的内存需求,”IEEE电路和系统视频技术,18卷,不。2、237 - 248年,2008页。视图:出版商的网站|谷歌学术搜索
19. 美国遏制和m . Reisslein内存小波转换为无线传感器网络:一个教程中,“IEEE通信调查和教程,13卷,不。2、文章ID 5618529, 291 - 307年,2011页。视图:出版商的网站|谷歌学术搜索
20. e . Magli m . Mancin, l . Merello“低视频压缩为无线传感器网络,”多媒体和世博会的国际会议(ICME ' 03),3卷,第588 - 585页,2003年7月。视图:谷歌学术搜索
21. s。周润发”,有限的资源基础观编码无线视频传感器网络,”IEEE传感器杂志,9卷,不。9篇文章ID 5205184, 1118 - 1124年,2009页。视图:出版商的网站|谷歌学术搜索
22. c·杨和k . Ramchandran健壮的分布式多视图视频压缩无线摄像机网络,”IEEE图像处理,19卷,不。4、995 - 1008年,2010页。视图:出版商的网站|谷歌学术搜索
23. l .刘、李z和e . j . Delp“高效、低监控视频压缩使用backward-channel知道Wyner-Ziv视频编码”IEEE电路和系统视频技术,19卷,不。4、453 - 465年,2009页。视图:出版商的网站|谷歌学术搜索
24. r . j .克拉克“图像和视频压缩:一项调查,”国际期刊的成像系统和技术,10卷,不。1,20-32,1999页。视图:谷歌学术搜索
25. i . w . Selesnick Baraniuk r . g ., n . g .金斯伯里“dual-tree复杂的小波变换,IEEE信号处理杂志,22卷,不。6,123 - 151年,2005页。视图:出版商的网站|谷歌学术搜索
26. 和w·d·赵y . k . Chan高,”低,内存熵编码器的图像压缩。”IEEE电路和系统视频技术,11卷,不。10日,1140 - 1145年,2001页。视图:出版商的网站|谷歌学术搜索
27. i . w . Selesnick“希尔伯特变换对小波基,”IEEE信号处理信件,8卷,不。6,170 - 173年,2001页。视图:出版商的网站|谷歌学术搜索
28. s . Misra m . Reisslein g .雪,“无线传感器网络多媒体流的调查,“IEEE通信调查和教程,10卷,不。4,18-39,2008页。视图:出版商的网站|谷歌学术搜索
29. 吉伦特b . a . m .亚伦,s .美国莱恩和d . Rebollo-Monedero“分布式视频编码”IEEE学报》,卷93,不。1,第83 - 71页,2005。视图:出版商的网站|谷歌学术搜索
30. z雪,k . k .厕所,j . Cosmas m .桶l .冯和p y Yip”Error-resilient方案小波视频编解码器使用自动ROI检测和wyner-ziv编码数据包删除通道,”IEEE广播卷,56号4、481 - 493年,2010页。视图:出版商的网站|谷歌学术搜索
31. o .渴望c·海雀、b . Pesquet-Popescu和c·蒂莉“分布式时间多重描述编码健壮的视频传输,”Eurasip无线通讯和网络》杂志上文章ID 183536卷,2008年,2008年。视图:出版商的网站|谷歌学术搜索
32. r·普里a Majumdar, k . Ramchandran“棱镜:视频编码解码器范式与运动估计,“IEEE图像处理,16卷,不。10日,2436 - 2448年,2007页。视图:出版商的网站|谷歌学术搜索
33. f·佩雷拉,l·托雷斯,c .海雀,t . Ebrahimi r . Leonardi和s . Klomp“分布式视频编码:选择最有前途的应用场景,”信号处理,23卷,不。5,339 - 352年,2008页。视图:出版商的网站|谷歌学术搜索
34. 美国k·奈克和c .答:没吃“标准化在彩色图像的边缘级”IEEE图像处理,15卷,不。9日,第2595 - 2588页,2006年。视图:出版商的网站|谷歌学术搜索
35. p . n .都铎“mpeg - 2视频压缩教程”学报IEE电子部门讨论会在mpeg - 2它是什么以及它不是1995年1月,页2/1-2/8,。视图:谷歌学术搜索
36. x, e . Erkip y . Wang和d·古德曼,“权力高效的多媒体通信在无线频道,”IEEE在选定地区通讯》杂志上,21卷,不。10日,1738 - 1751年,2003页。视图:出版商的网站|谷歌学术搜索
37. 美国杨、w·沃尔夫和n . Vijaykrishnan”力量和运动估计的性能分析硬件和软件实现的基础上,“IEEE计算机,54卷,不。6,714 - 726年,2005页。视图:出版商的网站|谷歌学术搜索
38. w·b·Heinzelman a . p .切卓卡山,h··“无线微传感器网络的特定于应用程序的协议架构,”IEEE无线通信,1卷,不。4、660 - 670年,2002页。视图:出版商的网站|谷歌学术搜索
39. 问:陆、w·罗和x你们“协作网络处理WMSNs LT图像压缩算法为基础的”学报第一国际研讨会教育技术和计算机科学(ETCS ' 09)2009年3月,页839 - 843。视图:出版商的网站|谷歌学术搜索
40. 问:陆、w·罗,j . Wang和陈,“低和能量高效的无线传感器网络的图像压缩方案,“计算机网络,52卷,不。13日,2594 - 2603年,2008页。视图:出版商的网站|谷歌学术搜索
41. d . Varodayan d·陈,m . Flierl和b·吉伦特“Wyner-Ziv与无监督学习运动矢量编码的视频,“信号处理,23卷,不。5,369 - 378年,2008页。视图:出版商的网站|谷歌学术搜索
42. t·h·Tran h . m .赵,s . b .曹”运动估计的性能增强使用SSE2技术”,国家科学院院刊、工程和技术40卷,第171 - 168页,2009年。视图:谷歌学术搜索
43. l·h·a·科雷亚d·f·马赛d·a·c·席尔瓦a·l·多斯桑托斯a . a . f . Loureiro和j . m . s . Nogueira”传输功率控制无线传感器网络MAC协议,”第八届ACM学报》研讨会上建模、分析和仿真无线和移动系统(MSWiM 05)2005年10月,页282 - 289。视图:谷歌学术搜索
44. 达塔和茶室,“包级性能的CDMA无线传感器网络相关陷,”诉讼的第四届国际会议上计算机和通信设备(编解码器的09年)2009年12月,页1 - 4,。视图:谷歌学术搜索
45. t . Wiegand g·j·沙利文,g . Bjøntegaard和a . Luthra”概述h / AVC视频编码标准,“IEEE电路和系统视频技术,13卷,不。7,560 - 576年,2003页。视图:出版商的网站|谷歌学术搜索
46. m . t .太阳和a . r . Reibman压缩视频通过网络,马塞尔·德克,纽约,纽约,美国,2001年。
47. w·林,视频监控InTech,的哲理,里耶卡,克罗地亚,2011。
48. a . Mammeri a . Khoumsi d Ziou, b . Hadjou”建模和JPEG适应VSN的能源需求,”17日学报》国际会议上计算机通信和网络(ICCCN ' 08)2008年8月,页806 - 811。视图:出版商的网站|谷歌学术搜索
49. h . s . Malvar“搭接双正交变换的变换编码减少阻塞和振铃工件,”IEEE国际会议上声学学报》,演讲,和信号处理(ICASSP ' 97)1997年4月,页2421 - 2424。视图:谷歌学术搜索
50. h . s . Malvar“双正交的非均匀研磨变换,变换编码和减少阻塞和振铃工件,”IEEE信号处理,46卷,不。4、1043 - 1053年,1998页。视图:谷歌学术搜索
51. h·阿比德和s . Qaisar接受“分布式视频编码无线视觉传感器网络使用低功率霍夫曼编码,”学报》第44届年会在信息科学和系统(cis的10)2010年3月,页1 - 6,。视图:出版商的网站|谷歌学术搜索
52. n凌,“新一代视频压缩的期望和挑战,”第五届IEEE会议程序工业电子产品和应用(ICIEA 10)2010年6月,页2339 - 2344。视图:出版商的网站|谷歌学术搜索
53. h / AVC。参考软件、jm11.0http://iphome.hhi.de/suehring/tml/。

版权

版权©2012酷毙了阮Huu等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。