МЕТОД РЕКОНСТРУКЦІЇ ВІДЕОЗОБРАЖЕНЬ ДЛЯ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ ДОСТАВКИ В ІНФОКОМУНІКАЦІЙНИХ СИСТЕМАХ АЕРОСЕГМЕНТА
DOI:
https://doi.org/10.31649/1997-9266-2022-163-4-72-82Ключові слова:
оперативність, достовірність, трансформація, реструктуризація, кластеризація, кодова конструкція, відеозображенняАнотація
На сьогодні основним інструментом ефективного управління як на місцевому, регіональному, так і державному рівнях є наявність відповідного інформаційного забезпечення. Особливо це стосується сектора безпеки та оборони, де наявність потрібного інформаційного забезпечення є основною вимогою для ефективного реагування відомчих органів (відповідних силових органів) на кризові ситуації, що виникають як в суспільстві, так і державі в цілому. В зв’язку з чим, значно підвищується роль відеоінформаційного забезпечення як засобу для оперативного прийняття рішення. Це пов’язано з тим, що ключовими принципами реалізації відеоінформаційного забезпечення є своєчасність (оперативність) та достовірність. З цією метою досить активно використовуються стаціонарні та мобільні системи фото- та відеоспостереження. Використання останніх тісно пов’язано з аеросегментом — безпілотні літальні апарати та комплекси, роль яких підвищується наявністю таких властивостей, як масштабність та мобільність. Проте при цьому виникають такі проблемні фактори, пов’язані з використанням бездротових технологій зв’язку для доставки даних до кінцевого адресата: дисбаланс між постійно зростаючими обсягами даних та пропускною спроможністю каналів передачі даних; вплив завад, що виникають в процесі доставки відеоданих, на рівень достовірності реконструйованого відеозображення. Слід зазначити, що використання існуючих методів завадостійкого кодування для вирішення вищезазначених проблем призводить до суттєвого зростання обсягу відеоданих, що в умовах використання бездротових технологій зв’язку є критичним, відео-інформаційний ресурс передається зі значними часовими затримкам. З цією метою розробляється метод реконструкції відеоданих на основі використання ідентифікаторів (маркерів) нерівномірних кодових конструкцій, що присвоюються елементам кластерів, сформованих в результаті реструктуризації інформаційного простору за структурною ознакою. Відмінною рисою розробленого методу є незалежне декомпозиційне статистичне декодування окремих кодових підмножин за структурними ознаками, що за використання додаткової службової інформації, забезпечує локалізацію дії помилок в процесі реконструкції даних відеоінформаційного ресурсу.
Посилання
Кабінет Міністрів України, Постанова № 695 «Про затвердження Державної стратегії регіонального розвитку на 2021–2027 роки», 2020, серп. 5. [Електронний ресурс]. Режим доступу: https://zakon.rada.gov.ua/laws/show/695-2020-%D0%BF#Text .
Верховна Рада України, Закон № 1882-IX «Про критичну інфраструктуру», 2021, лист. 16. [Електронний ресурс]. Режим доступу: https://zakon.rada.gov.ua/laws/show/1882-20#Text .
Кабінет Міністрів України. Постанова № 821 «Про затвердження Порядку проведення моніторингу рівня безпеки об’єктів критичної інфраструктури». 2021, січ. 13. [Електронний ресурс]. Режим доступу: https://zakon.rada.gov.ua/laws/show/821-2022-%D0%BF#Text .
Міністерство Внутрішніх Справ України, Наказ № 12 «Про Про затвердження Інструкції із застосування військовослужбовцями Національної гвардії України технічних приладів і технічних засобів, що мають функції фото- і кінозйомки, відеозапису, засобів фото- і кінозйомки, відеозапису», 2022, лип. 22. [Електронний ресурс]. Режим доступу: https://zakon.rada.gov.ua/laws/show/z0294-21#Text .
Prozorro [Електронний ресурс]. Режим доступу: https://prozorro.gov.ua/tender/UA-2022-07-15-007145-a .
Prozorro [Електронний ресурс]. Режим доступу: https://prozorro.gov.ua/tender/UA-2022-06-28-002174-a .
Prozorro [Електронний ресурс]. Режим доступу: https://prozorro.gov.ua/tender/UA-2021-12-15-020377-c .
Prozorro [Електронний ресурс]. Режим доступу: https://prozorro.gov.ua/tender/UA-2021-12-17-004587-b .
Prozorro [Електронний ресурс]. Режим доступу: https://prozorro.gov.ua/tender/UA-2022-02-18-001165-c .
R. Swaminathan, and A. Madhukumar, “Classification of Error Correcting Codes and Estimation of Interleaver Parameters in a Noisy Transmission Environment,” IEEE Transactions on Broadcasting, vol. 63, no. 3, 2017, pp. 463-478. https://doi.org/10.1109/TBC.2017.2704436 .
B. -F. Wu, Y. -C. Wu, L. -W. Chiu, and H. -P. Liu, “Soft Label With Channel Encoding for Dependent Facial Image Classification,” in IEEE Access, vol. 10, pp. 10661-10672, 2022, https://doi.org/10.1109/ACCESS.2022.3145195 .
Y. Jiang, “Analysis of Bit Error Rate Between BCH Code and Convolutional Code in Picture Transmission,” in 2022 3rd International Conference on Electronic Communication and Artificial Intelligence (IWECAI), Zhuhai, 2022, pp. 77-80, https://doi.org/10.1109/IWECAI55315.2022.00023 .
S. D. Potey, and P. M. Dhande, “Error Detection and Correction Capability for BCH Encoder using VHDL,” in IEEE 5th International Conference for Convergence in Technology (I2CT), Bombay, 2019, pp. 1-4.
https://doi.org/10.1109/I2CT45611.2019.9033847 .
P. Garlapati, B. Yamuna, and K. Balasubramanian, “A Low Power Hard Decision Decoder for BCH Codes,” in 2021 International Conference on Advances in Computing and Communications (ICACC), Kochi, Kakkanad, 2021, pp. 1-6, https://doi.org/10.1109/ICACC-202152719.2021.9708303 .
T. Richter, “Error Bounds for HDR Image Coding with JPEG XT,” in Data Compression Conference (DCC), 2017, pp. 122-130. https://doi.org/10.1109/DCC.2017.7 .
Y. Chen, F. Wu, C. Li, and P. Varshney, “An Efficient Construction Strategy for Near-Optimal Variable-Length Error-Correcting Codes,” IEEE Communications Letters, vol. 23, no. 3, pp. 398-401, 2019. https://doi.org/10.1109/LCOMM.2019.2891623 .
X. Peng, J. Jiang, L. Tan, and J. Hou, “2-D Bi-Level Block Coding for Color Image Compression and Transmission With Bit-Error Awareness,” in IEEE Access, vol. 8, pp. 110093-110102, 2020. https://doi.org/10.1109/ACCESS.2020.3001073.
P. Lamsrichan, V. Manthamkarn, and U. Tuntoolavest, “Performance Evaluation of the Block Truncation Image Coding with BCH Codes under Noisy Channels,” in 19th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), Prachuap Khiri Khan, 2022, pp. 1-4.
https://doi.org/10.1109/ECTI-CON54298.2022.9795634 .
N. Patsei, and K. Tsybulka, “Multi-class Object Classification Model Based on Error-Correcting Output Codes,” in IEEE Open Conference of Electrical, Electronic and Information Sciences (eStream), Vilnius, 2021, pp. 1-5, https://doi.org/10.1109/eStream53087.2021.9431443 .
P. Puteaux, and W. Puech, “Localization and Correction of Corrupted Pixel Blocks in Noisy Encrypted Images,” in 2020 Tenth International Conference on Image Processing Theory, Tools and Applications (IPTA), Paris, 2020, pp. 1-6. https://doi.org/10.1109/IPTA50016.2020.9286451 .
S. Khmelevskiy, I. Tupitsya, Q. A. Mahdi, О. Musienko, M. Parkhomenko, and Y. Borovensky, “Development of the external restructuring method to increase the efficiency of information resource data encoding,” Information Processing Systems, 3(166), pp. 52-61, 2021. https://doi.org/10.30748/soi.2021.166.06 .
G. B. Iwasokun, “Lossless JPEG-Huffman model for digital image compression,” Adv. Image Video Process, vol. 7, no. 1, pp. 1-12, Feb. 2019. https://doi.org/10.14738/aivp.71.5837 .
A. A. Jeny, M. B. Islam, M. S. Junayed, and D. Das, “Improving Image Compression with Adjacent Attention and Refinement Block,” in IEEE Access, 2022. https://doi.org/10.1109/ACCESS.2022.3195295 .
S. A. Deepthi, E. S. Rao, and M. N. G. Prasad, “Image compression techniques in wireless sensor networks,” in Proc. IEEE Int. Conf. Smart Technol. Manage. Comput., Commun., Controls, Energy Mater. (ICSTM), Aug. 2017, pp. 286-289. https://doi.org/10.1109/ICSTM.2017.8089170 .
S. Khmelevsky et al., Method for quantitative criterion based transformation of the video information alphabet. Radioelectronic and Computer Systems, no. 2, pp. 200-216, 2022. https://doi.org/10.32620/reks.2022.2.16 .
Y. S. Manzhos, and Y. V. Sokolova, “A Method of IoT Information Compression,” International Journal of Computing, no. 21(1), pp. 100-110, 2022. https://doi.org/10.47839/ijc.21.1.2523 .
H. Huan, Z. Yuxuan, Y. Weijun, Y. Sihai, and L. Jing, “The Research on Image Processing Based on Wavelet Analysis,” in IEEE 10th Joint International Information Technology and Artificial Intelligence Conference (ITAIC), Chongqing, 2022, pp. 1162-1165. https://doi.org/10.1109/ITAIC54216.2022.9836655 .
T. Shinde, “Efficient Image Set Compression,” in IEEE International Conference on Image Processing (ICIP), 2019, pp. 3016-3017. https://doi.org/10.1109/ICIP. 2019.8803230 .
J. Lee, S. Cho, and S.-K. Beack, Context-adaptive entropy model for end-to-end optimized image compression, 2018. arXiv: 1809.10452.
W. Xiao, N. A. Wan, Hong, and X. Chen, “A Fast JPEG Image Compression Algorithm Based on DCT,” in IEEE International Conference on Smart Cloud (SmartCloud), 2020, pp. 106-110. https://doi.org/10.1109/ SmartCloud49737. 2020.00028
S. Khmelevsky, I. Tupitsya, M. Parkhomenko, and Y. Borovensky, “Model of Transformation of the Alphabet of the Encoded Data as a Tool to Provide the Necessary Level of Video Image Quality in Aeromonitoring Systems,” IT&I Workshops, 2021, pp. 311-319. [Electronic resource]. Available: http://ceur-ws.org/Vol-3179/Short_4.pdf .
B. A. Lungisani, C. K. Lebekwe, A. M. Zungeru and A. Yahya, “Image Compression Techniques in Wireless Sensor Networks: A Survey and Comparison,” in IEEE Access, vol. 10, pp. 82511-82530, 2022. https://doi.org/10.1109/ACCESS.2022.3195891.
H. Shi, K. M. Hou, X. Diao, L. Xing, J.-J. Li, and C. De Vaulx, A wireless multimedia sensor network platform for environmental event detection dedicated to precision agriculture, 2018, arXiv: 1806.03237.
A. Djelouah, J. Campos, S. Schaub-Meyer, C. Schroers, “Neural Inter-Frame Compression for Video Coding,” in IEEE/CVF International Conference on Computer Vision (ICCV), 2019, pp. 6420-6428. https://doi.org/10.1109/ICCV.2019. 00652.
O. Rippel, “Learned Video Compression,” in IEEE/CVF International Conference on Computer Vision (ICCV), 2019, pp. 3453-3462. https://doi.org/10.1109/ICCV. 2019.00355 .
F. Artuğer, and F. Özkaynak, “Fractal Image Compression Method for Lossy Data Compression,” in International Conference on Artificial Intelligence and Data Processing (IDAP), 2018, pp. 1-6. https://doi.org/10.1109/IDAP. 2018.8620735 .
M. A. Alam, “Faster Image Compression Technique Based on LZW Algorithm Using GPU Parallel Processing,” in Joint 7th International Conference on Informatics, Electronics & Vision (ICIEV) and 2nd International Conference on Imaging, Vision & Pattern Recognition (icIVPR), 2018, pp. 272-275. https://doi.org/10.1109/ICIEV.2018.8640956 .
V. Barannik et al, “The Application of the Internal Restructuring Method of the Information Resource Data According to the Sign of the Number of Series of Units to Improve the Statistical Coding Efficiency,” in 10th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS), 2019, pp. 65-69. https://doi.org/ 10.1109/IDAACS.2019.8924460.
V. Barannik, I. Tupitsya, O. Dodukh, V. Barannik, M. Parkhomenko, “The Method of Clustering Information Resource Data on the Sign of the Number of Series of Units as a Tool to improve the Statistical Coding Efficiency,” in IEEE 15th International Conference on the Experience of Designing and Application of CAD Systems (CADSM), 2019, pp. 32-35. https://doi.org/ 10.1109/cadsm.2019.8779243.
V. Barannik et al., “Two-Hierarchical Scheme of Statistical Coding of Information Resource Data with Quantitative Clustering,” in IEEE International Conference on Advanced Trends in Information Theory (ATIT), 2019, pp. 89-92. https://doi.org/10.1109/atit49449.2019.9030451 .
V. Barannik et al., “The analysis of the internal restructuring method efficiency used for a more compact representation of the encoded data,” in Advanced Trends in Information Theory (ATIT’2020): proceedings of the Intern. Conf., 2020, pp. 89-92. https://doi.org/10.1109/atit49449.2019.9030451 .
O. Yudin et al. “Creating a mathematical model for estimating the impact of errors in the process of reconstruction of non-uniform code structures on the quality of recoverable video images,” in Advanced Trends in Information Theory (ATIT’2021): proceedings of the Intern. Conf., pp. 38-41. https://doi.org/10.1109/atit54053.2021.9678887 .
Ю. В. Стасєв, І. M. Тупиця, і М. В. Пархоменко, «Метод додаткового скорочення структурної надмірності кодового представлення відеоданих,» Вісник Вінницького політехнічного інституту, № 3, с. 67-76, 2022. https://doi.org/10.31649/1997-9266-2022-162-3-67-76.
USC Viterbi, School of Engineering. [Electronic resource]. Available: https://sipi.usc.edu/database/database.php?volume= isc&image=26#top .
USC Viterbi, School of Engineering. [Electronic resource]. Available: https://sipi.usc.edu/database/database.php?volume= misc&image=27#top .
USC Viterbi, School of Engineering. [Electronic resource]. Available: https://sipi.usc.edu/database/database.php?volume= misc&image=24#top .
##submission.downloads##
-
PDF
Завантажень: 122
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, згодні з такими умовами:
- Автори зберігають авторське право і надають журналу право першої публікації.
- Автори можуть укладати окремі, додаткові договірні угоди з неексклюзивного поширення опублікованої журналом версії статті (наприклад, розмістити її в інститутському репозиторії або опублікувати її в книзі), з визнанням її первісної публікації в цьому журналі.
- Авторам дозволяється і рекомендується розміщувати їхню роботу в Інтернеті (наприклад, в інституційних сховищах або на їхньому сайті) до і під час процесу подачі, оскільки це сприяє продуктивним обмінам, а також швидшому і ширшому цитуванню опублікованих робіт (див. вплив відкритого доступу).
