MỤC LỤC
LỜI MỞ ĐẦU
....................................................................................................... 3
DANH MỤC CÁC TỪ VIẾT TẮT ....................................................................................... 7
DANH MỤC CÁC BẢNG .................................................................................................... 8
DANH MỤC CÁC HÌNH VẼ ............................................................................................. 10
CHƯƠNG 1 - TỔNG QUAN .............................................................................................. 12
1.1 Một số phương pháp nén video phổ biến ..................................................................... 12
1.1.1 Nén dư thừa về không gian .............................................................................................. 12
1.1.2 Nén dư thừa thời gian ....................................................................................................... 13
1.2 Một số chuẩn lấy mẫu tín hiệu video ........................................................................... 13
1.3 Các tiêu chuẩn nén video với bit-rate thấp................................................................... 14
1.3.1 Chuẩn H.263 ..................................................................................................................... 14
1.3.2 Chuẩn H.265/HEVC ........................................................................................................ 15
1.3.3 Chuẩn H.264/AVC ........................................................................................................... 15
1.4 Hình học Fractal ........................................................................................................... 19
1.4.1 Giới thiệu hình học Fractal............................................................................................... 19
1.4.2 Các ứng dụng của hình học Fractal ................................................................................. 21
1.5 Các công trình nghiên cứu liên quan đến Fractal......................................................... 23
1.5.1 Các công trình nghiên cứu ứng dụng Fractal cho nén hình ảnh .................................... 23
1.5.2 Các công trình nghiên cứu ứng dụng Fractal cho nén video ......................................... 24
1.6 Kết luận chương ........................................................................................................... 25
CHƯƠNG 2 - NÉN HÌNH ẢNH SỬ DỤNG FRACTAL................................................... 26
2.1 Nén hình ảnh sử dụng Fractal ...................................................................................... 26
2.1.1 Cơ sở lý thuyết nén ảnh sử dụng Fractal ......................................................................... 26
2.1.2 Nén ảnh xám sử dụng Fractal .......................................................................................... 39
2.1.3 Nén ảnh màu sử dụng Fractal .......................................................................................... 43
2.1.4 Kết quả nén ảnh xám và ảnh màu sử dụng Fractal......................................................... 47
2.1.5 Nhận xét............................................................................................................................. 59
2.2 Cải tiến chất lượng nén cho FIC .................................................................................. 61
[23].
Các thuật toán nén không mất dữ liệu thường dựa trên giả thuyết dư thừa trong
dữ liệu, từ đó thể hiện dữ liệu một cách chính xác mà không mất thông tin. Điển hình
cho nén không mất dữ liệu có thể kể đến mã hóa RLE (Run-length Encoding), thay
thế một loạt dữ liệu liền nhau lặp lại thành một dữ liệu đại diện khác.
Nén mất dữ liệu làm giảm số lượng bit bằng cách xác định các thông tin không
cần thiết và loại bỏ chúng.
Một trong những dạng nén mất dữ liệu phổ biến nhất là nén video. Một tín hiệu
video số thường chứa một lượng lớn dữ liệu âm thanh và hình ảnh, do đó sẽ gặp rất
nhiều khó khăn trong việc lưu trữ và truyền đi trong một băng thông kênh truyền thực
tế. Với sự phát triển của khoa học công nghệ hiện nay, bộ cảm biến màu có 16 triệu
màu với độ phân giải rất cao lên đến 4096 x 4096 pixels đã được sản xuất. Tuy nhiên,
ứng dụng thực tế cần độ phân giải cao hiện nay cũng chỉ dừng lại ở mức 1920 x 1080
pixels. Nguyên nhân của vấn đề này là những video có độ phân giải rất cao như 2K
và 4K sẽ tiêu tốn nhiều không gian lưu trữ và chiếm dụng nhiều băng thông trên kênh
truyền dẫn. Trước nhu cầu sử dụng thông tin và hình ảnh đòi hỏi ngày càng cao về
mặt chất lượng trong khi vẫn bị giới hạn bởi không gian lưu trữ và băng thông kênh
truyền đòi hỏi cần có một giải pháp có thể giải quyết được vấn đề này. Do đó, để có
thể tiết kiệm không gian lưu trữ và băng thông kênh truyền thì cần thiết phải nén tín
hiệu video. Quá trình nén video thực hiện được là do thông tin trong các video thường
có trật tự, có tổ chức, vì thế nếu xem kỹ cấu trúc video có thể phát hiện được nhiều
loại thông tin dư thừa khác nhau. Các thông tin dư thừa nằm trong video có thể chia
thành năm loại.
3
Thứ nhất là dư thừa về không gian. Sự dư thừa về không gian giữa các điểm ảnh
ngay trong một khung hình gọi là thừa tĩnh. Dư thừa về mặt không gian là do các chi
tiết điểm ảnh giống nhau trên cùng một khung hình, ví dụ như nhiều điểm ảnh giống
video theo phương pháp nén dư thừa về thời gian, trong đó, MPEG là tiêu chuẩn tiêu
biểu.
Từ năm 2003, một tiêu chuẩn nén mới đã được đề xuất, đó là tiêu chuẩn H.264.
H.264 là một tiêu chuẩn nén sử dụng phương pháp nén dư thừa về thời gian. Bản chất
của tiêu chuẩn H.264 là sự phát triển của tiêu chuẩn MPEG, trong đó áp dụng thêm
các kỹ thuật nhằm nâng cao hơn nữa tỷ lệ nén và cố gắng cải thiện chất lượng hình
ảnh của video tương ứng với tỷ lệ nén đạt được.
Năm 2013, một tiêu chuẩn phát triển dựa trên tiêu chuẩn H.264 được đề xuất.
H.265 có tỷ lệ nén gấp đôi so với tiêu chuẩn H.264 ở cùng một mức độ chất lượng
hình ảnh video. Mục tiêu của tiêu chuẩn H.265 là chuẩn nén hỗ trợ cho các video độ
phân giải cực cao 8K UHD và kỳ vọng hỗ trợ lên đến độ phân giải 4320P ( 8192 x
4320).
Như vậy, hướng phát triển của các tiêu chuẩn nén video là sự kế thừa và phát
triển của các tiêu chuẩn trước đó để hướng tới hai mục đích chính. Đó là nâng cao tỷ
lệ nén và cải thiện chất lượng hình ảnh sau giải nén tương đương với tỷ lệ nén đã đạt
được.
Hình học Fractal là nguồn cảm hứng cho thuật toán nén mà điển hình hơn là
thuật toán nén hình ảnh. Lĩnh vực này hiện đang chiếm được sự quan tâm của rất
nhiều nhà khoa học trên thế giới cũng như ở Việt Nam. Nén hình ảnh sử dụng Fractal
mang đến tỉ lệ nén vượt trội so với bất kỳ phương pháp mã hóa nén nào trước đây mà
vẫn đảm bảo được chất lượng tốt nhất có thể cho hình ảnh. Ưu điểm của nén hình ảnh
sử dụng Fractal là tỷ lệ nén cao vượt trội và quá trình giải nén rất nhanh. Tuy nhiên,
khối lượng tính toán rất lớn trong quá trình nén ảnh làm cho thời gian nén ảnh cũng
rất lớn.
Từ đó, ý tưởng kết hợp Fractal và tiêu chuẩn H.264 được hình thành nhằm áp
dụng ưu điểm về tỷ số nén của Fractal vào tiêu chuẩn nén video H.264 đang được áp
dụng rộng rãi là một nỗ lực nhằm tạo ra một tiêu chuẩn nén hình ảnh có tỷ số nén cao,
thời gian nén ảnh đảm bảo tương đương với các tiêu chuẩn hiện thời và có thời gian
giải nén ảnh vượt trội. Bên cạnh đó, việc nâng cao tỷ số nén ảnh và giảm thời gian
TIẾNG VIỆT
AVC
Advanced Video Coding
Tiêu chuẩn nén video tiên tiến
CNN
Celular Neural Network
Mạng nơ-ron tế bào
CPU
Central Processing Unit
Bộ xử lý trung tâm
CR
Compression Ratio
Tỷ số nén
DCT
Discrete Cosine Transform
Group of Picture
Nhóm các ảnh
H.264
H.264/MPEG-4 Part 10 or AVC
Một tiêu chuẩn nén video
HEVC
High Efficiency Video Coding
Tiêu chuẩn nén video hiệu năng cao
HV
Horizontal vertical Partition
Phân hoạch theo không gian
IFS
Iterated Function System
Hệ thống chức năng lặp
JPEG
RMS
Root mean square
Giá trị trung bình bình phương
SDK
Services Development Kit
Bộ phát triển dịch vụ
SFC
Seperated Fractal Coding
Mã hóa Fractal thành phần
SoC
System on Chip
Hệ thống tích hợp trên một chip
UHD
Ultra high definition television
Truyền hình độ phân giải siêu cao
So sánh hiệu suất hoạt động trên nền tảng FPGA và DSP theo phương pháp
Fisher ………………………………………………………………………..
47
2.5
Hiệu suất PSNR và thời gian mã hóa ………………………………………..
48
2.6
Các thông số nén Fractal của hình Lena ……………………………………...
50
2.7
Kết quả FCIC hình ảnh của Lena ……………………………………………
50
2.8
Các ảnh gốc được lựa chọn và tính chất ảnh …………………………………
51
2.9
So sánh tỷ số nén và PSNR giữa Fractal và JPEG đối với ảnh Lena ………..
55
2.15
So sánh tỷ số nén và PSNR giữa Fractal và JPEG đối với ảnh Fruit …………
55
2.16
So sánh tỷ số nén và PSNR giữa Fractal và JPEG đối với ảnh Leaves ………
56
2.17
So sánh tỷ số nén và PSNR giữa Fractal và JPEG đối với ảnh Natural ………
57
2.18
Bảng kết quả so sánh giữa thực hiện nén ảnh bằng Fractal và JPEG ……….
57
2.19
Nén ảnh màu Fractal ảnh Parrot …………………………………………….
68
2.25
Nén ảnh màu Fractal ảnh One Tiger ………………………………………...
69
2.26
Nén ảnh màu Fractal ảnh Two Tiger ………………………………………...
69
2.27
Nén ảnh màu Fractal ảnh Flower ……………………………………………
70
2.28
Nén ảnh màu Fractal ảnh Fruit ………………………………………………
70
2.29
84
2.34
Kết quả FCIC với bốn luồng xử lý ………………………………………….
85
2.35
So sánh theo tỷ lệ phần trăm giữa 4 luồng, 2 luồng và 1 luồng …………….
85
2.36
Kết quả FCIC với 1 luồng, 2 luồng, 4 luồng xử lý của các ảnh Parrot, Flower,
Natural, One-tiger, Two-tiger, Red-tree và Roses …………………………..
86
3.1
So sánh về chất lượng giữa video H.264 và H.264F ………………………..
94
3.2
Thông số của các video kiểm tra …………………………………………….
98
3.8
So sánh PSNR giữa ảnh chuẩn và ảnh Fractal trong video Foreman ………..
98
3.9
So sánh PSNR giữa ảnh chuẩn và ảnh Fractal trong video Bridge …………..
99
3.10
So sánh PSNR giữa ảnh chuẩn và ảnh Fractal trong video Bridge Far ………
99
3.11
So sánh PSNR giữa ảnh chuẩn và ảnh Fractal trong video Grandma ……
100
3.12
So sánh PSNR giữa ảnh chuẩn và ảnh Fractal trong video highway ………...
12
1.2
Nén dư thừa thời gian ……………………………………………………….
13
1.3
Quy trình mã hóa và giải mã video chuẩn H.264 ……………………………
16
1.4
Phân chia Macroblock trong video ………………………………………….
16
1.5
Cấu trúc dòng bit trong H.264 ………………………………………………
17
1.6
Sơ đồ bộ mã hóa của chuẩn H.264 ………………………………………….
36
2.4
Sơ đồ khối quá trình giải mã của FIC ………………………………………
37
2.5
Hình ảnh Lena theo phân hoạch Quadtree …………………………………
38
2.6
Hình ảnh lena với phân hoạch HV …………………………………………
39
2.7
Xử lý hoạt động nén ảnh Fractal ……………………………………………
43
2.8
Module nén ảnh màu Fractal ………………………………………………
49
2.14
Định dạng ảnh PPM ………………………………………………………….
76
2.15
Phân phối trật tự hình ảnh vào vùng 16x16 …………………………………..
76
2.16
Thuật toán FCIC được đề xuất ……………………………………………….
77
2.17
Trình tự các bộ nhớ stack được đề xuất ………………………………………
78
2.18
Vi tri
̣ ́ domain có thể có xung quanh range ……………………………………
2.23
Phân chia section …………………………………………………………….
82
2.24
Phân chia section của OPENMP ……………………………………………..
83
3.1
Các bước chính để mã hóa một frame trong X264 …………………………..
93
3.2
Sơ đồ nhúng mã hóa Fractal vào intra-block trong H.264 ……………………
94
3.3
Cải thiện tỉ lệ nén …………………………………………………………….
95
Ảnh chuẩn và ảnh giải mã Fracal của video Brigde Far ……………………. 100
3.9
Ảnh chuẩn và ảnh giải mã Fracal của video Grandma ………………………. 101
3.10
Ảnh chuẩn và ảnh giải mã Fractal của video Highway ……………………..
101
3.11
Quá trình giải mã H.264 trên FFMPEG ……………………………………
103
3.12
Quá trình giải mã đơn vị NAL trên FFMPEG ………………………………. 104
3.13
Giải mã các thành phần trong FFMPEG ……………………………………. 104
3.14
Nhúng giải mã Fractal cho FFMPEG ……………………………………….. 105
được áp dụng hiện nay là phương pháp nén dư thừa về không gian và phương pháp
nén dư thừa về thời gian.
1.1.1 Nén dư thừa về không gian
Quy trình nén dư thừa về không gian được thể hiện qua hình Hình 1.1: Quy trình
nén dư thừa không gian, trong đó khối nén dư thừa không gian tính đến sự tương tự
của các pixel lân cận ngay trong một khung hình.
Hình 1.1: Quy trình nén dư thừa không gian
Nén dư thừa không gian bao gồm các bước sau:
Bước thứ nhất là chuyển qua không gian màu YUV. Quy trình này sẽ được đề
cập đến trong Luận án. Bước thứ hai là chia khung hình thành các vùng nhỏ có kích
thước 8x8 pixels. Bước thứ ba là biến đổi DCT đối với từng vùng nhằm giữ lại thông
12
tin chính. Bước thứ tư là tiến hành loại bỏ các hệ số không quan trọng. Bước thứ năm
là quét ziczag các bit trong khối 8x8 đồng thời mã hóa chúng theo độ dài.
1.1.2 Nén dư thừa thời gian
Hình 1.2: Nén dư thừa thời gian
Mã hóa dư thừa thời gian xem xét sự tương tự giữa các khung hình liên tiếp.
Một video được mã hóa bởi một nhóm các ảnh (Group of Picture-GOP). Một GOP
gồm có 3 dạng khung hình (frame) khác nhau:
Intra-frame (I frame): frame bắt đầu của GOP, lưu trữ toàn bộ hình ảnh “chính”
của GOP, khi nén, frame I chỉ loại bỏ các thông tin dư thừa về không gian, dùng các
1.3
Các tiêu chuẩn nén video với bit-rate thấp
Bit-rate là lượng dữ liệu được chuyển từ file video lên CPU trong thời gian một
giây để xử lý giải mã thành hình ảnh và âm thanh. Bit-rate càng cao chất lượng càng
cao, tuy nhiên, CPU sẽ càng phải xử lý nhiều công việc, đồng thời đòi hỏi đường
truyền có băng thông cao để đáp ứng. Một cách khái quát nhất, bit-rate thấp đồng
nghĩa với tỷ số nén cao. Do đó, trong phạm vi nghiên cứu của luận án này tập trung
phân tích và lựa chọn một trong các tiêu chuẩn nén video với bit-rate thấp làm đối
tượng nghiên cứu để can thiệp Fractal coding vào tiêu chuẩn này. Sau đây là một số
tiêu chuẩn nén video với bit-rate thấp sẽ có thể được lựa chọn.
1.3.1 Chuẩn H.263
H.263 là một chuẩn nén video bit-rate thấp, được thiết kế ban đầu dành cho các
hội nghị truyền hình. Chuẩn H.263 được phát triển bởi Video Coding Experts Group
và đã được công nhận vào khoảng năm 1995/1996. Một phiên bản thống nhất của
H.263 đã được sản xuất năm 2005.
H.263 là một trong những thành viên trong họ H.26x – một họ mã hóa tiêu chuẩn
được sử dụng phổ biến. H.263 được sử dụng trong rất nhiều ứng dụng Internet, trong
đó nổi bất nhất là Flash video, đã từng được sử dụng trên nhiều trang web như
Youtube, Google Video, MySpace …
14
H.263 đã được cải tiến từ H.261, MPEG-1 và MPEG-2. Đồng thời được phát
triển thành các phiên bản mới như H.263v2 (có thể gọi tên là H.263+ hoặc H.263
1998), MPEG-4 Part 2 và H.263v3. MPEG-4 Part 2 là chuẩn H.263 được tương thích
và có thể giải mã bởi các ứng dụng giải mã MPEG-4 [13].
tới hơn 80% băng thông và kích thước file dữ liệu lưu trữ so với nén bằng chuẩn
Motion JPEG. Điều đó cho thấy, với cùng một hệ thống nếu sử dụng chuẩn nén mới
có thời gian lưu trữ gấp đôi và băng thông mạng giảm đi một nửa, lợi ích có thể thấy
ngay đó là chi phí cho lưu trữ dữ liệu video giảm một nửa so với dùng hệ thống có
chuẩn nén thông thường. Ngoài ra việc truyền hình ảnh chiếm băng thông giảm một
nửa, vì vậy chi phí dành cho thuê băng thông mạng cũng giảm đáng kể.
Do đó, tiêu chuẩn H.264 là lựa chọn phù hợp với yêu cầu nghiên cứu của Luận
án bởi sự tối ưu giữa tỷ số nén, giá thành và mức độ phổ biến hiện nay. Các nội dung
chi tiết hơn về tiêu chuẩn nén H.264 sẽ được trình bày dưới đây.
1.3.3.1
Cấu trúc
Cấu trúc của H.264 gồm 2 phần chính: Network abstraction layer (NAL) và
Video Coding Layer (VCL). Quy trình mã hóa và giải mã H.264 được trình bày trong
Hình 1.3.
Hình 1.3: Quy trình mã hóa và giải mã video chuẩn H.264
1.3.3.2
Macroblock
Mỗi khung hình trong video đều được chia thành các Macroblock (MB) có kích
thước cố định như Hình 1.4, bao trùm một diện tích ảnh hình chữ nhật gồm 16 × 16
mẫu thành phần luma và 8 × 8 mẫu cho thành phần chroma .
Tất cả các mẫu luma và chroma được dự đoán theo không gian hoặc thời gian,
và được dự đoán tại chỗ.
16
Mã hóa
Sơ đồ mã hóa của chuẩn H.264 được biểu diễn như trong Hình 1.6.
Dn
+
Fn
(hiện tại)
F’n
(tái tạo)
Q
X
Reorder
Mã hóa
entropy
-
ME
NAL
inter
Q-1
Hình 1.6: Sơ đồ bộ mã hóa của chuẩn H.264
Trong đó:
Fn (hiện tại): Ảnh hiện tại.
F’n-1 (tham chiếu): Ảnh tham chiếu của một hoặc hai khung hình đã được mã
hóa trước đó.
F’n (tái tạo): Ảnh khôi phục.
Intra prediction: Dự đoán trong ảnh.
Lựa chọn Intra Prediction: Chọn dự đoán trong ảnh.
Filter: Bộ lọc tách khối.
18
T, Q và T-1, Q-1: Mã hóa biến đổi nguyên tách biệt, lượng tử hóa và giải mã T,
giải lượng tử hóa tương ứng.
Dn và D’n: Phần ảnh sai khác.
Reorder: Sắp xếp lại.
Mã hóa Entropy: Mã hóa entropy.
MC: Bù chuyển động.
ME: Đánh giá chuyển động.
1.4
Hình học Fractal
1.4.1 Giới thiệu hình học Fractal
Hình 1.8 mô tả đồ thị Mandelbrot, được đặt tên theo nhà toán học tìm ra và phát
triển Fractal. Một Fractal thông thường sẽ có cách tính chất sau đây: Một là không có
ý nghĩa chính xác của "gấp khúc". Hai là không có định nghĩa duy nhất của "chiều".
Ba là có nhiều cách mà một vật thể có thể tự đồng dạng. Bốn là không phải tất cả mọi
Fractal đều tìm được bằng phép đệ quy.
20
1.4.2 Các ứng dụng của hình học Fractal
Ứng dụng trong y học và sinh học [58]: Các nhà khoa học đã tìm ra các mối
quan hệ giữa Fractal với hình thù của tế bào, quá trình trao đổi chất của cơ thể người,
ADN, nhịp tim,... Trước đây, các nhà sinh học quan niệm lượng chất trao đổi phụ
thuộc vào khối lượng cơ thể người, nghĩa là nó tỉ lệ bậc 3 khi xem xét con người là
một đối tượng 3 chiều. Nhưng với góc nhìn từ hình học Fractal, người ta cho rằng sẽ
chính xác hơn nếu xem con người là một mặt Fractal với số chiều xấp xỉ 2.5, như vậy
tỉ lệ đó không nguyên nữa mà là một số hữu tỷ.
Việc chuẩn đoán bệnh áp dụng hình học Fractal đã có những tiến bộ rõ rệt. Bằng
cách quan sát hình dạng của các tế bào theo quan điểm Fractal, người ta đã tìm ra các
bệnh lý của con người, tuy nhiên những lĩnh vực này vẫn còn mới mẻ, cần phải được
tiếp tục nghiên cứu.
Ứng dụng trong hóa học [70]; Hình học Fractal được sử dụng trong việc khảo
sát các hợp chất cao phân tử. Tính đa dạng về cấu trúc polyme thể hiện sự phong phú
về các đặc tính của hợp chất cao phân tử chính là các Fractal. Hình dáng vô định hình,
đường bẻ gảy, chuỗi, sự tiếp xúc của bề mặt polyme với không khí, sự chuyển tiếp
của các sol-gel,... đều có liên quan đến các Fractal.
Sự chuyển động của các phân tử, nguyên tử trong hợp chất, dung dịch, các quá
trình tương tác giữa các chất với nhau,... đều có thể xem như một hệ động lực hỗn
độn (chaos).
Ứng dụng trong vật lý [46]: Trong vật lý, khi nghiên cứu các hệ cơ học có năng
cách hiệu quả thông qua các hệ hàm lặp (IFS), đây là một trong những lĩnh vực được
các chuyên gia về khoa học máy tính đặc biệt quan tâm. Phương pháp nén ảnh sử
dụng Fractal dựa trên sự đồng dạng giữa các phần của ảnh so với ảnh gốc, từ đó đưa
ra thuật toán nhằm giảm bớt thông tin của ảnh để thực hiện quá trình nén ảnh. Nén
hình ảnh sử dụng Fractal là một phương pháp nén hình ảnh với ưu điểm và tỷ lệ nén
cao vượt trội. Tuy nhiên, đánh đổi lại là một khối lượng tính toán rất lớn trong quá
trình mã hóa ảnh dẫn tới thời gian mã hóa cũng rất lâu [49].
Các lĩnh vực khác [49]: Fractal được ứng dụng trong việc đo chiều dài đường
bờ biển chính xác hơn so với hình học Eulide bởi vì đường bờ biển là một hình Fractal.
Fractal còn được sử dụng để mô tả các hình ảnh nhấp nhô của đồi núi, khảo sát các
vết nứt chấn động địa chấn, các sự biến đổi trong lòng đất và dự báo sự biến động
của địa chất.
Trong âm nhạc hình học Fractal cũng được đưa vào ứng dụng, các điểm hút,
điểm đẩy là cơ sở cấu thành các nốt nhạc Fractal...
22
1.5
Các công trình nghiên cứu liên quan đến Fractal
1.5.1 Các công trình nghiên cứu ứng dụng Fractal cho nén hình ảnh
Hình học Fractal đã được bắt đầu nghiên cứu từ những năm 1990 với nhiều công
trình nghiên cứu về lý thuyết và thực nghiệm trong nhiều lĩnh vực như đã nêu tại phần
1.4.2 của Luận án này. Trong các công trình nghiên cứu đó, các công trình đi sâu vào
ứng dụng Fractal cho nén hình ảnh hiện đang được sử dụng là cơ sở hoặc tham chiếu
như những cơ sở lý thuyết cho các nghiên cứu hiện tại về Fractal, đó là các công trình
sau:
Fractal Image Compression là luận án được công bố vào năm 2012 của tác giả
phân hoạch quadtree và polynomial tại tạp chí International Journal of Computer
Applications [64].
Fractal Image Compression of Satellite Color Imageries Using Variable Size of
Range Block là một bài báo của các tác giả Veenadevi .S .V và A. G. Ananth được
công bố vào năm 2014. Các tác giả định hướng sử dụng kích thước thay đổi linh hoạt
cho việc phân chia các vùng giá trị (miền giá trị - sau đây gọi tắt là range) trong quá
trình mã hóa của FIC để nâng cao tỷ số nén và PSNR nhằm áp dụng cho các ứng dụng
truyền chuỗi ảnh màu qua các thiết bị vệ tinh [63].
Interation Free Fractal Color Image Compression Using Vector Quantization
của tác giả A R Nadira Banu Kamal và P. Priyanga công bố năm 2014 tại tạp chí
International Jounrnal of Advanced Research in Computer and Communication
Engineering [1].
1.5.2 Các công trình nghiên cứu ứng dụng Fractal cho nén video
Hiện tại, đã có nhiều các công trình nghiên cứu ứng dụng Fractal cho nén hình
ảnh và video với các hướng nghiên cứu khác nhau. Sau đây là tóm tắt những hướng
nghiên cứu ứng dụng Fractal cho nén hình ảnh và video bằng những bài báo đã công
bố của các tác giả trong và ngoài nước.
A New Object-Based System for Fractal Video Sequences Compression của tác
giả Kamel Belloulata với nội dung đề tài triển khai về thuật toán mã hóa Fractal dựa
trên một cách nhìn mới - hướng đối tượng. Bài báo được công bố năm 2007 [43].
H.264/AVC Video Compressed Traces: MultiFractal and Fractal Analysis của
tác giả Irini Reljin, Andreja Samcovi và Branimir Reljin. Nội dung bài báo công bố
về thuật toán mã hóa video H.264/AVC thông qua các phân tích từ Fractal và multiFractal [32]. Bài báo được công bố vào năm 2006.
24
Three-dimensional Fractal coding của tác giả Kai Uwe Barthel và Thomas
Voyes công bố về một cách mã hóa Fractal theo 3 chiều: ngoài chiều ngang và dọc
của mỗi frame, video còn được mã hóa Fractal theo chiều sâu - theo các frame ảnh
Copyright: Tài liệu đại học ©