Algorithmen der Videosignalverarbeitung: Optimierung durch ...
Algorithmen der Videosignalverarbeitung: Optimierung durch ...
Algorithmen der Videosignalverarbeitung: Optimierung durch ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
VIDEOSIGNAL-ALGORITHMEN<br />
und den zu untersuchenden Algorithmus<br />
anhand dieses Modells zu optimieren<br />
bzw. die Parametereinstellung<br />
anhand dieses Modells zu überprüfen<br />
(zum Beispiel Bildsignal als<br />
Markov-Prozeß 1. Ordnung, Bildpunkte<br />
als statistisch voneinan<strong>der</strong><br />
unabhängig annehmen usw.). Zu dieser<br />
Betrachtungsweise gehört auch<br />
die Analyse an Modellsignalen (deterministische<br />
Analyse). Der Nachteil<br />
dieser Vorgehensweise ist, daß die<br />
Bildmodelle die Realität nur bedingt<br />
beschreiben.<br />
• Eine weitere Methode ist die <strong>Optimierung</strong><br />
eines Algorithmus anhand<br />
realer Testsequenzen und objektiver<br />
Bewertungsmaßstäbe. Ein Beispiel<br />
für ein objektives Bewertungsmaß ist<br />
<strong>der</strong> Störabstand des bearbeiteten<br />
Bildes, gemessen als SNR (Signal to<br />
Noise Ratio) bzw. PSNR (Peak<br />
SNR), <strong>der</strong> die subjektiv wahrgenommene<br />
Bildqualität allerdings nur annähernd<br />
beschreibt. Eine Vielzahl<br />
von Arbeiten beschäftigt sich mit <strong>der</strong><br />
Problematik, objektive Bewertungsmaßstäbe<br />
(Gütemaße) zu bestimmen,<br />
die die subjektive Wahrnehmung<br />
möglichst gut in ein objektives<br />
Maß umsetzen (Subjectve Mean<br />
Square Error [6] usw.). <strong>Optimierung</strong>smethoden<br />
unter Verwendung<br />
realen Bildmaterials und eines objektiven<br />
Gütemaßes erfor<strong>der</strong>n umfangreiche<br />
Simulationen. Ihre Nachteile<br />
liegen in einer oft heuristischen Parametereinstellung.<br />
• Da die objektiven Bewertungsmaße<br />
die reale subjektive menschliche<br />
Wahrnehmung mit ihren vielen nichtlinearen<br />
Eigenschaften aber nicht<br />
gänzlich beschreiben können, werden<br />
im Bereich <strong>der</strong> <strong>Videosignalverarbeitung</strong><br />
weiterhin subjektive Tests<br />
<strong>durch</strong>geführt. Hierbei muß eine Probandengruppe<br />
die Ergebnisse verschiedener<br />
<strong>Algorithmen</strong> bzw. verschiedener<br />
Parametereinstellungen<br />
eines Algorithmus vergleichen und<br />
bewerten. Je<strong>der</strong> Teilnehmer solcher<br />
Testserien wird beurteilen können,<br />
wie aufwendig solch eine Vorgehensweise<br />
ist.<br />
Wie im Bild 5 erkennbar, ergibt sich für<br />
eine <strong>Optimierung</strong> ein Ablauf, bei dem<br />
nach <strong>der</strong> Bewertung einer Parametereinstellung<br />
(objektiv o<strong>der</strong> subjektiv)<br />
eine Rückkopplung erfor<strong>der</strong>lich ist, bei<br />
<strong>der</strong> <strong>der</strong> <strong>Algorithmen</strong>entwickler heuristisches<br />
Vorwissen über das zu optimierende<br />
Problem einbringen kann.<br />
Algorithmus<br />
Rückkopplung<br />
Güteberechnung<br />
Betrachtet man komplexe <strong>Algorithmen</strong><br />
wie zum Beispiel eine Bewegungsvektorschätzung<br />
in Kombination mit einer<br />
vektorgestützten Nachverarbeitung, so<br />
enthält dieser Gesamtkomplex an <strong>Algorithmen</strong><br />
eine Unzahl freier zu optimieren<strong>der</strong><br />
Parameter, <strong>der</strong>en gegenseitige<br />
Abhängigkeiten zum Teil unüberschaubar<br />
sind. Daher bietet es sich an, ein automatisiertes<br />
<strong>Optimierung</strong>sverfahren<br />
anzuwenden, das es zumindest gestattet,<br />
eine <strong>Optimierung</strong> bezüglich <strong>der</strong> objektiven<br />
Bewertungsmaße vorzunehmen.<br />
Diese so gefundenen Lösungen<br />
können dann in subjektiven Tests weiter<br />
verifiziert werden. Für einen automatisierten<br />
<strong>Optimierung</strong>sablauf ist es erfor<strong>der</strong>lich,<br />
ein numerisches <strong>Optimierung</strong>sverfahren<br />
zu verwenden, das die im<br />
Bild 5 dargestellte Rückkopplung vornimmt.<br />
Hierbei muß eine intelligente<br />
(strategische) Variation <strong>der</strong> Parameter<br />
vorgenommen werden.<br />
Es existiert eine Vielzahl von <strong>Algorithmen</strong><br />
zur numerischen <strong>Optimierung</strong> [10].<br />
Für die vorliegenden <strong>Optimierung</strong>sprobleme<br />
<strong>der</strong> <strong>Videosignalverarbeitung</strong>, die<br />
komplexe Lösungsräume mit vielen Nebenoptima<br />
(multimodale Lösungsräume)<br />
haben, eignen sich beson<strong>der</strong>s naturanaloge<br />
<strong>Optimierung</strong>sverfahren wie<br />
zum Beispiel Evolutionsstrategien [9].<br />
In den folgenden Abschnitten sollen daher<br />
die Grundzüge von Evolutionsstrategien<br />
dargestellt und die zuvor beschriebene<br />
Vorgehensweise zur <strong>Algorithmen</strong>optimierung<br />
anhand von Beispielalgorithmen<br />
aus <strong>der</strong> <strong>Videosignalverarbeitung</strong><br />
dargestellt werden.<br />
2. Evolutionsstrategien<br />
Um eine hohe Konvergenzgeschwindigkeit<br />
<strong>der</strong> Evolutionsstrategie sowie eine<br />
große Anzahl geeignet mutierter Individuen<br />
zu erzielen, werden die zu optimierenden<br />
Parameter p(i), (die „Objekt-<br />
Parametereinstellung<br />
Testsequenz<br />
Referenz-<br />
Sequenz<br />
Bild 5. <strong>Optimierung</strong>sablauf für einen Algorithmus<br />
<strong>der</strong> <strong>Videosignalverarbeitung</strong><br />
Evolutionsstrategien werden seit Ende<br />
<strong>der</strong> 60er Jahre zur <strong>Optimierung</strong> einer<br />
Vielzahl von technischen Aufgabenstellungen<br />
verwendet [8]. Die Vorteile dieser<br />
Strategien zeigen sich insbeson<strong>der</strong>e<br />
bei komplexen <strong>Optimierung</strong>sproblemen,<br />
die aufgrund <strong>der</strong> Größe und Struktur<br />
des Parameter- und Güteraumes<br />
keine analytische <strong>Optimierung</strong> erlauben,<br />
o<strong>der</strong> bedingt <strong>durch</strong> den großen Simulationsaufwand<br />
je<strong>der</strong> einzelnen Realisierung<br />
kein vollständiges Absuchen<br />
des Parameterraumes erlauben. Genau<br />
diese Randbedingungen sind bei <strong>der</strong><br />
<strong>Optimierung</strong> einiger <strong>Algorithmen</strong> <strong>der</strong> <strong>Videosignalverarbeitung</strong><br />
gegeben.<br />
<strong>Optimierung</strong>sverfahren, die die Mechanismen<br />
<strong>der</strong> biologischen Evolution verwenden,<br />
um technische Probleme zu<br />
optimieren, werden als „Evolutionäre <strong>Algorithmen</strong>“<br />
bezeichnet. Da die biologische<br />
Evolution zu extrem komplexen<br />
Lebensformen geführt hat, die optimal<br />
an ihre Umwelt angepaßt sind, wird vermutet,<br />
daß nicht nur die Ergebnisse einer<br />
biologischen Evolution optimal sind,<br />
son<strong>der</strong>n auch ihre Mechanismen [8].<br />
Sogenannte „Evolutionsstrategien“<br />
(ES) stellen eine Methode aus <strong>der</strong> Menge<br />
<strong>der</strong> „Evolutionären <strong>Algorithmen</strong>“ dar.<br />
Bei einer ES wird eine potentielle Lösung<br />
im Parameterraum als Individuum<br />
in einer künstlichen Umwelt angesehen.<br />
Dieses Individuum wird gemäß des Grades<br />
seiner Anpassung an die künstliche<br />
Umwelt je nach <strong>Optimierung</strong>saufgabe<br />
<strong>durch</strong> eine Fehler- o<strong>der</strong> Gütefunktion<br />
bewertet. Faßt man mehrere Individuen<br />
zu einer Population zusammen, so kann<br />
man verschiedene Mechanismen <strong>der</strong><br />
biologischen Evolution modellieren, wie<br />
zum Beispiel<br />
• Mutation,<br />
• Rekombination,<br />
• Selektion.<br />
2.1. Mutation<br />
Die Mutation ist eine willkürliche Än<strong>der</strong>ung<br />
des genetischen Materials eines<br />
Individuums. Angewendet auf das Problem<br />
einer technischen <strong>Optimierung</strong> bedeutet<br />
dies, daß Zufallswerte zu den<br />
Parametern eines Systems addiert werden.<br />
Die Verteilungsfunktion dieser Zufallszahlen<br />
(mit einem Mittelwert von Null)<br />
wird als geometrische Verteilung für diskrete<br />
Parameter und als Normalverteilung<br />
für kontinuierliche Parameter gewählt<br />
[9].<br />
FERNSEH- UND KINO-TECHNIK 52. Jahrgang Nr. 1+2/1998 45