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 />
Eingangsbil<strong>der</strong> A1 B1<br />
A2<br />
zu interpolieren<strong>der</strong> fehlende<br />
x Bildpunkt Zwischenzeilen<br />
0 x 0<br />
x<br />
y<br />
0<br />
aktive<br />
Zeilen<br />
46<br />
[dB]<br />
44<br />
42<br />
40<br />
vektorgestützter<br />
Referenzwert nach [1]<br />
statischer<br />
Referenzwert nach [1]<br />
PSNR ➞<br />
38<br />
36<br />
Referenzwert nach [6]<br />
y 0<br />
T n 1<br />
34<br />
Masken des Medianfilters<br />
− T n T n+1 t<br />
Bild 13 (oben). Medianmasken für eine Proscan-Konversion<br />
Bild 14 (rechts). <strong>Optimierung</strong> einer Proscan-Konversion mit zufälligen<br />
Initialwerten; Testsequenz „Train“; maximale, minimale und mittlere<br />
Güte je<strong>der</strong> Population<br />
32<br />
30<br />
28<br />
0 10 20 30 40 50 60 70 80 90 100<br />
Generationen ➞<br />
T n−1<br />
T n<br />
W i<br />
T n+1<br />
y<br />
Generation: 1<br />
PSNR: 34,8 dB<br />
0<br />
7<br />
2<br />
7<br />
5<br />
3 5 7 10<br />
8<br />
0<br />
6<br />
1 2 4<br />
6<br />
4 5<br />
9<br />
5<br />
5 8 2 2<br />
3 5<br />
0 4 0 4 4<br />
4<br />
9<br />
3<br />
1<br />
2<br />
10<br />
3<br />
6<br />
2 4 7 2<br />
7<br />
6<br />
1 3<br />
5 8<br />
1<br />
Generation: 21<br />
PSNR: 38,8 dB<br />
5<br />
0 10 2<br />
4 10 4<br />
5 10<br />
ell sind allerdings die gleichen Verfahren<br />
anwendbar. Bild 11 und Bild 12<br />
stellen den Frequenzgang eines Filters<br />
mit zufälligen Koeffizienten sowie das<br />
Ergebnis eines Filterentwurfs mit Evolutionsstrategien<br />
für ein separierbares<br />
2D-Filter (mit L x =L y =L=11) dar. Wie<strong>der</strong>um<br />
ist die Evolutionsstrategie in <strong>der</strong><br />
Lage, aus den Zufallswerten heraus, in<br />
eine gute Lösung des <strong>Optimierung</strong>sproblems<br />
<strong>der</strong> Ordnung 2 ⋅<br />
⎢L<br />
+ 1⎥<br />
⎣<br />
⎢<br />
2 ⎦<br />
⎥<br />
zu konvergieren.<br />
In [4] werden hierzu auch Ergebnisse<br />
für nichtseparierbare 2D-Filter (zum<br />
Beispiel Diagonalfilter) vorgestellt.<br />
4. <strong>Optimierung</strong> nichtlinearer Filter<br />
0<br />
7<br />
0 2<br />
9<br />
1 10<br />
0<br />
1 5 10 6 0 1<br />
1 4 3<br />
5<br />
3<br />
0 0 2<br />
1 3<br />
5<br />
0<br />
8 10 2 10<br />
1 10 1<br />
0 2<br />
3 5<br />
1<br />
5<br />
0<br />
0<br />
Generation: 41<br />
PSNR: 40,0 dB<br />
Generation: 61<br />
PSNR: 41,9 dB<br />
0 10 0 10 0 10<br />
6 0 10<br />
3<br />
3<br />
6 0 10 0 9<br />
0 9<br />
2 0<br />
0<br />
80<br />
3<br />
0<br />
0<br />
6<br />
0<br />
0<br />
0<br />
3<br />
0<br />
0 2<br />
0<br />
2<br />
1<br />
0<br />
1<br />
1<br />
0 0<br />
0<br />
0<br />
0<br />
9<br />
8<br />
6<br />
0 10<br />
0<br />
1 10<br />
0<br />
9 0 0<br />
0 4 7<br />
10 0 1<br />
0 4 1<br />
10 5 0 0 10<br />
0<br />
1<br />
2 5 0<br />
2<br />
1 4 5 2<br />
4<br />
0<br />
0<br />
0<br />
3<br />
3<br />
0 2<br />
3<br />
0 0 0 1<br />
0 0 0<br />
0<br />
1<br />
0 1<br />
0 0<br />
0<br />
0<br />
8 10<br />
1<br />
8 10 10<br />
1<br />
0 10 7 1<br />
8 10<br />
10 0 0<br />
0<br />
8 0<br />
0 0<br />
7 0<br />
0<br />
0<br />
0<br />
0<br />
4<br />
1 1<br />
0<br />
0<br />
2 0 2 0<br />
0 0<br />
1<br />
0 3 0 0<br />
0<br />
Nichtlineare Filter, die in vielen Anwendungen<br />
wie einer Formatkonversion<br />
o<strong>der</strong> einer Reduktion von Impulsrauschen<br />
heute eingesetzt werden [2], werden<br />
bisher zumeist heuristisch entworfen.<br />
Es existieren für nichtlineare Filter<br />
lediglich deterministische (Modellsignale)<br />
o<strong>der</strong> statistische (Verteilungsfunktionen)<br />
Beschreibungs- und Analysemethoden.<br />
Daher bietet es sich für nichtlineare<br />
Filter ebenfalls an, eine <strong>Optimierung</strong><br />
über Evolutionsstrategien vorzunehmen.<br />
4.1. Nichtlineare Filter zur<br />
Proscan-Konversion<br />
Generation: 81<br />
PSNR: 43,2 dB<br />
x<br />
Bild 15. <strong>Optimierung</strong> einer Proscan-Konversion, Adaption <strong>der</strong> Gewichtungsmasken, Testsequenz<br />
„Train“<br />
Einige hochqualitative <strong>Algorithmen</strong> zur<br />
Proscan-Konversion (s. Kap. 2) verwenden<br />
nichtlineare Filter (gewichtete Medianfilter)<br />
[2]. Für jede mögliche Position<br />
im Fenster des Medianfilters muß ein<br />
Gewichtungswert bestimmt werden (Integer-Wert<br />
im Intervall [0,10]). Das <strong>Optimierung</strong>sproblem<br />
ist aufgrund <strong>der</strong> Freiheitsgrade<br />
<strong>der</strong> gewichteten Medianfilter<br />
(50 Maskengewichte in den drei Masken,<br />
Bild 13) 50-dimensional und es<br />
existieren 11 50 verschiedene Kombinationen,<br />
so daß ein vollständiges Absuchen<br />
des Parameterraumes nicht möglich<br />
ist. Daher müssen intelligente Optimie-rungsalgorithmen<br />
eingesetzt werden.<br />
Bild 14 stellt die Ergebnisse einer <strong>Optimierung</strong><br />
vektorgestützter gewichteter<br />
Proscan-Medianfilter ausgehend von<br />
zufälligen Startwerten dar. Als Gütefunktion<br />
wurde hier das „Peak Signal to<br />
Noise Ratio“ (PSNR) <strong>der</strong> interpolierten<br />
progressiven Bil<strong>der</strong> verwendet. Bei <strong>der</strong><br />
<strong>Optimierung</strong> wurde eine (10,70)-Evolutionsstrategie<br />
eingesetzt (diskrete Rekombination<br />
<strong>der</strong> Objektparameter, intermediäre<br />
Rekombination <strong>der</strong> Strategieparameter).<br />
Deutlich zu erkennen ist im Bild 14, daß<br />
die Referenzverfahren <strong>durch</strong> die Ergebnisse<br />
<strong>der</strong> <strong>Optimierung</strong> übertroffen werden.<br />
Startet man den Evolutionsvorgang<br />
bereits bei heuristischen Initialwerten<br />
werden noch bessere Ergebnisse<br />
erzielt.<br />
Die sich im Laufe <strong>der</strong> <strong>Optimierung</strong> ergebenden<br />
Maskenkonfigurationen sind im<br />
Bild 15 aufgetragen. Dargestellt sind jeweils<br />
die Gewichtungsmaske im Vorgänger-,<br />
aktuellen und Nachfolger-Bild.<br />
Die Höhe <strong>der</strong> Balken repräsentiert dabei<br />
die Größe <strong>der</strong> Gewichte. Ausgehend<br />
von den zufälligen Initialwerten bilden<br />
sich Ergebnisse heraus, die eine deutliche<br />
Zeilenorientierung im Vorgängerund<br />
Nachfolgerbild sowie eine Spaltenorientierung<br />
im aktuellen Bild wi<strong>der</strong>spiegeln.<br />
FERNSEH- UND KINO-TECHNIK 52. Jahrgang Nr. 1+2/1998 49