Algorithmen der Videosignalverarbeitung: Optimierung durch ...

Empfehlungen

Info

VIDEOSIGNAL-ALGORITHMEN PSNR ➞ Halbbild A n V r A n B n 2 26,0 [dB] 25,6 25,4 25,2 25,0 24,8 24,6 24,4 24,2 T − 10 ms rekursive Elemente 4.2. Nichtlineare Filter zur Zwischenbildinterpolation W Gewichtungs-Masken An N1 N2 N3 W gewichteter Median Bn T0 Referenzwert nach [1] Referenzwert nach [2] T + 10 ms Zwischenbild β n 24,0 0 20 40 60 80 100 120 140 160 180 200 Generationen ➞ Halbbild B n V r A n B n 2 Bild 16. Vektorgestützte gewichtete Zwischenbildinterpolation Bild 17. Optimierung einer zeitlichen Zwischenbildinterpolation; Testsequenz „Football“; dargestellt sind maximale und minimale sowie die mittlere Güte jeder Population Neben einer Proscan-Konversion ist die Interpolation von Zwischenbildern eine sehr wichtige Aufgabenstellung im Bereich der Videosignalverarbeitung. Anwendungen hierzu liegen zum Beispiel in der Konversion eines 50-Hz-TV-Signals auf ein 100-Hz-TV-Signal zur Flimmerreduktion in TV-Geräten (Upconversion), aber auch in Graphikkarten bzw. in der Studiotechnik (PAL- NTSC-Konversion) [2]. Auch in diesem Bereich werden vorteilhaft Algorithmen eingesetzt, die vektorgestützte nichtlineare Interpolationsfilter (gewichtete Medianfilter) verwenden. Die Vorteile dieser gewichteten Medianfilter liegen insbesondere in ihrer Eigenschaft, Fehler von Bewegungsvektoren in einem gewissen Maße zu kompensieren [1]. Als weiteres Anwendungsbeispiel für Evolutionsstrategien im Bereich der Videosignalverarbeitung wurde deshalb der Entwurf von gewichteten Medianfiltern zur Zwischenbildinterpolation untersucht. Bild 16 stellt dar, wie unter Zuhilfenahme eines vektorgestützten gewichteten Medianfilters aus zwei Originalbildern (A n und B n ) und einem Bewegungsvektor V AB n n ein Bildpunkt aus dem Zwischenbild (β n ) berechnet wird. Das Design der Gewichtungsmasken für diese Interpolation ist Aufgabe des evolutionären Optimierungsvorgangs. Ziel ist es dabei, eine möglichst hohe Bildqualität (zum Beispiel Kompensation von fehlerhaften Bewegungsvektoren, Erhalt feiner Bilddetails usw.) zu erreichen. Bild 17 zeigt hierzu die Ergebnisse eines Optimierungsvorgangs für eine sehr komplexe Bewegungssituation. Betrachtet wird die Zwischenbildinterpolation für die Testsequenz „Football“, bei der ein Zoom auf ein Spielfeld dargestellt ist. Neben der vorherrschenden Zoom-Bewegung treten hier viele unterschiedliche Partialbewegungen der Spieler auf. Die zu dieser Sequenz mittels eines Bewegungsschätzers [2] ermittelten Bewegungsvektorfelder sind häufig fehlerhaft. In der im Bild 17 dargestellten Simulation wurde ein stark fehlerhaftes Bewegungsvektorfeld verwendet. Aufgabe bei diesem Optimierungsvorgang war es, Interpolationsfilter so zu entwerfen, daß möglichst viele Vektorfehler kompensiert werden können und somit eine optimale Bildqualität für das Zwischenbild erzielt wird. Bild 17 stellt dar, daß die Interpolationsqualität der Referenzverfahren [1,2] durch die für diese Situation entworfenen Interpolationsfilter deutlich übertroffen werden kann. Ein Filterentwurf auf der Basis von Evolutionsstrategien bietet somit eine gute Möglichkeit, speziell für dedizierte kritische Situationen Filter zu entwerfen, um sie dann zum Beispiel in signaladaptiven Verfahren zu kombinieren. Da die Berechnung von Zwischenbildern jeweils an mehreren Bildern einer Bildsequenz erfolgen muß, erfordert die Bewertung eines Interpolationsfilters einen erheblichen Rechenaufwand. Da ein typisches Entwicklungsumfeld für Algorithmen der Videosignalverarbeitung allerdings von einer Laborsituation mit vernetzten Workstations geprägt ist, bietet es sich an, zur Reduktion der hohen Simulationszeiten diese Workstations über eine parallele Programmiersprache zu koppeln. Zu diesem Zweck wurde für die vorliegenden Untersuchungen das Softwarepaket „PVM“ (Parallel Virtual Machine) eingesetzt. Es ermöglicht dem Programmierer vernetzte Rechner als sogenannte Virtual Machine, das heißt als einen Parallelrechner mit verteiltem Speicher zu behandeln. Unter Verwendung dieses Softwarepakets war es möglich, die vorhandene heterogene Rechnerstruktur (etwa 15 Workstations) effektiv zu nutzen. Es konnten so sehr rechenintensive Simulationen mit einer für die Konvergenz der Evolutionsstrategie hinreichenden Anzahl von Generationen durchgeführt werden. 5. Schlußfolgerungen Zahlreiche Anwendungen in der Videosignalverarbeitung verwenden derzeit suboptimale Algorithmen, die nicht auf analytischem Wege optimiert werden können. Hier bietet sich eine Verwen- 50 FERNSEH- UND KINO-TECHNIK 52. Jahrgang Nr. 1+2/1998
VIDEOSIGNAL-ALGORITHMEN dung von Evolutionsstrategien an. Mit Evolutionsstrategien ist es zum Beispiel möglich, Filter zu entwerfen, die optimal an eine vorgegebene Situation (zum Beispiel an ein Testsignal) angepaßt sind (signalangepaßte Filter). Evolutionsstrategien sind somit ein sehr nützliches Hilfsmittel bei der Algorithmenentwicklung. Insbesondere beim Entwurf nichtlinearer Filter, die bisher nur durch deterministische (anhand von Modellsignalen) bzw. statistische Entwurfsmethoden (anhand von Verteilungsfunktionen) entworfen werden konnten, bietet sich der Einsatz von Evolutionsstrategien an. Bei den in diesem Beitrag diskutierten Beispielen konnten die Ergebnisse der Algorithmen durch den Einsatz der Evolutionsstrategien jeweils deutlich verbessert werden. Mögliche weitere Anwendungsfelder für Evolutionsstrategien im Bereich der Videosignalverarbeitung liegen bei der Optimierung von Algorithmen zur Interpolation, zur Bewegungsschätzung, zur Objekterkennung, zur Mustererkennung oder zur Codierung. Schrifttum [1] Blume, H.: A new algorithm for nonlinear vectorbased upconversion with center weighted medians. SPIE Journal of Electronic Imaging, Vol. 6, Nr. 3, 1997, pp. 368-378 [2] Blume, H.; Schröder, H.: Image Format Conversion – Algorithms, Architectures, Applications. Proc. of the IEEE ProRISC Workshop on Circuits, Systems and Signal Processing, Mierlo, Niederlande, 27.-29.11.1996, pp. 19-37 [3] Campos, I.; Schwefel, H.-P.: KBOPT: A knowledge based optimisation system. Technischer Report 311, Universität Dortmund, Fachbereich Informatik, 1989 [4] Franzen, O.; Blume, H.; Schröder, H.: FIR-Filter Design with Spatial and Frequency Design Constraints using Evolution Strategies. Zur Veröffentlichung eingereicht beim Signal Processing Journal, 1997 [5] Ivanov, K. V.: Ein neues Verfahren zur Konversion von Fernsehbildsignalen für die progressive Wiedergabe. FKT Bd. 48. (1994) Nr. 10, pp. 1-7 [6] Marmolin, H.: Subjective MSE Measures. IEEE Trans. on Systems, Man and Cybernetics, Vol. 16, Nr. 3, Mai 1986 [7] Musmann, H. G.; Pirsch, P.; Grallert, H. J.: Advances in Picture Coding. Proc. of the IEEE, Vol. 73, Nr. 4, 1985, pp.523-548 [8] Rechenberg, H.: Evolutionsstrategie. fromannholzboog Verlag, Stuttgart, 1973 [9] Schwefel, H. P.; Bäck, T.: Evolution Strategies I/II. Chap. 6/7 in Genetic Algorithms in Engineering and Computer Science. ed. by J. Périaux, G. Winter; John Wiley & sons, New York, 1995 [10] Schwefel, H. P: Evolution and Optimum Seeking. John Wiley & sons, New York, 1995 CMOS-Bildsensor Nach einer Information von IMEC in Leuven (Belgien) ist es dem Unternehmen gelungen, einen neuen Bildsensor auf Basis der CMOS-Technik zu entwikkeln, dessen Bildqualität denen herkömmlicher CCD-Sensoren entsprechen soll. Der neue Sensor Ibis 1 verfügt über einen neuen Pixel-Typ mit hohem Füllfaktor, der gesteigerte Empfindlichkeit ermöglichen soll. Dabei wird mit Füllfaktor der lichtempfindliche Teil des Pixels bezeichnet. Die Pixel-Struktur verfügt über eine zusätzliche p-dotierte Schicht unter der Pixel-Elektronik. Damit soll sichergestellt werden, daß sämtliche vom Licht hervorgerufene Ladung auch zum Ausgangssignal beiträgt. Eine weitere Entwicklung betrifft die Integration eines Doppelabtasters auf dem Chip, der die — in CMOS-Technologie unvermeidliche — Ungleichförmigkeit eliminieren soll. Diese Korrektur-Elektronik wurde für jeden Bildpunkt eingeführt, um Ungleichförmigkeiten zu verhindern. Dabei erfolgen die Korrekturen mit der gleichen Geschwindigkeit wie der Bilddaten-Transfer. Ibis 1 verfügt über 386×290 quadratische Pixel und bietet Bildfrequenzen von 50 Hz und mehr. Sein dynamischer Bereich beträgt 1:28.000, wobei die Ungleichförmigkeit für ein festes Muster unter 0,2% des maximalen Ausgangssignals liegen soll. Der Sensor ist auch mit einem elektronischen Verschluß ausgestattet und wird mit der Standard- CMOS-Technologie von Alcatel Mietec in 0,7-µm-Geometrie gefertigt. Die Ibis-Linie soll in Richtung höherer Auflösung und mit Farbfiltern auf dem Chip zügig weiterentwickelt werden. Das Unternehmen IMEC wurde 1984 gegründet und sieht sich mit 750 Mitarbeitern als Europas führendes, unabhängiges Forschungszentrum für die Entwicklung und Lizenzierung von modernen Technologien der Mikroelektronik. Die 150-mm-CMOS-Pilotlinie für Submikron-Strukturen wurde 1994 nach ISO 9001 zertifiziert. Die Forschungs- und Entwicklungsaktivitäten bei IMEC konzentrieren sich auf neue Entwurfsverfahren, mit denen die Entwicklung komplexer elektronischer Systeme wesentlich beschleunigt werden soll. Weitere Arbeiten betreffen die Entwicklung von Prozeß-Technologie für die nächste Generation der ULSI- Chips, Multichip-Module, nichtflüchtige Speicher, optoelektronische Komponenten, Sensoren, Mikrosysteme und Solarzellen. FERNSEH- UND KINO-TECHNIK 52. Jahrgang Nr. 1+2/1998 51
Seite 1 und 2: VIDEOSIGNAL-ALGORITHMEN H. BLUME, O
Seite 3 und 4: VIDEOSIGNAL-ALGORITHMEN und den zu
Seite 5 und 6: VIDEOSIGNAL-ALGORITHMEN Diese Vorge
Seite 7: VIDEOSIGNAL-ALGORITHMEN Eingangsbil

Algorithmen der Videosignalverarbeitung: Optimierung durch ...

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?