| 姓名 |
徐玉興(Yu-Xing Xu )
查詢紙本館藏 |
畢業系所 |
電機工程研究所 |
| 論文名稱 |
利用紅外線傳輸動態影像(H.263)之研究
|
| 相關論文 | |
| 檔案 |
 [Endnote RIS 格式]
[Bibtex 格式]
 [相關文章]  [文章引用]  [完整記錄]  [館藏目錄]  [檢視] [下載]- 本電子論文使用權限為同意立即開放。
- 已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
- 請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。
|
| 摘要(中) |
紅外線圖像傳輸（IrTran-P），是IrDA為數位相機所制定的相關標準；原本是用來傳遞靜態JPEG影像，藉由修改其通訊協定，讓IrTran-P能傳遞不同格式影像；同時讓IrTran-P多一個錯誤自動重傳指令，以實現ARQ錯誤重傳；接著介紹H.263視訊壓縮標準，及一些錯誤偵測，與錯誤回復技術；傳統利用時間域或空間域作錯誤消除，均有其效能瓶頸；本論文採用類神經網路對影像做錯誤消除；傳統無隱藏層的類神經網路架構，其錯誤消除能力很差，因此我們讓類神經網路加入隱藏層，並比較單層與雙層隱藏層類神經網路架構的多層感知器，其錯誤消除能力；最後我們利用ARQ對標頭的錯誤做Intra Refresh（Intra重新編碼），來做錯誤更正，以阻止錯誤的繼續蔓延。 |
| 關鍵字(中) |
★ 紅外線資料協會
★ 類神經網路 |
關鍵字(英) |
★ H.263
★ Ir-TranP
★ IrDA
★ Neural Network |
| 論文目次 |
摘要
圖表、表目
第一章 緒論……………………………………………………….1
1.1簡介……………………………………………………………1
1.2研究動機…………………………………………………….2
1.3各章內容概要……………………………………………….4
第二章 外線圖像傳輸（IrTran-P）通訊協定簡介
…………………………………………………………………………………5
2.1紅外線標準協會（IrDA）簡介 ……………………………..5
2.2紅外線圖像傳輸（IrTran-P）通訊協定簡介……………….9
2.3自動重傳機制………………………………………………..21
第三章 H.263視訊壓縮之錯誤偵測與錯誤回覆…….23
3.1 壓縮原理………………………………………….…………24
3.2 H.263 視訊壓縮標準……………………………………….29
3.3錯誤偵測與錯誤回復……………………………….36
第四章利用類神經網路對H.263做錯誤消除..43
4.1多層感知器的影像模型………………………………………..44
4.2訓練資料（Traning Data）…………………………..58
4.3效能（Performance）評估…………………………………..66
4.4運算複雜度(computation complexity)…………………….86
4.5與其他錯誤消除技術的比較………………………………..93
第五章利用錯誤重傳機制（ARQ）對H.263做
錯誤更正……………………………………………..99
5.1 ARQ機制效能評估…………………………………………100
5.2 Intra重新編碼後的錯誤蔓延…………………………….105
5.3 即時性探討 ……………………………………………..108
第六章 結論……………………………………………………….112
附 錄…………………………………………………………………114
參考文獻…………………………………………………………………122
圖1-1 論文傳輸架構…………...…..………………………………………..3
圖 2-1 IrDA不同規格之發展趨勢……….....……………………...………..7
圖 2-2 IrDA產品應用發展趨勢……...….….……...………………………..8
圖2-3 兩紅外線設備間連接圖…………….……..………………………..10
圖 2-4 IrDA的堆疊….……….…………….………...……………………..11
圖2-5 IrTran-P之應用設備………...………………………………………12
圖2-6 IrTran-P傳輸流程…………………...………………………………14
圖2-7 程式接收視窗……..………..………………….…………………….16
圖2-8 資料標頭檔及其大小………………………………………………...17
圖2-9 File Header內容的排列順序，及其定義…………………….……18
圖2-10 Entry Area的結構及內容定義……………………………………...19
圖2-11 不同資料格式之Data type ID……………………………………..20
圖2-12 IrTran-P ARQ傳輸流程……...…………..…...…………………….21
圖3-1 區塊在大區塊中的排列順序……………………..…………………30
圖3-2 H.263畫面的資料結構…………………………………..…………30
圖3-3 H263的視訊資料結構（video bitstream syntax）………....…………31
圖3-4 H.263編碼流程圖……………………………………………………31
圖3-5 半像素的定義………………………..…………………………..….33
圖3-6 H.263進階預測模式移動向量選擇圖……………...………………34
圖3-7 PB-Frames之說明……...……………………………………………35
圖3-8 H.263編碼流程圖………….……………………..…………………35
圖3-9 利用同步碼做錯誤鎖定………………………………...…….…….38
圖3-10 利用基因演算法來做錯誤隱藏流程圖…………………………..40
圖3-11 錯誤追蹤（delay=1）示意圖………...………………………………41
圖4-1 傳統未回授之感知器……………………………………...…………46
圖4-2 傳統回授感知器………………………………………...…………46
圖4-3人工神經元模型………………………………………………………47
圖4-4多層回授感知器….….………………………………………………48
圖4-5第 層第 個神經細胞…………………….……………………….49
圖4-6活化函數…….……………………………………………………….50
圖4-7影像模型A的最佳決策區域圖…………………….…………..55
圖4-8影像模型B的最佳決策區域圖………………………………….57
圖4-9倒傳遞類神經網路架構…….…………………………………...58
圖4-10 (5,9,1)模式下不同學習率的收斂速度
（其中a: ,b: ,c: ）………………………….61
圖4-11 (5,9,3,1)模式下不同學習率的收斂速度
（其中a: ,b: ,c: ）………………………….62
圖4-12 不同等化器模式其收斂速度
其中a:（5,1）；b:（5,9,1）；c:（5,9,3,1）………..……….63
圖4-13 (5,9,1)模式下，訓練資料在理想與固定通道時效能比較…..…64
圖4-14 (5,9,3,1)模式下訓練資料在理想與固定通道時效能比較….….65
圖4-15 (5,9,1)架構類神經網路對位元錯誤率的改善……………….….66
圖4-16 只經過決策裝置在不同通道訊雜比情況下其影像品質………..76
圖4-17單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其位元錯誤率及峰值訊號雜訊比的比較………………………….………77
圖4-18 單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其影像品質比較…………………………………………………………….79
圖4-19在標頭保護的情況下，在不同通道訊雜比下，有無類神經網路影像間的比較……………………………………………………...81
圖4-20單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其位元錯誤率與無類神經網路間的比較………………………………...82
圖4-21單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其峰值訊號雜訊比與無類神經網路間的比較…………………………….83
圖4-22 在標頭保護的情況下，單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其影像品質比較………………………………….85
圖4-23多層感知器各層權值與閥值……………………………………..89
圖4-24使用四個邊角點做線性內插法..………………………………..93
圖4-25有無使用線性內插法其影像品質………………………………..97
圖4-26 (5,9,1)架構與線性內插法兩種錯誤消除技術，與無錯誤消除技術間峰值訊號雜訊比的關係……………………………………….98
圖5-1 單獨使用類神經網路，或Intra重新編碼對於影像品質改善情形………………………………………………………………..103
圖5-2利用類神經網路來消除Intra重新編碼無法更正的錯誤……..106
圖5-3 claire影像使用Intra重新編碼對於影像品質改善情形…...109
圖5-4 miss_am影像使用Intra重新編碼對於影像品質改善情形………………………………………………………………..111
表3-1未壓縮視訊資料量………..………………………….………....23
表3-2壓縮後視訊資料量…………..…………………….…………....24
表4-1影像模型A之無雜訊座標……...…………………….……....54
表4-2在影像模型A下單層與雙層隱藏層類神經網路架構之等化器其位元錯誤率…………..………….……………..………...55
表4-3影像模型B之無雜訊座標………….…….…………………...56
表4-4傳輸環境系統與位元錯誤率對照………..…………………...67
表4-5 不同單層隱藏層之位元錯誤率………………………..………...68
表4-6 (5,9,1)架構位元錯誤率與峰值訊號雜訊比的關係……….…...69
表4-7在標頭保護的情況下，不同單層隱藏層之位元錯誤率.….…...70
表4-8在標頭保護的情況下，(5,9,1)架構位元錯誤率與峰值訊號雜訊比的關係……………………………………………………………....71
表4-9 不同雙層隱藏層之位元錯誤率……………….…………….…...72
表4-10 (5,9,3,1)架構位元錯誤率與峰值訊號雜訊比的關係………...73
表4-11在標頭保護的情況下，不同雙層隱藏層之位元錯誤率………...74
表4-12在標頭保護的情況下，(5,9,3,1)架構位元錯誤率與峰值訊號雜訊比的關係……………………………………………………......75
表4-13只經過決策裝置影像位元錯誤率及峰值訊號雜訊比之比較…...75
表4-14 兩種類神經網路，在不同通道訊雜比其位元錯誤率與峰值訊號雜訊比間的比較….…………………………………………….……76
表4-18在標頭保護的情況下，只經過決策裝置影像位元錯誤率及峰值訊號雜訊比之比較…….……………………………………….……80
表4-20 在標頭保護（Header protection）的情況下，兩種類神經網路，在不同通道訊雜比其BER與PSNR間的比…………………….…82
表4-21 各權值與閥值的計算複雜度……………………………......88
表4-22不同單層隱藏層的類神經網路等化器，其運算複雜度………….90
表4-23 (5,9,3,1)架構，權值與閥值數目…….…..……..….……...90
表4-24 (5,9,3,1) 與（5,9,1）架構運算複雜度比較…………..…...90
表4-25 不同模式的感知等化器其執行時間…………………………....91
表4-26 有無使用線性內插法間，峰值訊號雜訊比的比較……….…...94
表4-27 (5,9,1)架構與線性內插法間，峰值訊號雜訊比的比較……...97
表5-1 carphone I-Frame 與P-Frame GOB大小……………………….100
表5-2單獨使用類神經網路，或Intra重新編碼其PSNR之比較…....104
表5-3 Intra重新編碼無法更正的錯誤，利用類神經網路來消除其蔓延
的錯誤，影像PSNR值…………………………………………....107 |
| 參考文獻 |
[1]李天序，”雜訊通道中視訊編碼防錯技術之研究”,中央大學，2000
[2]S. Aign and K. Fazel,”Temporal and Spatial Error Concealment Techniques for Hierarchical MPEG-2 Video Codec”,IEEE International Conference on Communication,Vol. 3,pp.1778-1783,1995.
[3]”IrTran-P（Infrared Transfer Picture）Specification”, Version 1.0 ,October 1997
[4]ITU-T Recommendation H.263, "Video coding for low bit-rate
communication", Nov.1995.
[5]Han-Chiang Shyu and Jin-Jang Leou，”Detection and Concealment of Transmission Errors in MPEG-2 Images---A Genetic Algorithm Approach”,IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY , VOL 9, NO.6,PP.937 - 948 SEPTEMBER 1999
[6]葉怡成，『類神經網路模應用與實作』,儒林
[7] G. J. Gibson, S. Siu, & C.F.N. Cowan, “The Application of
Nonlinear Structures to the Reconstruction of Binary
Signals”, IEEE Trans. Signal Processing, vol. 39, No.8,
pp. 1877-1884, 1991
[8] S.Siu, G.Gibson, C.Cowan; “Decision Feedback equalization using neural network structures and Performance Comparison with Standard Architectures”, IEEE Proceedings,Vol.137, Part I, No.4, pp.221-225, Aug.1990.
[9] S.Siu, C.F.N.Cowan; “Performance analysis of the norm back propagation algorithm for adaptive qualization”,IEEE Proceedings-F,Vol.140 No.1, pp.43-47,FEBRUARY 1993.
[10] Yoh-Han Pao,“Adaptive Pattern Recognition and Neural Networks”, Addison-Wesley Publishing Company, 1989.
[11]ANIL K.JAIN,”Fundamentals Of Digital Image Processing”
[12]林繼洲,”函數連結與模糊適應等化器效能評估”, 元智大學, 1999
[13] 黃智宏,“H.263 視訊影像之錯誤偵測與回復”, 台灣大學, 1998.
[14]Jae-Won and Yo-Sung Ho;“Error Concealment Based on Directional Interpolation”,IEEE Transactions on circuits and systems for video technology,vol 7, No 6,December 1997 ,p872-p881 |
| 指導教授 |
林銀議(Yin-Yi Lin)
|
審核日期 |
2001-7-5 |
| 推文 |
 facebook  plurk  twitter  funp  google  live  udn  HD  myshare  reddit  netvibes  friend  youpush  delicious  baidu
|
| 網路書籤 |
 Google bookmarks  del.icio.us  hemidemi myshare
|
