РАЗРАБОТКА КОНЦЕПЦИИ МУЛЬТИАГЕНТНОГО ПОДХОДА К КОДИРОВАНИЮ ВИДЕОДАННЫХ
Целью исследования является разработка концепции мультиагентного подхода к кодированию видеоданных для повышения качества видеоряда и увеличения битовой скорости за счет использования мультиагентной системы. Следствием увеличения объемов мультимедийной информации, а также существующих ограничений стандартных кодеков, являются условия, в которых поддержание качества видеоряда на нужном уровне не может быть гарантировано. В частности, существующие схемы обработки не обладают гибкостью в плане возможности коррекции параметров обработки предшествующих этапов кодирования относительно текущего. Возможным решением данной проблематики может служить децентрализация процесса кодирования с одновременным отходом от жесткого конвеерного сценария. В работе рассматривается подход к обработке кадров видеопотока на основе мультиагентной системы. Предлагается концепция мультиагентой системы, ориентированной на реализацию механизмов кодирования видеопотока на основе стандартных схем базовой технологии обработки MPEG-семейства. Рассмотрена обобщенная структура мультиагентной системы, типовых агентов (внутренней, а также межкадровой обработки), а также логика их взаимодействия. Основной упор сделан на внутрикадровую обработку. Отдельно рассмотрены возможные режимы работы мультиагентой системы, а именно – обучающий, основной и режим коррекции. В рамках предлагаемого подхода обрабатываемым кадрам, исходя из особенностей их содержания, ставится в соответствие совокупность параметров кодера, которые в дальнейшем могут корректироваться, исходя из полученной величины битовой скорости и текущего уровня ошибки. За счет этого возможно достичь существенного сокращения времени обработки как следствие значительного сужения пространства возможных значений параметров кодирования.
Стеценко О.Н., Хлопов В.В., Акиншин Д.И., Минченко Е.С. Разработка концепции мультиагентного подхода к кодированию видеоданных // Научный результат. Информационные технологии. – Т.10, №2, 2025. С. 25-37. DOI: 10.18413/2518-1092-2025-10-2-0-3
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
1. Beklaryan G.L., Akopov A.S., Khachatryan N.K. Optimisation of system dynamics models using a real-coded genetic algorithm with fuzzy control // Cybernetics and Information Technologies. 2019. Vol. 19. No. 2. P. 87–103. https://doi.org/10.2478/cait-2019-0017
2. Bobashev G., Zule W., Root E., Wechsberg W., Borshchev A., Filippov A. 2004 Geographically-Enhanced Mathematical Models of HIV Dynamics. NIDA Symposium on AIDS, Cancer and Related Problems, St. Petersburg, Russia.
3. Rozhentsova N., Regir O., Kotsubinski A. and Fetisov L. Development of a Multi-Agent Model of Electric Power Consumer/ 2019 International Conference on Electrotechnical Complexes and Systems (ICOECS), 2019, pp. 1-4, https://doi: 10.1109/ICOECS46375.2019.8949937.
4. Иванов Ю.А. Некоторые проблемы сжатия и передачи видео в реальном времени в беспроводных сетях // Электротехнические и информационные комплексы и системы. – 2009 – Т. 5 – № 1 – С. 62-64.
5. Hsu W.-L., Tsai Ch.-L., Chen Ch.-J., Multi morphological image data hiding based on the application of Rubik's cubic algorithm. Carnahan Conference on Security Technology (ICCST): proceedings of the IEEE International Conference. 2012. P. 135–139. DOI:10.1109/CCST.2012.6393548.
6. Chen T. et. al.: End-to-End Learnt Image Compression via Non-Local Attention Optimization and Improved Context Modeling. IEEE Transactions on Image Processing, 2021, 3179–3191 [https://doi.org/10.1109/tip.2021.3058615].
7. Russ J.C., Neal F.B.: The Image Processing Handbook. 7th Edition. CRC Press, 2018.
8. Rao K. et. al.: JPEG Series. 1st edition. River Publishers, 2021.
9. Information technology – JPEG 2000 image coding system: Secure JPEG 2000. International Standard ISO/IEC 15444-8, ITU-T Recommendation T. 807, 2007. 108 p.
10. Miano J. Formats and image compression algorithms in action / J. Miano. – Kyiv: Triumph, 2013, 336 p.
11. Абламейко С.В. Обработка изображений: технология, методы, применение / С.В. Абламейко, Д.М. Лагуновский, Минск: Амалфея, 2000. – 304 с.
12. Shirani J.S. JPEG compliant efficient progressive image coding / J.S. Shirani, F. Kossentini // Proceedings of the 1998 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). – Seattle. – 1998. – P. 2633-2636. https://doi.org/10.1109/ICASSP.1998.678063.
13. Miano J. Compressed image file formats: JPEG, PNG, GIF, XBM, BMP / J. Miano. – Moscow: ACM, 1999. – 264 p.
14. Pratt W. Slant transform image coding. Proc. Computer Processing in communications / W.K. Pratt, W.H. Chen, L.R. Welch. – New York: Polytechnic Press, 1969. – 184 p.
15. Efficient hierarchical graph-based video segmentation / M. Grundmann, V. Kwatra, M. Han, I. Essa // 2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – San Francisco. – 2010. – P. 2141-2148.
16. Gonzalez R. Digital image processing / R. Gonzalez, K. Woods. – Kyiv: Tekhnosfera, 2018. – 1104 p.
17. Salomon D. Data Compression: The Complete Reference. Fourth Edition / D. Salomon. – London: Springer-VerlagLimited, 2007. – 899 p.
18. Encoding mode selection in HEVC with the use of noise reduction / O. Stankiewicz, К. Wegner, D. Karwowski, J. Stankowski, K. Klimaszewski // International Conference on Systems, Signals and Image Processing (IWSSIP). – Poznan, 2017. – P. 1-6.
19. Christophe E. Quality criteria benchmark for hiperspectral imagery / E. Christophe, D. Lager, C. Mailhes // IEEE Transactions on Geoscience and Remote Sensing. – 2005. – № 9(43). – P. 2103-2114.
20. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео / Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин. – М.: ДИАЛОГ–МИФИ, 2003. – 384 с.