روشی جدید برای اختفای خطا درفریم‌های ویدیو با استفاده از شبکه‌ عصبی Rbf

ارسال ویدیوی فشرده‌شده درکانال‌های مستعدخطا ممکن است سبب اتلاف در بسته‌های ویدیو شود که این می‌تواند کیفیت تصویر را‌ کاهش دهد. اختفای خطا، یک ره‌یافت موثر جهت کاهش اتلاف ناشی از اطّلاعات از دست رفته است. شیوه‌های اختفای خطای زمانی متداول، همیشه در مواقعی که شی ویدیو دارای حرکات غیرعادی باشد، کارایی خود را از دست می‌دهند. در این مقاله، به‌منظور غلبه بر این مشکل، یک ره‌یافت اختفای خطای زمانی کارآمد جهت پنهان‌سازی خطای ماکروبلاک برای سامانه‌های کدگذار ویدیو پیشنهاد می‌شود. روش پیشنهادی از یک شبکه عصبیrbf برای تخمین بردارهای حرکت ماکروبلاک‌های آسیب‌دیده استفاده می‌کند. تخمین‌‌زنrbf فقط برای نواحی ویدیو با حرکات سریع استفاده می‌شود، که این پیچیدگی محاسبات را کاهش می‌دهد. به‌دلیل ظرفیت بزرگ شبکه‌های عصبی در تجسّم و تفسیر مجموعه‌های داده با ابعاد بالا، روش پیشنهادی می‌تواند بردارهای حرکت آسیب‌دیده در نواحی با حرکت سریع را به‌درستی تخمین بزند. نتایج تجربی نشان می‌دهد که شیوه پیشنهادی، کیفیت ذهنی و عینی فریم‌های بازسازی‌شده را ارتقا می‌دهد؛ به‌طوری که میانگین بیشینه نسبت سیگنال به نوفه برای دنباله‌های مورد آزمایش در بعضی از فریم‌ها حدود db5/1 نسبت به روش bma افزایش می‌یابد.