МЕТОД ВИЗНАЧЕННЯ ІНФОРМАТИВНОСТІ СЕГМЕНТІВ ДЛЯ СИСТЕМ ІНТЕЛЕК-ТУАЛЬНОЇ ОБРОБКИ ВІДЕОКОНТЕНТУ
DOI:
https://doi.org/10.18372/2310-5461.70.21197Ключові слова:
сегменти відеокадрів, інформативність, кодування відеоданих, метрика, інформаційно-комунікаційні системиАнотація
В статті показано, що на даний час створено низка ефективних сучасних технологій кодування відеоданих, які базуються на стандартизованих форматах стиснення відеокадрів та динамічних потоків. До них можна віднести такі, як: Н265/HEVC та H266/VVC. Відповідно окреслюються ряд напрямків щодо врахування для цих технологій особливостей (складності) контенту. В основі першого типу підходів лежить принцип скорочення бітрейту за дотриманням вимог щодо рівня середньоквадратичних показників, які визначають рівень цілісності. Недоліками тут є: підвищення складності обробки за рахунок багато ітераційного процесу побудови дерева синтаксису; наявність можливості провести лише грубу оцінку рівня бітрейту до початку процесу стиснення (ентропійного кодування).В основі другого напрямку лежать підходи на застосуванні моделей штучного інтелекту. Водночас означений підхід має певні обмеження. Це стосується збільшення складності обробки та часових затримок в процесі навчання та формування латентного простору. Окрім того, виникають помилки в процесі ідентифікації об’єктів. Одним з ефективних напрямків підвищення ефективності семантичної селекції відеосегментів в процесі стиснення є розробка комбінованих підходів. В цьому разі базовим є ідентифікація (класифікація) сегментів за рівнем семантичної складності на сонові набору ознак, які виявляються на рівні синтаксичного сприйняття відеоінформації. Основним завданням тут є вибір таких ознак, які одночасно матимуть асоціативну залежність з рівнем семантичної складності відеосегментів та допустиму енергоефективність обчислювального процесу. Розроблено методологічні основи щодо порогові-метричної класифікації стандартизованих за розміром сегментів на два базових класи на основі масштабування результатів поділу на класи його локальних сегментів. Базовими тут є: квдаратизація сегменту за локальними сегментами з формуванням для кожного з них інформаційної моделі за сукупністю структурних та статистичних параметрів; масштабування щодо встановлення рівня складності сегменту відеозображення з позиції потенціалу його особливостей відносно наявності надмірності проводиться на основі вирішального правилу за аналізом частотної інформації результатів поділу локальних сегментів за двома базовими класами; визначення класу складності локальних сегментів на основі відносення метрики до одного з двух допустимих порогових інтервалів з визначеною межею.
Посилання
Alakuijala, J., Boukortt, S., at al. Benchmarking JPEG XL image compression. Optics, Photonics and Digital Technologies for Imaging Applications VI, SPIE, 2020, vol. 11353, pp. 187–206. https://doi.org/ 10.1117/12.2556264.
Barannik, V., Barannik, D., Babenko, M., Prokopenko, R., Akimov, O., & Petrukha, N. (2026). Devising a method for complex stegano-graphic embedding of information in the structural-psychovisual space. Eastern-European Journal of Enterprise Technologies, 1(9 (139),
–30. https://doi.org/10.15587/1729-4061.2026. 351181.
Barannik, V., Yudin, O., Boiko, Y., Ziubina, R., Vyshnevska, N. (2019). Video Data Compression Methods in the Decision Support Systems. In:
Hu, Z., Petoukhov, S., Dychka, I., He, M. (eds) Advances in Computer Science for Engineering and Education. ICCSEEA 2018. Advances in Intelligent Systems and Computing, vol 754. Springer, Cham. https://doi.org/10.1007/978-3-319-91008-6_30.
Barannik, V., Sidchenko, S., Barannik, D., Barannik, V., Datsun, A. (2021). Devising a conceptual method for generating cryptocompres-sion codograms of images without loss of information quality. Eastern-European Journal of Enterprise Technologies, 4 (2 (112)), 6–16. https://doi.org/10.15587/1729-4061.2021.237359.
Бараннік В. В. Основи теорії структурно-комбі-наторного стеганографічного кодування: моно-графія / В. В. Бараннік, Д. В. Бараннік, Бекиров А. Е. Х.: «Лідер», 2017. 256 с.
Fang Y. Distributed Arithmetic Coding for Uniform Sources. IEEE Transactions on Information Theory. 2023. Vol. 69. no. 1. P. 47–74. https://doi.org/10.1109/ TIT.2022.3221289 .
Alimpiev A., Barannik V., Podlesny S., Suprun O. and Bekirov A. "The video information resources integrity concept by using binomial slots," 2017 XIIIth International Conference on Perspective Technologies and Methods in MEMS Design (MEMSTECH), Lviv, Ukraine, 2017, pp. 193–196, https://doi.org/10.1109/MEMSTECH.2017.7937564
Barannik V. V., Hahanova A. V. and Krivonos V. N. "Coding tangible component of transforms to provide accessibility and integrity of video data," East-West Design & Test Symposium (EWDTS 2013), 2013, pp. 1–5, https://doi.org/ 10.1109/EWDTS.2013.6673179
Esenlik S. An Overview of the JPEG AI Learning-Based Image Coding Standard [Електронний ресурс] / S. Esenlik, Y. Wu, Z. Zhang [et al.]. 2025. (Preprint / arXiv:2510.13867). URL: https://arxiv.org/abs/2510.13867 (дата звернення: 23.12.2025). https://doi.org/10.48550/arXiv.2510. 13867
Bross B., Chen J., Kounnas C., Ohm J., Sullivan G. J., Wang Y.-K., Xu J., & Ye, Y. General video coding technology in responses to the joint call for proposals on video compression with capability beyond HEVC. IEEE Transactions on Circuits and Systems for Video Technology. 2020. vol. 30. no. 5. Р. 1226–1240. https://doi.org/ 10.1109/TCSVT.2019.2949619
V. Barannik and A. Shiryaev, "Quadrature compression of images in polyadic space," Proceedings of International Conference on Modern Problem of Radio Engineering, Tele-communications and Computer Science, 2012, pp. 422–422. INSPEC Accession Number: 12713484.
Belikova T. Decoding Method of Information-Psychological Destructions in the Phonetic Space of Information Resources. Advanced Trends in Information Theory (ATIT): proceedings of the 2nd IEEE International Conference, 2020.
P. 87–91. URL: https://ieeexplore.ieee.org/ document/9349300 .
Bross B. Overview of the Versatile Video Coding (VVC) Standard and its Applications / B. Bross [et al.] // IEEE Transactions on Circuits and Systems for Video Technology. 2021. Vol. 31, no. 10. P. 3736–3764. https://doi.org/10.1109/ TCSVT. 2021.3101953
Hendrawan A. A novel YOLO-aria approach for real-time vehicle detection and classification in urban traffic / A. Hendrawan, R. Gernowo, O. D. Nurhayati1, C. Dewi // International Journal of Innovative Engineering and Sciences. 2024. Vol. 9, no. 2. P. 38–44. https://doi.org/10.22266/ijies 2024.0229.38 .
Hussain J. A. at all. Image compression techniques: A survey in lossless and lossy algorithms. Neurocomputing. 2018. vol. 300. Р. 44–69, https://doi.org/10.1016/j.neucom.2018.02.094
Krasnorutsky A. et al.: "The Methods of Inte-llectual Processing of Video Frames in Coding Systems in Progress Aeromonitor to Increase Efficiency and Semantic Integrity," 2022 IEEE 4th International Conference on Advanced Trends in Information Theory (ATIT), Kyiv, Ukraine, 2022, pp. 53–56, https://doi.org/10.1109/ ATIT58178.2022.10024208
Joint Photographic Experts Group. JPEG AI Common Training and Test Conditions (CTTC). – [S.l.], 2022. – (ISO/IEC JTC1/SC29/WG1 (JPEG) Document; No. WG1N100106).
Barannik V., Shulgin S., Barannik N. and Barannik V. "Method of Coding Subbands of Non-Homogeneous Spectrum of Video Segments in Uneven Diagonal Space," 2022 IEEE 4th International Conference on Advanced Trends in Information Theory (ATIT), Kyiv, Ukraine, 2022, pp. 72–75, https://doi.org/10.1109/ATIT 58178.2022.10024236
Barannik, V. et al. (2023). Processing Marker Arrays of Clustered Transformants for Image Segments. In: Klymash, M., Luntovskyy, A., Beshley, M., Melnyk, I., Schill, A. (eds) Emerging Networking in the Digital Transfor-mation Age. TCSET 2022. Lecture Notes in Electrical Engineering, vol 965. Springer, Cham. https://doi.org/10.1007/978-3-031-24963-1_25.
Kim J. AI-based content-aware encoding at scale utilizing hardware resources in video ASICs for data center / J. Kim, A. Fomina, E. Baek [et al.] // Applications of Digital Image Processing XLVII: proceedings of SPIE. 2024. Vol. 13165. Art. no. 1316503. ISSN 0277-786X. https://doi.org/10.1117/ 12.3031558
Kountouris M., & Pappas N. Semantics-empo-wered communication for networked intelligent systems. IEEE Communications Magazine. 2021. vol. 59. no. 6. Р. 96–102. https://doi.org/10.1109/ MCOM.001.2000604
Баранник В. В. та ін. Метод стиснення зобра-жень на основі нерівновісного позиційного кодування бітових площин. Радіоелектронні і комп’ютерні системи. 2009. № 1. С. 84–92. URL: http://nbuv.gov.ua/UJRN/recs_2009_1_13
Livada Č., Horvat T., & Baumgartner A. Novel Block Sorting and Symbol Prediction Algorithm for PDE-Based Lossless Image Compression: A Comparative Study with JPEG and JPEG 2000. Applied sciences. 2023. vol. 13. iss. 5. article
no. 3152, pp. 2–34. https://doi.org/10.3390/app 13053152
Krasnorutsky A. et al. "Method of Structural-Statistical Coding of Video Segments in Spectral-Cluster Space," 2022 IEEE 4th International Conference on Advanced Trends in Information Theory (ATIT), Kyiv, Ukraine, 2022, pp. 32–37, https://doi.org/10.1109/ATIT58178.2022.10024240
Babenko Y. et al. "Method Taking into Account Level of Structural and Statistical Saturation of Video Segments in the Coding Process," 2022 IEEE 4th International Conference on Advanced Trends in Information Theory (ATIT), Kyiv, Ukraine, 2022, pp. 66–71, https://doi.org/10.1109/ ATIT58178.2022.10024193
Barannik V. et al.: The method of masking over-head compaction in video compression systems, Radioelectronic and Computer Systems, 2(2021), 2021, 51–63 https://doi.org/10.32620/reks.2021.2.05
Ma Z. Deep Lossless Compression Algorithm Based on Arithmetic Coding for Power Data /
Z. Ma, H. Zhu, Z. He, Y. Lu, F. Song // Sensors. 2022. Vol. 22. Art. no. 5331. https://doi.org/ 10.3390/s22145331
Barannik V., Krasnorutsky A., Kolesnyk V., Barannik V., Pchelnikov S., Zeleny P. Method of compression and ensuring the fidelity of video images in infocommunication networks. Radioelectronic and computer systems, 2022,
vol. 4, pp. 129–142. https://doi.org/10.32620/reks. 2022.4.10.
Pfaff J., Nguyen T. D. T., Schwarz H., Marpe D., & Wiegand T. Intra prediction and mode coding in VVC. IEEE Transactions on Circuits and Systems for Video Technology. 2021. vol. 31.
no. 10. Р. 3834–3847. https://doi.org/10.1109/ TCSVT.2021.3072430
Radosavljević M., Brkljač B., Lugonja P., Crnojević V., Trpovski Ž., Xiong Z., Vukobratović D. Lossy Compression of Multi-spectral Satellite Images with Application to Crop Thematic Mapping: A HEVC Comparative Study. Remote Sensing. 2020. vol. 12. 1590. https://doi.org/10.3390/rs12101590
Rojas-Hernández, R., Díaz-de-León-Santiago, J. L., Barceló-Alonso, G., Bautista-López, J., Trujillo-Mora, V., & Salgado-Ramírez, J. C. Lossless medical image compression by using difference transform. Entropy. 2022. vol. 24. no. 7. article no. 951. https://doi.org/10.3390/e24070951
Shao X., & Johnson S. G. Type-IV DCT, DST, and MDCT algorithms with reduced numbers of arithmetic operations. Signal Processing. 2008. vol. 88(6). Р. 1313–1326. https://doi.org/10.1016/ j.sigpro.2007. 11.024
Бараннік В. В. Рельефне представлення зобра-жень пірамідальним кодуванням. Інформаційно- керуючи системи на залізничному транспорті. 2001. № 1. С. 17–25.
Barannik, V., Lytvinenko, M., Okladnoy, D., Suprun, O. Description of the OFDM symbol with the help of mathematical laws. Analysis of technologies that were used in this case (2017) 2nd International Conference on Advanced Infor-mation and Communication Technologies, AICT 2017 – Proceedings, art. no. 8020095, pp. 183–187. https://doi.org/10.1109/AIACT.2017.8020095
Silva D. A. A recurrent YOLOv8-based frame-work for event-based object detection / D. A. Silva, K. Smagulova, A. Elsheikh [et al.] Frontiers in Neuroscience. 2024. Vol. 18. Art. no. 1477979. https://doi.org/10.3389/fnins.2024.1477979.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 В Бараннік
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.
Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).
Авторські права
Автори, які публікують свої роботи в журналі:
-
зберігають за собою авторські права на свої публікації;
-
надають журналу право на перше опублікування статті;
-
погоджуються на поширення матеріалів за ліцензією CC BY 4.0;
-
мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.
