SavedAdd your journal

Journals / Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / 2026 / Cilt: 24 Sayı: 5

Integral image based binarization for low-complexity motion estimation

Düşük işlem yüküne sahip hareket kestirimi için tümlev imge temelli ikilileştirme

Aysun Taşyapı Çelebi0000-0003-4047-1547
Oğuzhan Urhan0000-0002-0352-1560
Pages
850–856
Publication Date
2018-10-12
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bunun yanında özellikle ikilileştirme aşamasında bu yöntemlerin işlem yükünü azaltmaktadır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Günümüzde yüksek çözünürlüklü televizyonlar, kameralar, akıllı telefonların kullanımı ile birlikte yüksek çözünürlüklü video uygulamalarına talep duyulmaktadır.
📊
Key Findings & Data:Bu yaklaşımda video çerçeveleri tümlev imge kullanılarak etkin bir şekilde ikilileştirilmekte ve video çerçevelerinin iki bit ile gösterimi elde edilmektedir.
💡
Conclusion & Impact:Bunun yanında özellikle ikilileştirme aşamasında bu yöntemlerin işlem yükünü azaltmaktadır.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Tümlev imge · İkilileştirme · Düşük bit derinliği

Özet

Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Günümüzde yüksek çözünürlüklü televizyonlar, kameralar, akıllı telefonların kullanımı ile birlikte yüksek çözünürlüklü video uygulamalarına talep duyulmaktadır. Bu cihazlardaki güç tüketimi ve sınırlı hafıza gibi kısıtlardan dolayı da düşük işlem yüküne sahip video kodlama yöntemlerine ihtiyaç artmaktadır. Video kodlama standartlarında halen en fazla işlem yükü hareket kestirimi kısmındadır.   Bu çalışmada düşük işlem yüküne sahip, düşük bit derinliği gösterimi temelli bir hareket kestirimi yöntemi önerilmektedir. Bu yaklaşımda video çerçeveleri tümlev imge kullanılarak etkin bir şekilde ikilileştirilmekte ve video çerçevelerinin iki bit ile gösterimi elde edilmektedir. Elde edilen ikili çerçeveler üzerinden geleneksel mutlak farklar toplamı (SAD) yerine donanıma daha uygun olan dışaran veya (EX-OR) operasyonu kullanılarak uyumlama işlemi yapılmaktadır. Hareket kestiriminde ikilileştirme işlemi gerçekleştirirken tümlev imge kullanılması ilk kez bu çalışmada önerilmektedir. Önerilen yöntem, literatürde mevcut olan 1-bit dönüşüm (1BT) temelli yaklaşımlara kıyasla hareket kestirim doğruluğunu geliştirirken iki‑bit dönüşüm temelli yaklaşımların başarısı ile hemen hemen aynı seviyede olmaktadır. Bunun yanında özellikle ikilileştirme aşamasında bu yöntemlerin işlem yükünü azaltmaktadır.

🔖

Cite This Article

Çelebi, A. T., Urhan, O. (2018). Integral image based binarization for low-complexity motion estimation. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 24 Sayı: 5, 850–856. https://ajindex.com/articles/1058722

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (24)

  1. Medhat A, Shalaby A, Sayed MS, Elsabrouty M. “A highly parallel SAD architecture for motion estimation in HEVC encoder”. IEEE Asia Pacific Conference Circuits Systems (APCCAS), Ishigaki, 17-20 November 2014.
  2. Koga T, Linuma K, Hirano A, Lijima Y, Ishiguro T. “Motion compensated interframe coding for video conferencing”. In National Telecommunication Conference, C9.6.1-C9.6.5, 29 November -3 December 1981.
  3. Renxiang L, Bing Z, Ming LL. “A new three-step search algorithm for block motion estimation”. IEEE Transactions Circuits and Systems for Video Technology, 4(4), 438-442, 1994.
  4. Lai-Man P, Wing-Chung M. “A novel four-step search algorithm for fast block motion estimation”. IEEE Transactions Circuits and Systems for Video Technology, 6(3), 313-317, 1996.
  5. Zhu S, Ma KK. “A new diamond search algorithm for fast block-matching motion estimation”. IEEE Transactions. Image Processing., 9(2), 287-290, 2000.
  6. Zhu, C, Lin, X, Chau, LP. “Hexagon-based search pattern for fast block motion estimation. IEEE Transactions Circuits and Systems for Video Technology, 12(5), 349-355, 2002.
  7. Yu Y, Zhou J, Chen CW. "A novel fast block motion estimation algorithm based on combined subsamplings on pixels and search candidates". Journal Visual Communication Image Representation, 12(1), 96-105, 2001.
  8. Wang CN, Yang SW, Liu CM, Chiang T. “A hierarchical decimation lattice based on n-queen with an application for motion estimation”. IEEE Signal Processing Letters, 10(8), 228-231, 2003.
  9. Cheung CK, Lai-Man P. “Normalized partial distortion search algorithm for block motion estimation”. IEEE Transactions Circuits and Systems for Video Technology,10(3), 417-422, 2000.
  10. Kim I, Kim J, Jeong J, Jeon G. “Low-complexity block-based motion estimation algorithm using adaptive search range adjustment”. Optical Engineering, 51(6), 2012.
  11. Li W, Salari E. “Successive elimination algorithm for motion estimation”. IEEE Transactions Image Processing, 4(1), 105-107, 1995.
  12. Natarajan B, Bhaskaran V, Konstantinides K. "Low-complexity block-based motion estimation via one-bit transforms". IEEE Transactions Circuits and Systems for Video Technology, 7(4), 702-706, 1997.
  13. Ertürk S. "Multiplication-Free one-bit transform for low-complexity block-based motion estimation". IEEE Signal Processing Letters, 14(2), 109-112, 2007.
  14. Ertürk A, Ertürk S. "Two bit transform for binary block motion estimation". IEEE Transactions Circuits and Systems for Video Technology, 15(7), 938-946, 2005.
  15. Urhan O, Ertürk S. “Constrained one-bit transform for low-complexity block motion estimation”. IEEE Transactions Circuits and Systems for Video Technology, 17(4), 478-482, 2007.
  16. Choi C, Jeong J. ‘Enhanced two-bit transform based motion estimation via Extension of matching criterion”. IEEE Transactions Consumer Electronics, 56(3), 1883-1889, 2010.
  17. Güllü MK. "Weighted constrained one-bit transform based fast block motion estimation". IEEE Transactions Consumer Electronics, 57, 751-755, 2011.
  18. Song CM, Guo Y, Wang XH, Liu D. "Fuzzy quantization based bit transform for low bit-resolution motion estimation". Signal Processing: Image Communication, 28(10), 1435-1447, 2013.
  19. Sankur B, Sezgin M. "A survey over ımage thresholding techniques and quantitative performance evaluation". Journal of Electronic Imaging, 13(1), 146-165, 2004.
  20. Sauvo la J, Pietikainen M. “Adaptive document image binarization”. Pattern Recognition, 33(2), 225-236, 2000.
  21. Sauvola J, Seppanen T, Haapakoski S, Pietikainen M. "Adaptive document binarization". 4th International Conference. on Document Analysis and Recognition, Ulm Germany, 18-20 August 1997.
  22. Romen ST, Roy S, Imocha SO, Sinam T, Manglem SK. "A new local adaptive thresholding technique in binarization". International Journal of Computer Science, 6( 2), 271-277, 2011.
  23. Crow F. "Summed-area tables for texture mapping". In Proceedings of SIGGRAPH, July 1984.
  24. Viola P, Jones MJ. “Robust real-time face detection”. International Journal of Computer Vision, 57(2), 137-154, 2004.