Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca
INIZIO_TESTO_DA_INDICIZZARE

PROGRAMMA DI RICERCA 2005

italiano - english
Unità di Ricerca
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
Classificazione brevettuale
  • ELECTRICITY
    • ELECTRIC COMMUNICATION TECHNIQUE
      • PICTORIAL COMMUNICATION, e.g. TELEVISION (measuring, testing G01; systems for autographic writing, e.g. writing telegraphy, which involve following an outline G08 [N: G08C21/00]; information storage based on relative movement between record carrier and transducer G11B; coding, decoding or code conversion, in general H03M; broadcast distribution or the recording of use made thereof H04H)
Classificazione geografica
Bibliografia
[1] D. Slepian and J. K. Wolf, “Noiseless coding of correlated information sources”, IEEE Transactions on Information Theory, pp. 471-480, Vol. 19, July 1973.

[2] A. D. Wyner and J. Ziv, “The rate-distortion function for source coding with side information at the decoder,” IEEE Transactions on Information Theory, Vol. 22, pp. 1-11, Jan. 1976.

[3] S. S. Pradhan and K. Ramchandran, “Distributed source coding using syndromes (DISCUS): design and construction”, Proceedings of DCC, pp. 158-167, Snowbird, USA, March 1999.

[4] J. Garcia-Frias and Y. Zhao, “Compression of correlated binary sources using turbo codes”, IEEE Comm. Letters, Vol. 5, pp. 417-419, Oct. 2001.

[5] A. Aaron and B. Girod, “Compression with side information using turbo codes,” Proc. IEEE Data Compression Conference, DCC’02, pp. 252-261, Snowbird, USA, Mar. 2002.

[6] P. Mitran and J. Bajcsy, “Coding for the Wyner-Ziv problem with turbo-like codes’, Proc. IEEE Intl. Symposium on Information Theory, ISIT’02, Lausanne, Switzerland, pp. 91, June 2002.

[7] A.D. Liveris, Z. Xiong and C.N. Georghiades, “Compression of binary sources with side information at the decoder using LDPC codes”, IEEE Comm. Letters, Vol. 6, pp. 440-442, Oct. 2002.

[8] J. Kusuma, L. Doberty and K. Ramchandran, “Distributed compression for sensor networks”, Proc. IEEE Intl. Conf. on Image Processing (ICIP), Vol. 1,Thessaloniki, Greece, pp. 82-85, Oct. 2001.

[9] S.S. Pradhan, J. Kusuma and K. Ramchandran, “Distributed compression in a dense micro-sensor network,” IEEE Signal Processing Magazine, Vol. 19, pp. 51-60, Mar. 2002.

[10] S. D. Servetto, “Lattice quantization with side information”, Proc. IEEE Data Compression Conference, DCC’00, pp.500-519, Snowbird, USA, Mar. 2000.

[11] Y. Yang, S. Cheng, Z. Xiong and W. Zhao, “Wyner-Ziv coding based onTCQ and LDPC codes”, Proc. Asilomar Conference on Signals, Systems and Computers, Nov. 2003.

[12] M. Flemming, Q. Zhao, and M. Effros, “Network vector quantization”, submitted to IEEE Trans. on Information Theory.

[13] D. Rebollo-Monedero, R. Zhang and B. Girod, “Design of optimal quantizers for distributed source coding”, Proc. IEEE Data Compression Conference, DCC’03, pp. 13-22, March 2003.

[14] Q. Zhao and M. Effros, “Optimal code design for lossless and near lossless source coding in multiple access network,” Proc. of IEEE Data Compression Conference, DCC’01, pp. 263-272, Snowbird, UT, Mar. 2001.

[15] S.S. Pradhan and K. Ramchandran, “Distributed source coding: symmetric rates and applications to sensor networks”, Proc. IEEE Data Compression Conference, DCC’00, pp. 363-372, March 2000.

[16] S.S. Pradhan and K. Ramchandran, “Group-theoretic construction and analysis of generalized coset codes for symmetric/asymmetric distributed source coding”, Proc. Conference on Information Sciences and Systems, Mar. 2000.

[17] K. Lajnef, C. Guillemot and P. Siohan, “Distributed coding of three sources using punctured turbo codes”, Proc. IEEE Intl. Workshop on Multimedia Signal Processing (MMSP), Sept. 2004.

[18] J. Garcia-Frias, “Joint source-channel decoding of correlated sources over noisy channels”, Proc. IEEE Data Compression Conference, DCC’01, Snowbird, UT, Mar. 2001.

[19] S. S. Pradhan, “On rate-distortion function of Gaussian sources with memory in the presence of side information at the decoder", Technical Report, Univ. of Michigan, Dec. 1998.

[20] T. Chu and Z. Xiong, “Coding of Gauss-Markov sources with side information at the decoder”, Proc. IEEE Workshop on Statistical Signal Processing: Invited Session on Sensor Network Algorithms and Compression, St. Louis, MO, Sept. 2003.

[21] M. Gastpar, P.L. Dragotti and M. Vetterli, “The distributed, partial and conditional Karhunen-Loeve transform", Proc. IEEE Intl. Data Compression Conference, DCC’03, Snowbird, UT, Mar. 2003.

[22] A. Aaron, R. Zhang and B. Girod, ”Wyner-Ziv Coding of Motion Video”, 36th Asilomar Conference on Signals, Systems and Computer, Pacific Grove, USA, Nov. 2002.

[23] A. Aaron, S. Rane, R Zhang and B. Girod, “Wyner-Ziv coding for video: applications to compression and error resilience”, Proc. IEEE Data Compression Conference, DCC’03, pp. 93-102, Snowbird, UT, Mar. 2003.

[24] A. Aaron, S. Rane, E. Setton and B. Girod, “Transform-domain Wyner-Ziv codec for video”, Proc. SPIE Conference on Visual Communication and Image Processing, Jan. 2004.

[25] R. Purit and K. Ramchandran, “PRISM: A new robust video coding architecture based on distributed compression principles”, Proc. Allerton Conference on Communication, Control and Computing, Oct. 2002.

[26] R. Purit and K. Ramchandran, “PRISM: a new “reversed” multimedia coding paradigm”, Proc. Intl. Conference on Image Processing, (ICIP), Barcelona, Spain, Sept. 2003.

[27] A. Aaron, S. Rane and B. Girod, “Wyner-Ziv video coding with hash-based motion-compensation at the receiver”, Proc. IEEE Intl. Conference on Image Processing, Singapore, Oct. 2004.

[28] B. Girod, A. Aaron, S. Rane, and D. Rebollo-Monedero, “Distributed video coding”, to appear in Proc. IEEE, Special Issue on Advances in Video Coding and Delivery.

[29] C. S. Regazzoni and L. Marcenaro, “Object detection and tracking in distributed surveillance systems using multiple cameras,” in Advanced Studies Institute on Multisensor Data Fusion, A. Hyder, Ed. Norwell, MA: Kluwer, 2000.

[30] C. S. Regazzoni, G. Vernazza, and G. Fabri, Eds., “Advanced video-based surveillance systems,” Norwell, MA: Kluwer, 1999.

[31] P. Remagnino, G. A. Jones, N. Paragios, C. S. Regazzoni, Eds., “Video-based surveillance systems: computer vision and distributed processing,” Kluwer Academic Publishers, 2002.

[32] P. Remagnino, A.I. Shihab, and G. A. Jones, “Distributed intelligence for multi-camera visual surveillance,” Pattern Recognition, vol.37, pg.675-689, 2004.

[33] Steve Feller, “Argus: a distributed sensor network for real-time tele-presence”, http://www.disp.duke.edu/~sfeller/Publications/Argus_Telepresence.pdf.

[34] R.Wagner, R. D. Nowak, and R. G. Baraniuk, “Distributed image compression for sensor networks using correspondence analysis and super-resolution,” IEEE International Conference on Image Processing, ICIP‘2003, Barcelona, Spain, Sept. 2003.

[35] N. Gehrig and P.L. Dragotti, “Distributed compression in camera sensor networks”, IEEE International Conference on Image Processing, ICIP-2004, Singapore, Oct. 2004.

[36] M. Flierl and P. Vandergheynst, “Distributed coding of dynamic scenes”, IEEE International Conference on Image Processing, ICIP-2004, Singapore, Oct. 2004.

[37] A. Sehgal and N. Ahuja, “Robust predictive coding and the Wyner-Ziv problem”, Proc. IEEE Data Compression Conference, DCC’03, pp. 103-112, Snowbird, UT, Mar. 2003.

[38] A. Aaron, S. Rane, D. Rebollo-Monodero and B. Girod, “Systematic lossy forward error protection for video waveforms'', Proc. Int. Conference on Image Processing, (ICIP), Barcelona, Spain, Sept. 2003.

[39] M. Gastpar “The Wyner-Ziv Problem With Multiple Sources”, Technical report (Ecole Polytechnique Fédérale de Lausanne, Switzerland PFL: IC/2002/36).
Parole Chiave
CODIFICA DI SORGENTE DISTRIBUITA; COMPRESSIONE DI SEGNALI VIDEO; CODIFICA MULTI-CAMERA; PROTEZIONE DEGLI ERRORI; CODIFICA VIDEO SCALABILE; TRASMISSIONE VIDEO ROBUSTA; CODIFICA DI CANALE; RATE DISTORTION THEORY; CODIFICA WAVELET

Codifica di Informazione Visiva in Modalità DSC (Distributed Source Coding)

Università degli Studi di Brescia
Abstract
Negli ultimi 20 anni sono stati proposti numerosi approcci per la codifica efficiente dell'informazione visiva, e questa attività è stata legata alla standardizzazione che ne potesse favorire un adeguato sfruttamento commerciale. Questo ha portato all'introduzione di nuovi servizi multimediali, l'impatto dei quali non si è ancora completamente concretizzato. Tra le applicazioni di maggior successo nell'ambito dell'intrattenimento, si possono identificare la televisione digitale, il DVD, e la più recente esplosione della fotografia digitale.

Nel prossimo decennio ci si aspetta che le varie modalità per lo scambio di informazioni in formato digitale si diffonderanno ulteriormente anche nei settori delle applicazioni professionali e di utilizzo più generale. Il formato digitale rimpiazzerà gradualmente tutti i formati analogici prima utilizzati. La principale tecnologia che rende utilizzabile l'informazione in formato digitale è la compressione dell'informazione.

In questo progetto si studieranno nuovi meccanismi per lo scambio e la memorizzazione dell'informazione visuale, che daranno il via a nuovi scenari applicativi, dove parte dell'informazione statistica sulla sorgente dovrà essere disponibile a priori al ricevitore.
Finora la compressione dell'informazione visiva ha utilizzato dei paradigmi dove l'informazione sulla statistica della sorgente viene sfruttata al codificatore, in modo che venga trasmessa solo l'innovazione tra simboli >>>

Coordinatore Scientifico del Programma di Ricerca
Riccardo LEONARDI Università degli Studi di BRESCIA
Obiettivo del Programma di Ricerca
immagine

Figura 1: In figura viene rappresentato un sistema multi-camera che riprende una scena e che la diffonde mediante una serie di segnali video correlati ad una varietà di terminali di utente collegati in rete.

L'obiettivo di questo progetto di ricerca è quello di esplorare e proporre nuovi schemi di codifica basati sulla teoria della Codifica di Sorgente Distribuita (DSC, Distributed Source Coding). Questa nuova impostazione cambierà, nel medio e nel lungo termine, la modalità di scambio dell'informazione visiva digitale, con una potenziale riduzione dei costi nel sistema di acquisizione ed una possibilità di ricezione più robusta in presenza di rumore.
Le aree applicative che potranno beneficiare di questa attività di ricerca sono, per dare alcuni esempi:

• Sistemi di video-sorveglianza wireless;
• Sistemi di video-telefonia cellulare;
• Sistemi di telecamere usa-e-getta;
• Sistemi per l'elaborazione delle immagini mediche;
• Sistemi di trasmissione di immagini tele-rilevate.

Come contesto applicativo, consideriamo lo scenario mostrato in Figura 1. In questo esempio, una scena viene ripresa da più telecamere che saranno quindi interessate da un contenuto video molto simile tra loro. Lo sviluppo della tecnologia proposta consentirà di limitare le informazioni inviate da ciascuna telecamera in modo tale che il ritmo di trasmissione totale rimanga limitato dall'entropia >>>

Durata
24 mesi
Base di partenza scientifica nazionale o internazionale
Le attività di ricerca e di standardizzazione nell'ambito della codifica video hanno adottato finora un paradigma di codifica secondo il quale il codificatore sfrutta la conoscenza statistica della sorgente, portando ad una infrastruttura in cui un codificatore complesso interagisce con un decodificatore più semplice.
In questo contesto, si sono utilizzati vari metodi di codifica che sfruttano i vari tipi di ridondanza presente nel segnale. Si possono citare a tale riguardo le tecniche basate sul DPCM, sulla codifica per Trasformate, sulla predizione a moto-compensato, sulla quantizzazione vettoriale, sulla trasformata wavelett, sulla codifica frattale, etc.

La standardizzazione riveste un ruolo fondamentale dal punto di vista di un impiego efficiente dei risultati scientifici prodotti. Uno standard infatti garantisce in primo luogo l'interoperabilità tra applicazioni diverse che si traduce in una potenziale diffusione su larga scala della tecnologia standardizzata. Tra gli standard più importanti che hanno contribuito allo sviluppo dell'attuale panorama multimediale, si possono citare: ISO/JPEG (1986), H.261 (1988), H.263 (1994), ISO/MPEG 1 (1991) e MPEG-2 (1993). Questi supportano un largo spettro di funzionalità che vanno dalla compressione di immagini e videotelefonia fino alla TV ad alta definizione HDTV, con bitrate associati che vanno da pochi Kbit/s fino a decine di Mbit/s.
Tali strumenti, di prima generazione, impiegano un modello di >>>