Rate-Quality Optimized Video Coding

کدگذاری ویدیوی بهینه‌شده با کیفیت موضوع بهینه‌سازی (یا مذاکره) نرخ داده ویدیوی دیجیتال فشرده و کیفیت آن را مورد بحث قرار می‌دهد، موضوعی که در هر دو طرف تصویر/ویدئو نسبتاً نادیده گرفته شده است. کدنویسی و مدیریت ترافیک از راه دور مدیریت نرخ ویدیو از نظر فنی به یک کار چالش برانگیز تبدیل می‌شود، زیرا بدون توجه به در دسترس بودن رسانه انتقال یا ذخیره‌سازی، باید کیفیت ویدیوی خاصی را حفظ کرد. این به دلیل ماهیت پهنای باند ویدیوی دیجیتال و ویژگی‌های الگوریتمی ذاتی طرح‌های فشرده‌سازی ویدیوی اصلی است، به عنوان مثال. سری H.261، H.263 و MPEG. به منظور به حداکثر رساندن استفاده از رسانه و افزایش کیفیت ویدئو، نرخ داده های ویدئوی فشرده باید با بودجه منابع رسانه ای موجود تنظیم شود و در عین حال کیفیت ویدئو تا حد ممکن حفظ شود.
در قسمت اول (فصل های 1 تا 4) عدم ایستایی ویدئوهای دیجیتال مورد بحث قرار گرفته است. از آنجایی که ماهیت غیر ایستایی نیز از ویژگی‌های الگوریتمی استانداردهای بین‌المللی کدگذاری ویدیویی که ترکیبی از تکنیک‌های کدگذاری آماری هستند به ارث رسیده است، تکنیک‌های مدیریت نرخ ویدیوی این استانداردها بررسی می‌شوند. اگرچه یک سری تکنیک های شناخته شده کنترل نرخ ویدیو مانند تغییر نرخ تصویر، افت فریم و غیره وجود دارد، این تکنیک ها موضوع را به عنوان بهینه سازی بین نرخ و کیفیت نمی بینند. از دیدگاه بهینه سازی نرخ-کیفیت، کوانتایزر تنها وسیله کنترل نرخ و کیفیت است. بنابراین، کوانتایزرها و تکنیک‌های کنترل کوانتایزر بر اساس رابطه نرخ و کیفیت تجزیه و تحلیل می‌شوند.
در بخش دوم (فصل 5 و 6)، به عنوان یک رویکرد منسجم برای ویدیوی غیر ثابت، تکنیک‌های غیرخطی تثبیت‌شده اما همچنان پر رونق برای بهینه‌سازی کیفیت نرخ ویدیو مانند شبکه‌های عصبی مصنوعی از جمله شبکه‌های تابع پایه رادیکال، و طرح های مبتنی بر منطق فازی تکنیک‌های خطی مرسوم نیز قبل از بررسی تکنیک‌های غیرخطی شرح داده می‌شوند. با استفاده از این تکنیک‌های غیرخطی، نشان داده می‌شود که چگونه بر مسئله بهینه‌سازی نرخ-کیفیت تأثیر می‌گذارند و با آن مقابله می‌کنند. در نهایت، در فصل 7 مسائل بهینه سازی نرخ-کیفیت در برنامه های ارتباطی ویدئویی نوظهور مانند رمزگذاری ویدئو و ویدئوی موبایل بررسی می شود. این فصل برخی از موضوعات جدید و چشم انداز کنترل نرخ و کیفیت در آن حوزه های فناوری را مورد بحث قرار می دهد.
کدنویسی ویدیوی بهینه‌شده با کیفیت یک مرجع عالی است و می‌توان از آن برای دوره‌های پیشرفته در این زمینه استفاده کرد.

Rate-Quality Optimized Video Coding discusses the matter of optimizing (or negotiating) the data rate of compressed digital video and its quality, which has been a relatively neglected topic in either side of image/video coding and tele-traffic management. Video rate management becomes a technically challenging task since it is required to maintain a certain video quality regardless of the availability of transmission or storage media. This is caused by the broadband nature of digital video and inherent algorithmic features of mainstream video compression schemes, e.g. H.261, H.263 and MPEG series. In order to maximize the media utilization and to enhance video quality, the data rate of compressed video should be regulated within a budget of available media resources while maintaining the video quality as high as possible.
In Part I (Chapters 1 to 4) the non-stationarity of digital video is discussed. Since the non-stationary nature is also inherited from algorithmic properties of international video coding standards, which are a combination of statistical coding techniques, the video rate management techniques of these standards are explored. Although there is a series of known video rate control techniques, such as picture rate variation, frame dropping, etc., these techniques do not view the matter as an optimization between rate and quality. From the view of rate-quality optimization, the quantizer is the sole means of controling rate and quality. Thus, quantizers and quantizer control techniques are analyzed, based on the relationship of rate and quality.
In Part II (Chapters 5 and 6), as a coherent approach to non-stationary video, established but still thriving nonlinear techniques are applied to video rate-quality optimization such as artificial neural networks including radical basis function networks, and fuzzy logic-based schemes. Conventional linear techniques are also described before the nonlinear techniques are explored. By using these nonlinear techniques, it is shown how they influence and tackle the rate-quality optimization problem. Finally, in Chapter 7 rate-quality optimization issues are reviewed in emerging video communication applications such as video transcoding and mobile video. This chapter discusses some new issues and prospects of rate and quality control in those technology areas.
Rate-Quality Optimized Video Coding is an excellent reference and can be used for advanced courses on the topic.