22.08.2013 Views

Mjukvarurealiserad bildtelefoni - Umeå universitet

Mjukvarurealiserad bildtelefoni - Umeå universitet

Mjukvarurealiserad bildtelefoni - Umeå universitet

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

när det väl identifierats. För interaktiva system kan det vara viktigt att låta användarens subjektiva<br />

bedömningar ligga till grund för hur datakvalitetsparametrarna skall sättas för systemet. Speciellt i<br />

fallet med <strong>bildtelefoni</strong> över Internet, där omständigheter bortom användarens kontroll (läs<br />

bristande bandbredd) sätter påtagliga begränsningar för datakvaliteten, kan möjligheten att själv få<br />

balansera bildstorlek, bildfrekvens och bildkvalitet göra mycket för användarens acceptans av<br />

systemet.<br />

När det talas om bandbredd inom <strong>bildtelefoni</strong> brukar maximal bandbredd och bibehållen bandbredd<br />

särskiljas. Maximal bandbredd betraktas som en övre gräns vilken inte skall överskridas ens<br />

om det innebär att (temporärt) sänka datakvaliteten. När bibehållen bandbredd nämns så avses<br />

storleken på en kontinuerlig dataström som skall bibehållas utan avbrott. Som bekant är detta endast<br />

möjligt för kretskopplade när och för paketbaserade (publika) nät så brukar systemen istället<br />

byggas så att de inte är beroende av en kontinuerlig dataström utan till och med inte berörs av att<br />

data saknas på grund av paketbortfall eller sådana fördröjningar att data blir irrelevant. Ofta väljs<br />

över paketbaserade nät en lösning där bildkvalitet och bandbreddkrav har ett tydligt utbytesförhållande<br />

så användaren själv kan styra sitt system till att använda en bildkvalitet som är lämplig<br />

för den tillgängliga bandbredden. Det märks tydligt för användaren genom drastiska sänkningar i<br />

datakvaliteten när han nått taket för bandbredden.<br />

Beräkningskomplexiteten brukar ofta begränsa datakvaliteten på ett liknande vis som bandbredden<br />

gör – när bandbredden begränsar hur mycket data som kan överföras så begränsar beräkningskomplexiteten<br />

hur mycket data som kan behandlas. Kompression är ofta en mycket beräkningsintensiv<br />

process och <strong>bildtelefoni</strong> genererar mycket data snabbt vilket gör <strong>bildtelefoni</strong> till ett av de<br />

tydligaste exemplen på när dedikerad hårdvara brukar användas idag. I avsaknad av sådan får dock<br />

andra utvägar sökas och oftast brukar då detta ske genom att göra avkall på kompressionskvaliteten<br />

i designfasen.<br />

Under systemets körning kan det även gå att använda matematiska mått för att finna en balans<br />

mellan kompressionsnivå och datakvalitet, lämpligen då RMSE och MSE. Målet brukar här då<br />

vara att finna en högsta möjliga kompressionsnivå för en viss nivå av störning (distortion), vilket<br />

med andra ord ger maximalt med data för det tillåtna felet.<br />

För utförligare information om matematiska felmått se [2] och [17] och dess användning se [9] och<br />

[18].<br />

Hybridsystem<br />

När felmått diskuteras följer det smidigt att nämna en vanligt förekommande ansats som i stor<br />

utsträckning lever i gränslandet mellan dataförstörande och förlustfri komprimering – hybridsystem.<br />

Dessa utnyttjar felmått som ett sätt att styra kompressionen. Hybridsystem är system som<br />

implementerar flera av de komprimeringsansatser som här tas upp och gör sedan intelligenta val av<br />

vilka algoritmer som bäst passar det aktuella data. Givetvis utnyttjar majoriteten av dagens applikationer<br />

kombinationer av de tillgängliga typerna av kompressionsalgoritmer, det som skiljer<br />

hybridsystem från mängden är att strategin för valet av dessa är mer uttalat och kriterierna för detta<br />

urval mer raffinerade. En vanlig ansats när det gäller hybridsystem är att implementera ett flertal<br />

närbesläktade algoritmer (ofta helt enkelt genom att utnyttja samma algoritm med olika<br />

parametrar) och sedan välja den algoritm som minimerar felet för det data som systemet arbetar på<br />

för tillfället. Denna urvalsprocess kan med fördel skötas interaktivt av användaren (eftersom olika<br />

typer av fel upplevs olika störande) men går även att göra med automatiskt med kvantifierande<br />

metoder. MPEG4 kompressorer är exempel på interaktiva applikationer och the JPEG baseline<br />

algorithm är ett exempel på en kvantifierande anpassning. Observera att denna urvalsprocess (valet<br />

av vilken algoritm som skall användas) inte nödvändigtvis är permanent utan detta kan upprepas<br />

flera gånger under komprimeringens gång.<br />

28

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!