پردازش تصویر و طرح های انتقال بر اساس ترکیب گاوسی عمومی با شبکه های فرصت طلبانه
چکیده
برای تضمین الزام های کیفیت سرویس (QoS) ، و سرویس های حذف نویز از تصویر در شبکه های سنسور بی سیم (WSN ها) ، بر اساس تکنولوژی های شبکه های فرصت طلب و الگوریتم های ترکیب گاوسی عمومی، یک پردازش تصویر تطبیقی و طرح انتقال در این مقاله ارائه شده است. بر اساس ماتریس های ثبت وضعیت زمان واقعی، طرح های بهینه سازی چند هدفه با ضریب های متعادل کننده و طرح های همکاری فرصت طلبانه در ارزیابی انرژی و توانایی محاسبه در این مقاله بررسی شده است. سپس، الگوریتم های ترکیب گاوسی در این مقاله مورد استفاده قرار گرفته است تا بتوان داده های تصویر را کاهش داده و تداخل نویز را از محیط های WSN کاهش داد. در نهایت، نتایج شبیه سازی ها نشان می دهد که طرح پیشنهاد شده دارای نتایج ظرفیت پشتیبانی QoS بهتری می باشد مانند ویژگی های قابلیت اعتماد، عملکرد زمان واقعی و کارایی های انرژی همراه با صحت رمز نگاری تصاویر شامل بیشترین مقدار سیگنال به نویز.
1. مقدمه
با توسعه تکنولوژی های ارتباطات بی سیم، تکنولوژی موبایل و کاهش هزینه سخت افزار های سنسور ها، ثبت تصاویر ، و انتقال و ارتباطات از طریق ویدئو به صورت گسترده در شبکه های سنسور بی سیم توسعه پیدا کرده است که شامل شناسایی ترافیک، شناسایی شماره پلاک خودرو ها، رد گیری اشیا و کاربرد های تعیین مکان می باشد. اما، پهنای باند انرژی و توان پردازش سنسور ها محدود می باشد و WSN ها دارای مشخصه هایی مانند شکل شناسی پویا و عدم پایداری و سیستم های محدود به منابع می باشند. WSN ها دارای مشخصه هایی مانند شکل شناسی های پویا، ناپایداری و سیستم های محدود از نظر منابع می باشد . به صورت خاص، با توسعه تکنولوژی شبکه های فرصت طلب، نحوه اجرای عملیات زیر تغییر کرده است : ثبت تصاویر و ویدئو، انتقال بی سیم، کد گذاری یا یا رمز گشایی، ذخیره سازی و غیره.
Abstract
For satisfying the quality of service (QoS) requirements and image denoising services in wireless sensor network (WSN) applications, based on opportunistic networking technology and generalized Gaussian mixture algorithm, an adaptive image processing and transmission scheme is proposed in this paper. According to the real-time state record matrix, the multi-objective optimization scheme with equalizer coefficients and the opportunistic cooperative scheme in view of energy and computing ability are studied, respectively. Then, the generalized Gaussian mixture algorithm is used to reduce the image data and eliminate the noise interference from the WSN environment. Finally, Simulation results show that the proposed scheme has better QoS support capability results such as reliability, real-time performance, and energy efficiency, as well as the image decoding accuracy including peak signal to noise ratio.
1 Introduction
With the development of wireless communication technology, mobile technology, and decline of sensor hardware cost, image capture, and transmission, video communication has been widely developed in the wireless sensor network (WSN) applications [1], which include the traffic detection, license plate recognition, object tracking and location applications, [2] etc. However, the energy, bandwidth and processing power of sensor, is limited and WSNs have the characteristics such as dynamic topology and instability and resource-constrained systems. WSNs have the characteristics such as dynamic topology, instability and resource-constrained systems, etc. Specially, with development of opportunistic network technology, how to conduct the following operations: image or video capture, wireless transmission, encoding and decoding, storage and so on, brought a series of challenges and opportunities.
چکیده
1. مقدمه
2. کار های مربوطه
3. انتقال تصاویر بر اساس شبکه سازی های فرصت طلبانه
4. پردازش تصویر بر اساس مدل ترکیب گاوسی
5. پردازش تصویر تطبیقی و طرح انتقال
6. نتایج آزمایش ها و ارزیابی ها
7. جمع بندی
Abstract
1 Introduction
2 Related work
3 Image transmission based on opportunistic networking
4 Image processing based on generalized gaussian mixture model
5 Adaptive image processing and transmission scheme
6 Experiment results and evaluation
7 Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه