Publication:
Experiences in video processing laboratory

Thumbnail Image
Files

Files

Experiences in video processing laboratory.pdf (915.23 KB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Cancino Suárez, Sandra Liliana
Estupiñán Escalante, Enrique
Makowski, Dominik
Abstract (Spanish)
El ruido en el vídeo digital suele tratarse con sencillas operaciones entre fotogramas y, dado que estas operaciones podrían utilizarse en procesamientos de vídeo más avanzados, es un buen punto de partida para cualquier investigación sobre vídeo. Sin embargo, existen muchas barreras para aprender y comprender los temas relacionados con el procesamiento de vídeo; éstas están relacionadas principalmente con la curva de aprendizaje del hardware y el software para el procesamiento de vídeo y la complejidad inherente del vídeo. Con el fin de superar la primera, un conjunto de guías que van desde las normas de vídeo, a los algoritmos de reducción de ruido, en la simulación, Simulink y en hardware TMS320DM642, se desarrollaron para ayudar al autoaprendizaje de procesamiento ya sea para investigadores o estudiantes. En este trabajo presentamos el resultado de dos cursos diferentes en los que se utilizó esta metodología de autoaprendizaje y los resultados de los algoritmos de eliminación de ruido seleccionados.
Abstract (English)
Noise in digital video is typically handled with simple inter-frame operations and since these operations could be used in more advance video processing is a good starting point for any research on video. Although, there are many barriers to learn and comprehend video processing topics; these are related mainly to the learning curve of the hardware and software for video processing and the inherent complexity of video. In order to overcome the former, a set of guides ranging from video standards, to noise reduction algorithms, in simulation, Simulink and in hardware TMS320DM642, were developed to aid the selflearning processing either for researchers or students. In this paper we present the result of two different courses where this self-learning methodology was used and the results of selected noise removal algorithms.
Extent
5 páginas
URI: https://repositorio.escuelaing.edu.co/handle/001/2481
Collections

Collections

AB - Ecitrónica
References

Quinnel R., Smarter Video Analysis Techniques mine more data. Electronic Design. Sept. 2009, Cover Feature.

Bovik A., Handbook of image and video processing, Ed. Academic Press, 2000.

Zlokolica V., Philips W., Van De Ville D., Robust non-linear filtering for video processing, Ghent University, Dept. of Telecommunications and Information Processing (TELIN), IPI Sint-Pietersnieustraat 41, 9000 Gent, Belgica IEEE 2002.

Espinosa-Duró V., Faúndez-Zanuy M., Ortega J. A., “Face detection from a video camera image sequence”, Polytechnic University of Catalonia, Electronic and Automatic Department, 2004.

Chen T-H., Lin Z-H., Chen C-H., Kao C-L., A fast video noise reduction method by using object-based temporal filtering, Department of Electronic Enginnering, Huper Laboratories Co., Tapei, Taiwan, R.O.C. IEEE 2002.

Hakan N., Bengt O., Youshi X., Spatio-Temporal Noise Reduction ASIC for Real-Time Video Processing, Department of Information Technology, ITE Mid Sweden University, IEEE.

Kanjanawanishkul K., Uyyanonvara B., Fast Adaptive Algorithm for Time-Critical Color Quantization Application, Department of Information Technology Sirindhorn International Institute of Technology (SIIT) Thailand, pag. 811, DICTA 2003.

Montes G. Willer, “Prácticas de laboratorio en ingeniería: Una estrategia efectiva de aprendizaje”, Revistas Notas Universitaria, ISSN 1797-1997. En: Escritos para la docencia #4, CEDIP No.11, Ibagué, December 2004.

Xiao-Hua Li, Jian-Hua Zhao, Bao-Hong Li, “A Methodology for evaluation college student comprehensive quality”, Proceedings of the Fifth International Conference on Machine Learning and Cybernetics, Dalian, 13-16 August 2006.