home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #30 / NN_1992_30.iso / spool / comp / compress / 4157 < prev    next >
Encoding:
Internet Message Format  |  1992-12-15  |  2.9 KB
  1. Path: sparky!uunet!usc!usc!not-for-mail
  2. From: haddadi@sipi.usc.edu (Navid Haddadi)
  3. Newsgroups: comp.compression
  4. Subject: Re: Motion Compensation?
  5. Date: 15 Dec 1992 04:55:11 -0800
  6. Organization: USC, Los Angeles, CA
  7. Lines: 47
  8. Sender: haddadi@sipi.usc.edu
  9. Message-ID: <1gkkjfINN7c6@sipi.usc.edu>
  10. References: <1992Dec14.161316.38402@ns1.cc.lehigh.edu>
  11. NNTP-Posting-Host: sipi.usc.edu
  12.  
  13. In article <1992Dec14.161316.38402@ns1.cc.lehigh.edu> cre1@ns1.cc.lehigh.edu (CHRISTOPHER R. EMERSON) writes:
  14. >Can anyone tell me (is this in a FAQ?) in plain english, what motion
  15. >compensation is, how it is done and what it does for you?  I've heard it
  16. >mentioned in many papers, but I guess everyone assumes that you know what they
  17. >are talking about.  Any help would be appreciated.  Thanks.
  18. >
  19. >Chris
  20. >
  21. I don't know if it is in the FAQ or not, but here is a simple explanation.
  22.  
  23. Say you have a sequence of images E1,E2,E3,... of an object in motion
  24. in front of a stationary background. You want to transmit or store
  25. these images and want to compress them. One way is to compress each
  26. image individually. Of course, the idea behind compression is to use
  27. the correlation in data to generate a non-correlated sequence (i.e.
  28. energy compaction). It turns out that, there is a lot of temporal correlation
  29. (as compared to spatial correlation). However, classical predictive
  30. coding method perform very poorly when applied along a temporal line.
  31. This is because when an object moves it creates sharp discont along
  32. temporal lines. However, if the motion of the object can be represented by
  33. a 2-D vector field (motion field) then each frame can be compensated.
  34. That is, by using the motion field, we perform interpolation in each frame
  35. E2,E3,... to make them look similar to E1 (and hence similar to
  36. one another). Now predictive coding can be applied along temporal lines
  37. since we have eleminated the discont.'s. The same approach can be
  38. used for motion compensated noise reduction where after the compensation
  39. all frames are averaged in order to reduce noise without bluring the image.
  40. There are many, many applications for motion field like navigation, 
  41. segmentation, shape from motion,....
  42.  
  43. Now the trick is that how do you compute the motion field from
  44. the sequence E1,E2,...? This is the topic of active research here
  45. in USC as well as many other places. One simple way is to sustitude
  46. optical flow field for the motion field. This gives satisfactory
  47. result for motion compensation, but not so good a result for 3-D
  48. applications. There are well known algorithms for computation
  49. of optical flow (e.g. Horn and Schunck, Heeger, etc.). There are
  50. two basic problems known as the aprature problem and oversmoothing
  51. of the flow field. Some newer methods such as (Haddadi and Kuo)
  52. offer very good results for motions as large as 10 pixels per frame
  53. for moderate size images (256x256 to 512x512).
  54.  
  55. I'll give more explanation of the computation if there is a general
  56. interest in this topic.
  57.  
  58. Navid
  59. haddadi@sipi.usc.edu
  60.