Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Моделирование процессов сжатия цифровых изображений

Диссертация: Моделирование процессов сжатия цифровых изображений
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Оценки эффективности методов сжатия изображения базируются на зависимостях коэффициента сжатия от характера изменения яркости, количества деталей, наличия и обширности областей с однородным или плавно изменяющимся фоном, типа текстуры (мелкозернистой, крупнозернистой). Установлено, что качество оценок ухудшается по мере возрастания дисперсии исходного изображения. Существующие оценки конкретных… Читать ещё >

Содержание

  • 1. АНАЛИЗ СПОСОБОВ И ПОДХОДОВ К СЖАТИЮ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ
    • 1. 1. Способы представления цифровых изображений
    • 1. 2. Классификация методов сжатия цифровых изображений. Описание и анализ основных широко используемых методов сжатия
      • 1. 2. 1. Статистическое (энтропийное) кодирование
      • 1. 2. 2. Кодирование одинаковых последовательностей
  • LZ-подобные алгоритмы, LZW)
    • 1. 2. 3. Кодирование на основе преобразования: алгоритмы
  • JPEG и JPEG
    • 1. 3. Анализ подходов к оценке потерь качества при восстановлении изображений
    • 1. 4. Анализ подходов к оценке эффективности методов сжатия.~
    • 1. 5. Анализ программных средств повышения эффективности применения методов сжатия цифровых изображений
    • 1. 6. Постановка задач на исследование
  • Выводы
    • 2. РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ РАСТРОВЫХ ИЗОБРАЖЕНИЙ
  • 2. Л.Разработка алгебраической модели оценки растровых изображений .40 2.2.Разработка математической модели многорядной селекции и оценки растровых изображений
  • Выводы
  • 3. РАЗРАБОТКА МЕТОДИКИ ОЦЕНКИ ЭФФЕКТИВНОСТИ И ВЫБОРА МЕТОДА СЖАТИЯ
  • 3. Л .Разработка алгоритма комплексного анализа признаков изображения
    • 3. 2. Алгоритм моделирования изображений на основе многорядной селекции с исключением незначимых элементов
    • 3. 3. Алгоритм оценки эффективности и выбора метода сжатия
    • 3. 4. Выводы
  • 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МОДЕЛЕЙ И АЛГОРИТМОВ ЭФФЕКТИВНОГО СЖАТИЯ РАСТРОВЫХ ИЗОБРАЖЕНИЙ
    • 4. 1. Автоматизированная система исследования методов и параметров сжатия
      • 4. 1. 1. Структура автоматизированной системы
  • 4. 1,2.Разработка подсистемы сбора экспериментальных данных
    • 4. 1. 3. Разработка подсистемы моделирования
    • 4. 2. Исследование эффекта от применения процедуры исключения незначимых элементов в математической модели многорядной селекции
    • 4. 3. Анализ многорядных моделей, получаемых на различных наборах данных
    • 4. 4. Автоматизация формирования электронных архивов в автоматизированной системе технологической подготовки производства
  • Выводы

Моделирование процессов сжатия цифровых изображений (реферат, курсовая, диплом, контрольная)

Актуальность темы

Выпуск новой техники и освоение новых технологий, расширение и обновление ассортимента изделий, автоматизация проектно-конструкторских работ требует обработки значительного объема изображений в различных автоматизированных системах предприятий.

Наличие многочисленных методов и способов сжатия, необходимость передачи изображений в корпоративных сетях и их хранение в электронных архивах предприятий приводит к необходимости рационального использования ресурсов. Очевиден тот факт, что эффективность методов и способов сжатия в значительной степени зависит от структуры самого изображения. Сейчас эту проблему решают интуитивно, что не всегда является эффективным, как с точки зрения хранимых в архивах объёмов информации, так и объёмов информации, передаваемых по корпоративным сетям предприятий.

Таким образом, задача выбора эффективного метода сжатия на основе проведения научных исследований в автоматизированных системах предприятий различного типа (САПР, АСТПП, АСУП, АСУТП) в зависимости от параметров хранимой и передаваемой информации, а также эффективности 'метода для конкретного изображения является актуальной.

Анализ ретроспективы предметной области показывает, что исследованию вопросов эффективного сжатия изображений посвящено большое количество работ. Теоретические основы методов сжатия исследовались зарубежными учёными Барнсли М., Макхоулом Дж., Прэттом У. Проблемы применения высокоэффективных методов сжатия в телекоммуникационных системах решались Ланнэ A.A., Дворковичем В. П., Зубаревым Ю. Б., Харатишвили Н. Г., Устиновым A.A.

Оценки коэффициента сжатия для некоторых методов сжатия цифровых изображений были ранее получены В. М. Ефимовым, А. Н. Колесниковым, Ю. Н. Золотухиным, Н. П. Коршуновой.

Исследованию сжатия изображений посвящены работы JI.E. Назарова и З. Т. Назаровой, в которых были рассмотрены нейросетевые методы сжатия. В основу их оценок было положено приближенное вычисление объема сжатых данных, при этом в оценках фигурируют параметры методов и не учитываются характеристики изображения.

В существующих академических изданиях и специальных трудах имеются достаточные научные предпосылки для решения поставленной задачи. Между тем до настоящего времени существующие подходы к решению задачи выбора метода и параметров сжатия носят, как правило, локальный по областям и разрозненный по методам характер.

В различных автоматизированных системах предприятий наибольшее применение при цифровомотображении чертежей, графиков, схем нашли растровые изображения, что обусловило выбор объекта, предмета и цели исследования.

Объектом исследования являются автоматизированные системы научных исследований методов сжатия цифровых изображений.

Предметом исследования являются методы и алгоритмы сжатия растровых изображений.

Цель исследования. Увеличение коэффициента сжатия для растровых изображений.

Для достижения сформулированной цели были поставлены и решены следующие задачи:

1.Анализ существующих подходов к сокращению объема данных при хранении цифровых изображений.

2.Анализ существующих моделей изображения и методов сжатия, а также подходов к оценке их эффективности.

3.Анализ гистограммных характеристик изображения первого и второго порядка, и оценка их влияния на коэффициент сжатия.

4.Разработка способов и приёмов выбора метода и параметров сжатия изображения.

Методы исследования. В качестве основного инструмента теоретического исследования использовались методы системного анализа, линейной алгебры, теории вероятностей и математической статистики, теории информации, методы самоорганизации моделей сложных систем.

Научная новизна диссертационного исследования заключается в том, что получены новые научные результаты:

1. Алгебраическая модель оценки растровых изображений, базирующаяся на теории стационарного поля, отличающаяся комплексным использованием гистограммных признаков первого и второго порядка.

2. Математическая модель многорядной селекции и оценки растровых изображений, базирующаяся на методе группового учёта аргументов, отличающемся процедурой исключения незначимых элементов и позволяющей' снизить их влияние.

3.Методика оценки эффективности и выбора метода сжатия изображений, включающая разработанные модели и позволяющая оценить качество сжатия на основе измеренных признаков и самого декодированного изображения.

4. Автоматизированная система исследования методов и параметров сжатия, обеспечивающая моделирование, визуальную оценку качества изображения и научно обоснованный выбор метода сжатия.

Практическая значимость заключается в применении математических моделей и методики выбора метода и параметров сжатия в автоматизированной системе.

В частности, полученные результаты использованы:

— для определения направления конструктивного решения по построению специализированного аппаратно-программного комплекса в ОКР «ГИАЦ-3 комплекс» ФГУ НИИ «Энергия» (г. Ступино);

— при проведении исследований модульных систем сбора и обработки информации в НИОКР «Комплекс-МК» ОАО «ЭЛВИС-ПЛЮС»;

— в ОКР «Оса-БЕСТ» Краснодарского филиала ФГУП НТЦ «Атлас» при разработке математического и программного обеспечения модульных структур систем сбора и обработки данных в специализированных автоматизированных системах управления (АСУ).

Результаты внедрения подтверждены соответствующими актами. Достоверность и обоснованность научных положений, результатов, выводов и рекомендаций, приведенных в диссертационной работе, достигнута: за счет корректного применения методов математического и функционального анализа, теории вероятностей и математической статистики, теории случайных процессовнепротиворечивости и воспроизводимости результатов, полученных теоретическим путемсочетания формальных и неформальных методов исследованияиспользования методов, адекватных природе изучавшихся процессов и явленийверификации отдельных результатов в рамках известных теоретических конструкций, широко используемых в теории сложных технических систем.

Апробация работы. Основные положения диссертационной работы докладывались на следующих конференциях:

1. Ш-й Всероссийской научно-технической конференции «Информационные системы и модели в научных исследованиях, промышленности и экологии» (г. Тула, 2005);

2. У-ой региональной научно-практической конференции «Современные проблемы экологии и рационального природопользования в Тульской области» (г. Тула, 2006);

3. Х1-ой конференции преподавателей и аспирантов ОрелГТУ «Неделя науки» (г. Орел, 2006);

4. II Международной научно-практической конференции «Информационные технологии в науке, образовании и производстве (ИТНОП)» (г. Орел, 2006).

Публикации. По результатам исследований опубликовано- 10 работ, в том числе, 3 статьи в журналах, входящих в перечень ВАК РФ, 7 статей в< журналах и материалах конференций.

Положения, выносимые на защиту:

1. Алгебраическая модель оценки растровых изображений.

2. Математическая модель многорядной селекции и оценки растровых изображений на основе метода группового учёта аргументов.

3. Методика выбора метода и параметров сжатия изображений.

4. Автоматизированная система исследования методов и параметров сжатия изображений.

Структура и объем-работы. Диссертационная работа изложена на 144 страницах и состоит из введения, четырех глав, заключения и 1 приложения. Библиографический список включает в себя 105 наименований. Работа содержит 26 рисунков и 14 таблиц.

Выводы.

1. На основе разработанных моделей и методики предложена автоматизированная система, позволяющая оценить эффективность методов сжатия и осуществить выбор метода, параметров сжатия и провести обучение на тестовых изображениях.

2. При сохранении изображения пользователю предоставляется информации о значениях измеренных признаков и достигнутом коэффициенте сжатия, а также о соотношений сигнал/шум для восстановленного изображения и само декодированное изображение для возможности оценки его качества.

3. Для хранения экспериментальных данных используется файл специального формата, что позволяет уменьшить объём хранимых данных.

4. При построении модели пользователь в диалоговом режиме выбирает формат, входные характеристики и выходную величину. В режиме функционирования программного средства полученная модель оптимальной сложности выводится на экран и при сохранении изображения производится оценка коэффициентов сжатия и осуществляется выбор формата, обеспечивающего максимальную степень сжатия.

5. Исходя из гипотезы, что исключение незначимых элементов не приводит к потере качества, был проведён ряд экспериментов. В результате сравнения моделей без исключения незначимых элементов (Мб) и с исключением (Ми) установлено, что последняя получилась проще, а наивысшая степень полинома равна 4 (у модели Мб степень полинома равна 8). Выявлено, что модель, использующая процедуру исключения незначимых элементов, получилась качественнее по комбинированному критерию. Кроме того, продемонстрирована корректность правила останова алгоритма исключения незначимых элементов.

6. В результате сравнения модели, использующей только гистограммные признаки (Мгп) и модели, учитывающей также неоднородность поля изображения (Мн), установлено, что модель Мгп получилась более сложной и качество не улучшилось, а по некоторым параметрам даже уменьшилось.

ЗАКЛЮЧЕНИЕ

.

1. Оценки эффективности методов сжатия изображения базируются на зависимостях коэффициента сжатия от характера изменения яркости, количества деталей, наличия и обширности областей с однородным или плавно изменяющимся фоном, типа текстуры (мелкозернистой, крупнозернистой). Установлено, что качество оценок ухудшается по мере возрастания дисперсии исходного изображения. Существующие оценки конкретных методов сжатия не учитывают особенностей кодируемого изображения и алгоритмов преобразования.

2. Для построения моделей изображения, позволяющих оценить максимально возможный коэффициент и параметры сжатия необходимо представить изображение в виде набора признаков, характеризующих базовые принципы методов сжатия и опыт специалистов.

3. Разработана алгебраическая модель оценки растровых изображений, базирующаяся на теории стационарного поля. Особенностью модели является комплексное использование гистограммных признаков первого и второго порядка для оценки сжимаемости изображения.

4. Разработана математическая модель многорядной селекции и оценки растровых изображений на основе метода группового учёта аргументов, отличающаяся процедурой исключения незначимых элементов. Установлено, что, при массовой селекции начиная с некоторого ряда, происходит накопление шума, обусловленное тем, что на каждом этапе преобразования в модели вместе со значимыми признаками попадают и незначимые, вносящие шум, который усиливается на последующих этапах преобразования. Это позволяет на каждом этапе селекции отбрасывать статистически незначимые члены полинома на основе анализа коэффициента множественной детерминации.

5. Разработана методика оценки эффективности и выбора метода сжатия изображения, включающая в себя следующие этапы: комплексный анализ признаков изображения, моделирование изображений на основе многорядной селекции с исключением незначимых элементов, оценка эффективности и выбор метода сжатия.

6. Разработан алгоритм комплексного анализа признаков изображения. Особенностью алгоритма является то, что он по разработанным правилам позволяет выделить цепочки одинаковых байт, динамически формирует словарь и осуществляет поиск новой цепочки. Установлено, что для изображений небольшого размера для вычисления признаков изображения требуется в 2 раза меньше операций, приходящихся на один пиксель.

7. Разработан алгоритм моделирования изображений на основе многорядной селекции с исключением незначимых элементов. Определён размер экспериментальной выборки для построения моделей, оценивающих влияние незначительных элементов. Алгоритм защищен от бесконечного зацикливания в случае, если экспериментальные данные содержат недостаточно информации для построения модели за счёт ограничения максимального количества итераций.

8. Разработан алгоритм оценки эффективности и выбора метода сжатия. В зависимости от сжимаемого изображения используются два класса методов: сжимающие индексы палитрысжимающие отдельно каждую цветовую плоскость.

9. Разработанные алгоритмы реализованы в автоматизированной системе и позволяют осуществить выбор метода, параметров сжатия и провести обучение на тестовых изображениях. При сохранении изображения пользователю предоставляется информации о значениях измеренных признаков и достигнутом коэффициенте сжатия, а также о соотношении сигнал/шум для восстановленного изображения и само декодированное изображение для возможности оценки его качества.

Показать весь текст

Список литературы

  1. Л., Барнсли М. Фрактальное сжатие изображений. // Мир ПК.- 1992. -№ 4.-с. 12−20
  2. В.М., Шелухин О. И., Афонин М. Ю. Цифровое сжатие видеоинформации и звука. Дашков и Ко, 2004 — 426 с.
  3. C.B. Инструмент автоматизации пропускного режима // Конфидент, № 2, 2003.
  4. A.B. Типы компрессии при сжатии видеоданных // Телевидение в системах физической защиты, 2004.
  5. В.А., Дольников B.JI. Фрактальное сжатие изображений по Барнсли-Слоану // Автоматика и телемеханика. 2004. № 5. С.12−20.
  6. Д.С. Алгоритмы сжатия изображений // М.: Диалог-МИФИ, 2002.
  7. Д.С. Алгоритмы сжатия изображений // М.: Московский государственный университет им. Ломоносова 1999.
  8. Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео // Диалог-МИФИ, 2002.
  9. Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных.Устройство архиваторов, сжатие изображений и видео.- М.: ДИАЛОГ- МИФИ, 2003. -384 с.
  10. В.И., Грибунин В. Г. Теория и практика вейвлет-преобразования. СПб: ВУС, 1999.-203 с.
  11. А.Г. Разработка и исследование метода для сжатия полутоновых изображений, обеспечивающего быстрое восстановление. Дис. к. т. н.- 05.13.13 -М., 1998
  12. А.К. Сжатие видеоинформации: Обзор // ТИИЭР. 1981. -Т.69. — № 3, — С. 71−117.
  13. Р., Харт П. Распознавание образов и анализ сцен. М.:Мир, 1976.-230с.
  14. В.М., Золотухин Ю. Н., Колесников А. Н. Оценка эффективности некоторых алгоритмов сокращения избыточности информации при абсолютной точности воспроизведения. // Автометрия. 1991. — № 6. — с.50−55.
  15. В.М., Колесников А. Н. Эффективность некоторых алгоритмов сжатия информации в двумерных массивах данных без потери точности при их восстановлении. // Автометрия. -1997.-№ 6.- с. 93−97
  16. А.Г., Зайченко Ю. П., Дмитров В. Д. Принятие решений на основе самоорганизации. М: «Сов.радио», 1976. — 280 с.
  17. А.Г. Системы эвристической самоорганизации в технической кибернетике. Киев: «Техника», 1971.102 с.
  18. А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Техника, 1975. — 312 с.
  19. А.Г., Юрачковский Ю. П. Моделирование сложных систем по экспериментальным данным. М.:Радио и Связь, 1987. -120 с.
  20. А.Г. Моделирование сложных систем: Информационный подход/Под общ. ред. Павлова В. В. Киев: Вища.шк., 1987. 62с.
  21. Индуктивный метод самоорганизации моделей сложных систем./ Ивахненко А. Г. и др. Киев: Наук, думка, 1981 — 296 с.
  22. A.C. Форматы графических файлов. С.-Петербург: ДиаСофт, 1995.-480с.
  23. Ю.А., Вологдин Э. И. Цифровое кодирование звуковых сигналов. Корона — принт, 2004 — 240 с.
  24. Г., Корн Т. Справочник по математике для научных работников и инженеров: Пер. с англ. М.: Наука, 1970. — 720 с.
  25. Н.П. Повышение эффективности применения методов сжатия цифровых изображений / Диссертация на соискание ученой степени кандидата технических наук. ТулГУ, 2004 г — 155 с.
  26. В.В. Моделирование растровых изображений в методах сжатия./ Линьков В. В. // Известия ОрелГТУ. Серия «Фундаментальные проблемы техники и технологии: информационные системы и технологии». Орел: Изд-во ОрелГТУ, 2007. № 4/268(535). -С. 211−215.
  27. В.В. Методика оценки состояния объектов средствами видеоконтроля и регистрации. / Линьков В. В., Кузьменко О. Г. // Телекоммуникации № 7 2006. — С.31−33.
  28. В.В. Методика фрактального сжатия графических объектов / В. В. Линьков // Сборник научных статей «Актуальные проблемы информационного обеспечения деятельности ОВД». Орел: Изд-во ОрЮИ МВД РФ, 2007. — С. 34−38.
  29. В.В. Классификация алгоритмов сжатия изображений / В. В. Линьков // Сборник научных статей «Актуальные проблемы информационного обеспечения деятельности ОВД». Орел: Изд-во ОрЮИ МВД РФ, 2007.- С. 23−28.
  30. В.В. Методы оптимизации изображений в формате GIF/ В. В. Линьков // Сборник научных статей «Актуальные проблемы информационного обеспечения деятельности ОВД». Орел: Изд-во ОрЮИ МВД РФ, 2007. — С. 42−46.
  31. Д. Алгоритмы сжатия информации. // Монитор. 1994. -№ 1.С. 15−20.
  32. Д. Алгоритмы сжатия информации. // Монитор. 1994. -№ 3.с.5−19
  33. С. Форматы графических файлов. // Открытые системы. -1997.-№ 4.- с. 12−15.
  34. Методы компьютерной обработки изображений / Под ред. Сойфера М.:Физматлит, 2001.-784 с.
  35. Дж. Форматы и алгоритмы сжатия изображений в действии // Триумф, 2003
  36. Д.Д., Райнер У. Ван. Энциклопедия форматов графических файлов. Пер. с англ. Киев: BHV, 1997, — 535с.
  37. Л.Е., Назарова З. Т. Нейросетевой, фрактальный и JPEG алгоритмы сжатия изображений. // Информационные технологии. 2001 .№ 1 С. 3 -1 0
  38. Ф., Харитоненко И., Джон P. JPEG2000 новая волна в сжатии изображений // CCTV focus, январь 2000.
  39. Е.Л. Передача факсимильных изображений. М.: Связь, 1980.
  40. В.В., Кислицина М. А. Использование преобразования Хаара для модификации алгоритма JPEG сжатия изображений. Тезисы доклада III конференции «Распознавание образов и анализ изображений». ч.1. -Н.Новгород: РОАИ, 1997.- с. 210−212.
  41. У. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982.-Кн. 1 -257с. 53. Прэтт У. Цифровая обработка изображений: Пер. с англ. — МЛ Мир, 1982.—Кн. 2−480с.
  42. Д. Файлы растровой графики: взгляд внутрь. // PC Magazine. 1996.- December 3.- с. 3−21
  43. М. Цифровое телевидение. Теория и техника / Пер. с чешек, под ред. Л. С. Виленчика. М.: Радио и связь, 1990. -528 с.
  44. Е.В. Использование кусочно-полиномиальной аппроксимации для сжатия изображений // Автометрия. 1996. — № 2. -с.56−60
  45. Ричардсон Ян Видеокодирование. Н.264 и MPEG-4 стандарты нового поколения (Н.264 and MPEG-4 Video Compression: Video Coding for Next-Generation Multimedia) // Серия «Мир цифровой обработки» // Издательство Техносфера, 2005. — 368 с.
  46. А. Распознавание и обработка изображений. М.: Мир, 1972.-256 с.
  47. В.Ю. Популярные форматы файлов для хранения графических изображений на IBM PC. Москва: Унитех, 1992. — 320с.
  48. Т. Форматы файлов Windows. М.: Бином, 1995. — 258с.
  49. Д. Сжатие данных, изображений и звука // Техносфера. Серия «Мир программирования», 2004.
  50. Д. Сжатие данных, изображений и звука // Техносфера. Серия «Мир программирования», 2004.
  51. Теория информации и кодирование / Самсонов Б. Б., Плохов Е. М., Филоненко А. И., Кречет Т. В. Ростов н/Д, 2002. — 288 с.
  52. П.А. Кодирование изображений посредством преобразований.-ТИИЭР. тематический вып. «Обработка изображений при помощи цифровых вычислительных машин.». — 1972. — т. 60. — № 7. — с. 69−48
  53. СВ. Применение дискретного преобразования Кре-стенсона-Леви в цифровой обработке изображений Дис. к. т. н.: 05.13.01 -М., 1997
  54. СВ. Математические методы и алгоритмы цифровойкомпрессии изображений с использованием ортогональных преобразований. Дис. д. ф-м.н: 05.13.11 М., 2001
  55. СВ. Оценка эффективности использования уни-тарныхпреобразований для сжатия данных // Информатика и связь: Сб. Научных трудов под ред. В. А. Бархоткина. М.ЖМИЭТ. -1997 С.73−78
  56. СВ., Кочетков М. Е. Анализ эффективности исполь-зованиядискретных ортогональных преобразований для цифрового кодирования коррелированных данных // Известия вузов. Электроника. № 6. — 1998.- С.79−84
  57. С. Фракталы и вейвлеты для сжатия изображений в действии. Учебное пособ. М: Издательство Триумф, 2003 -320 с.
  58. Цифровая обработка телевизионных и компьютерных изображений. / A.B. Дворкович, В. П. Дворкович, Ю. Б. Зубарев и др. М.: Радио и связь, 1997.-2 12с.
  59. В.В. Анализ и обработка изображений: Принципы и алгоритмы: Учебное пособие для студентов вузов М.: Машиностроение, 1995, — 111с.
  60. Л.П. Цифровая обработка сигналов в оптике и голографии. Введение в цифровую оптику. М.: Радио и связь. — 1987. -296 с.
  61. Christiansen В.О., Schauser К.Е. Fast Motion Detection for Thin Client Compression // Proceedings Data Compression Conference, Snowbird Utah, March 2003.
  62. DOUGLAS W. JONES APPLICATION OF SPLAY TREES TO DATA COMPRESSION // GENERAL TERMS: Algorithms, Perform-ance.Communication of the ACM. 31, 8 (August 1988), 996−1007.
  63. Duda R.O. Image Data Extraction (неопубликованные данные), July 1975
  64. Duda R.O., Image Segmentation and Description (неопубликованные данные), 1975
  65. Effelsberg W., Steinmetz R. Video Compression Techniques.
  66. Equitz W.H. Fast Algorithms for Vector Quantization Picture Coding. M.S.Thesis, MIT, June 1984
  67. Forchhammer S. and J.M.Salinas Progressive Coding of Palette Images and Digital Maps // Proceedings Data Compression Conference, Snowbird Utah, March 2003.
  68. Hanzo L., Somerville C., Woodward J. Voice Compression and Communications: Principles and Applications for Fixed and Wireless Channels.
  69. Haralik R.M., Shanmugan K., Dinstein I. Texture Featers for Image Classification // IEEE Trans. Systems. Man and Cybernetics. SMC-3. -1973. -№ 11 -pp. 610−621
  70. Huffman D.A. A method for the construction of minimum redundancy codes. In processing.//IRE. 1962. — vol.40. — pp. 1098−1101
  71. Gormish M.J. Compression of palettized images by color // International Conference on Image Processing, 1995, Washington D.C.
  72. Iain E Richardson H.264 and MPEG-4 Video Compression // John Wiley & Sons, September 2003.
  73. ISO/IEC DIS 10 918−1 Information Technology. Digital Compression andCoding Of Continuous tone Still Images: Requirements and Guidelines/Ed. 1, JTS l/sc29, 1994
  74. ISO/I EC DIS 10 918−1 Information Technology. Digital Compression andCoding Of Continuous tone Still Images: Compliance Testing /Ed. 1, JTSl/sc29, 1994.
  75. IS0/1EC DIS 10 918−1 Information Technology. Digital Compression and Coding Of Continuous tone Still Images: Extensions/Ed. 1, JTS l/sc29, 1994
  76. ISO/IEC FCD 15 444−1:2000(V 1.0, 16 March 2000) JPEG 2000 Part I FinalCommittee Draft Version 1.0/ JTC1/SC29 WG1, JPEG 2000.
  77. Kopylov P., Franti P. Context tree compression of multi-component map images // Proceedings Data Compression Conference, Snowbird Utah, March 2003.
  78. Linde Y., Buzo A., Gray R. An Algorithm for Vector Quantization Designs //IEEE Transactions On Communications. COM — 28. — 1980. -January.
  79. Patent 2−605−361 (USA) Differential Quantization Of Communication SignalsCutler C.C. —Application June 1950, Issuance July 1952.
  80. Paul J. Ausbeck Jr. The Piecewise-Constant Image Model / Proceedings of the IEEE, Vol. 88, No. 11, November 2000, pp. 1779−1789.
  81. Paul J. Ausbeck Jr. The Skip-Innovation Model for Sparse Images / Proceedings of IEEE Data Compression Conference, Snowbird, Utah, March 28−30, 2000.
  82. Pennebaker W.B., Mitchell J.L. JPEG Still Image Data Compression-Standard.- Van Nostrand Reinhold, 1993.-638 pp.
  83. Ratnakar V. RAPP: Lossless Image Compression with Runs of Adaptive Pixel Patterns. / 32nd Asilomar Conference on Signals, Systems and Computers, Nov. 1998.
  84. Richardson I. Video Codec Design: Developing Image and Video Compression Systems.
  85. Rosenfeld A., Connectivity in Digital Pictures. // JACM. 1970. — Vol. 17. -№l.-pp. 146−160
  86. Rosenfeld A., Pflatz J.L. Distance Functions on Digital Pictures. // Pat-ternRecognition. 1968. — № 1. — pp. 33−62
  87. Salomon D. Data Compression: The Complete Reference // LCCN QA76.9.D33 S25 2000. xvi + 823 pages.
  88. Sayood Kh. Introduction to Data Compression, Second Edition.
  89. Saupe D. The Fatility of Square Isometrics In Fractal Image Compression. // IEEE International Conference of Image Processing. 1996. -Vol.1. -№ 3. — pp. 60−67
  90. Tate S.R.Lossless Compression of Region Edge Maps. // Duke University Computer Science Technical Report CS-1992−09.
  91. Taubman D.S., Marcellin M.W. Jpeg2000: Image Compression Fundamentals, Standards, and Practice.
  92. Yuval Fisher Fractal Image Compression: Theory and Application // Springer- 1st ed. 1995. Corr. 2nd printing edition (October 3, 1996).
  93. Vasudev Bhaskaran Image and Video Compression Standards: Algorithms and Architectures (The Springer International Series in Engineering and Computer Science) // Springer- 2nd ed. edition (June 30, 1997).
  94. Wayner P. Compression Algorithms for Real Programmers.
  95. Welch T.A. Technique for High-Performance Data Compression. // Computer.-1984.-Vol. 17.-№ 6.-pp. 35−54
  96. Westwater R., Furht Borko, Furht Borivoje. Real-Time Video Compression: Techniques and Algorithms
  97. Wallace G. K. The JPEG Still Picture Compression Standard. //Communications of the ACM.- 1991. -Vol. 34. -№ 4. pp. 30−44.
  98. Vetterli M., Kovacevic J. Wavelets and Subband Coding. New Jersey: Prentice Hall, 1995. — 327 pp.
  99. Yang F., Liao W. Modeling and Decomposition of HRV Signals with Wavelet Transforms // IEEE Engineering in Medicine and Biology. -1997. Vol. 16. — № 4.- pp. 17−22
  100. Ziv J., Lempel A. Compression of Individual Sequences via Variable Rate Coding.// IEEE Transactions on Information Theory. — 1977. -Vol. 23. -№ 3.-pp. 234−247
Заполнить форму текущей работой

Заказал и сдал!