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

Повышение эффективности компрессии статичных изображений

Диссертация: Повышение эффективности компрессии статичных изображений
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Актуальность проблемы. С появлением новых технических средств растровые цифровые изображения в различных отраслях науки и техники, все чаще используются в качестве данных об обрабатываемых и исследуемых объектах в системах, созданных на базе ЭВМинформационных комплексов и компьютерных сетей. Представление цифровых статических изображений в виде двумерных матриц требует больших объемов данных… Читать ещё >

Содержание

  • ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР ТЕОРИИ ПРЕДСТАВЛЕНИЯ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ И ПРОЦЕССОВ ЕЕ КОМПРЕССИИ
    • 1. 1. Введени е
    • 1. 2. Цветовая модель, как способ представления графической информации
      • 1. 2. 1. Аддитивная цветовая модель RGB
      • 1. 2. 2. Субтрактивные цветовые модели (CMY и CMYK)
      • 1. 2. 3. Перцепционная цветовая модель HSB
      • 1. 2. 4. Колориметрические цветовые модели Lab и другие
    • 1. 3. Векторная и пиксельная графика как основные виды представления графических изображений
    • 1. 4. Анализ существующих требований к алгоритмам сжатия
    • 1. 5. Аналитический обзор алгоритмов сжатия без потерь
      • 1. 5. 1. Групповое кодирование
      • 1. 5. 2. Алгоритм LZW
      • 1. 5. 3. Алгоритм Хаффмана
      • 1. 5. 4. Алгоритм JBIG
      • 1. 5. 5. LOSSLESSJPE G
    • 1. 6. Аналитический обзор алгоритмов сжатия с потерями
      • 1. 6. 1. Рекурсивное сжатие
      • 1. 6. 2. Алгоритм JPEG
      • 1. 6. 3. Фрактальное сжатие
    • 1. 7. Исследованпе и критериальный анализ результатов компрессии при применении. алгоритмов сжатия без потерь
    • 1. 8. Исследование и критериальный анализ результатов компрессии при применении алгоритмов сжатия с потерями
    • 1. 9. ВЫВОДЫ
  • ГЛАВА 2. РАЗРАБОТКА МЕТОДИКИ КОМПРЕССИИ ИЗОБРАЖЕНИЙ ВАРИАБЕЛЬНЫМИ ФРАГМЕНТАМИ И ФОРМАЛЬНАЯ ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ
    • 2. 1. Обозначения, определения и допущения
    • 2. 2. Алгоритм оптимальной компрессии статичных изображений вариабельными фрагментами
      • 2. 2. 1. Математическая модель для учета погрешностей в цветовой гамме фрагментов
      • 2. 2. 2. Функции, используемые для преобразования фрагментов
    • 2. 3. Пример компрессии изображений вариабельными фрагментами
    • 2. 4. Расчет оценки быстродействия алгоритма
    • 2. 5. ВЫВОДЫ
  • ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ И АНАЛИЗ КОМПРЕССИИ ИЗОБРАЖЕНИЙ ВРИАБЕЛЬНЫМИ ФРАГМЕНТАМИ
    • 3. 1. Постановка эксперимента
    • 3. 1. Архивация двуцветных изображений
      • 3. 1. 2. Архивация 16-цветного изображений
      • 3. 1. 3. Архивация полноцветных изображений
  • ЗЛЛОбщая характеристика тестируемых форматов
    • 3. 1. 5. Орнаменты, мозаика, рисунки на коврах
    • 3. 1. 6. Различные рамки
    • 3. 1. 7. Узоры на тканях, полотнах
    • 3. 1. 8. Экспериментальное исследование сжатия разряженных симметричных изображений
    • 3. 1. 9. Графики, тексты
    • 3. 1. 10. Фоновые изображения для мобильных телефонов
    • 3. 1. 11. Симметричные изображения
    • 3. 2. Поиск оптимальной размерности фрагмента на основе анализа проведенных экспериментов
    • 3. 3. ВЫВОД Ы

Повышение эффективности компрессии статичных изображений (реферат, курсовая, диплом, контрольная)

Процессы компрессии графических изображений и в частности статичных графических изображений занимают при обработке электронной информации значительную часть временного диапазона. Поэтому применительно к хранению и передаче информации предварительная ее компрессия имеет большое народнохозяйственное значение.

Современные теоретические и экспериментальные исследования, практика программирования и промышленной эксплуатации показали, что наиболее перспективным путем решения задачи повышения эффективности компрессии изображений является сжатие ее с применением теории вариабельных фрагментов.

С целью повышения эффективности сжатия статичных изображений некоторыми программными продуктами используются сложные математические модели, которые не позволяют в полной мере производить операции сжатия без потери качества изображения, а также не в состоянии охватить весь спектр статичных изображений.

В частности, в работах Дадаяна JI.C. [1,2] приводится описание методики компрессии статичных изображений вариабельными фрагментами, сравнение пикселов в которой осуществляется посредством анализа структуры их цветовой гаммы и разделения на 3 цветовых спектра с использованием цветовой модели RGB. Результаты компрессии изображений, полученных по методикам на основе вышеупомянутой теории по коэффициенту компрессионного сжатия, выгодно отличаются от аналогичных наработок с использованием вариабельных фрагментов, разработанных в СОЦНИТ, однако, методика разделения цвета на спектры не позволяет производить объективное сравнение пикселов, а выбор минимального базового подмножества фрагментов не дает глобальнооптимального решения.

Для повышения эффективности компрессии и, следовательно, уменьшения объема сжатых файлов, скорости декомпрессии файлов необходимо предварительное разделение изображения на квадратные фрагменты, дальнейшее сравнение и преобразование которых может привести к выбору базового подмножества, хранящегося в памяти. С точки зрения теории компьютерной графики наиболее выгодно сократить объем сжатого файла (при высоком качестве изображения) за счет замены одних фрагментов статичного изображения так называемыми базовыми фрагментами.

Актуальность проблемы. С появлением новых технических средств растровые цифровые изображения в различных отраслях науки и техники, все чаще используются в качестве данных об обрабатываемых и исследуемых объектах в системах, созданных на базе ЭВМинформационных комплексов и компьютерных сетей. Представление цифровых статических изображений в виде двумерных матриц требует больших объемов данных и предъявляет высокие требования к сетевому оборудованию при передаче их по каналам связи, а также к емкости внешних носителей при хранении информационной базы. В частности, книжная иллюстрация на обложке размером приблизительно 510×820 точек занимает емкость на цифровом носителе около 1.23 Мб — т. е. примерно столько же, сколько художественная книга объемом в 350 страниц (около 60 знаков в строке и примерно 40 строк на странице) [6]. Таким образом, актуальность вопросов повышения эффективности сжатия статичных изображений не вызывает сомнения. Ярким примером острой необходимости скорейшего усовершенствования процессов компрессии изображений являются системы, в которых необходимо обеспечить хранение большого количества изображений в автономном режиме:

— бортовые системы фотографирования поверхности Земли;

— спутниковые системы получения метеоснимков;

— медицинские базы данных, хранящие диагностические снимки;

— фотографии;

— результаты томографических исследованийохранные системы видеонаблюдения с возможностью видеорегистрации.

В последние годы решению проблем повышения эффективности компрессии статичных изображений уделяется серьезное внимание как у нас в стране, так и за рубежом [10−15]. Существует большое количество различных методов сжатия графических изображений, в том числе, как видоизмененные универсальные, так и абсолютно новые методы, ориентированные исключительно на сжатие изображений. Кроме того, в настоящее время успешно разрабатываются методы, ориентированные на конкретный класс изображений, например, отпечатки пальцев, медицинские снимки. Практический опыт как российского, так и зарубежного использования различных методов кодирования изображений, реализованных в существующих программных средствах, показывает, что нет универсального метода, который был бы равнозначно эффективен для всех видов изображений.

Имеет место ситуация, когда любой из существующих методов обеспечивает высокий коэффициент сжатия при сохранении хорошего качества для одного вида изображений, а для других высокий коэффициент сжатия достигается ценой значительных потерь, заметных при визуальной оценке, а в худшем случае метод не применим [49].

Помимо перечисленных выше недостатков, методы сжатия с потерями, как правило, имеют параметры, позволяющие управлять соотношением между объемом и качеством: чем меньше объем, тем ниже качество и наоборот.

Некоторые группы изображений допускают значительные потери, которые не заметны при визуальной оценке, и за счет этого максимально возможный коэффициент сжатия для них высок. В случае использования других групп изображений даже небольшие потери приводят к заметным искажениям, и, как следствие, максимально допустимый коэффициент сжатия для них небольшой. Пользователь ЭВМ, имеющий опыт работы с методами компрессии изображений, может по виду изображения определить, какой метод и с какими параметрами является наиболее подходящим или подобрать их экспериментально. В то же время, часто приходится сталкиваться с задачей, когда необходимо обеспечить эффективную компрессию изображений в автономном режиме и в масштабе реального времени.

Принятые к рассмотрению фактические обстоятельства делают актуальной задачу разработки методики создания программных средств, осуществляющих для конкретного графического статичного изображения выбор подходящего метода кодирования и определение его параметров, которая и решается в данной работе. Указанные проблемы определили направление исследований диссертационной работы автора, в которой объектом исследования являются программные средства повышения эффективности методов компрессии графических статичных изображений. Предметом исследования являются методы определения максимально возможного коэффициента и параметров сжатия для различных методов компрессии графических статичных изображений.

Работа проведена в соответствии с планом научно-исследовательских работ Северо-Кавказского горно-металлургического института (государственного технологического университета).

Целью настоящей диссертации является повышение эффективности процессов компрессии статичных изображении на основе теоретических и экспериментальных исследований вопросов структурного состава цветовых моделей, требований к алгоритмам сжатия и методик их работы, изучения российского и зарубежного опыта компрессии статичных изображений.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Произвести анализ современных мировых требований к методологии алгоритмов сжатия с потерями и без потерь. Для этого необходимо:

— выполнить обзор теории представления графической информации в цифровом виде и алгоритмов ее компрессии;

— изучить требования к алгоритмам сжатия графической информации;

— рассмотреть теорию смешивания цветовой гаммы в аддитивных и субтрактивных цветовых моделях и выявить основные принципов работы алгоритмов компрессии.

2. Спроектировать и создать усовершенствованную программу компрессии изображений вариабельными фрагментами. Для чего необходимо:

— оптимизировать выбор минимального подмножества фрагментов при компрессии изображений с поиском глобально — оптимального базового подмножества фрагментов;

— предложить математическую модель, позволяющую описывать процесс компрессии изображений вариабельными фрагментами;

— создать методику сжатия и последующего построения изображения, которая позволит учитывать возможные погрешности при сравнении фрагментов изображений.

3. Экспериментально доказать, что результаты компрессии разработанного автором алгоритма сжатия SCI превосходят результаты сжатия алгоритмами JPEG и TIFF.

Для этого необходимо:

— произвести сравнительный анализ экспериментальных исследований применения алгоритма сжатия sci при компрессии двуцветных, 16-ти цветных и полноцветных типов изображенийпроизвести исследование и систематизировать результаты критериального анализа компрессии при применении алгоритмов сжатия без потерьпроизвести исследование и систематизировать результаты критериального анализа компрессии при применении алгоритмов сжатия с потерями;

Методы исследования. В диссертационной работе на основе отечественного и зарубежного опыта и теоретических исследований по созданию и практическому применению алгоритмов компрессии использованы: известные методы аналитического, математического и физического моделирования, совокупность методов и приемов анализа и обработки информации, системный анализ, а также разработанная и предложенная автором теория компрессии статичных изображений с помощью вариабельных фрагментов, теория структуры цветовых моделей и общие вопросы теории компрессии алгоритмами JPEG TIFF .

Применялись лабораторные и экспериментальные исследования, обработка и систематизация данных с использованием ЭВМ.

Основные научные положения, которые выносятся на защиту:

1. Результаты систематизация требований к методологии алгоритмов сжатия с потерями и без потерь;

2. Предложенная теория методики сжатия и последующего построения изображения, позволяющая учитывать возможные погрешности при сравнении фрагментов изображений;

3. Созданная математическая модель, позволяющая описывать процесс компрессии изображений вариабельными фрагментами;

4. Разработанный автором алгоритм сжатия SCI;

5. Предложенный способ применения алгоритма сжатия sci, при котором коэффициент сжатия эффективен в случае компрессии двуцветных, 16-ти цветных и полноцветных типов.

Научная новизна работы подтверждается:

1. Разработкой методики выбора базового подмножества фрагментов изображений в процессе сжатия;

2. Разработкой способа сравнения фрагментов статичных изображений в процессе компрессии;

3. Построением математической модели для учета выбора степени погрешности пользователем и ее применения при работе с алгоритмом SCI.

4. Предложенной и реализованной автором оригинальной методикой декомпрессии алгоритма сжатия SCI, которая позволяет сократить время декомпрессии и не зависит от размеров открываемого файла.

5. Получением двух свидетельств официальной регистрации программы для ЭВМ № 2 007 610 600, № 2 007 613 948, патента РФ № 2 007 129 867/09(32 526).

Практическое значение работы. Разработанные и предложенные способы и методики алгоритмов компрессии и декомпрессии статичных изображений обеспечивают получение стабильных результатов, позволяют повысить эффективность сжатия, по сравнению с известными программными продуктами, для хранения и передачи изображений. Созданная автором программа компрессии изображений SCI является универсальной и область ее применения неограниченна для изображений формата bmp.

Технико-экономическая эффективность предложенных методик и рекомендаций заключается в сокращение объема информационных файлов при их передаче и хранении благодаря увеличенной эффективности алгоритма компрессии. В частности, сокращение среднегодовых затрат на приобретение цифровых носителей, расходования средств на оплату услуг связи при передаче и хранении информации сокращается на 11%, вследствие увеличения эффективности компрессии изображений.

Обоснованность и достоверность научных положений, выводов и рекомендаций подтверждаются адекватностью экспериментальных исследований результатам вычислительных экспериментов.

Апробация и реализация работы. Основные результаты работы обсуждались на X Международном конгрессе (г. Нальчик, КБГУ), Всероссийских конференциях в г. Нальчик «Перспектива» в 2004 и 2006 г. и.

Всероссийской научной студенческой конференции, г. Ставрополь, СевКавГТУ, 2006 г.

Публикации. Основные положения диссертации опубликованы в 13 работах, в том числе получены два свидетельства об официальной регистрации программы для ЭВМ № 2 007 610 600, № 2 007 613 948 и патент РФ № 2 007 129 867/09(32 526).

Структура и объем работы. Диссертация состоит го введения, 3 глав, заключения, библиографического списка из 125 наименований, 10 приложений, содержит 118 стр. машинописного текста, 44 рисунков и 32 таблиц.

Основные результаты работы обсуждались на X Международном конгрессе (г. Нальчик, КБГУ), Всероссийских конференциях в г. Нальчик «Перспектива» в 2004 и 2006 г. и Всероссийской научной студенческой конференции, г. Ставрополь, СевКавГТУ, 2006 г. По результатам исследований выдано свидетельство об официальной регистрации программы для ЭВМ № 2 007 610 600, № 2 007 613 948, патента РФ № 2 007 129 867/09(3 256).

Некоторые научные положения работы используются при изучении профильных дисциплин на кафедрах «Автоматизированной обработки информации», «Информационные системы в экономике», «Системах автоматизированного управления» Северо-Кавказского горнометаллургического института (государственного технологического университета).

Показать весь текст

Список литературы

  1. JI.C. Компрессия изображений вариабельными фграгментами. Сборник статей аспир анто в. Владикавказ, 2001 г.
  2. JI.C. Экспериментальный анализ сравнительной эффективности различных методов компрессии статических изображений. Материалы международной конференции «Новые информационные технологии в науке, образовании, экономике». Владикавказ, 2002 г.
  3. В.В., Легейда В. В. Настоящий самоучитель компьютерной графики К.: Век+, СПб.: КОРОНАпринт, К.:НТИ, 2005. -560 с.
  4. Информатика. Базовый курс. 2-е издание / Под ред. С. В. Симоновича. -СПб.: Питер, 2005 640 е.: ил.
  5. С.И. Пиксел и вектор. Принципы цифровой графики. — СПб.: БХВ Петербург, 2002. — 496 е.: ил.
  6. А.О., Грошев С.В.Компыотерная графика.: Практ. Пособ. — М.:"ТЕХНОЛОДЖИ-3000″, 2001 752 е.: ил.
  7. B.O., Принципы оптимизации комбинаторных процедур. Изд-во РУ, 1988.200 с.
  8. В.О., Модели и алгоритмы комбинаторного программирования. Изд-во РУД 983.
  9. Д., Веб-дизайн, издательство: Символ-Плюс, 2001,367 с.
  10. Ю.Сик Д., Ли Л., Ламсдэйн Э., С++ Boost Graph Library. Библиотекапрограммиста. Изд-во Питер, 2005.
  11. П.Якушев Д., «Философия» программирования на языке С++, издательство: Новый издательский дом, 2006, 320 с.
  12. Ю.Н., Цирлин А. М., Условная оптимизация. Методы и задачи, издательство: УРСС, 2003, 140 с.
  13. С. И. Бирюков, Оптимизация. Элементы теории. Численные методы, издательство: МЗ-Пресс, 2003, 246 с.
  14. М. Петров, Компьютерная графика. Учебник для вузов. 2-е издание, издательство: Питер, 2004, 812 с.
  15. G.K.Wallace. «The JPEG still picture compression standard». Communication of ACM, Volume 34, Number 4, April 1991.
  16. B.Smith, L.Rowe. «Algorithm for manipulating compressed images», Computer Graphics and applications, September 1993.
  17. R.W.McColl, G.R.Martin. «Compression of color image data usinf histogram analysis and clustering techniques». Electronics & communication engineering journal, March / April 1989.
  18. A. Jacquin, «Fractal image coding based on a theory of iterated contractive image transformations», Visual Comm. and Image Processing, v. SPIE-1360, 1990.
  19. Y. Fisher, «Fractal image compression», Siggraph'92.20. «Progressive Bi-level Image Compression, Revision 4.1″, ISO/IEC JTC1/SC2/WG9, CD 11 544, September 16, 1991.
  20. W.B. Pennebaker, J.L. Mitchell, G.G. Langdon, R.B. Arps, „An overview of the basic principles of the Q-coder adaptive binary arithmetic coder“, IBM Journal of research and development, Vol.32, No.6, November 1988, pp. 771−726.
  21. D.A. Huffman, „A method for the construction of minimum redundancy codes.“ In processing. IRE vol.40, 1962, pp. 1098−1101.
  22. Standartization of Group 3 Facsimile apparatus for document transmission, CCITT Recomendations, Fascicle V1I.2, T.4. 1980. 10. Д. Ватолин, MPEG стандарт ISO на видео в системах мультимедиа, „Открытые системы“, #3,1995.
  23. L. R. Foulds Graph Theory Applications, Springer- 2 edition (December 2, 2004), 403 p.
  24. Vitaly O. Groppen. New Solution Principles of Multi-Criteria Problems Based on Comparison Standards. www.aixiv.Qrg/ltp/iTiadi/papg^0501/501 357.pdf. 2004.
  25. В.О. Принципы принятия решений с помощью эталонов. Изд. РАН, ж. Автоматика и телемеханика, № 4, 2006, стр. 167−184.
  26. У. Цифровая обработка изображений. М.,"Мир», 1982, т.1, 310 с., т.2, 790 с.
  27. Л.П. Введение в цифровую обработку изображений. М. «Советское радио», 1979, 311 с.
  28. Э. Основы теории распознавания образов. М., «Советское радио», 1980, 408 с.
  29. Ту Дж., Гонсалес Р. Принципы распознавания образов. М., «Мир», 1978,411 с.
  30. А.Л., Скрипкин В. А. Методы распознавания. М., «Высшая школа», 1984, 208 с.
  31. Корн Г, Корн Т., Справочник по математике (для научных работников и инженеров), М., «Наука», 1973,832 с.
  32. Й. Нелинейное оценивание параметров. М., «Статистика», 1979, 350 с.
  33. Г. Математические методы статистики. М., «Мир», 1975, 648 с.
  34. Космическое землеведение: информационно-математические основы / Под ред. акад. РАН В. А. Садовничего. М.: Изд-во Моск. ун-та, 1998, 571с.
  35. Richard Alan Peters II «A New Algorithm for Image Noise Reduction using Mathematical Morphology». IEEE Transactions on Image Processing, Volume 4, Number 3, pp. 554−568, May 1995 .
  36. G. de Haan, T. G. Kwaaitaal-Spassova and O.A. Ojo «Automatic 2-D and 3D noise filtering for high-quality television receivers». International Workshop on HDTV'94,4-B-2,1994−10.
  37. R. J. Schutten, G. de Haan and A. H. M. van Roermund «Noise filtering for television receivers with reduced memory». Proc. of the Int. Workshop on HDTV and the Evolution of Television, Taipei, Taiwan, Nov. 1995, pp. 6A15—6A22.
  38. G. de Haan, T.G. Kwaaitaal-Spassova, M.M. Larragy, O.A. Ojo, and R.J. Schutten «Television noise reduction 1С». Digest of the ICCE'96, June 1996, Chicago, pp. 184−185.
  39. Hakan Norell, Bengt Oelmann and Youshi Xu «Spatio-Temporal Noise Reduction ASIC for Real-Time Video Processing». In Proc. IEEE Nordic Signal Processing Symposium, Kolmarden, Sweden, 13−15 June, 2000 .
  40. Detlev Marpe, Hans L. Cycon, Gunther Zander, Kai-Uwe Barthel «Context-based Denoising of Images Using Iterative Wavelet Thresholding». Proc. SPIE, Vol. 4671, pp. 907−914, Jan. 2002.
  41. S.G. Chang, B. Yu, and M. Vetterli, «Spatially adaptive wavelet thresholding with context modeling for image denoising». IEEE Trans. Image Proc., Sept. 2000.
  42. Aleksandra Pizurica, Vladimir Zlokolica and Wilfried Philips «Noise Reduction in Video Sequences Using Wavelet-Domain and Temporal Filtering». SPIE Conference on Wavelet Applications in Industrial Processing 27−31 October 2003.
  43. Aleksandra Pizurica and Wilfried Philips «Adaptive Probabilistic Wavelet Shrinkage for Image Denoising». IEEE Transactions on Image Processing, July 11, 2003.
  44. Aleksandra Pizurica, Wilfried Philips, Ignace Lemahieu, and Marc Acheroy «A Versatile Wavelet Domain Noise Filtration Technique for Medical Imaging». IEEE Trans Med Imaging. 2003 Mar-22(3):323−31.
  45. Aleksandra Pizurica, Vladimir Zlokolica and Wilfried Philips «Combined Wavelet Domain and Temporal Video Denoising». IEEE Conference on Advanced Video and Signal Based Surveillance (A VSS'03), July 2003.
  46. Lindsay I Smith «A tutorial on Principal Components Analysis». 2002 nittpy/www.cs.otago.ac.rc7crac453 companents. pdf)
  47. D. Darian Muresan, Thomas W. Parks «Adaptive principal components and image denoising». IEEE ICIP 2003.
  48. Интернет-ресурс: http://taco.polv.edu/WaveletSoftware/.50.1van W. Selesnick and Ke Yong Li «Video denoising using 2D and 3D dual-tree complex wavelet transforms». Appl Signal Image Proc. X (Proc. SPIE 5207), Aug 2003
  49. Julia Neumann Gabriele Steidl «Dual Tree Complex Wavelet Transform in the Frequency Domain and an Application to Signal Classification». Technical Report TR-03−013, Department for Mathematics and Computer Science, University of Mannheim, 2003 .
  50. Miroslav Vrankic, Damir Sersic «Image Denoising Based on Adaptive Quincunx Wavelets». In Proc. of the 2004 IEEE 6th Workshop on Multimedia Signal Processing, (MMSP 2004), Siena, Italy, September 29 -October 01, 2004, pp. 251−254.
  51. Vladan Velisavljevic, Baltasar Beferull-Lozanol, Martin Vetterli, Pier Luigi Dragotti «Discrete Multi-Directional Wavelet Bases». Proc. IEEE International Conference of Image Processing (ICIP2003), pp. 15−21.
  52. Felix C. A. Fernandes, Rutger L. van Spaendonck, C. Sidney Burrus «A Directional, Shift-Insensitive, Low-Redundancy, Wavelet Transform». IEEE Proceedings on International Conference on Image Processing (ICIP2001), pp.37−40.
  53. Daubechies «Ten Lectures on Wavelets», Philadelphia: SIAM, 1992.
  54. S. Mallat «A wavelet tour of signal processing», Academic Press, London, 1998.
  55. Интернет-ресурс: http://astronomv.swin.edu.au/~pbourke/analvsis/.
  56. Д. Ватолин, А. Ратушняк, M. Смирнов, В. Юкин «Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео». Диалог-МИФИ, 2002.
  57. Generic coding of moving pictures and associated audio information: Video. ISO/IEC 13 818−2:2000.
  58. G. de Haan «Progress in motion estimation for video format conversion». IEEE Transactions on Consumer Electronics Vol 46 No 3 Aug 2000 pp 449 450.
  59. B.H., Червоненкис А. Я. Теория распознавания образов. М.: Наука, 1974. -С.34−156.
  60. А. Распознавание и обработка изображений с помощью вычислительных машин. М.: Мир, 1972. — С.16−144.
  61. Т., Шрейбер В., Третьяк О. Обработка изображений // ТИИЭР. -1971. Т.59. — № 11. — С.59−89.
  62. Интернет- ресурс- http://graphics.cs.msu.su/librarv/fractals/index.htni
  63. В., Гуров И. Компьютерная обработка сигналов в приложении к интерферометрическим системам. — СПб: БХВ, 1998.
  64. М.Н., Хесин А. Я., Янсон Б. А. Автоматизация распознавания телевизионных изображений. М.: Энергия, 1975. — С.50−128.
  65. И.С. О распознавании текстур // Вопросы радиоэлектроники. Сер. Т.Т., 1968. -Вып.1. С.82−89.
  66. С.Б., Соклов В. К. Оптические методы обработки информации. В кн. Оптические методы обработки информации. — Л.: Наука, 1974. -С. 5−25.
  67. К. Сравнение аналоговых и цифровых методов распознавания образов // ТИИЭР. 1972. — Т.60. — № 10. — С.141−160.
  68. КрупицкийЭ.И., Смирнов А. Я., ЭмдинВ.С. Сравнение эффективности аналоговых оптических процессоров для обработки изображений с ЦВМ // Межведомственный сборник «Повышение эффективности и надежности РЭС» / ЛЭТИ. Л., 1976.- Вып. 4, — С. 69−73.
  69. Э.И., Кундин А. И., Эмдин B.C. Некоторые пути реализации аналоговых оптико -электронных линейных обучаемых классификаторов изображений // Межведомственный научный сборник
  70. Способы записи информации на бессерябряных носителях". (Киев). -1975. -Вып. 6. -С.58−68.
  71. А.С., Зюзин O.M., Крупицкий Э. И., Фридман Г. Х. Гибридные оптико-электронные системы распознавания изображений // Автометрия. АН СССР-СО. 1974. — № 1. — С.36−46.
  72. Э.И., Кундин А. И., Эмдин B.C. Аппаратурная оценка параметров случайных полей оптическим методом // VII Всесоюзный симпозиум «Методы представления и аппаратурный анализ случайных процессов и полей»: докл.- Таганрог, 1974. С. 143−147.
  73. Э.И., Фридман Г. Х. Применение когерентной оптики и голографии в системах распознавания изображений. В кн. Оптические методы обработки информации. Л.: Наука, 1974. — С.78−93.
  74. А.А. О выборе признаков в машинном опознании // Техническая кибернетика. Изв. АН СССР. Наука, 1963. — № 2. — С.3−9.
  75. М. Методы выделения признаков // ТИИЭР. 1969. — Т.58. — № 8.-С.51−69.
  76. В. Автоматическая фотоинтерпретация снимков и обнаружения целей // ТИИЭР. 1966. — Т.54. — № 12. — С.56−65.
  77. Фу К. Последовательные методы в распознавании образов и обучения машин. -М.: Наука, 1971. С.40−46, 165−184.
  78. В.А., Тимофеев А. В. Опознание фотоизображений с помощью оптических фильтров // Изв. вузов: Приборостроение. ЛИТМО, 1970. -№ 11. С. 102−105.
  79. Р.И. О синтезе структуры анализатора изображений // Изв. АН СССР: Техническая кибернетика, 1968. № 1. — С. 135−150.
  80. Д., Стенли Г. Метод дискретизации дифракционных картин для распознавания образов // ТИИЭР. 1970. — Т.58. — № 2. — С.22−40.
  81. Э.И., Кундин А. И., Эмдин B.C. Некоторые методы когерентно-оптической аналоговой обработки двумерных случайныхполей // В сб. «Иконика новое направление в изучении изображений» // Труды ГОИ. -1979. — Т. 44. — Вып. 178. — С. 117−121.
  82. А.С., Эмдин B.C. Оптико-телевизионный анализатор изображений. Межвузовский сборник «Повышение эффективности и надежности РЭС / ЛЭТИ. Л.- 1979. — Вып. 9. — С. 112−118.
  83. B.C. Теория случайных функций и ее изменение в задачах автоматического управления. Физматгиз. 1962. — С.203−245.
  84. Е.Е. Сложение случайных величин как источник случайных процессов. Избранные труды АН СССР. М. — 1960. — С.99−132.
  85. B.C. Определение параметров бинарных случайных масок в оптико-электронных классификаторах изображений // Тематический сборник «Оптические и оптико-электронные методы обработки изображений и сигналов» / АН СССР. Л., 1982. — С. 192−196.
  86. М.М., Эмдин B.C. Формирование признаков для классификации текстур с помощью масок бинарных случайных функций // Техника средств связи. Сер. ТТ. 1983. — Вып. 2.- С. 51−55.
  87. А.С. 409 585. Голографический коррелятор / Э. И. Крупицкий, Л .П.Карпов//БИ. -2001 .-№ 20.
  88. И.С., Нежевенко Е. С. и др. Когерентно-оптические устройства для обобщенного спектрального анализа изображений // Автометрия. АН СССР-СО. 1972. — № 5. — С.3−9.
  89. A.C. 470 214. Устройство контроля записи голографических согласованных фильтров / Л. П. Карпов, Э. И. Крупицкий, В. С. Эмдин и др.//БИ.-2001 .-№ 20.
  90. A.C. 498 629. Оптико-механическое сканирующее устройство / Л. П. Карпов, В. С. Эмдин и др. // БИ. 1976. — № 1.
  91. B.C. Двухкоординатное устройство отклонения светового луча// ОМП. -1983. -№ 6. С.58−59.
  92. Интернет- ресурс -http://www.mathsoft.com/wavelets .
  93. Е.С., Салов Г. И. и др. Линейный обучаемый классификатор оптических изображений // Автометрия. АН СССР-СО. 1971. — № 3. -С.82−84.
  94. А.С. 278 229. Оптико-электронная обучаемая система / О. М. Зюзин, Л. П. Карпов, Э. И. Крупицкий //Б.И. 1970. — № 25.
  95. А.с. 417 810. Устройство для распознавания образов / Э. И. Крупицкий,
  96. A.И.Кундин, В. С. Эмдин //Б.И. 1974. — № 8.
  97. А.С. 511 810. Устройство для распознавания образов / В. С. Эмдин,
  98. B.Н.Яковлев.//БИ.-2001.-№ 20.
  99. А.С., Эмдин B.C., Оптико-телевизионный анализатор изображений. Межвузовский сборник «Повышение эффективности и надежностиРЭС/ЛЭТИ. Л. — 1979. -Вып. 9. -С. 112−118.
  100. М.Я. и др. Справочник конструктора оптико-механических приборов. Л.: Машиностроение, 1968. — С.50.
  101. Интернет- ресурс httpy/vvww.hakiiec.ac.ip/-^ links.html.
  102. А.с. 530 571. Устройство распознавания образов / Э. И. Крупицкий, В. С. Эмдин и др.//БИ.-1978.-№ 42.
  103. Д. Цифровая обработка изображений, полученных при дистанционном исследовании природных ресурсов // ТИИЭР. 1972. -Т.60. -№Ю. -С.90−122.
  104. А.С., Зюзин О. М., Крупицкий Э. И., Эмдин B.C. Опыт разработки многоканального когерентно-оптического анализатора для гибридной системы распознавания изображений // П Всесоюзная конференция по голографии: докл.- Киев, 1975. — 4.1. — С. 21−23.
  105. Интернет- ресурс http://www.rasip.etf.hr/research/compress/index.html.
  106. Интернет- ресурс httoy/aaphics.csjnsu.su.
  107. Интернет- ресурс httpy/g^hics.cs.m^
  108. Интернет- ресурс -hltpTfelay.ustiLru^t^'cnTt/inf techn/slovarAitemOKl .htm.
  109. Интернет- ресурс -hUp://vvmv.iTmsfo.marLm:808^^111. Интернет- ресурс
  110. Интернет- ресурс -httpy/wvw-bufld^ewm
  111. Д.В., Соколова Е. А., Алгоритм поиска пути в двумерном и трехмерном массивах. Перспектива 2004: Материалы Всероссийской научной конференции студентов аспирантов и молодых ученых, — Нальчик: Каб.- Балк. ун.-т, 2004, с.210−212.
  112. В.О., Соколова Е. А., Разработка сжатия изображения методом вариабельных фрагментов, Научный потенциал студенчества -будущему России / Материалы Всероссийской научной студенческой конференции. Ставрополь: СевКавГТУ, 2006. с. 212 .
  113. В.О., Проскурин А. Е., Соколова Е.А.Официальная регистрация ПрЭВМ Программа компрессии изображений (SCI — Smart compression of images) № 2 007 610 600 от 07.02.2007 г.
  114. Е.А. Эффективная оценка компрессии изображений вариабельными фрагментами. Перспектива — 2007: Материалы международного конгресса студентов аспирантов и молодых ученых.- Нальчик: Каб, — Балк. ун.-т, 2007, с. 200−201.
  115. Е.А. Анализ алгоритмов сжатия и оценка их эффективности. Материалы 6-ой международной конференции «Инновационные технологии для устойчивого развития горных территорий».-Владикавказ, 28−30 мая 2007, с.710−711.
  116. В.О., Проскурин А. Е., Соколова Е.А.Официальная регистрация ПрЭВМ Программа компрессии видеоизображений (SCIV Smart compression of video) № 2 007 613 948 от 26.07.07 г.
  117. Е.А., Математическая модель компрессии статичных изображений вариабельными фрагментами с учетом погрешностей. Деп. в ВИНИТИ 19.07.07. № 748-В2007, указатель № 9, 12 с.
  118. Е.А., Определение параметров быстродействия алгоритма компрессии статичных изображений. Перспектива — 2008: Материалы международной научной конференции молодых ученых, аспирантов и студентов.- Нальчик: Каб, — Балк. ун.-т, 2008, с. 143−147.
  119. В.О., Проскурин А. Е., Соколова Е. А. Способ компрессии и декомпрессии статических изображений и видеоинформации в цифровой форме. Патент РФ № 2 007 129 867/09(32 526).
  120. Е.А. К проблеме повышения эффективности компрессии изображений. Безопасность информационных технологий, Министерство образования и науки РФ, МИФИ, ВНИИПТИ, 2008, № 2, с.57−60.
  121. Е.А., Компрессия изображения вариабельными фрагментами: модель, алгоритм, интерфейс, эксперимент. Вестник компьютерных и информационных технологий, № 10, 2008, с.31−34.
  122. Поворот на 90 градусов относительно оси ок: for (int i = 0- i < s- i++)for (int j = 0- j < s- j++)
  123. D.SetPixel (i, j, BG. GetPixelG, s i — 1)) —
  124. Поворот на 180 градусов относительно оси ок for (int i = 0- i < s- i++) for (int j = 0- j < s- j++)
  125. D.SetPixel (i, j, BG. GetPixel (s i — 1, s — j — 1)) —
  126. Поворот на 270 градусов относительно оси окfor (int i = 0- i < s- i++)for (intj = 0-j
  127. D.SetPixel (i, j, BG. GetPixel (s j — 1, i)) —
  128. Зеркальное отображение на 90 градусов относительно оси ок for (int i = 0- i < s- i++) for (int j = 0-j
  129. D.SetPixel (i, j, BG. GetPixel (s j -1, s — i — 1)) —
  130. Зеркальное отображение на 180 градусов относительно оси ок for (int i = 0- i < s- i++) for (int j =0-j
  131. Зеркальное отображение на 270 градусов относительно оси окfor (int i = 0- i < s- i++)for (intj =0-j
  132. D.SetPixel (i, j, BG. GetPixel (i, s j — 1)) —
  133. Зеркальное отображение на 360 градусов относительно оси окfor (int i = 0- i < s- i++)for (intj = 0- j
  134. D.SetPixel (i, j, BG. GetPixel (s i — 1, j))-1. Изображение1. VWf1. ЛШЙ (ГЙ? ь1. Размер256*256 256*256
  135. И 256*256 26 7,3 130 1,4 192 1 6 321. Изображениек и я1. Размер, пике.
  136. Li:-: — 1 256*256 36,8 5,2 40 4,8 192 1 15,3 123 1 r 1 1 Г 1 ж a it ! j} i ' r i i r t 256*256 56,7 3,3 115 1,6 192 1 5,35 35
  137. КЛ V B. Jf v.* MM M 51.1 >«!i V"S «Я V-Щ' ДО. & 31 Ц* fc-sn» U # IS и И (¦¦J «л f-Г ОЛ И-*- tuf P.» 256*256 61 3,1 121 1,6 192 1 7,27 265 во 4fp U"I U»! |N' •NP ufl *, * *. к. ,. 256*256 102 1,8 154 1,2 192 1 38 5
  138. M ы м ы ы u ш u IF» ¦ ¦ 1 ¦ ' VV, Г Л Ц. jg № Ы. i * ~ ¦ ¦I: ¦ (Ш si V- кшшвшвш i -! «j» Ы a 11 ^'f 256*256 59 3,2 117 1,6 192 1 6,59 297 256*256 J 63 3 119,5 1,6 192 1 5,73 331. Изображение1. Размер
  139. Размер изображения в формате с погрешностью 0%, Кб Коэффициент компрессии1. TIFF1. JPEG1. BMP256*25 612
Заполнить форму текущей работой

Заказал и сдал!