Алгоритмы и архитектура видеоинформационной системы на основе пространственно-рекурсивного метода кодирования изображений тема диссертации и автореферата по ВАК РФ 05.25.05, кандидат наук Костикова, Елена Валентиновна

• Костикова, Елена Валентиновна
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Костикова, Елена Валентиновна

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. ОБЗОР МЕТОДОВ И ТЕХНОЛОГИИ СЖАТИЯ ВИДЕОИНФОРМАЦИИ

В ПРИКЛАДНЫХ ИНФОРМАЦИОННЫХ СИСТЕМАХ

1.1. Классификация видеоинформационных систем и технологий

1.2. Методы сжатия и восстановления изображений с использованием разверток

1.2.1. Методы кодирования изображений с преобразованием

1.2.2. Методы кодирования с предсказанием

1.3. Пространственные методы сжатия и восстановления изображений

1.3.1. Пирамидально-рекурсивные методы сжатия изображений

1.3.2. Триангуляционные методы сжатия и восстановления изображений

1.4. Выводы по главе и постановка задач исследования

2. РАЗРАБОТКА АЛГОРИТМОВ ВИДЕОИНФОРМАЦИОННОЙ ПОДСИСТЕМЫ СЖАТИЯ И ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ

2.1. Разработка алгоритмов сжатия и восстановления изображений на основе пространственно-рекурсивного метода

2.1.1. Разработка алгоритмов с фиксированным и произвольным расположением опорных точек

2.1.1.1. Алгоритмы разбиения изображений с фиксированным расположением опорных точек в пределах полигона

2.1.1.2. Алгоритмы разбиения изображения с произвольным расположением опорных точек в пределах полигона

2.1.2. Примеры алгоритмов разбиения изображения на треугольники и квадраты с фиксированным расположением опорных точек

2.2. Анализ и систематизация алгоритмов сжатия и восстановления изображений

2.3. Выбор оптимального алгоритма сжатия и разработка структуры видеоданных

2.3.1. Пирамидально-рекурсивное представление изображений

2.3.2. Разработка и выбор оптимальной структуры видеоданных

2.4. Выводы по второй главе

3. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОПРЕДЕЛЕНИЯ ОПТИМАЛЬНЫХ ПАРАМЕТРОВ ВИДЕОИНФОРМАЦИОННОЙ ПОДСИСТЕМЫ

3.1. Постановка задачи математического моделирования

3.2. Общий подход к кодированию информации об ОТ изображений

3.3 Математическая модель оценки параметров ВИС

3.4. Рекуррентные соотношения для вычисления числа пустых и заполненных полигонов

3.5. Результаты моделирования

3.6. Выводы по третьей главе

4. РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ АЛГОРИТМОВ ДЛЯ СОЗДАНИЯ

БАЗ ВИДЕОДАННЫХ ВИДЕОИНФОРМАЦИОННОЙ СИСТЕМЫ

4.1. Основные задачи моделирования процессов сжатия и восстановления изображений

4.2. Обобщенная модель видеоинформационной подсистемы сжатия и восстановления изображений

4.3. Результаты сжатия изображений для создания баз видеоданных

4.4. Сравнительный анализ результатов и область применения метода

4.5. Выводы по четвертой главе

ЛИТЕРАТУРА.. ПРИЛОЖЕНИЕ

Введение диссертации (часть автореферата) на тему «Алгоритмы и архитектура видеоинформационной системы на основе пространственно-рекурсивного метода кодирования изображений»

ВВЕДЕНИЕ

Эволюция методов передачи информации определяется появлением новых оригинальных идей, стремительным возрастанием в обществе потребности в информации и в значительной степени общим научно-техническим прогрессом.

Опыт использования наноэлектронных средств передачи информации, изобретенных в конце XX века показал не только преимущества информационных систем, основанных на твердотельном телевидении, но и определил основные направления их совершенствования [1]. Исследования в области прикладного телевизионного вещания привели к появлению новых способов и методов передачи информации, и в частности видеоинформации. Результатом активной работы ученых в течение одного века стали новые широкополосные проводные и беспроводные системы, обеспечивающие возможность передачи (приема) больших объемов информации на значительные расстояния. Появились наряду с проводными кабельными и радиосредствами новые: радиорелейные, тропосферные, спутниковые и оптико-волоконные средства связи. Совершенствование вычислительной техники привело не только к изобретению компьютерной техники, но появлению нового принципа организации связи - Интернет и мобильной беспроводной телефонной связи. Все это позволило к концу XX века начать проектирование широкополосных мультисервисных сетей, главной задачей которых является обеспечение всеобщей доступности населения к мировым информационным ресурсам. Широкое распространение получает передача разнообразной мультимедийной информации в сетях связи. Здесь и различные системы мониторинга, наблюдения, технического зрения, видеотелефонии, регистрирующие и передающие огромные объемы видеоданных, и различные автономные системы-роботы, принимающие решение на основе анализа видеоинформации, и полиграфия с возросшим объемом иллюстраций в печатной продукции, и медицина, и другие направления. Разработка эффективных методов обработки видеоинформации по-прежнему остается актуальной задачей, так как они обеспечивают: улучшение изображений для их наилучшего визуального восприятия человеком; сжатие видеоданных для хранения и передачи по

каналам связи; анализ, распознавание и интерпретацию зрительных образов для принятия решения и управления автономными техническими системами.

В создаваемой глобальной информационной инфраструктуре особое место занимает многофункциональная интерактивная видеоинформационная система (ВИС) [2-11], которая по своей сути моделирует зрительную систему человека и обеспечивает доставку информации о событиях или иной информации с любой точки нашей планеты для ее зрительного восприятия на расстоянии [12-21]. И это не случайно - ведь свыше 80% информации человек получает через органы зрения. Предтечей видеоинформационной системы по праву можно считать телевизионные системы. Именно эволюция составных частей телевизионной системы сделала возможным выход телекоммуникаций на новый качественный уровень [7-12].

Наиболее важной научно-технической проблемой в области новых информационных технологий является разработка видеоинформационных систем приема, обработки и передачи сверхбольших потоков информации в реальном масштабе времени [3].

Основным средством в решении задач приема, обработки, сокращения избыточности и передачи информации в реальном времени является цифровая обработка сигналов, поступающих от датчиков, преобразующих сигналы самой разнообразной природы в электрические, которые затем подвергаются аналого-цифровому преобразованию. К настоящему времени в области цифровой обработки сигналов возникло относительно самостоятельное направление -цифровая обработка изображений [22-32].

В цифровой обработке изображений сейчас ведутся исследования в области адаптивных методов обработки, которые наиболее полно учитывают свойства реальных изображений. В частности, перспективным направлением является разработка рекурсивных структур данных для представления изображений в сжатом виде [33-40].

Цифровые методы преобразования статических и динамических изображений обеспечивают высокое качество изображения при воздействии помех, способствуют повышению пропускной способности каналов передачи информации, обеспечивают надежность хранения информации [41-50].

При цифровой обработке изображений применяются различные преобразования: Фурье, косинусное, синусное, наклонное, Адамара, Хаара, сингулярное и другие, позволяющие в той или иной степени сократить объем информации [26, 27]. Актуальность алгоритмов сжатия изображений (как и видео) определяется своеобразными особенностями типа данных. Во-первых, изображения (видео) обычно требуют для хранения гораздо большего объема памяти, чем текст. Во-вторых, человеческое зрение при анализе изображений сравнительно нечувствительно к малым изменениям в изображении, что позволяет создавать эффективные алгоритмы с высокой степенью сжатия изображений, в которых декомпрессированное изображение не будет совпадать с оригиналом. Третья особенность изображений - обладание значительной статистической избыточностью. То есть, как правило, большая часть площади изображения одного кадра приходится на области с постоянной или мало меняющейся в пространстве (как по горизонтали, так и по вертикали) яркостью, а резкие световые переходы и детали малых размеров занимают малую долю площади изображения. Коэффициент корреляции соседних элементов изображения близок к единице, поэтому, зная яркость одного элемента можно с высокой степенью вероятности предсказать значение соседнего. Такого рода статистическую избыточность называют пространственной избыточностью изображения. Она устраняется путем применения к блокам изображения определенного размера преобразования, позволяющего перейти от массива коррелированных элементов изображения к меньшему по размеру массиву коэффициентов преобразования, по которым возможно восстановить изображение. Такой способ кодирования сигнала при передаче изображений позволяет существенно сократить необходимый при этом цифровой поток, а, следовательно, и необходимую для его передачи полосу частот канала.

Изображения соседних кадров обычно очень похожи друг на друга. По распределению яркости в одном кадре можно с высокой степенью точности предсказать распределение яркости следующего кадра. Эта предсказуемость указывает на временную избыточность изображения, которая устраняется: а) путем межкадрового предсказания и формирования вектора движения, подвергающегося кодированию [15]; б) использованием нового метода,

основанного на поиске оптимального базиса преобразования во временной области [50] и в) применением трёхмерного косинусного преобразования [5270].

В настоящее время быстро развивается направление представления и обработки изображений с использованием рекурсивных (регулярно-иерархических, пирамидальных, конусных) структур [34, 42]. При представлении рекурсивной структурой изображение разбивается на полигоны, а затем процедура разбиения рекурсивно повторяется для каждого полигона до тех пор, пока его размер не станет равным размеру элемента исходного изображения. Такой процесс называется рекурсивной или регулярной декомпозицией. Каждому блоку приписывается значение, называемое «яркостью» или «цветом» и являющееся его интегральной характеристикой. По завершении процесса декомпозиции получается набор изображений, последовательно уточняющих друг друга и сходящихся к исходному; этот набор обычно называют пирамидой изображения. Такие методы появились несколько лет назад и получили название - представление на основе пирамидальных структур [34].

Наряду с этим развивается самостоятельное направление, связанное со сжатием изображений и основанное на применении триангуляционных методов аппроксимации, суть которых заключается в нерегулярном соединении множества особых точек плоскими треугольниками [43, 44]. Известно, что данный метод эффективен тем, что обеспечивает высокий коэффициент сжатия при нерегулярном расположении особых точек на исходном изображении. Однако с точки зрения аппаратной реализации данный метод исключает возможность параллельной обработки. Кроме того, следует отметить и отсутствие эффективных способов поиска особых точек.

В отличие от триангуляционных методов регулярность пирамидальных структур предопределяет их удобную реализацию и эффективное использование в видеоинформационных системах за счет параллельной обработки. Иерархия описаний различной степени общности способствует контекстно-независимой структуризации изображений. Эта структуризация может служить основой для моделирования индуктивных (при вводе данных) и дедуктивных (при анализе

пирамиды «сверху вниз») процессов человеческого восприятия. Синтетическое узнавание также может быть смоделировано при использовании пирамидальных структур. Действительно, если алгоритм представления видеоданных не зависит от их содержания и определен заранее, то имеется возможность быстрого параллельного ввода видеоданных в систему одновременно с получением обобщенного описания. Получение такого обобщения не требует выделения семантической структуры изображений, т.е. исключается долгий аналитический путь восприятия. Анализ методов сжатия на основе пирамидально-рекурсивного подхода показал, что все они так или иначе преследуют цель сокращения избыточности на изображении, где восстановление производится путем присвоения области одной яркости (например, средней) [45], но у них отсутствуют способы выделения существенных признаков на исходном изображении, что является актуальным для решения задач, связанных со сжатием и обработкой изображений при проектировании видеоинформационных систем [А 12, А16, А17].

Целью диссертационной работы является повышение эффективности функционирования видеоинформационных систем на основе пространственно-рекурсивного метода и алгоритмов обработки изображений, эффективных для создания баз видеоданных и высокопроизводительной видеоинформационной системы с параллельной обработкой видеоданных.

Для достижения этой цели в диссертационной работе ставятся и решаются следующие задачи:

1) разработка метода сжатия и восстановления изображений с использованием пространственно-рекурсивного подхода, ориентированного на создание высокопроизводительной видеоинформационной системы;

2) разработка аналитической модели для оценки параметров ВИС на основе предложенного метода;

3) разработка параллельных алгоритмов сжатия и восстановления изображений;

4) разработка функциональной параллельной структуры видеоинформационной системы.

Область исследования: технические и программные аспекты обеспечения функционирования видеоинформационных систем для реализации процессов обработки, хранения и передачи видеоинформации и принципы структурирования видеоданных для создания мультимедийных баз данных.

Объектом исследования являются полутоновые черно-белые изображения.

Предметом исследования являются методы и алгоритмы обработки, хранения и передачи изображений с целью совершенствования и повышения эффективности функционирования информационных систем.

Методами исследования в диссертационной работе являются методы теории вероятностей и математической статистики, методы обработки изображений и математического моделирования на ЭВМ.

Основные научные положения, выносимые на защиту:

1) использование полигонально-рекурсивного метода разбиения при поиске особых точек и использование триангуляции при восстановлении изображений повышает эффективность передачи изображений в реальном времени и хранения видеоданных с возможностью семантической обработки, в первую очередь в измерительных ВИС;

2) математическая модель для случая равновероятного распределения особых точек на изображении позволяет определить оптимальные параметры (число полигонов при разбиении, число особых точек изображений и объем памяти) ВИС обработки, хранения и передачи видеоинформации;

3) предложенная архитектура видеоинформационной системы на основе технологии «система на кристалле» необходима для максимального распараллеливания предложенных алгоритмов сжатия и восстановления изображений;

4) для выбора эффективного алгоритма реализации предложенного метода следует выполнить систематизацию алгоритмов по пяти признакам: числу полигонов после разбиения; форме полигонов; взаимосвязанности процессов сжатия и восстановления; расположению особых точек в пределах полигона: критерию поиска особых точек.

Научная новизна работы заключается в следующем:

1) разработан метод пространственно-рекурсивного сжатия и восстановления изображений, отличающийся поиском особых точек в пределах полигона и использованием регулярной триангуляции их при восстановлении изображений;

2) разработана математическая модель для определения оптимальных параметров ВИС на основе предложенного метода (числа полигонов после разбиения, формы полигонов и числа особых точек), отличающаяся равновероятным распределением особых точек на изображении;

3) разработана архитектура ВИС, отличающаяся внедрением технологии «система на кристалле» и учётом максимального распараллеливания разработанных алгоритмов;

4) предложена систематизация алгоритмов сжатия и восстановления изображений, реализующих разработанный метод.

Практическая ценность работы заключается в алгоритмической и программной реализации предложенного метода:

1. Разработаны алгоритмы, рабочие программы и подпрограммы на языке С++ для сжатия и восстановления изображений по особым точкам.

2. Разработаны и исследованы динамические структуры видеоданных для компактного представления и хранения информации об особых точках изображений, что позволяет использовать их в целях создания баз видеоданных в составе ВИС.

3. Разработаны алгоритмы и программы поиска ближайших особых точек в процессе сжатия изображения, что существенно упрощает процесс триангуляции.

4. Разработана функциональная структура ВИС сжатия и восстановления изображений по особым точкам, ориентированная на создание устройств различной производительности за счет соответствующего распараллеливания вычислительных узлов и расслоения памяти.

5. Определены оптимальные параметры (число полигонов при разбиении, форма полигона, число особых точек) алгоритмов сжатия информации об особых точках в процессе деления исходного изображения на полигоны.

Достоверность научных результатов подтверждается корректностью использования математического аппарата и компьютерного моделирования, демонстрирующих эффективность предложенного метода и алгоритмов в задачах реализации процессов обработки, хранения и передачи видеоинформации. Результаты экспериментов были внедрены в различные ОКР и учебный процесс, о чем свидетельствуют приведенные в приложении акты.

Апробация работы Основные результаты, полученные в диссертации, были представлены и обсуждались на следующих основных Российских и Международных конференциях:

1. На 13-ой Международной конференции «Цифровая обработка сигналов и ее применение», Москва, 2011 г.

2. На Международных конференциях «Транспорт России: проблемы и перспективы», Санкт-Петербург, 2011 и 2012 гг.

3. На III Международной научно-практической конференции «Перспективы развития информационных технологий», Новосибирск, 2011 г.

4. На Всероссийских научно-практических конференциях «Информационные технологии в профессиональной деятельности и научной работе», Йошкар-Ола, 2011 и 2012 гг.

5. На 66-ой научно-технической конференции СПбНТОРЭС, посвященной Дню радио, Санкт-Петербург, 2011 г.

6. На 8-ой Международной научно-технической конференции «Телевидение: передача и обработка изображений», Санкт-Петербург, 2011 г.

7. На XVII Международной научно-технической конференции «Современное образование: содержание, технологии, качество», Санкт-Петербург, 2011 г.

8. На Международной конференции «Научному прогрессу - творчество молодых», Йошкар-Ола, 2011 г.

9. На 10-ой Международной научно-технической конференции «Телевидение: передача и обработка изображений». Санкт-Петербург, 2013 г.

1. ОБЗОР МЕТОДОВ И ТЕХНОЛОГИИ СЖАТИЯ ВИДЕОИНФОРМАЦИИ В ПРИКЛАДНЫХ ИНФОРМАЦИОННЫХ СИСТЕМАХ

Технической основой создаваемой в России информационной среды должны стать современные мультимедийные системы, обеспечивающие цифровую передачу динамических изображений, речи, звука и иных данных по каналам с различной пропускной способностью [2- 4].

Рассматривая проблему проектирования эффективных ВИС обработки, хранения и передачи изображений, преследуют цель сокращения объема информации, увеличения скорости передачи изображения при допустимом его искажении.

Неудобства, происходящие из-за большой информационной емкости системы, особенно заметно проявляются при переходе к цифровому представлению изображений. Поэтому задача сжатия нестационарных изображений наиболее актуальна с точки зрения проектирования высокопроизводительной ВИС обработки изображений [16, 17], модель которой показана на рисунке 1.1.

Сложность анализа существующих методов сжатия и восстановления изображений заключается не только в их многообразии. На практике для каждой задачи можно сформулировать набор приоритетных требований, который и определит наиболее подходящий алгоритм для ее решения. Характер использования изображений может задавать степень важности следующих требований к алгоритму: высокая степень компрессии; высокое качество изображений; высокая скорость компрессии; высокая скорость декомпрессии; устойчивость к ошибкам; редактируемость; стоимость аппаратной реализации; эффективность программной реализации и т. д. Таким образом, для анализа методов сжатия изображений необходимо, во-первых, обозначить классы изображений, на которых проводится сравнение, и, во-вторых, выделить наиболее важные критерии сравнения. В диссертации эти методы оцениваются и с точки зрения коэффициента сжатия, и с точки зрения качества восстановленного изображения, а также - возможности реализации на параллельных структурах.

Входные параметры Выходные параметры

устройств кодирования устройств декодирования

Объективная оценка качества (среднеквадратическая оценка)

Рис 1.1. Модель видеоинформационной подсистемы сжатия и восстановления изображений

Методы сжатия изображений можно разделить на два класса. Первый класс - это методы анализа изображений в частотной области. Эти методы рассматриваются во втором подразделе данной главы. Второй класс методов является принципиально

другим и основывается на пространственном анализе изображений. Эти методы рассматриваются в третьем подразделе главы.

1.1. Классификация видеоинформационных систем и технологий

Современные видеоинформационные технологии и системы телевидения характеризуются тремя основными направлениями практического развития, которые проявляются в обеспечении [2]:

• высококачественного ТВ-вещания для широких слоев населения с передачей сигналов социального пакета и платных ТВ-программ по спутниковым, наземным (эфирным) и кабельным линиям связи со стандартной и высокой четкостью в виде двумерных или объемных изображений;

• формирования видеоинформации для визуального наблюдения, контроля и анализа состояния различных классов объектов, решения информационно-измерительных и управляющих задач в различных отраслях науки, техники, промышленности и на транспорте;

• выполнения задач многопрограммного ТВ-вещания, решения ряда прикладных задач, формирования пакета мультимедийных услуг связи с передачей сигналов по 1Р-сетям.

На рис. 1.2 представлена классификация видеоинформационных технологий и систем, главной составляющей которых являются системы телевидения. Классификация отображает вещательный и прикладной характер использования таких систем.

Как известно, прикладное телевидение включает большое число разнообразных самостоятельных ТВ-систем, отражающих целевой характер их использования. Можно выделить следующие их основные разновидности [7180], в том числе для мобильных систем телевидения [81]:

• космическое телевидение;

• спектрозональное телевидение;

• промышленное телевидение;

• телевизионную астрономию;

• транспортное телевидение;

• охранное телевидение и другие системы.

В последние годы широкое распространение получает информационно-измерительный и управляющий характер использования видеоинформации, формируемой с помощью таких систем. Для визуального восприятия и анализа информации формируемые ТВ-изображения могут быть черно-белыми, цветными, спектрозональными, плоскими, объемными или многоракурсными (кругового обзора), а при автоматической регистрации и обработке получаемая видеоинформация может представляться в виде цифровых данных или сигналов управления для других систем.

Первый уровень развития видеоинформационных технологий и систем телевидения отображает становление и развитие аналоговых вещательных и прикладных систем черно-белого, цветного и спектрозонального телевидения (рис. 1.2).

Второй уровень развития видеоинформационных технологий и систем телевидения характеризуется началом внедрения цифровой обработки и передачи сигналов ТВ-изображений стандартной четкости, в первую очередь для двухмерного вещательного и прикладного телевидения, а затем для объемного вещательного телевидения и объемного и многоракурсного прикладного телевидения.

Третий уровень развития видеоинформационных технологий и систем телевидения непосредственно связан с повсеместным внедрением систем вещательного и прикладного цифрового телевидения с высокой четкостью для двухмерных изображений, а также с внедрением вещательных систем объемного и прикладных систем объемного и многоракурсного телевидения.

В течение последних десяти лет вещательное телевидение в развитых странах мира постепенно переходит от аналогового уровня своего развития к новому цифровому уровню. Этот переход в планетарном масштабе для всех государств займет еще десятки лет в силу консервативности самих существующих систем и средств телевидения, их потребителей, а также высокой стоимости отдельных компонентов средств цифрового телевидения для широких

Рис. 1.2. Классификация ВИС

слоев населения. Для РФ этот переход по решению правительства должен произойти и завершиться к 2015 году [80].

Отдельное самостоятельное направление видеоинформационных технологий и систем вещательного и прикладного телевидения второго и третьего уровней включает новое IP-направление, когда осуществляется передача сигналов вещательного телевидения и решение задач видеонаблюдения, видеосвязи (видеотелефонии, видеоконференцсвязи) с предоставлением различного рода мультимедийных услуг с

использованием IP-технологий и сетей связи. Это направление, показывающее проникновение систем телевидения в IP-среду, развивается быстрыми темпами [3]. При этом использование операций вида DVB/IP и IP/DVB позволяет осуществлять обмен и обеспечивать преобразование и циркуляцию видеоинформации с использованием различных сред передачи данных. Например, провайдер контента в наземной IP-сети - спутниковый канал связи DVB - потребители видеоинформации в наземной IP-сети и т.д [19].

Следует отметить, повышение точности координатно-временного обеспечения объектов транспорта и транспортной инфраструктуры является одним из способов выполнения постоянно ужесточающихся требований к безопасности на транспорте, а также снижения издержек эксплуатации транспортных средств. Эти задачи решаются разработкой и внедрением решений на базе спутниковых навигационных ВИС, позволяющих достичь высокой точности определения параметров движения речного, морского, и автомобильного транспортного средства. Примером такого решения является ВИС мониторинга и управления транспортом ГЛОНАСС/ GPS.

Представленная классификация видеоинформационных технологий и систем телевидения показывает основные направления становления и развития информационных систем как вещательного, так и прикладного телевидения, пути их дальнейшего развития с точки зрения формирования различных ТВ-изображений для широкого круга потребителей [3].

1.2. Методы сжатия и восстановления изображений с использованием

разверток

В системах кодирования преобразованию (типа Фурье, косинусное или синусное, Адамара или Хаара и т.д.) подвергается все исходное изображение или его области, называемые фрагментами. Затем определяются зигзагообразные развертки, преобразующие фрагмент в одномерный массив, который подвергается далее энтропийнному кодированию для передачи по каналу.

В результате преобразования создается некоррелированный ряд чисел, называемых трансформантами. При этом число относительно больших трансформант невелико, большая часть трансформант будет иметь практически нулевые значения, и, исключая их, можно сократить цифровой поток. Этот фактор используется для эффективного квантования и кодирования [22-32].

Далее приводится краткое описание основных методов кодирования изображений.

Список литературы диссертационного исследования кандидат наук Костикова, Елена Валентиновна, 2013 год

Литература

1. , Твердотельная революция в телевидении / Березин В. В., Умбиталиев А. А., Фахми Ш. С., Цыцулин А. К. Шипилов Н. Н./Под ред. А. А. Умбиталиева и А. К. Цыцулина// М.: Радио и связь, 2006 г. 350с.

2. Зубарев Ю.Б, Сагдулаев Ю.С., Сагдулаев Т.Ю. Видеоинформационные технологии и систем связи. Монография. М: Изд. «Спутник+», 2011.-296с.

3. Дворкович А.В., Дворкович В.П. Цифровые видеоинформационные системы в России. Современная электроника № 3, 2008.-С. 8-13.

4. Дворкович А.В., Дворкович В.П. Цифровые видеоинформационные системы (теория и практика). Москва: Техносфера, 2012.- 1008 с.

5. Методы компьютерной обработки изображений / Под. Ред. В.А. Сойфер. М.: Физмат, 2001. -698 с.

6. Гласман К. Ф. Современное состояние и перспективы развития систем видеокомпрессии. Научно-технический журнал «625». 2009, Вып. 1, 2, 4, 7.

7. Зубарев Ю.Б., Дворкович В.П., Дворкович А.В. Проблемы и перспективы внедрения информационных мультимедийных систем в России. Электросвязь. 2004. № 10.

8. Ватолин Д.С., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиватров, сжатие изображений и видео. - М.: «ДИАЛОГ-МИФИ». 2003, 384 с.

9. Кривошеее М.И. На пороге новой эры развития цифрового ТВ-вещания//Вгоаёса8йп£. «Телевидение и радиовещание» № 2, 2013, стр.32-38.

10. Яне Б. Цифровая обработка изображений/ М.: Техносфера, 2007.

11. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов. М: Мир Год: 1988 С. 488.

12. Н. Zhou, J. Wu and Zhang, "Handbook of digital image processing'", Parti,

2010.

13. Rafael C. Gonzalez, Richard E. Woods, "Digital Image Processing, 2nd Edition"

Prentice Hall | 2002.

14. JONATHAN M. BLACKLEDGE. DIGITAL IMAGE PROCESSING. Mathematical and Computational Methods. Professor of Digital Signal Processing and Communications Technology. Chichester, West Sussex 2005.

15. Ричардсон Ян. Видеокодирование. Н.264 и MPEG-4 - стандарты нового поколения. М.: Техносфера, 2005. 368 с.

16. ISO/IEC 14496_2 - Information Technology - Coding of AudioVisual Objects. Part 2: Visual. 2004.

17.ISO/IEC 14496 3 - Information Technology - Coding of Audio_Visual Objects. Part 3: Audio. 2005.

18. Кривошев M.И. На старте широкого внедрения цифрового телевизионного вещания в России // Научно-технический журнал 625. - 2008. № 1 (135).

19.Дворкович В.П., Дворкович A.B., Иртюга В.А., Тензина В.В. Новая аудиовизуальная информационная система // Broadcasting. Телевидение и радиовещание, 2005, № 5.

20.ETSI EN 300 744 VI.5.1 (2004-06) - Digital broadcasting systems for television. Sound and data services; Framing structure, cannel coding and modulation for digital terrestrial television. Annex B.

21.ISO/IEC 14496-2 - Information Technology - Coding of Audio-Visual Objects - Part 2: Visual, 2004

22. ISO/IEC 14496-3 - Information Technology - Coding of Audio-Visual Objects - Part 3: Audio, 2005.

23. Ахмед H., Pao К. P. Ортогональные преобразования при обработке цифровых сигналов. - М.: Связь, 1980. - 248 с.

24.ITU-T Recommendation Н.264 - Advanced Video Coding for Generic Audiovisual Services / ISO/IEC 14496-10 - Information Technology — Coding of Audio-Visual Objects — Part 10: Advanced Video Coding, 2005

25. Харатишвили H.Г. Цифровое кодирование с предсказанием непрерывных сигналов. М.: Радио и связь, 1986.

26. Добеши И. Десять лекций по вейвлетам. М., Ижевск, 2004. 463 с.

27.Гонсалес Р., Вудс Р. Цифровая обработка изображений. - М.: Техносфера, 2006. - 1072 с.

28. Прэтт У. Цифровая обработка изображений. Т. 1,2. - M.: Мир, 1982.

29.Фахми Ш. С., Зубакин И.А. Адаптивный алгоритм кодирования видеоинформации на основе трехмерного дискретного косинусного преобразования // Изв. вузов России. Радиоэлектроника. 2010. Вып. 1. С. 49-54.

30.Valentim, P. Nunes, and F. Pereia, "An alternative complexity model for the MPEG-4 video verifier mechanism," in IEEE Int. Conf. on Image Processing (ICIP2001), pp. 461^164, Oct. 2001.

31.J. Valentim, P. Nunes, and F. Pereia, "Evaluating MPEG-4 video decoding complexity for an alternative video complexity verifier model,'* IEEE Trans, on Circuits and Systems for Video Technology 12, pp. 1034- 1044, Nov. 2002.

32.Y. Wang and S. F. Chang, "Complexity adaptive H.264 encoding for light weight stream," in IEEE Int. Conf. Acoustics, Speech and Signal Processing (ICASSP), pp. 1125-28, May 2006.

33. Александров В.В., Кулешов С.В., Цветков О.В. Александров В.В., Кулешов С.В., Цветков О.В. Цифровая технология инфокоммуникации. Передача, хранение и семантический анализ текста, звука, видео. СПб.: Наука, 2008 —С. 243.

34. Александров В.В., Горский Н.Д. - Алгоритмы и программы структурного метода обработки данных. М.: наука, 1983, с. 203.

35.Bister М., Cornelis J., Rosenfeld A. A critical view of pyramid segmentation algorithms // Pattern Recognition Lett. — 1990. —Vol. 11, N 9. — P. 605—617.

36. Meer P. Stochastic Image Pyramids // Computer Vision, Graphics Image Process. — 1989. — Vol. 45. — P. 269—294.

37. Saxena S., Bhatt C.P., Prasad V.C. Efficient VLSI parallel algorithm for Delaunay triangulation on orthogonal tree network in two and three dimensions // IEEE Trans. Comput. — 1990. —Vol. 38, N 3. — P. 400—404.

38. Bischof H., Kropatsch W.G. Neural networks versus image pyramids // Artificial Neural Networks and Genetic Algorithms /Ed. by R.F. Albrecht, C.R. Reeves. —Berlin New; York: Springer-Verlag. — 1993. — P. 137—144.

39. Агаронян О.С. Идентификация статистических объектов с использованием методов обработки иерархических изображений// Тр. VII междунар. конф. Идентификация систем и задач управления. (SICPRO'08). — М.: Институт проблем управеения, 2008. — С. 347—357.

40. Watson D.F. Computing the n-dimensional Delaunay tessellation with application to Voronoi politopes // Comput. J. —1981. — Vol. 24, N 2. — P. 167— 172.

41. Александров В. В., Горский И.Д. Представление и обработка изображений. Рекурсивный подход. -Д.: наука, 1985.

42.Александров В. В., Горский И.Д. Алгоритмы и программы структурного метода обработки данных. -Д.: наука, 1983. 192с.

43.Фахми Ш. С. Кодирование видеосигналов // Изв. СПбГЭТУ "ЛЭТИ". Сер. «Инф., упр. и комп. технол.». 2007. Вып.З. С.34-40.

44 Скворцов А.В. Обзор алгоритмов построения триангуляции Делоне // Вычислительные методы и программирование. 2002.

45. Куликов С.А. Разложение телевизионных изображений по средним арифметическим значениям // Вопросы радиоэлектроники. Сер. Техника телевидения. - 1988 - Вып. 6. - С. 23-29.

46. D. Agrafiotis, N. Canagarajah, D. R. Bull, J. Kyle, H. Seers, and M. Dye, "A perceptually optimised video coding system for sign language communication at low bit rates," in Signal Processing: Image Communication, 2006, number 21, pp. 531 — 549.

47. K. Nakazono, Y. Nagashima, and A. Ichikawa, "Digital encoding applied to sign language video," in IEICE Trans. Inf. & Sys., June 2006, vol. E89-D.

48. X. Wu, "Image Coding by Adaptive Tree-Structured Segmentation", IEEE Transactions on Information Theory, 38(6) (1992).

49. ITU T Recommendation H.264 - Advanced Video Coding for Generic Audiovisual Services. ISO/IEC 14496_10 - Information Technology - Coding of Audio_Visual Objects. Part 10: Advanced Video Coding. 2005.

50. Устинов А. А., Дворников С.В., Цветков В.В. Устранение межкадровой избыточности подвижных изображений на основе оптимального поиска базиса преобразования во временной области// Вопросы радиоэлектроники, сер. Техника телевидения, 2012, вып. 2, с. 45-54.

51. Borko Furht. Real-Time Video Compression. Techniques and Algorithms. Florida Atlantic University. 1997 by Kluwer Academic Publishers.

52. Устинов А. А., Бардюков Д.А., Комарович В.Ч. Сжатие подвижных изображений на основе трехмерного косинусного преобразования. - СПб: Информация и космос, 2007.

53. Умбиталиев А. А., Полосин JI. JL, Третьяк С. А. Проекты национальных стандартов цифрового телевидения высокой и повышенной четкости. Вопросы радиоэлектроники, сер. Техника телевидения, 2009 № 2 с. 7-15.

54. Умбиталиев А. А., Цыцулин А. К.. Основные направления развития телевизионной техники. Вопросы радиоэлектроники, сер. Техника телевидения, 2006 № 1 с. 3-13.

55.Свидетельство №20086615872. Высокопроизводительный кодек на основе дискретного косинусного преобразования NIIT 3D-DCT / Шипилов Н.Н., Фахми Ш.С., Умбиталиев А.А., Ибатуллин С.М., Ибатулин В.Ф. // Зарегистрировано в реестре для ЭВМ 09.12.08.

56.Патент № 2375838 (РФ). Способ кодирования и декодирования видеоинформации на основе трехмерного дискретного косинусного преобразования / Фахми Ш.С., Ибатуллин С.М., Ибатулин В.Ф., Иванов К.В., Шипилов Н.Н., Умбиталиев А.А., Цыцулин А.К. // Зарегистрировано в гос. реестре изобретений РФ 10.12. 2009 со сроком действия 19.11.2028.

57.Фахми, Ш. С. Развитие триангуляционного подхода для кодирования и декодирования нестационарных изображений [Текст] / Ш. С. Фахми // Вестник ТОГУ,- 2010,- № 3 (18).- С. 81-90.

58.Свидетельство об № 2010615390 от 22.06.2010. Кодек изображений на основе адаптивного двумерного дискретного косинусного преобразования NIIN A 2DCT / Фахми Ш. С. // Зарегистрировано в гос. реестре изобретений РФ 20.08.2010.

59.М. С. Lee, К. W. Chan, D. A. Adjeroh, "Quantization of 3D-DCT coefficients and Scan Order for Video Compression", Journal of visual communication and image représentation, Vol. 8. No. 4, Dec, pp.405-422, 1997.

60.N. Bozinovic, J. Konrad. Scan order and quantization for 3D-DCT coding. IS&T/SPIE Symposium on Image and Video Communications and Proc., Jul. 8-11, 2003.

61. Said Boussakta, Hamoud O. Fast Algorithm for the 3-D DCT-II. IEEE TRANSACTIONS ON SIGNAL PROCESSING, VOL. 52, NO. 4, APRIL 2004.

62.T. Natarajan and N. Ahmed, "On interframe transform coding," IEEE Trans. Commun., vol. C-25, pp. 1323-1329, Nov. 1977.

63. J. A. Roese and W. K. Pratt, "Interframe cosine transform image coding," IEEE Trans. Commun., vol. C-25, pp. 1329-1338, Nov. 1977.

64. G. P. Abousleman, M. W. Marcellin, and B. R. Hunt, "Compression of hyperspectral imagery using the 3-D DCT and hybrid DPCM/DCT," IEEE Trans. Geosci. Remote Sens., vol. 33, pp. 26-34, Jan. 1995.

65. Y. Chan andW. Siu, "Variable temporal-length 3-D discrete cosine transform coding," IEEE Trans. Image Processing, vol. 6, pp. 758-763, May 1997.

66.S.M.Ibatullin, S.S. Fahmi, V.F. Ibatulin, K.V. Ivanov, A.A. Umbitaliev, N.N. Shipilov, A.K. Tsytsulin. a versatile real time video codec based on three-dimensional discrete cosine transform // IBC 2008, RAI International Congress and Exhibition Centre Amsterdam. The Netherlands. Conference 11-15 September 2008. PP. 386-391.

67. J. Song, Z. Xiong, X. Liu, and Y. Liu, "PVH-3DDCT: An algorithm for layered video coding and transmission," in Proc. Fourth Int. Conf./Exh. High Performance Comput. Asia-Pacific Region, vol. 2, 2000, pp. 700-703.

68. S.-C. Tai, Y. Gi, and C.-W. Lin, "An adaptive 3-D discrete cosine transform coder for medical image compression," IEEE Trans. Inform. Technol. Biomed., vol. 4, pp. 259-263, Sept. 2000.

69. Y. Zeng, G. Bi, and A. C. Kot, "New algorithm for multidimensional type-Ill DCT," IEEE Trans. Circuits and Syst., vol. 47, pp. 1523-1529, Dec. 2000.

70. Y. Zeng, G. Bi, and Z. Lin, "Combined polynomial transform and radix-q algorithm for multi-dimensional DCT-III," Multidimensional Syst. Signal Process., vol. 13, pp. 79-99, 2002.

71. Кривошеев М.И. Перспективы развития телевидения. - М.: Знание, 1972.

72.Телевизионные методы и устройства отображения информации / Под ред. М.И. Кривошеева. - М.: "Советское радио", 1975.

73.Крылов В.Г. Системы "наружного видео" и "наружного телевидения" -современные решения в информационных и рекламных технологиях //

Интернет-журнал о больших полноцветных видеоэкранах. - 2000. Вып. 6 / http://www.displays.ru.

74.Digital Signage - по ту сторону экрана // http://www.mava-te.ru/site/content/view/98/9/.

75.ITU-R. Recommendation ВТ. 1201 -Extremely high resolution imagery.

76.ITU-R. Recommendation ВТ. 1769 -Parameter values for an expanded hierarchy of LSDI image formats for production and international programme exchange.

77. Трауб Дж., Васильковский Г., Вожьняковский X. Информация, неопределенность, сложность. М.: Мир, 1988. - 184 с.

78. Кривошеев М.И. Международная стандартизация цифрового телевизионного вещания. - М.: Научно-исследовательский институт радио, 2006.

79. Гласман К. Ф. Конференция IBC2008: время перемен в телевизионном вещании // Научно-технический журнал 625. -2008. № 10.

80. Кривошеев М.И. На старте широкого внедрения цифрового телевизионного вещания в России // Научно-технический журнал 625. - 2008. № 1(135).

81. Перегудов А. Ф., ГласманК.Ф., Белозерцев А.В., Гриненко Е.Н. Оценка качества телевизионных материалов в системах вещания на мобильные терминалы

// - СПб.: Научно-Технический Вестник информационных технологий, механики и оптики. 2013, № 4 ( 86), с. 34-45.

82.3емсков В.Н., Бегишев С.В. Кодирование с предсказанием в модифицированной системе сжатия ДИКМ. //Известия вузов. Электроника, №2, 2008, Стр. 78-84.

83.Кен. К. Полманн. Principles of Digital Audio. — McGraw-Hill Professional, 2005. — ISBN 978-0-07-144156-8

84. Каммиски П., Джаянт H. С., Джеймс JI. Фланаган. Adaptive quantization in differential PCM coding of speech. — Bell Syst. Tech. J., 1973. — Vol. 52. — P. 1105—1118.

85.Recommended Practices for Enhancing Digital Audio Compatibility in Multimedia Systems (англ.). Проверено 30 апреля 2012 года. Архивировано из первоисточника 20 сентября 2012.

86.Джерри Д. Гибсон, Тони Бергер, Том Лукэбог. Digital Compression for Multimedia. — Morgan Kaufmann, 1998. — ISBN 978-1-55860-369-1.

87.Anos E. Papamichalis Ph.D., Practical Approaches to Speech Coding, Prentice-Hall Inc., Englewood Cliffs, N.J, 1987.

88.Adaptive Differential Pulse-Code Modulation, Digital Signal Processing Applications using the ADSP-2100 Family, Volume 1, Analog Devices, Prentice-Hall, Englewood Cliffs, N.J., 1992.

89.32-kbits/s ADPCM with the TMS32010, Digital Signal Processing Applications with the TMS320 Family, SPRA012, Jay Reimer, Mike McMahan, and Masud Arjmand, Texas Instruments, 1986.

90.Хромов Л.И., Лебедев H.B., Цыцулин A.K., Куликов А.Н. Твёрдотельное телевидение. М.: Радио и связь. 1986.

91.Хромов Л. И., Цыцулин А. К., Куликов А. Н. Видеоинформатика. - М., Радио и связь, 1991 - 232 с.

92. Хромов Л.И. Информационная теория связи на пороге XXI века. СПб.: НИИТ, 1996. -88 с.

93. Хромов Л.И. Теория информации и теория познания. СПб.: РФО, 2006. -200с.

94.Цыцулин А.К. Теория линейного кодирования зашумлённых сигналов вопросы радиоэлектроники, серия: техника телевидения. 2009. № 2. с. 16-40.

95.Хромов Л. И., Ковригин А. Б., Цыцулин А. К., Мартынихин А. В. Идеальное линейное кодирование. Техника средств связи, сер. Техника телевидения, 2007, вып. 2, с. 82-91.

96.Цыцулин А. К. Телевидение и космос. - СПб: СПбГЭТУ «ЛЭТИ», 2003.-228 с.

97.Фахми, Ш. С. Решения уравнения связи [Текст] / Ш. С. Фахми, И. А. Зубакин, А. К. Цыцулин // Вопросы радиоэлектроники. Сер. Техника телевидения. - 2008. -Вып. 2. - С. 3-22.

98.Фахми Ш.С., Березин В.В., Цыцулин А.К. Начальный этап проектирования видеосистем на кристалле // Оптический журнал. 2012. Т. 79. № 11. С. 76-83.

99. Шеннон К. Работы по теории информации и кибернетике. - М.: ИЛ, 1963. - 832 с.

100. Зубакин И.А. Адаптиное кодирование источника видеоинформации в системах на кристалле. Диссертация на соискание ученной степени кандидата технических наук. 2010.

101. Воеводин В.В, Воеводин Вл.В. Параллельные вычисления,- СПб.: БХВ-Петербург, 2002,-608с..

102. Системы параллельной обработки. Под редакции Ивенса Д. М.: Мир 1985.

С.

103. Мануэль Т. Усовершенствованные параллельные архитектуры как способ ускорения вычислений// электроника. № 12. 1983. с. 25-39.

104. Многопроцессорные системы на одном кристалле. Разработка аппаратных средств и интеграция инструментов, под ред. Хюбнера М., Бекера Ю. Москва: Техносфера, 2012. - 304 с.

105. Немудров В. Г., Мартин. М. Системы на кристалле. Проектирование и развитие. М., Техносфера, 2004. 216 с.

106. Стешенко В.Б., Руткевич А.В., Бумагин А.В., Гулин Ю.Ю., Воронков Д.И., Гречшцев Д.Ю., Евстигнеева Е.В., Синельникова М.В. «Опыт разработки СБИС типа СнК на основе встроенных микропроцессорных ядер» — Компоненты и технологии, 9, 2008.

107. Бухтеев А.В., «Методы и средства проектирования систем на кристалле», Chip news, 2003 г., №4, стр. 4—14.

108. B.Satheesh, Dr.V.Srinivasan. Packet switched network on chip design for system on chip design Journal of Innovative Research and Solutions(JIRAS) ISSN: VolumeNo.lA, IssueNo.2, Page No: 100 -104, Jan - Jun 2013.

109. Sharon Mathew, M Jagadeeswari. Low-Power L2 Cache Architecture for Multiprocessor System on Chip Design. IRACST - Engineering Science and Technology: An International Journal (ESTIJ), ISSN: 2250-3498, Vol.3, No.2, April 2013.

110. Hassan Salamy and Ramanujam, 'An Effective Solution to Task Scheduling and Memory Partitioning for Multiprocessor System-on-Chip,' IEEE transaction on computer aided design of integrated circuits and systems, vol.31, no.5, May 2012, pp. 717-726.

111.Hyunsun, Park. Sungjoo, Yoo and Sunggu, Lee (2012) 'A multistep tag eomparison method for a low-power L2 cache' IEEE transactions on computer-aided design of integrated circuits and systems, vol. 31, no.4, pp 559-573.

112. Фахми Ш.С. Концепция проектирования интеллектуальных транспортных видеосистем на основе технологии «система на кристалле»// Журнал университета водных коммуникации. 2013. Вып. II (XVIII). С. 79-88.

113. Фахми Ш.С. Проектирование транспортно-ориентированных систем искусственного зрения на базе технологии «система на кристалле» // Журнал "Транспорт Российской Федерации". 2013. № 1(44). С. 18-22.

114. Фахми Ш.С., Березин В.В, Зинкевич А.В. Эффективные способы использования последовательной памяти в системах на кристалле// Вопросы радиоэлектроники, сер. Техника телевидения, 2013, вып. 1, С.29-43.

115. Rainer Doemer, ЕСЕ 298: System-on-Chip Description and Modeling, Lecture Notes, 2004.

Авторский список литературы

Al. Костикова, E. В. Исследование рекурсивных алгоритмов сжатия и восстановления изображений [Текст] / Е. И. Колесников, Е. В. Костикова, С. С. Шагаров // Известия СПбГЭТУ «ЛЭТИ»,- 2011,- № 4,- С. 36 - 40. А2. Костикова, Е. В. Пространственные алгоритмы кодирования изображений [Текст] / Е. И. Колесников, Е. В. Костикова // Научно-технический вестник СПбГУ ИТМО.- 2011.- № 3.- С. 88-92.

A3. Костикова, Е. В. Сопряженное проектирование на базе реконфигурируемых систем на кристалле [Текст] / Е. В. Костикова, Ш. С. Фахми // Информационно-управляющие системы.- 2010.- № 3.- С. 38-43.

A4. Костикова, Е. В. Сравнение алгоритмов полигонально-рекурсивного метода кодирования нестационарных сигналов [Текст] / Е. И. Колесников, Е. В. Костикова // «Современное образование: содержание, технологии, качество»: матер. XVII Междунар. науч.-техн. конф. СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2011. С. 270-271.

А5. Костикова, Е. В. Структуры данных полигонально-рекурсивного метода кодирования нестационарных сигналов [Текст] / Е. И. Колесников, Е.В.Костикова // ИТАП-2011 «Информационные технологии. Автоматизация.

Актуализация и решение проблем подготовки высококвалифицированных кадров»: матер. Междунар. науч.-практич. конф. Набережные Челны: Изд-во Камская государственная инженерно-экономическая академия, 2011. С. 10 - 12. А6. Костикова, Е. В. Исследование пространственных рекурсивных алгоритмов кодирования изображений [Текст] / Е. И. Колесников, Е. В. Костикова, С. С. Шагаров // Труды 66-ой науч.-техн. конф. СПбНТОРЭС, посвященной Дню радио. СПб: Изд-во СПбНТОРЭС, 2011. С. 286 - 287.

А7. Костикова, Е. В. Разработка структур данных для кодирования опорных точек в задачах сжатия и представления изображений [Текст] / Е. И. Колесников, Е. В. Костикова // «Перспективы развития информационных технологий»: матер. III Междунар. науч.-практич. конф. Новосибирск: Изд-во НГТУ, 2011. С. 203 -208.

А8. Костикова, Е. В. Разработка пространственных алгоритмов компрессии изображений [Текст] / Е. И. Колесников, Е. В. Костикова // Информационные технологии в профессиональной деятельности и научной работе: матер. Всероссийской науч.-практич. конф. Йошкар-Ола: Изд-во Марийский государственный технический университет, 2011. С. 15-19. А9. Свидетельство о государственной регистрации программы для ЭВМ №2011613700. Полигональный рекурсивный кодер изображений / Е. И. Колесников, Е.В.Костикова - №2011611142; заявл. 22.02.2011; зарег. в Реестре программ для ЭВМ 12.05.2011.

А10. Свидетельство о государственной регистрации программы для ЭВМ №2011613077. Программный кодек изображений методом разбиения на два полигона / Е. И. Колесников, Е. В. Костикова - № 2011611333; заявл. 28.02.2011; зарег. в Реестре программ для ЭВМ 18.04.2011.

А11. Костикова, Е. В. Развитие триангуляционного подхода сжатия и восстановления изображений [Текст] / Е. И. Колесников, Е. В. Костикова // ОЗРА - 2011 «Цифровая обработка сигналов и ее применение»: труды 13-ой Междунар. науч.-техн. конф. Москва: Российское научно-техническое общество радиотехники, электроники и связи имени А. С. Попова, 2011. С. 131 - 133. А12. Фахми Ш.С., Костикова Е.В., Бабурин В.А. Систематизация алгоритмов кодирования изображений в транспортных видеосистемах / Транспорт России:

проблемы и перспективы 2012. Труды международной научно-практической конференции. СПб. - 3-4 октября 2012. с. 75 - 78.

А13. Костикова, Е. В. Структуры данных полигонально-рекурсивного метода кодирования нестационарных сигналов [Текст] / Е. И. Колесников, Е.В.Костикова // ИТАП-2011 «Информационные технологии. Автоматизация. Актуализация и решение проблем подготовки высококвалифицированных кадров»: матер. Междунар. науч.-практич. конф. Набережные Челны: Изд-во Камская государственная инженерно-экономическая академия, 2011. С. 10-12. А14. Костикова, Е. В. Трихотомический алгоритм кодирования и декодирования изображений [Текст] / И. А. Зубакин, Е. И. Колесников, Е. В. Костикова, С. С. Шагаров // Труды 66-ой науч.-техн. конф. СПбНТОРЭС, посвященной Дню радио. СПб: Изд-во СПбНТОРЭС, 2011. С. 283 - 285. А15. Костикова, Е. В. Рекурсивные алгоритмы анализа и представления изображений для систем мониторинга на транспорте [Текст] / В. А. Бабурин, Ш. С. Фахми, Е. В. Костикова, // «Транспорт России: проблемы и перспективы -2011»: труды Всероссийской науч.-практич. конф. СПб: Изд-во ИПТ РАН, 2011. С. 146-151.

А16. Костикова Е.В. Математическая модель для оценки параметров видеоинформационных систем распознавания на транспорте / Транспорт России: проблемы и перспективы 2012. Труды международной научно-практической конференции. СПб. - 3-4 октября 2012. с. 79 - 84.

А17. Костикова, Е. В. Математическое моделирование и оценка параметров видеоинформационной системы наблюдения на транспорте [Текст] / Е. В. Костикова // Журнал университета водных коммуникаций,- 2012,- Выпуск 3(15).- С. 113- 119.

А18. Костикова, Е.В. Разработка пространственных алгоритмов компрессии изображений [Текст] / Е. И. Колесников, Е. В. Костикова // Информационные технологии в профессиональной деятельности и научной работе: матер. Всероссийской науч.-практич. конф. Йошкар-Ола: Изд-во Марийский государственный технический университет, 2011. С. 15-19. А19. Костикова, Е. В. Рекурсивные алгоритмы анализа и представления изображений для систем мониторинга на транспорте [Текст] / В. А. Бабурин,

Ш. С. Фахми, Е. В. Костикова//«Транспорт России: проблемы и перспективы -2011»: труды Всероссийской науч.-практич. конф. СПб: Изд-во ИПТ РАН, 2011. С. 146-151.

А20. Фахми Ш.С., Костикова Е.В., Козлов В.В., Колесников Е.И. Рекурсивно-параллельный подход в задачах иерархического представления и обработки изображений / Сборник трудов Всероссийской научно-практической конференции. Информационные технологии в профессиональной деятельности и научной работе (Информационные технологии - 2012, том 2) Йошкар-Ола. Марийский государственный технический университет. 2012, с. 178- 183. А21. Костикова, Е. В. Транспортные видеоинформационные системы: Методы, алгоритмы и технологии [Текст] / В. В. Березин, А. Ю. Ходарев, Е. В. Костикова, Ш. С. Фахми // «Телевидение: передача и обработка изображений»: матер. 10-ой Междунар. науч.-техн. конф. СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2013. С. 23 -29. А22. Костикова, Е. В. Проблемы обработки видеоинформации на транспорте [Текст] / В. В. Березин, А. Ю. Ходарев, Е. В. Костикова, Ш. С. Фахми, А. В. Зинкевич // «Телевидение: передача и обработка изображений»: матер. 10-ой Междунар. науч.-техн. конф. СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2013. С. 62- 63.

А23. Костикова, Е. В. САПР видеоинформационных систем на основе технологии «система на кристалле» [Текст] / В. В.Березин, Е. В. Костикова, Ш. С. Фахми, А. В. Зинкевич // «Телевидение: передача и обработка изображений»: матер. 10-ой Междунар. науч.-техн. конф. СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2013. С. 15 -20.