Двухэтапные методы и алгоритмы сжатия цифровых изображений на основе дискретных преобразований Уолша тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Васильева, Марина Юрьевна

• Васильева, Марина Юрьевна
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Васильева, Марина Юрьевна

СОКРАЩЕНИЯ.

ВВЕДЕНИЕ.

ГЛАВА 1. МЕТОДЫ СЖАТИЯ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ.

1.1. Основные классы изображений.

1.2. Основные подходы к сжатию изображений.

1.2.1. Сжатие без потерь.

1.2.2. Сжатие с потерями.

1.2.3. Стандарты сжатия цифровых изображений.

1.3. Основные показатели эффективности методов сжатия и качества восстановленных изображений.

1.4. Постановка задач на исследование.

Выводы.

ГЛАВА 2. ПОСТРОЕНИЕ И ИССЛЕДОВАНИЕ СВОЙСТВ РАЗНОСТНО-УПОРЯДОЧЕННЫХ СИСТЕМ ДИСКРЕТНЫХ ФУНКЦИЙ УОЛША.

2.1. Краткий обзор дискретных функций Уолша и их упорядочений.

2.2. Синтез разностно-упорядоченной системы дискретных функций Уолша.

2.3. Свойства разностно-упорядоченных систем дискретных функций Уолша.

2.4. Построение быстрых алгоритмов преобразований в разностно-упорядоченных системах дискретных функций Уолша.

Выводы.

ГЛАВА 3. РАЗРАБОТКА ДВУХЭТАПНЫХ АЛГОРИТМОВ СЖАТИЯ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ДИСКРЕТНЫХ ПРЕОБРАЗОВАНИЙ

УОЛША.

3.1. Двухэтапный метод сжатия изображений с использованием дискретных преобразований Уолша.

3.2. Двухэтапный JPEG — подобный алгоритм сжатия изображений на основе дискретных преобразований Уолша.

3.3. Комбинированный алгоритм сжатия изображений на основе дискретных преобразований Уолша.

3.4. Двухэтапный алгоритм сжатия изображений с многопотоковым кодированием.

3.5. Прогрессивная передача изображений с использованием двухэтапных алгоритмов сжатия изображений.

3.6. Оценка вычислительной сложности двухэтапных алгоритмов сжатия изображений.

Выводы.

ГЛАВА 4. ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ДВУХЭТАПНЫХ АЛГОРИТМОВ СЖАТИЯ И ИХ ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ.

4.1. Исследование эффективности методов сжатия и качества восстановленных изображений.

4.1.1. Анализ эффективности двухэтапных алгоритмов сжатия изображений по коэффициенту сжатия по числу координат разложения

4.1.2. Результаты исследования эффективности алгоритмов на тестовых изображениях.

4.2. Программная реализация кодер-декодера сжатия цифровых изображений.

4.2.1. Назначение и структура кодер-декодера.

4.2.2. Интерфейс программы.

4.3. Решение практических задач сжатия изображений.

Выводы.

Введение диссертации (часть автореферата) на тему «Двухэтапные методы и алгоритмы сжатия цифровых изображений на основе дискретных преобразований Уолша»

Актуальность темы. Широкая информатизация является одной из наиболее актуальных проблем современного общественного прогресса. Развитие современных информационных систем и сетей привело к широкому использованию цифровых изображений. В настоящее время многие отрасли техники, имеющие отношение к получению, обработке, хранению и передаче информации, в значительной степени ориентируются на развитие систем, в которых информация представлена в виде изображений. При решении задач цифровой обработки изображений (ЦОИ) особое внимание уделяется использованию цветных изображений. В связи с этим вопросы сжатия цифровых изображений сегодня приобретают особую актуальность. Сжатие изображений (СИ) важно для повышения эффективности использования коммуникационных и информационно-вычислительных ресурсов указанных систем.

СИ из чисто теоретической задачи стало повседневной практикой, что требует при его осуществлении постоянного внимания к экономическим характеристикам и возможностям реальной аппаратуры. Существующие проблемы передачи изображений по низкоскоростным каналам связи, в частности по сети Интернет, а также проблемы просмотра видео или больших по размеру изображений на маломощных рабочих станциях также ужесточают требования к алгоритмам СИ. Поэтому актуальной является задача разработки новых эффективных методов и соответствующих алгоритмов сжатия, пригодных для практической реализации на современной элементной базе вычислительной техники.

К настоящему времени предложено и исследовано множество алгоритмов СИ. Весьма популярны в практике СИ алгоритмы поблочного кодирования с преобразованием, основанные на дискретных ортогональных преобразованиях (ДОП). Новые перспективные методы, появившиеся на базе векторного квантования, субполосного кодирования, фрактальных преобразований, преобразований на основе всплесков, потенциально могут обеспечить существенно более высокое СИ, однако их внедрение пока во многих случаях упирается в проблему вычислительной сложности их реализации, которая часто объясняется отсутствием быстрых алгоритмов.

Значительный вклад в решение проблем обработки изображений с использованием ДОП внесли как отечественные, так и зарубежные ученые: Л.П. Ярославский, Н.Н. Красильников, A.M. Трахтман, С.В. Умняшкин, Д.С. Ватолин, В.В. Сергеев, У. Прэтт, Н. Ахмед, К.Р. Рао, М. Птачек, Д. Селомон, Р.С. Гонсалес, Д.А. Хаффман и др. Интерес исследователей к ДОП связан со следующими причинами: большой набор систем базисных функций позволяет выбрать наиболее рациональную систему для решения конкретной задачи; появление задач цифровой обработки сигналов (ЦОС), решаемых наиболее эффективно с использованием новых дискретных базисов; успехи в области создания средств вычислительной техники на многозначной элементной базе и использованием нетрадиционных арифметик.

Среди алгоритмов с преобразованием фактическим стандартом является алгоритм JPEG (Joint Photographic Experts Group), поддерживаемый многочисленными программными и аппаратными системами цифровой обработки, хранения и передачи изображений. Однако этот алгоритм имеет низкую скорость работы и сложен в аппаратной реализации.

С точки зрения практической реализации наиболее простыми являются дискретные преобразования Уолша (ДПУ), которые, уступая используемому в алгоритме JPEG дискретному косинусному преобразованию (ДКП) в способности локализации энергии изображения в спектре, требуют для своей реализации значительно меньших вычислительных затрат. Вопросам СИ с использованием ДПУ посвящены работы, как в России, так и за рубежом. Таким образом, актуальной задачей является разработка алгоритмов на основе ДПУ, обеспечивающих возможность более эффективного СИ.

Следует отметить, что при СИ с помощью ДПУ существует возможность повышения эффективности сжатия посредством экстраполяции спектра и кодирования полученных трансформант и ошибок предсказания. Такой подход в ряде случаев может дать эффект, близкий к эффекту от использования оптимальных базисов для определенных классов изображений.

Представляет интерес также исследование существующих и построение новых упорядочений систем базисных функций Уолша. На практике для известных дискретных систем используется лишь незначительное количество фиксированных способов упорядочения базисных векторов, хотя известно, что эффективность решения отдельных задач ЦОС зависит от упорядочения функций в системе.

Цель работы. Цель диссертационной работы - повышение эффективности поблочного кодирования цифровых изображений с использованием ДПУ.

Научная задача. Диссертационная работа посвящена решению следующей научной задаче: разработка двухэтапных методов, алгоритмов и программных средств СИ, обеспечивающих возможность эффективного кодирования изображений с использованием ДПУ.

Достижение поставленной цели и решение научной задачи потребовало:

• анализа известных методов сжатия цифровых изображений и подходов к оценке их эффективности;

• построения новых фиксированных способов упорядочения дискретных функций Уолша (ДФУ) и быстрых алгоритмов преобразований по ним;

• разработки двухэтапного метода к СИ, обеспечивающего возможность эффективного кодирования изображений с использованием ДПУ;

• разработки алгоритмов СИ на основе ДПУ, реализующих двухэтапный метод;

• оценки эффективности предложенных методов и алгоритмов СИ;

• программной реализации предложенных алгоритмов СИ и выработки рекомендаций по их применению для решения различных практических задач.

Методы исследования. Для решения поставленных в диссертационной работе задач применены теория ортогональных преобразований, методы сжатия изображений, теории информации и статического анализа данных, использованы прикладные математические программы.

Научная новизна. В диссертационной работе получены следующие новые научные результаты:

1. Предложены метод построения фиксированных упорядочений дискретных функций Уолша с использованием их конечно-разностных свойств и быстрые алгоритмы преобразований по ним.

2. Предложен двухэтапный метод к СИ на основе ДПУ, в котором предусматривается дополнительная обработка элементов двумерного спектра экстраполяционными методами.

3. Разработаны двухэтапные алгоритмы СИ, обеспечивающие возможность более эффективного кодирования изображений за счет частичной и полной экстраполяции трансформант Уолша.

4. Обоснована возможность использования двухэтапных алгоритмов СИ для прогрессивного сжатия изображений и предложен метод прогрессивной передачи трансформант Уолша.

Достоверность результатов работы. Положения диссертационной работы получены при использовании строгого математического аппарата, а также согласованности полученных новых результатов с известными. Достоверность научных результатов подтверждена данными компьютерного экспериментального исследования в программной среде Matlab 6.5 и разработанной в интегрированной среде Borland С++ 2005 программы кодирования/декодирования «Image Compressor JPGW».

Практическая ценность работы. Разработанные методы и алгоритмы СИ, использующие как разностно-упорядоченную систему ДФУ, так и системы ДФУ в известных упорядочениях, позволяют создавать программные средства пригодные для эффективного применения в системах обработки, хранения и передачи изображений. Их использование целесообразно в том случае, когда критична скорость обработки передачи данных, например в системах с низкой вычислительной мощностью приемника и передатчика информации, а также при передаче по телефонному каналу или по низкоскоростным каналам связи.

Реализация и внедрение результатов работы. Основные положения работы использованы при выполнении прикладной научно-исследовательской работы АН РТ «Разработка методов решения задач управления развитием систем цифровой обработки информации и совершенствование их алгоритмических средств» (Институт проблем информатики АН РТ, 2006-2008 гг.).

Теоретические и практические результаты диссертационной работы используются в научных исследованиях и разработках ООО «КЭР-Инжиниринг», а также внедрены в учебный процесс по дисциплине «Цифровые методы анализа» на кафедре систем автоматизации и управления технологическими процессами Казанского государственного технологического университета.

На основании результатов диссертационной работы разработана программа по кодированию/декодированию изображений «Image Compressor JPGW», защищенная авторским свидетельством о государственной регистрации программы для ЭВМ № 2009615236.

Апробация работы. Основные положения и результаты диссертационного исследования докладывались и обсуждались на следующих научных конференциях и семинарах: международная научно-практическая конференция "Инфокоммуникационные технологии глобального информационного общества" (Казань, 2004, 2005, 2007-2009 гг.); межвузовская научно-практическая конференция "Современная торговля: теория, методология и практика" (Казань, 2005-2007 гг.); Ш-я республиканская научно-техническая конференция "Автоматика и приборостроение" (Казань, 2006 г.); 5-я международная конференция «Авиация и космонавтика-2006» (Москва, 2006 г.); всероссийская научно-техническая конференция "Современные инновационные технологии и оборудование" (Тула, 2006 г.); Н-я международная научно-техническая конференция "Тинчуринские чтения" (Казань, 2007 г.); всероссийская научная конференция "Информационные технологии в науке, образовании и производстве" (Казань, 2007 г.); международная конференция студентов, аспирантов и молодых ученых «Ломоносов» (Москва, 2008 г.); международная молодежная научная конференция "Туполевские чтения" (Казань, 2008 г.); международная научно-практическая конференция "Радиолокация, навигация и связь", (Воронеж, 2009 г.); всероссийская конференция "Проведение научных исследований в области обработки, хранения, передачи и защиты информации" (Ульяновск, 2009 г.); республиканский научный семинар «Методы моделирования» при КГТУ им. А.Н. Туполева, (Казань, 2009 г.).

Публикации. По теме диссертации опубликовано 21 научная работа, включая 4 статьи и 17 тезисов докладов, в том числе 1 статья в журнале, рекомендованном ВАК. Получено 1 авторское свидетельство на программу для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка (157 наименований). Работа содержит 153 страницы машинописного текста, 40 рисунков и 19 таблиц.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Васильева, Марина Юрьевна

Выводы

1. В работе предложен подход к оценке эффективности сжатия учитывающий особенности разработанных алгоритмов, основанных на двухэтапном подходе к сжатию данных с использованием ДПУ, и характер кодируемых изображений.

2. Анализ эффективности двухэтапных алгоритмов СИ в сравнении с традиционным алгоритмом СИ, основанном на отбрасывании незначащих трансформант Уолша, показал, что при доминировании в изображении блоков, описываемых полиномами первого и второго порядков, достигаются достаточно высокие KB по сжатию. Данные результаты подтверждает практическую значимость алгоритмов с частичной экстраполяцией трансформант Уолша.

3. Проведенные экспериментальные исследования двухэтапных алгоритмов на тестовых изображениях показали, что наибольшие КС достигаются при применении двухэтапных алгоритмов СИ в в классе фотореалистичных изображений.

4. Приведено описание двух алгоритмов, реализованных в виде прикладной программы кодирования/декодирования «JPGW Image Compressor» работающей в среде Windows и защищенной авторским свидетельством:

• двухэтапный алгоритм СИ с упорядочением ДФУ по Качмажу с частичной экстраполяцией с однопоточным кодированием. Используемый алгоритм характеризуется хорошими скоростными свойствами. При высоком качестве восстановленного изображения выигрывает по КС от 1 до 6 % у алгоритма СИ на основе ДПУ, использующего традиционный подход к сжатию. При среднем качестве восстановленного изображения показывает схожий КС с алгоритмом JPEG;

• двухэтапный алгоритм на основе преобразований в разностно-упорядоченных ДФУ с многопоточным кодированием. Используемый алгоритм характеризуется оптимальными соотношениями скорости и эффективности сжатия. При высоком качестве полученных изображений показывает схожие КС с алгоритмом JPEG и выигрывает по КС от 6 до 24% у алгоритма СИ на основе ДПУ, использующего традиционный подход к сжатию. При среднем качестве восстановленного изображения отмечается увеличение метрики PSNR на 0,6 dB по сравнению с алгоритмом JPEG.

5. Получены экспериментальные результаты, подтверждающие практическую применимость разработанных методов и средств сжатия изображений при решении задач СИ возникающих в системах видеонаблюдения, тепловизионного контроля энергетических объектов и теплотехнического состояния зданий. В работе также выработаны направления дальнейшего развития и применения предложенных двухэтапных алгоритмов СИ на основе ДПУ.

ЗАКЛЮЧЕНИЕ

В диссертационной работе были получены следующие основные результаты:

1. Проведен анализ известных методов сжатия изображений и подходов к оценке их эффективности. Выработаны направления совершенствования алгоритмов сжатия изображений на основе дискретных преобразований Уолша.

2. Предложены метод построения фиксированных упорядочений дискретных функций Уолша с использованием их конечно-разностных свойств и быстрые алгоритмы преобразований по ним.

3. Предложен двухэтапный метод к сжатию изображений на основе дискретных преобразований Уолша, в котором предусматривается дополнительная обработка элементов двумерного спектра экстраполяционными методами.

4. Разработаны JPEG-подобные алгоритмы сжатия изображений на основе дискретных преобразований Уолша, реализующие двухэтапный метод к сжатию изображений: двухэтапный алгоритм с частичной и полной экстраполяцией трансформант Уолша, комбинированный алгоритм, двухэтапный алгоритм с многопотоковым кодированием трансформант Уолша.

5. Обоснована возможность использования двухэтапных алгоритмов СИ для прогрессивного сжатия и предложен метод прогрессивной передачи трансформант, полученных путем преобразования в двумерном базисе разностно-упорядоченных дискретных функций Уолша.

6. Проведены исследования оценки эффективности разработанных двухэтапных алгоритмов сжатия изображений на основе дискретных преобразований Уолша, применение которых позволяет обеспечить:

• при высоком качестве восстановленного изображения более высокую скорость работы по сравнению с алгоритмом JPEG в 1,5-2 раза и схожий коэффициент сжатия изображения, а также выигрыш по сжатию в среднем от 4 до 15% у алгоритма на основе дискретных преобразований Уолша, использующего традиционный подход к сжатию изображений.

• при среднем качестве восстановленного изображения увеличение метрики PSNR в среднем от 0,3 до 0,8 dB но сравнению с алгоритмом JPEG при гораздо меньших требованиях к аппаратным ресурсам.

7. Разработана программа «Image Compressor JPGW», которая позволяет кодировать и декодировать изображения при различной степени сжатия в двух режимах: однопоточном и многопоточном. Получены экспериментальные результаты, подтверждающие эффективность разработанных методов и средств при решении задач сжатия изображений, возникающих в системах видеонаблюдения, тепловизионного контроля энергетических объектов и теплотехнического состояния зданий.

Список литературы диссертационного исследования кандидат технических наук Васильева, Марина Юрьевна, 2010 год

1. Агаян, С.С. Сложность и параллельные алгоритмы дискретных ортогональных преобразований / С.С. Агаян, Д.В. Геворкян // Кибернетика и вычислительная техника. 1988. - Вып.4. - С.146-215.

2. Агаян, С.С. Успехи и проблемы быстрых ортогональных преобразований и их реализация на ЭВМ (для обработки сигналов-изображений) / С.С. Агаян // Распознавание, классификация, прогноз. Математические методы и их применение. 1992. - Вып.З. - С. 124169.

3. Айзенберг, И. Н. Двухэтапный трансформационный метод кодирования изображений / И.Н. Айзенберг, Л.П. Ярославский // Компьютерная оптика. 1991. - № 9. - С. 48-56.

4. Айзенберг, Н.Н. Нейросети на многозадачных нейроэлементах: обучение, обработка и распознавание изображений / Н.Н. Айзенберг, И.Н. Айзенберг, Г.А. Кривошеев // Компьютерная оптика. 1995. — Т. 14-15.-С. 179-186.

5. Анализ эффективности применения искусственных нейронных сетей для решения задач распознавания, сжатия и прогнозирования / А.А. Талалаев, И.П. Тищенко, В.П. Фраленко, В.М. Хачумов // Искусственный интеллект и принятие решений. 2008. -№ 2. - С.24-33.

6. Ахмед, Н. Ортогональные преобразования при обработке цифровых сигналов / Н. Ахмед, К.Р. Рао. М.: Связь, 1980. - 248 с.

7. Баврина, А.Ю. "Метод иерархической компрессии видеоданных / А.Ю. Баврина, М.В. Гашников, В.В. Сергеев // Матем. моделирование и краев, задачи: труды всероссийской научной конференции. Часть 2. -Самара, 2004. - С. 26-29.

8. Бекренев, В. А. Разработка и моделирование алгоритмов сжатия полутоновых изображений на базе нейронных сетей / В.А. Бекренев,

9. С.С. Бухтояров, П.С. Звонарев // Перспективные технологии в средствах передачи информации ПТСПИ'2005: материалы 6 Межд. науч.-техн. конф. - Владимир, 2005. - С. 119-122.

10. Бекчанова, Ш.Б. Синтез быстродействующих спецпроцессоров Хаара на основе матричной диаграммы / Ш.Б. Бекчанова, Зайниддинов Х.Н. // Молодёжь в развитии науки и техники: тезисы докл. НТК. — Ташкент, 2002. С.78.

11. Бондарев, О.Ю. Применение камер глобального наблюдения СА-ZOOM PTZ на объектах ядерной энергетики / О.Ю. Бондарев, В.Р. Козлов // Контроль. Диагностика. 2005. - №8. - С. 21-22.

12. Будадин, О.Н. Технология комплексного теплового неразрушающего контроля зданий и строительных сооружений / О.Н. Будадин, Т.Е. Троицкий-Марков // Контроль. Диагностика. 2005. - №3. - С. 23-24.

13. Быстрые алгоритмы в цифровой обработке изображений / Т.С. Хуанг, Дж.О. Эклунд, Г.Дж. Нуссбаумер и др.; Под ред. Т. С. Хуанга. М.: Радио и связь, 1984. - 224 с.

14. Васильева, М.Ю. JPEG-подобные алгоритмы сжатия цифровых изображений и направления их совершенствования / М.Ю. Васильева // Современная торговля: теория и практика: материалы межвуз. научно-практ. конф. Казань: Отечество, 2005. - С. 60-61.

15. Васильева, М.Ю. Прогрессивная передача изображений с использованием алгоритмов сжатия на основе преобразований Уолша / М.Ю. Васильева // Современная торговля: теория и практика материалы межвуз. научно-практ. конф. Казань, 2006. - С. 202.

16. Васильева, М.Ю. Оптимизация алгоритмов сжатия изображений на основе преобразований Уолша / М.Ю. Васильева // Автоматика иприборостроение: материалы III респ. научно-техн. конф. Казань, 2006.-С. 84-85.

17. Васильева, М.Ю. Двухэтапный подход к сжатию изображений в JPEG-подобных алгоритмах / М.Ю. Васильева // Авиация и космонавтика-2006: тезисы докладов 5-й межд. конф. М., 2006. - С. 184.

18. Васильева, М.Ю. Сжатие изображений с использованием комбинированного алгоритма на основе преобразований Уолша / М.Ю. Васильева // Современная торговля: теория, методология, практика: материалы 1-й межвуз. научно-практ. конф. Казань, 2007. -С. 253-254.

19. Васильева, М.Ю. Алгоритм сжатия изображений на основе преобразований Уолша и оценка его вычислительной сложности. / М.Ю. Васильева // XVI Туполевские чтения: междун. молодежная научная конф. — Казань, 2008. Том III. - С. 12-13.

20. Ватолин, Д. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео / Д. Ватолин, А. Ратушняк и др. М.: Диалог1. МИФИ, 2002.-384 с.

21. Ватолин, Д.С. Фрактальное сжатие изображение / Д.С. Ватолин // Computer World-Россия. 1996. -№ 6. -С. 21-28.

22. Галушкин, А.И. Нейроматематика (проблемы развития) / А.И. Галушкин. М.: Радиотехника, 2003. - 40 с.

23. Гашников, М.В. . Контроль степени сжатия при иерархической компрессии изображений / М.В. Гашников, Н.И. Глумов, В.В. Сергеев // Компьютерная оптика. 2004. - № 26. - С. 110-112.

24. Голубов, Б.И. Ряды и преобразования Уолша: Теория и применения / Б.И. Голубов, А.В. Ефимов, В.А. Скворцов. М.: Наука, 1987. - 344с.

25. Гольцов, А.Г. Разработка и исследование метода для сжатия полутоновых изображений, обеспечивающего быстрое восстановление: Дис. канд. тех. наук: 05.13.13 / А.Г. Гольцов. -Москва, 1998.- 141 с.

26. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. -Москва: Техносфера, 2006. 1072 с.

27. Горлов, С.К. Об одной реализации метода сжатия отображений с помощью нелинейной аппроксимации сумм Фурье-Хаара / С.К. Горлов, А.В. Корыстин, В.А. Родин // Теор. функций и прибл.: труды 7-й Саратов, зимней школы. Саратов, 1995. - Ч. 2.

28. Гришин, М.В. Методы сжатия цифровых изображений на основе дискретных вейвлет преобразований: Дис. канд. тех. наук: 05.13.13 / М.В. Гришин. СПб., 2005. - 153 с.

29. Дагман, Э.Е. Быстрые дискретные ортогональные преобразования / Э.Е. Дагман, Г.А. Кухарев. Новосибирск: Наука, 1983. - 230 с.

30. Ефимов, В.М. Оценка эффективности некоторых алгоритмов сокращения избыточности информации при абсолютной точности воспроизведения / В.М. Ефимов, Ю.Н. Золотухин, А.Н. Колесников // Автометрия. 1991. - № 6. - С. 50-55.

31. Задирака, В.К. Оптимальный способ зонного кодирования сиспользованием Слэнт-преобразования / В.К. Задирака, В.Н. Евтушенко // Кибернетика и системный анализ. 1994. - №4. — С. 5660.

32. Залманзон, J1.A. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях / JI.A. Залманзон. -М.: Наука, 1989.-496 с.

33. Зарипов, Т.Н. Ускоренные алгоритмы спектральных преобразований решающих диаграмм / Т.И. Зарипов, Р.Х. Латыпов // Исследования по информатике / ИЛИ АН РТ. 2003. - вып. 10. - С. 19-36.

34. Зимин Д.И. Технология определения восстанавливающего фильтра и обработки цветных изображений / Д.И. Зимин, В.А. Фурсов // Компьютерная оптика. -2005. вып. 27. - С. 170-173.

35. Ильин, В.П.Параллельные алгоритмы для больших задач: проблемы и технологии. / В.П. Ильин // Автометрия. 2007. - т. 43, № 2. - С. 3-21

36. Исмагилов, И.И. Дискретные преобразования в базисах Уолша-подобных функций: Основы теории и применения в цифровой обработке сигналов / И.И. Исмагилов. Казань: Отечество, 2003. -130 с.

37. Исмагилов, И.И. Об одном подходе к упорядочению систем дискретных функций Уолша / И.И. Исмагилов // Известия вузов. Радиоэлектроника. 2006. - Т. 49, N 1. - С. 65-72.

38. Исмагилов, И.И. Синтез и анализ Хааро-подобных дискретных базисов кусочно-полиномиальных функций / И.И. Исмагилов, Е.А. Суреев // Исследования по информатике / ИЛИ АН РТ. 2003. - вып. 8. - С. 3340.

39. Исмагилов, И.И. Оценка эффективности двухэтапных алгоритмов сжатия изображений на основе преобразований Уолша / И.И. Исмагилов, М.Ю. Васильева // Исследования по информатике / ИЛИ АН РТ. 2006. - вып. 11. - С. 95-102.

40. Казарян, M.JI. Сжатие сигналов посредством дискретных ортогональных преобразований с регуляризацией: Дис. канд. физ.-мат. наук: Е13.05 / M.JI. Казарян. Ереван, 1995. - 77 с.

41. Карагодин, М.А. Алгоритм сжатия изображений на основе функций Уолша / М.А. Карагодин, А.Н. Осокин // Информационные системы и технологии: материалы межд. конф. ИСТ'2003. Новосибирск, 2003.1. Т. 2.-С. 126-130.

42. Карнеев, Д.В. Тепловизорная техника на службе охраны / Д.В. Карнеев, И.В. Богданов // Энергетик. 2005. - №12. - С. 42-43.

43. Кашкаров, В. Организация параллельных вычислений в алгоритмах БПФ на процессоре NM6403 / В. Кашкаров, С. Мушкаев // Цифровая обработка сигналов. 2001. - № 1.

44. Кашкаров, В. Организация параллельных вычислений преобразования Адамара на процессоре NM6403 (JI1879BM1) // Цифровая обработка сигналов. 2001. - № 3.

45. Кирушев, В.А. Быстрый алгоритм сжатия изображений / В.А. Кирушев // Вестник молодых ученых. Сер. прикладная математика и механика. 1997.-вып. 1.-С. 4-10

46. Копенков, В.Н. Эффективные алгоритмы локального дискретного вейвлет-преобразования с базисом Хаара// Компьютерная оптика. -2008.-№32.-С. 78-84.

47. Коршунова, Н.П. Повышение эффективности применения методов сжатия цифровых изображений: Дис. канд. тех. наук: 05.13.11 / Н.П. Коршунова. Тула, 2004. - 156 с.

48. Кочетков, М.Е. Многопотоковая реализация алгоритма арифметического кодирования / М.Е. Кочетков, С.В. Умняшкин. М.: МГИЭТ(ТУ), 1998.-21 с.

49. Красильников, Н.Н. Теория передачи и восприятия изображений / Н.Н. Красильников. М.: Радио и связь, 1986. - 248 с.

50. Кузьмин, С. Упаковка динамограммы в 50 байт / С. Кузьмин // Современные технологии автоматизации. 2004. — Режим доступа: http://www.cta.ru/online/onlineprogr-digital.htm.

51. Куликов, А.И. Сжатие растровых изображений нейронными сетями Цао Ена / А.И. Куликов, Н.В. Михальченко // Труды 11-й межд. конф. по компьютерной графике и машинному зрению ГрафиКон-2001. — Нижний Новгород, 2001. С. 231-236.

52. Мастркжов, Д. Алгоритмы сжатия информации. Часть 2. Арифметическое кодирование / Д. Мастрюков // Монитор. 1994. — №1. - С. 20-26.

53. Миано, Дж. Форматы и алгоритмы сжатия изображений в действии: учеб. пособие / Дж. Миано. М.: Издательство Триумф, 2003. - 336 с.

54. Мюррей, Д.Д. Энциклопедия форматов графических файлов: пер. с англ. / Д.Д. Мюррей, У.Ван. Райнер. Киев: BHV, 1997, - 535 с.

55. Назаров, JI. Е. Нейросетевой фрактальный и JPEG алгоритмы сжатия изображения / Л. Е. Назаров, 3. Т. Назарова // Информационные технологии. М., 2001. -№1. - С.2-9.

56. Наместников, С.М. Разработка и моделирование алгоритмов сжатия изображений на основе неразделимых преобразований: Дис. канд. тех. наук: 05.13.13 / С.М. Наместников. Ульяновск, 2004. - 131 с.

57. Никитин, О.Р., Экспериментальное исследование методов сжатия медицинских изображений / О.Р. Никитин, Архипов Е.А., Пасечник

58. A.С., Аль-Хомза Наджи // Журнал «Биомедицинская радиоэлектроника». 2004. - №3. - С. 21-27.

59. Никифоров, А.Ф. Классические ортогональные полиномы дискретной переменной / А.Ф. Никифоров, С.К. Суслов, В.Б. Уваров. М.: Наука, 1985.-89 с.

60. Новиков, B.C. Исследование методов сокращения избыточности изображений посредством ортогонального преобразования Адамара для цифровых систем телевидения: Автореф. дис. канд. техн. наук. /1. B.C. Новиков. Л., 1979.

61. Пакет прикладных программ по цифровой обработке изобра-жений / П. Звонарев, А. Приоров, Е. Саутов, В. Хрящев // Доклады 7-й Межд. конф. «Цифровая обработка сигналов и ее применение». М., 2005. — Т.2.-С. 307-309.

62. Пеев, Е. Методи и средства за компрессия на изображения / Е. Пеев, К. Боянов, О. Белчева // Автоматика и информатика. 1994. - 28, №3.1. С. 3-14.

63. Печников, В.В. Тепловой контроль электрооборудования и требования, предъявляемые к аппаратуре /В.В. Печников // Энергетик. -2007. — №1. — С. 46-47.

64. Попов, С.А. Оценка точности изображения при сжатии графических файлов / С.А. Попов // Вестник НовГУ. Естественные и технические науки. 1998.-№ 10.-С. 11-14.

65. Попов, С.Б. Концепция распределенного хранения и параллельной обработки крупноформатных изображений / С.Б. Попов // Компьютерная оптика. 2007. - № 31. - С. 77-85.

66. Поспелов, А.С. Некоторые математические задачи и алгоритмы цифровой обработки информации с использованием дискретных преобразований: Дис. докт. физ.-мат. наук. / А.С. Поспелов. М., 1992. -398 с.

67. Проектирование специализированных информационно-вычислительных систем: учеб. пособие по спец. ЭВМ и АСУ / Ю.М. Смирнов, Г.Н. Воробьев, Е.С. Потапов, В.В. Сюзев. М.: Высшая школа, 1984.-359 с.

68. Прэтт, У. Цифровая обработка изображений: в 2 т. / У. Прэтт. М.: Мир, 1982.-312 и 480 с.

69. Птачек, М. Цифровое телевидение. Теория и техника: пер. с чешек. / М. Птачек; под ред. Л.С.Виленчика. М.: Радио и связь, 1990. - 528 с.

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

71. Романов, В. Ю. Популярные форматы файлов для хранения графических изображений на IBM PC / В.Ю. Романов. М.: Радио и связь, 1992.-140 с.

72. Садыхов, Р.Х. Методы и средства обработки сигналов в дискретных базисах / Р.Х. Садыхов, П.М. Чеголин, В.П. Шмерко. Минск: Наукаи техника, 1987. 296 с.

73. Сайт Waterloo BragZone (тестовые наборы изображений). Режим доступа: http://links.uwaterloo.ca/oldwebsite/bragzone.base.html.

74. Свидетельство об официальной регистрации программы для ЭВМ 2009615236. «JPGW Image Compressor» / Исмагилов И.И., Васильева М.Ю. Заявка № 2009614007; Дата поступления 23.07.2009; Зарегистрировано в Реестре баз данных 22.09.2009.

75. Селомон, Д. Сжатие данных, изображений и звука / Д. Селомон. М.: Техносфера, 2004. - 368 с.

76. Сергеев, В.В. Метод контроля максимальной ошибки компрессии / В.В. Сергеев, Е.И. Тимбай // Компьютерная оптика. — 2007. № 3, т. 31.-С. 83-85.

77. Симаков, А.В. Прогрессивная передача изображений через Интернет / А.В. Симаков // Нелинейные проблемы механики и физики деформируемого твердого тела / СПбГУ, 2004. Вып. 8. - С. 147-161.

78. Соболев, Д.В. Быстрые алгоритмы дискретного ортогонального преобразования, реализуемого в системах счисления с иррациональным основанием / Д.В. Соболев // Компьютерная оптика. -1999.-№19.-С. 174-179.

79. Сойфер, В.А. Методы компьютерной обработки изображений / В.А. Сойфер. М.: Физматлит, 2003. - 784 с.

80. Столов, E.JI. Обобщенное преобразование Адамара и его применение для сжатия изображений / E.JI. Столов // Исследования по информатике / ИЛИ АН РТ. 2000. - вып. 2. - С. 77-84.

81. Столов, E.JI. Параллельный алгоритм для отыскания водяных знаков в изображении / E.JI. Столов // Вестник Казанского государственного технического университета. 2006. - № 3. - С. 31-42.

82. Сысоев, А.Ф. Алгоритм и подпрограмма для вычисления дискретного преобразования Уолша / А.Ф. Сысоев, Н.Н. Кирсанова // Численный анализ на Фортране / МГУ. 1974. - вып. 9.

83. Тагиров, P.P. Опыт применения параллельных процессоров для потоковой обработки изображений / P.P. Тагиров // Исследования по информатике / ИЛИ АН РТ. 2003. - вып. 10. - С. 133-140.

84. Трахтман, A.M. Основы теории дискретных сигналов на конечных интервалах / A.M. Трахтман, В.А Трахтман. — М.: Советское радио, 1975.-208 с.

85. Умняшкин, С.В. Анализ эффективности применения ортогональных преобразований для кодирования дискретных сигналов с коррелированными отсчетами / С.В. Умняшкин // Цифровая обработка сигналов.-№4.-2008.-С. 15-18.

86. Умняшкин, С.В. Быстрый алгоритм вычисления дискретного преобразования Крестенсона-Леви для обработки вещественных массивов / С.В. Умняшкин. М.: МГИЭТ (ТУ), 1995. - 19 с. - Деп. в ВИНИТИ 05.12.95, № 3212-В95.

87. Умняшкин, С.В. Использование контекстного арифметического кодирования для повышения сжатия данных по схеме JPEG / С.В. Умняшкин // Известия вузов. Электроника. 2001. - №3. - С. 96-99.

88. Умняшкин, С.В. Оптимизация кодирования цифровых изображений по методу JPEG / С.В. Умняшкин, М.В. Космач // Известия вузов. Электроника. 2000. - №4-5. - С. 139-141.

89. Умняшкин, С.В. Применение дискретного преобразования Крестенсона-Леви в цифровой обработке изображений: Дис. канд. тех. наук: 05.13.01 / С.В. Умняшкин. Москва, 1997. - 196 с.

90. Уэлстид, С. Фракталы и вейвлеты для сжатия в действии: Учебное пособие / С. Уэлстид. М.: Издательство Триумф, 2003. - 320 с.

91. Хорошевский, В. Г. Алгоритмы распределения ветвей параллельных программ по процессорным ядрам вычислительных систем / В.Г. Хорошевский, М.Г. Курносов // Автометрия. 2008. - № 2, т. 44. - С. 56-67.

92. Шеннон, К. Работы по теории информации и кибернетике: пер. с анг. / К. Шеннон; под ред. P.JI. Добрушина и О.Б. Лупанова. М.: Иностранная литература, 1963. - 106 с.

93. Ярославский, Л.П. Введение в цифровую обработку изображений / Л.П. Ярославский. -М.: Сов. Радио, 1979. -312 с.

94. A Fast Precise Implementation of 8x8 Discrete Cosine Transform Using the Streaming SIMD Extensions and Intel® MMX™ Instructions, Intel Application Note. AP-922. 1999. Режим доступа: http://www.cs.cmu.edu/~barbic/cs-740/ap922.pdf.

95. Ahmed, N. Discrete Cosine Transform / N. Ahmed, T. Natarajan, K.R. Rao // IEEE Transactions Computers. 1974. - Vol. C-23. - P. 90-93.

96. Ahmed, N. Walsh functions and Hadamard transform. Applications of Walsh functions / N. Ahmed, K.R. Rao // Proceeding of Walsh functions simposium. Washington, 1972.

97. Antonini, M. Image Coding Using Wavelet Transform / M. Antonini, M. Barlaud, P. Mathieu, I. Daubechies // IEEE Transactions on Image Processing. 1992. - Vol. 1, №2. - P. 205-220.

98. Atzori, L. Error recovery in JPEG2000 image transmission / L. Atzori, S. Corona, D.D. Giusto // IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP '01). 2001. - Vol. 3. - P. 17331736.

99. Aubert, G., Kornprobst P. Mathematical Problems in Image Processing: Partial Differential Equations and the Calculus of Variations / G. Aubert, P. Kornprobst // Springer Verlag. 2002.

100. Balasubramanian, R. A fast algorithm for coherency identification and dynamic equivalencing of power systems / R. Balasubramanian, S.C.

101. Tripathy, Shivanna // Proceedings of XVI Annual Convention and Exhibition of the IEEE In India. (ACE '90). 1990. - P. 71-75.

102. Beaumont, J.M. Image data compression using fractal techniques / J.M. Beaumont // ВТ Technological Journal. 1991. - Vol. 9, № 4. - P. 92-109.

103. Bogdan, A. Multiscale (Inter/Intra-Frame) Fractal video coding / A. Bogdan // In IEEE International Conference on Image Processing (ICIP '1994). -1994.-P. 1-5.

104. Cho, N. Fast algorithm and implementation of 2-D discrete cosine transform / N. Cho, S. Lee // IEEE Transactions Circuits and Systems. 1991. - Vol. 38.-P. 297-305.

105. Dedera, L. A parallel approach to image decoding in the fractal image block coding scheme / L. Dedera, J. Chmurny // Neural Network World. 1998. -Vol. 8, №4.-P. 365-374.

106. Enomoto, H. Orthogonal transform coding system for television signals / H. Enomoto, K. Shibata // IEEE Transactions Electromagnetic Compatibility. Special issue on Walsh functions. 1971. - Vol. EMC-13, №3. - P,11-17.

107. Fishe, Y.R. Fractal image compression. Theory and Application / Y.R. Fishe. London: Springer-Verlag. - 1995. - P. 341.

108. Gastpar, M. On compression using the distributed Karhunen-Loeve transform / M. Gastpar, P.L. Dragotti, M. Vetterli // IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP '04). -2004.-Vol.3.-P. iii-901 -4.

109. Gonzaga, A. Wavelet-based Bayesian analysis of generalized long-memory process / A. Gonzaga, A. Kawanaka // IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP '05). 2005. - Vol. 4. -P. iv/309- iv/312.

110. Gray, R.M. Vector Quantization / R.M. Gray // IEEE ASSP Magazine. -1984.-P. 4-29.

111. Habibi, A. Image coding by linear transformation and block quantization / A. Habibi, P.A. Wintz // IEEE Transactions Communications Technology.1971.-Vol. COM-19, № 1. P.50-63.

112. Huffman, D.A. A method for the construction of minimum-redundancy codes / D.A. Huffinan II Proceedings of the I.R.E. -1952. Vol. 40, № 9. -P.1098-1102.

113. Jacquin, A. Fractal image coding based on a theory of iterated contractive image transformations / A. Jacquin // Visual Communications and Image Processing. 1990. - Vol. SPIE-1360.

114. Jaquin, A.E. Image coding based on a fractal theory of iterated contractive image transformations / A.E. Jaquin // IEEE Transanctions Image Processing. 1992.-Vol. 1, № 1.-P. 18-30.

115. Karagodin, M.A. Image compression by means of Walsh transform / M.A. Karagodin, A.N. Osokin // The 8th International Scientific and Practical Conference of Students, Post-graduetes and Young Scientist. Tomsk University, 2002. - P. 173-175.

116. Kuklinski, W.S. Fast Walsh transform data-compression algorithm: E.c.g. applications / W.S. Kuklinski //Medical and Biological Engineering and Computing. 1983. - Vol. 21, № 4. - P. 465-472.

117. Li, N. Three-level parallel high speed architecture for EBCOT in JPEG2000 / N. Li, M. Bayoumi // IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP '05). 2005. - Vol. 5. - P. v/5-v/8.

118. Linde, Y. An Algorithm for Vector Quantization Designs / Y. Linde, A. Buzo, R. Gray // IEEE Transactions On Communications. — 1980. Vol.28.-P. 84-94

119. Nasrabadi N.M. Image coding using vector quantization: A review / N.M. Nasrabadi, R.A. King // IEEE Transactions on Communication. 1988. -Vol. 36, №8.-P. 957-971.

120. Oraintara, S. Integer fast Fourier transform / S. Oraintara, Y.J. Chen, T.Q. Nguyen // IEEE Transactions on Signal Processing. — 2002. Vol. 50, № 3. -P. 607-618.

121. Pennebaker, W.B. An overview of the basic principles of the Q-coder adaptive binary arithmetic coder. IBM / W.B. Pennebaker, J.L. Mitchell, G.G. Langdon, R.B. Arps // Journal of research and development. 1988. -Vol. 32, №6.-P. 771-726.

122. Pennebaker, W.B. JPEG Still Image Data Compression Standard / W.B. Pennebaker, J.L. Mitchell. New York: Van Nostrand Reinhold, 1993. -638 p.

123. Pratt, W.K. Application of Fourier-Hadamard transformation to bandwidth compression / W.K. Pratt, H.C. Andrews // Picture bandwidth compression / Ed.: Huang T.S., Tretiak O.J.-New York, 1972.-P. 515-554.

124. Pratt, W.K. Slant transform image coding / Pratt W.K., Chen W.H., Welch L.R. // IEEE Transactions Communications. 1974. - Vol. C-22. - P. 1075-1093.

125. Pyramidal lattice vectior quantization for multiscale image coding / M. Barlaud et al. // IEEE Transanctions Image Processing. 1994. - Vol. 3, № 4.-P. 367-381.

126. Rao, K.R. Image data processing by Hadamard-Haar transform / K.R. Rao, M.A Narasimhan, K. Revuluri // IEEE Transactions Computers. — 1975. -Vol. C-23, № 9. P. 888-896.

127. Rout, S. Color image compression: multiwavelets vs. scalar wavelets / S. Rout, A.E. Bell // IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP '02). 2002. - Vol. 4. - P. IV-3501-V-3504.

128. Smith, B. Algorithm for manipulating compressed images / B. Smith, L. Rowe // Computer Graphics and applications. -1993.

129. Saupe, D. The Futility of Square Isometrics In Fractal Image Compression / D. Saupe // IEEE International Conference of Image Processing. 1996. — Vol. 1, № 3. - P. 60-67.

130. Senoo, T. Vector quantization for entropy coding of image subbands / T. Senoo, B. Giord // IEEE Transanctions Image Processing. 1992. - Vol. 1, №4.-P. 526-532.

131. Sobelman, G.E. Computer algebra and fast algorithms / G.E. Sobelman // IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP-92). 1992. - Vol. 4. - P. 89-92.

132. Storer, J.A. Data compression: Methods and theory / J.A. Storer. -Rockville (Md): Computer science press, 1988. 413 p.

133. Vetterli, M. Wavelets and Subband Coding / M. Vetterli, J. Kovacevic .New Jersey: Prentice ITall, 1995. 327 p.

134. Vonesch, C. Generalized Biorthogonal Daubechies Wavelets / C. Vonesch, T. Blu, M. Unser // SPIE Optics and Photonics 2005 Conference on Mathematical Methods: Wavelet XI. San Diego, 2005. - Vol. 5914. - P. 59141X-1/59141X-6.

135. Wallace, G.K. Overview of the JPEG (ISO/CCITT) still image compression: image processing algorithms and techniques / G.K. Wallace, H. Enomoto, K. Shibata // Proceedings of the SPIE. 1990. - V.1244. - P. 220-233.

136. Wallace, G.K. The JPEG algorithm for image compression standard / G.K. Wallace // Communications of the ACM. 1991. - Vol. 34, № 4. - P. 3044.

137. Witten, I.H. Arithmetic coding for data compression / I.H. Witten, R.M.

138. Neal, J.G. Cleary // CommunicaticWof the ACM. 1987. - Vol. 30, № 6. -P. 520-540.

139. Wong, W. C. Partial Correction of Transmission Errors in Walsh Transform Image without recourse to Error Correction Coding / W. C. Wong, R. Steele // Electronic Letters. 1978. - Vol. 14, № 10. - P. 298-300.

140. Xu, C. Bit-plane and pass dual parallel architecture for coefficient bit modeling in JPEG2000 / C. Xu, Y. Han, Y. Zhang // Asia and South Pacific Design Automation Conference. SESSION: Poster session IV. Shanghai, 2005.-P. 1284-1287.

141. Yuen, C. Walsh Functions and Gray Code / C. Yuen // IEEE Transactions on Electromagnetic Compatibility. 1971. - Vol. EMC-13, №3. - 68-73.

142. Zeng, Y. Integer DCTs and fast algorithms / Y. Zeng, L. Cheng, G. Bi, A.C. Kot // IEEE Transactions on Signal Process. 2001. - Vol. 49, №. 11. - P. 2774-2782.