Интеллектуальные технологии обработки цветных графических изображений для повышения эффективности передачи их по цифровым каналам связи тема диссертации и автореферата по ВАК РФ 05.12.13, кандидат технических наук Пивоваров, Илья Валерьевич

• Пивоваров, Илья Валерьевич
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Пивоваров, Илья Валерьевич

Введение.

Глава 1. Анализ представления, кодирования и технологий обработки графической информации.

1.1. Структурно-графические свойства изображений.

1.2. Обзор основных цветовых моделей и цветовых координатных систем.

1.3. Представление графической информации в телекоммуникационных системах.

1.3.1. Основные типы данных изображений.

1.3.2. Основные типы файловых изображений.

1.4. Методы обработки цифровых изображений.

1.5. Постановка цели и задач исследований.

Глава 2. Интеллектуальная информационная технология для обработки цветных графических изображений.

2.1. Описание системы адаптивного цветотонового преобразования изображений.

2.2. Проекционный кластерный анализ цветовых компонент изображений

2.2.1. Математическое описание кластеров.

2.2.2. Классификация точек изображения по кластерам

2.2.3. Выделение габаритных контейнеров цветовых кластеров по их проекциям.

2.3. Преобразование и цветокоррекция графических изображений

2.4. Возможности структурного анализа изображений.

2.4.1. Стягивание цветовых кластеров изображения с помощью центроидного фильтра.

2.4.2. Влияние стохастических искажений на характеристики кластеров цветовых компонент.

2.4.3. Возможности структурного анализа изображений

2.5. Полученные результаты и выводы.

Глава 3. Математические модели сигналов, отображающих графические изображения, и получение статистических характеристик оценок потерь их записи и считывания.

3.1. Анализ средств оценки потерь записи-считывания графических изображений.

3.2. Математические модели непрерывного и дискретного сигналов, отображающих графические изображения.

3.3. Среднее и дисперсия оценок потерь записи и считывания графических изображений.

3.4. Получение оценок распределения оценок потерь записи и считывания графических изображений.

3.5. Изучение асимптотики оценок распределения оценок потерь записи и считывания графических изображений.

3.6. Полученные результаты и выводы.

Глава 4. Программно-алгоритмические средства и интеллектуальные технологии для обработки графической информации

4.1. Алгоритмы, программное обеспечение и технология обработки графической информации.

4.2. Сжатие графической информации.

4.3. Экспериментальные данные и результаты.

4.4. Полученные результаты и выводы.

Введение диссертации (часть автореферата) на тему «Интеллектуальные технологии обработки цветных графических изображений для повышения эффективности передачи их по цифровым каналам связи»

Актуальность темы. Состояние современного мирового сообщества можно определить как стадию перехода от индустриальной фазы эволюции к информационной постиндустриальной фазе, для которой характерны процессы экономической и информационной интеграции. Эти глобальные процессы стимулируют бурное развитие и внедрение инфокоммуникационных технологий во все сферы человеческой деятельности.

В настоящее время общепризнанным фактом является то, что электросвязь во всем мире находится на этапе интенсивного развития. Одним из глобальных процессов стала эволюция сетей, служб и терминального оборудования в направлении конвергенции, определяемая, с одной стороны, прогрессом в ключевых технологиях и, с другой, - новыми требованиями и растущими ожиданиями пользователей. В связи с этим наметилась тенденция создания универсальных систем комплексного представления информации типа мультимедиа (multimedia), в которых в пределах одной технологии, технических и программных средств возможен интерактивный доступ к различным видам информации и комбинированное воспроизведение текста, иллюстраций, графики, видеоинформации и звука. При этом информация может воспроизводиться как по оригиналам или записям различных документов, так и по данным ЭВМ или компьютерных сетей различного типа: начиная от локальных сетей типа LAN, заканчивая всемирной цифровой сетью интегрированных услуг (Integrated Service Digital Network—ISDN) или Internet.

Визуальное представление данных обладает чрезвычайно высокой информативностью, поскольку подавляющая часть информации о внешнем мире, а это более 80 % объема, воспринимается с помощью зрительного аппарата. Поэтому проблема эффективного представления и кодирования видеоинформации и, в частности изображений или графических образов, остается на сегодняшний день крайне актуальной, поскольку информационная емкость изображений накладывает значительные ограничения на использование каналов связи (КС) для передачи видеоинформации.

Развитие интеллектуальных телекоммуникационных систем породило новую проблему. Вместе с наблюдающимся интенсивным ростом применения алгоритмов цифровой обработки графической информации в телекоммуникациях, актуальной остается разработка когнитивных моделей данных, позволяющих автоматически анализировать содержание этой информации с помощью современных компьютерных технологий и при этом сразу и непосредственно использовать результаты анализа при решении различных практических задач.

Масштабные исследования и разработки в области разработки эффективных моделей представления структурно-цветовой информации в графических изображениях (ГИ) и их использования в телекоммуникационных системах, выполняемые как в работах отечественных, так и зарубежных ученых и инженеров, ведутся уже на протяжении нескольких десятилетий. Однако опережающий рост потребностей не позволяет снять проблему с повестки дня.

Таким образом, актуальной является задача обеспечения оперативной передачи по КС больших объемов эффективно воспринимаемой информации в виде графических и динамических изображений, в наибольшей мере удовлетворяющих коммуникативным потребностям пользователей.

Объектом исследования являются ГИ, характеризующие различные реальные физические и абстрактные объекты, обладающие свойством графической определенности и отчетливо выраженным структурным характером их построения, подверженные воздействию искажающих факторов их воспроизведения, формирования и регистрации; свойства и характеристики ГИ, способы их получения, интеллектуальные платформы телекоммуникационных систем.

Предметом исследования являются формы представления и кодирования ГИ; адаптивное цветотоновое преобразование изображений (АЦТП); структурно-цветовой анализ (СЦА) изображений; кластерные модели цветовых компонент изображений; программно-инструментальные средства обработки ГИ; программно- аппаратные средства интеллектуальных платформ телекоммуникационных систем распознавания и передачи ГИ.

Цель работы состоит в проведении комплексных исследований для получения научно-обоснованных методических и технических решений, направленных на достижение более высокого быстродействия передачи по цифровым каналам связи ГИ путем построения кластерной модели цветовых компонент изображений, применения АЦП 1, стратификации изображений и выделения их элементов, что будет способствовать снижению нагрузки на телекоммуникационные системы за счет обеспечения возможности более эффективных кодирования и сжатия информации.

Для реализации поставленной цели необходимо решить следующие задачи:

- разработка алгоритма АЦТП, позволяющего за приемлемое время выделять кластеры в цветовом пространстве изображения;

- проведение анализа, выбора и реализации оптимальной разделяющей функции критерия Байеса для АЦТП для увеличения точности преобразования; создание программного обеспечения, реализующего АЦТП; создание программно-алгоритмических средств достижения значительного понижения уровня шумов и искажений в изображении;

- определение коэффициентов детерминации, отражающих степень адекватности искомых зависимостей изменения объема экстентов кластеров в процессе обработки кластеризующим фильтром от величины порога реальным процессам;

- разработка методики СЦА изображений на основе их адаптивного цве-тотонового и центроидного преобразований, обеспечивающей высокую достоверность предварительной обработки изображений;

- построение математических моделей многомерного непрерывного и дискретного сигналов, отображающих ГИ, подверженных в процессе записи-считывания воздействию аддитивных многомерных случайных помех;

- определение количественной оценки потерь записи, считывания и записи-считывания ГИ, представляемых непрерывным и дискретным сигналами при воздействии в КС шумов, идентифицирующихся гауссовским процессом или ограниченным случайным шумом с конечным временем перемешивания;

- получение формул для среднего оценок потерь записи и считывания, определение точных и асимптотических выражений для дисперсии потерь. Установление сравнительно точных и удобных для построения доверительных интервалов экспоненциальных оценок сверху для вероятности, что оценки потерь записи и считывания превысят заданный уровень

- создание программного обеспечения, реализующего алгоритмы анализа и синтеза дискретных представлений и методов кодирования ГИ для применения в телекоммуникационных системах; разработка методики улучшения качества изображения за счет устранения помех, а также повышение степени сжатия ГИ.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования.

Теоретические исследования основаны на использовании функционального анализа, теории вероятностей и математической статистики, методов машинной графики, методов обработки, анализа и кодирования изображений, методов распознавания образов.

В экспериментальных исследованиях разработанных моделей и алгоритмов использовались методы моделирования пространственных структур, основы цифровой обработки изображений и системного программирования, методы кодирования и передачи информации по цифровым КС телекоммуникационных систем.

Достоверность и обоснованность полученных в работе результатов и выводов подтверждается результатами обеспечения широкого практического использования аппаратно-программного комплекса, методик и технологий обработки ГИ, научными трудами и апробациями созданного научно-технического продукта на представительных научных форумах. Достоверность и обоснованность полученных в работе результатов и выводов подтверждена сопоставительным анализом разработанных и существующих математических моделей и методов.

Теоретические положения, выведенные в работе, обосновываются строгостью исходных посылок и корректным применением использованного математического аппарата при выводах аналитических выражений.

Достоверность экспериментальных результатов обеспечена их хорошей согласованностью с теоретически предсказанными характеристиками, а также выбором надежных критериев при построении алгоритмов обработки информации. Исходные данные при выполнении вычислительного эксперимента были тщательно верифицированы и дали хорошую воспроизводимость результатов на больших объемах экспериментального материала.

На защиту выносятся результаты разработки методики СЦА изображений на основе их адаптивного цветотонового и центроидного преобразований, обеспечивающей высокую достоверность предварительной обработки изображений для локализации и оценки их структурных элементов (СЭ) и высокую степень сжатия изображений, в том числе:

- методика обработки ГИ алгоритмом АЦТП позволяющая снизить количество используемых цветов до минимума без потери цветоразличения, что обеспечивает редукцию тоно-цветовой шкалы с достаточной степенью точности;

- обнаружение нового эффекта работы центроидного фильтра, заключающегося в том, что при обработке исходного изображения и помещении ее результатов на чистый белый растр происходит выделение только тех точек изображения, которые удовлетворяют некоему порогу, которому дано определение;

- методика обработки ГИ фильтром, кластеризующим значения цветовых компонент, выделение кластеров этих компонент, распознавание цвета пикселей изображения по выделенным кластерам, формирование слоев (стратификацию) изображения, соответствующих выделенным кластерам, и распознавание в этих слоях СЭ изображения с помощью центроидного преобразования;

- формулирование на математическом языке достаточных условий для случайных помех, при которых возможно удовлетворительно описать вероятностные свойства оценок потерь записи и считывания непрерывного и дискретного сигналов, отображающих ГИ;

- рассмотрение двух вполне реальных случаев стационарного процесса, а именно, когда помехи представляют собой гауссовский процесс или ограниченный случайный процесс с конечным временем перемешивания при изучении оценок распределения потерь записи и считывания;

- методика, основанная на сочетании алгоритмов АЦТП и метода Барроуза-Уилера сжатия информации, позволяющая добиваться улучшения качества ГИ за счет устранения помех, вызванных переносами документа на материальные носители с последующей повторной оцифровкой, и степени сжатия ГИ с ограниченным количеством цветов, превосходящую основные графические форматы;

- разработка модуля расширения к библиотеке для работы с растровыми изображениями Freelmage, который предназначен для сохранения и загрузки изображений.

Научная новизна полученных результатов определяется проведенными комплексными исследованиями, в результате которых разработан и реализован алгоритм АЦТП, как интеллектуальная информационная технология, позволяющая автоматически выделять кластеры в цветовом пространстве изображения посредством проекционного кластерного анализа цветовых компонент изображений, обеспечивающая преимущества автоматизированного анализа перед ручным выделением цветовых кластеров по ключевым участкам исходного изображения, в ходе которых:

- установлено, что в результате обработки изображений при увеличении радиуса апертуры гауссовского фильтра кластеризующим фильтром наблюдается эффект расплывания кластеров цветовых компонент изображения с повышением порога, поскольку в процессе гауссовского размытия цвет каждого пикселя распространяется среди соседних, что приводит к размытию границ кластеров цветового пространства и делает практически труднореализуемой задачу выделения цветовых компонент;

- определено, что наложение гауссовского шума на исходное изображение придает ему некоторую зернистость, т.е. воздействие шума в изображении приводит к случайному изменению цвета пикселей. С увеличением уровня зашумленности работа центроидного фильтра по обнаружению цветовых кластеров становится малоэффективной;

- в качестве количественной оценки потерь записи или считывания ГИ, представляемого непрерывным сигналом, принята случайная величина, представляющая собой среднее во времени значение интеграла от взвешенной суммы квадратов разностей между значениями соответствующих координат многомерного сигнала на входе и выходе КС в текущий момент времени, исчисляемый от начала сигнала, и среднее по количеству отсчетов значение интеграла от суммы квадратов разностей между дискретизированными значениями соответствующих координат многомерного сигнала на входе и выходе КС в текущий отсчет времени, начиная от начала сигнала, - для дискретного КС;

- из полученных оценок для вероятности видно, что оценки потерь записи к и считывания при увеличении длительности передаваемых сигналов, отображающих ГИ, с экспоненциальной скоростью сходятся по вероятности к их дисперсиям. Полученные оценки вероятностей удобны тем, что в правые части неравенства вместо дисперсий и интервалов корреляции помех можно подставлять их оценки сверху. Это обстоятельство существенно расширяет возможности применения установленных оценок;

- проведены экспериментальные исследования разработанных средств и методов, подтвердившие их эффективность и возможности использования в интеллектуальных телекоммуникационных системах. В экспериментах анализировались возможности адаптивного цветотонового и центроидного преобразований изображений для реализации методики СЦА, эффективность процессов синтеза и распознавания изображений, оценивались показатели кодирования и сжатия ГИ и производительности процедур их обработки.

Практическая полезность работы. Создано программное обеспечение, реализующее алгоритмы анализа и синтеза дискретных представлений и методов кодирования ГИ для применения в телекоммуникационных системах. Разработанные для используемых процедур обработки информации программы построены таким образом, что допускают возможность их реализации как в автономном, так и в интегрированном режимах обработки данных.

Предложена технологическая схема обработки ГИ, обеспечивающая эффективность использования разработанных средств и методов в интеллектуальных системах телекоммуникаций. Технология обработки данных предполагает выполнение всех необходимых процедур анализа изображений, кодирование и передачу по КС результатов этого анализа и выполнение процедур декодирования, синтеза изображений и их когнитивных моделей данных.

Установлены сравнительно точные и удобные для построения доверительных интервалов экспоненциальные оценки сверху для вероятности, что оценки потерь записи и считывания превысят заданный уровень. Аргументами в этих неравенствах служат простые и наглядные характеристики случайных помех, такие как ограничивающие их константы, интервалы корреляции, спектральная плотность и ковариационная функция.

Реализация работы в производственных условиях. Полученные результаты использованы и апробированы для опытно-производственной эксплуатации системы обработки ГИ в Тульском филиале ОАО «ЦентрТелеком».

Созданные программные средства обработки ГИ позволили повысить эффективность функционирования цифровых КС телекоммуникационных систем при передаче этой информации, обеспечили сокращение объемов памяти для цифрового представления ГИ и увеличение скорости передачи информации.

Апробация работы. Результаты работы докладывались на российских и международных научно-технических конференциях и конгрессах: VII Всероссийской НТК «Повышение эффективности средств обработки информации на базе математического моделирования» (Тамбов, 2004); XXXI Международной конференции «Информационные технологии в науке, образовании, телекоммуникациях и бизнесе» (Украина, Крым, Ялта - Гурзуф, 2004); Международном симпозиуме «Надежность и качество» (Пенза, 2004-2005); VI Международном конгрессе по математическому моделированию (Нижний Новгород, 2004);

XXXI Международной конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта — Гурзуф, 2004); V Международной НТК «Проблемы техники и технологии телекоммуникаций» (Самара, 2004); VII Молодежной НТК «Наукоемкие технологии и интеллектуальные системы» (Москва, 2005); Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2005); Международной НТК «Искусственный интеллект-2005» (п. Дивноморское, 2005); Международной НТК «Интеллектуальные и многопроцессорные систе-мы-2005» (Таганрог, 2005).

Публикации. Основные научные результаты по теме диссертации опубликованы в 22 научных работах, в том числе: 21 статья в научно-технических журналах и сборниках; 1 тезис доклада на научно-технической конференции.

Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.

Диссертация содержит введение, 4 главы и заключение, изложенные на 163 с. машинописного текста. В работу включены 58 рис., 7 табл., список литературы из 117 наименований и приложение, в котором представлен акт об использовании результатов работы.

Заключение диссертации по теме «Системы, сети и устройства телекоммуникаций», Пивоваров, Илья Валерьевич

ЗАКЛЮЧЕНИЕ

В ходе выполнения настоящей работы получены следующие основные выводы и результаты.

1. В результате проделанных комплексных исследований получены научно-обоснованные методические и технические решения, направленные на достижение более высокого быстродействия передачи по цифровым каналам связи ГИ путем построения кластерной модели цветовых компонент изображений, применения АЩТ1, стратификации изображений и выделения их элементов, что будет способствовать снижению нагрузки на телекоммуникационные системы за счет обеспечения возможности более эффективных кодирования и сжатия информации.

2. Разработан и реализован алгоритм АЦТП, как интеллектуальная информационная технология, позволяющий за приемлемое время автоматически выделять кластеры в цветовом пространстве изображения посредством проекционного кластерного анализа цветовых компонент изображений. По сравнению с ручным выделением цветовых кластеров по ключевым участкам исходного изображения предложенный алгоритм в значительной степени дает выигрыш в скорости и удобстве обработки изображений. Получаемые статистические характеристики цветовых кластеров достаточно полно описывают изображение и позволяют провести АЦТП.

3. Обнаружен новый эффект работы центроидного фильтра, который заключается в том, что при обработке исходного изображения и помещении ее результатов на чистый белый растр происходит выделение только тех точек изображения, которые удовлетворяют некоему порогу, которому дано определение. Порог - это величина, на которую необходимо превышение хотя бы одной из компонент (R, G, В) среднего значения кодовых слов сканирующего окна (3x3) по растру цветного изображения значения кодового слова любого из 8 пикселей, расположенных по периметру этого окна. В результате выделяются непрерывные цветовые зоны.

4. Установлено, что в результате обработки изображений при увеличении радиуса апертуры гауссовского фильтра кластеризующим фильтром наблюдается эффект расплывания кластеров цветовых компонент изображения с повышением порога, поскольку в процессе гауссовского размытия цвет каждого пикселя распространяется среди соседних, что приводит к размытию границ кластеров цветового пространства и делает практически труднореализуемой задачу выделения цветовых компонент.

5. Предложены математические модели многомерного непрерывного и дискретного сигналов, отображающих ГИ, подверженных в процессе записи-считывания воздействию аддитивных многомерных случайных помех, представляющих собой сумму нескольких неслучайных и не затухающих во времени колебаний и сравнительно хорошо перемешанного во времени стационарного случайного процесса.

6. Сформулированы на математическом языке достаточные условия для случайных помех, при которых возможно удовлетворительно описать вероятностные свойства оценок потерь записи и считывания непрерывного и дискретного сигналов, отображающих ГИ. Рассмотренный в работе процесс помех идентифицируется среднеквадратически непрерывным стационарным в узком смысле действительным случайным процессом с нулевым средним и достаточно хорошим перемешиванием.

7. Получены формулы для среднего оценок потерь записи и считывания, являющегося критерием риска искажения непрерывного и дискретного сигналов, отображающих ГИ. Определены точные и асимптотические выражения для дисперсии потерь. Установлен ряд ее оценок сверху через ограничивающие помехи константы, матрицу ковариации помех, интервалы их корреляции и продолжительность передачи сигналов по КС.

8. Установлены сравнительно точные и удобные для построения доверительных интервалов экспоненциальные оценки сверху для вероятности, что оценки потерь записи и считывания превысят заданный уровень. Аргументами в этих неравенствах служат простые и наглядные характеристики случайных помех, такие как ограничивающие их константы, интервалы корреляции, спектральная плотность и ковариационная функция.

9. Из полученных оценок для вероятности видно, что оценки потерь записи и считывания при увеличении длительности передаваемых сигналов, отображающих ГИ, с экспоненциальной скоростью сходятся по вероятности к их дисперсиям. Полученные оценки вероятностей удобны тем, что в правые части неравенства вместо дисперсий и интервалов корреляции помех можно подставлять их оценки сверху. Это обстоятельство существенно расширяет возможности применения установленных оценок.

10. В качестве количественной оценки потерь записи или считывания ГИ, представляемого непрерывным сигналом, принята случайная величина, представляющая собой среднее во времени значение интеграла от взвешенной суммы квадратов разностей между значениями соответствующих координат многомерного сигнала на входе и выходе КС в текущий момент времени, исчисляемый от начала сигнала, и среднее по количеству отсчетов значение интеграла от суммы квадратов разностей между дискретизированными значениями соответствующих координат многомерного сигнала на входе и выходе КС в текущий отсчет времени, начиная от начала сигнала, - для дискретного КС.

11. Создано программное обеспечение, реализующее алгоритмы анализа и синтеза дискретных представлений и методов кодирования ГИ для применения в телекоммуникационных системах. Разработанные для используемых процедур обработки информации программы построены таким образом, что допускают возможность их реализации как в автономном, так и в интегрированном режимах обработки данных.

12. Предложена методика, основанная на сочетании алгоритмов АЦТП и метода Барроуза-Уилера сжатия информации, позволяющая добиваться улучшения качества изображения за счет устранения помех, вызванных переносами документа на материальные носители с последующей повторной оцифровкой, и степень сжатия ГИ с ограниченным количеством цветов, превосходящую основные графические форматы.

13. Предложена технологическая схема обработки ГИ, обеспечивающая эффективность использования разработанных средств и методов в интеллектуальных системах телекоммуникаций. Технология обработки данных предполагает выполнение всех необходимых процедур анализа изображений, кодирование и передачу по каналам связи результатов этого анализа и выполнение процедур декодирования, синтеза изображений и их когнитивных моделей данных.

14. Проведены экспериментальные исследования разработанных средств и методов, подтвердившие их эффективность и возможности использования в интеллектуальных телекоммуникационных системах. В экспериментах анализировались возможности адаптивного цветотонового и центроидного преобразований изображений для реализации методики структурно-цветового анализа, эффективность процессов синтеза и распознавания изображений, оценивались показатели кодирования и сжатия ГИ и производительности процедур их обработки.

Список литературы диссертационного исследования кандидат технических наук Пивоваров, Илья Валерьевич, 2005 год

1. Абламейко С.В., Лагуновский Д.М. Обработка изображений: технология, методы, применение. - Минск.: Амалфея, 2000. - 304с.

2. Артюшенко В.М., Шелухин О.И., Афонин М.Ю. Цифровое сжатие видеоинформации и звука. М.: Дашков и К, 2003. - 426с.

3. Артюшенко В.М., Шелухин О.И., Афонин М.Ю. Цифровое сжатие видеоинформации и звука. М.: Дашков и К0, 2003.-426с.4. ' Ахмед Н., Рао К. Ортогональные преобразования при обработке цифровых сигналов: Пер. с англ. М.: Связь, 1980. - 248 с.

4. Большая Советская Энциклопедия, 3-е изд., 1969-1978 гг.

5. Бондаренко В.А., Дольников В.Л. Фрактальное сжатие изображений по Барнсли-Слоану // Автоматика и телемеханика. 1994. - №5. - С. 12-20.

6. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. М.: ДИАЛОГ-МИФИ, 2003. - 384с.

7. Вендровский К.В., Вейцман А.И. Фотографическая структуромет-рия. М.: Искусство, 1982. - 270с.

8. Гихман И.И., Скороход А.В. Введение в теорию случайных процессов. М.: Наука, 1977. - 568 с.

9. Горлов С.К., Корыстин А.В., Родин В.А. Об одной реализации метода сжатия отображений с помощью нелинейной аппроксимации сумм Фурье-Хаара // Теор. функций и прибл.: Тр. 7-й Саратов, зим. шк. (1994 г.). Ч. 2.- Саратов: Изд.-во СГУ, 1995.

10. Гуревич М.М. Цвет и его измерение, М. — Л., 1950.

11. Джеймс Т. Теория фотографического процесса. JL: Химия, 1980. - 672с.

12. Джефф Просис. Файлы растровой графики: взгляд внутрь. PC Magazine, December 3, 1996, p. 321

13. Дуда P., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.-512с.

14. Карасев А.А. Векторно-топологическое представление данных // Мир ПК, 1995, № 12. С. 3-8.

15. Корриган Дж. Компьютерная графика. М.: Энтроп, 1995. - 352с.

16. Кошкарев А.В., Сорокин А.Д. Форматы и стандарты цифровой пространственной информации // ГИС-обозрение, 1995, № 4 (весна-95). С. 40-45.

17. Кошкарев А.В., Тикунов B.C. Геоинформатика М.: Картгеоцентр -Геодезиздат, 1993. - 213с.

18. Крамер Г. Математические методы статистики. М.: Мир, 1975.- 648с.

19. Кривошеев М.И., Кустарев А.К. Световые измерения в телевидении, М., 1973.

20. Лепихов Ю.Н., Лялин В.Е., Пивоваров И.В. Распознавание структурных элементов изображения на дискретном растре // Ж. «Инфокоммуника-ционные технологии». Самара: Изд-во ПГАТИ, - Том 3, № 2, 2005. - С.54-64.

21. Лепихов Ю.Н., Пивоваров И.В. Адаптивное цветотоновое преобразование графических изображений // Надежность и качество: Труды международного симпозиума. Ч. II / Под. ред. Н.К. Юркова - Пенза: Изд-во Пенз. гос. ун-та, 2004. - С. 474-477.

22. Лепихов Ю.Н., Пивоваров И.В. Структурное описание графических изображений // Радиолокация. Навигация. Связь: Материалы 11 Междунар.

23. НТК Воронеж: Изд-во ВГУ, 2005. - С. 191 -199.

24. Лепнхов Ю.Н., Пивоваров И.В. Улучшение качества изображений методом адаптивной цветовой стратификации // Математическое моделирование и интеллектуальные системы: Сб. научн. тр. 2004. - №1. -Екатеринбург-Ижевск: Изд-во ИЭ УрО РАН, 2004. - С.80-83.

25. Лепихов Ю.Н., Шибаева И.В. Формирование секторных цепных кодов линейных структурных элементов изображений // Надежность и качество: Труды международного симпозиума. Ч. II / Под. ред. Н.К. Юркова - Пенза: Изд-во Пенз. гос. ун-та, 2004. - С. 470-474.

26. ТОГУП «Тамбовполиграфиздат», 2004. С. 25-38.

27. Мурынов А.И. Векторизация картографических изображений на основе центроидной фильтрации // Труды Международного форума по проблемам науки, техники и образования. Т. 2. М.: Академия наук о Земле, 2000. - С. 125-127.

28. Мурынов А.И., Вдовин A.M. Анализ пространственной структуры изображений методом центроидной фильтрации // Вестник ИжГТУ "Программно-аппаратные средства для анализа и обработки сигналов и изображений" Вып.З, 2002. С.3-11.

29. Мурынов А.И., Вдовин А.М., Лялин В.Е. Оценка геометрико-топологических параметров деталей изображений на основе метода центроидной фильтрации // Химическая физика и мезоскопия. Т.4,2002, №2. С. 145-160.

30. Нюберг Н.Д. Измерение цвета и цветовые стандарты.- М., 1933.

31. Обработка изображений и цифровая фильтрация. М.: Мир, 1979. - 318с.

32. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986. - 400с.

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

34. Пивоваров И.В. Метод адаптивной цветовой стратификации графических изображений // Проблемы техники и технологии телекоммуникаций: Материалы Пятой Междунар. НТК.- Самара: Изд-во ПГАТИ, 2004.- С. 149-151.

35. Пивоваров И.В. Алгоритм структурно-цветового анализа графических изображений // Наукоемкие технологии и интеллектуальные системы 2005: Сб. научн. тр. VII Молодежной НТК Москва: Изд-во МГТУ им. Н.Э. Баумана, 2005. - С. 79-83.

36. Пивоваров И.В. Способ выделения структурных элементов графических изображений // Надежность и качество: Труды междунар. симпозиума /Под. ред. Н.К. Юркова Пенза: Изд-во Пенз. гос. ун-та, 2005. - С.213-216.

37. Пивоваров И.В. Цвет и его измерение: обзор основных цветовых моделей и цветовых координатных систем // Математическое моделирование и интеллектуальные системы: Сб. научн. тр. 2004. - №1. -Екатеринбург-Ижевск: Изд-во ИЭ УрО РАН, 2004. - С.72-79.

38. Пивоваров И.В. Эффективное кодирование цветных графический изображений для передачи по каналам связи телекоммуникационных систем // Ж. АН Украины «Искусственный интеллект» №3, 2005. - Донецк: Изд-во Наука i освгга, 2005. - С. 641-648.

39. Пономаренко С.И. Пиксел и вектор. Принципы цифровой графики. СПб.: БХВ-Петербург, 2002. - 496с.

40. Применения цифровой обработки сигналов: Пер. с англ. / Под ред. Э.Оппенгейма. М: Мир, 1980. - 552 с.

41. Прэтт У. Цифровая обработка изображений. Кн. 1. - М.: Мир, 1982. - 312с. - Кн. 2. - М.: Мир, 1982. - 480с.

42. Прэтт У., Кэйн Д., Эндрюс X. Кодирование изображений посредством преобразования Адамара // ТИИЭР. 1969. - Т.57. - №1. - С. 66-77.

43. Справочник по теории вероятностей и математической статистике. / Под ред. академика УССР B.C. Королюка. Киев: Наукова думка, 1978. - 548 с.

44. Фризер X. Фотографическая регистрация информации. М.: Мир, 1978. - 670с.

45. Шикин Е.В., Боресков А.В. Компьютерная графика. Динамика, реалистические изображения. М.: ДИАЛОГ-МИФИ, 1995. - 288с.

46. Эйнджел Э. Интерактивная компьютерная графика. М.: Вильяме, 2001.-592с.

47. Эндрюс Г. Применение вычислительных машин для обработки изображений / Пер. с англ. под ред. Б.Ф.Курьянова. М.: Энергия. - 1977.- 161с.

48. Ahmed N., Natarajan Т., Rao K.R. On image processing and a discrete cosine transform // IEEE Trans. Computers. -1974. V. C-23 - №1. - P.90-93.

49. Anderson J.B., Huang T.S. Piecewise Fourier transformation for picture bandwidth compression // IEEE Trans. Commun. -1972.- V. COM-20 №3. - P.488-491.

50. Andrews H.C., Pratt W.K. Fourier transform coding of images // Hawaii International Conference on System Science, January 1968. P. 677-679.

51. Andrews H.C., Pratt W.K. Transform image coding // Proc. Computer processing in communications. New York: Polytechnic Press, 1969. - P. 63-84.

52. Antoni M. et al. Image coding using wavelet transform // IEEE Trans.1.age Proc. 1992. -V.l. -№2. - P. 205-220.

53. Barlaud M. et al. Pyramidal lattice vectior quantization for multiscale image coding // IEEE Trans. Image Proc. 1994. -V.3. -№4. - P. 367-381.

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

55. Buhman J., KUnel H. Vector quantization with complexity costs // IEEE Trans, on Information Theory. 1993. -V.39. - №4. - P. 1133-1145.

56. Chan Ch.-K., Po L.-M. A complexity reduction technique for image vector quantization //IEEE Trans. Image Proc. 1992. -V.l. -№3. - P. 312-321.

57. Cooley J.W., Tukey J.W. An algorithm for machine computation of complex Fourier series // Mach. Comput. 1965. - V.l9. - P. 297-301.

58. Cosman P.C. et al. Using vector quantization for image processing // Proc. IEEE. 1993.-V.81.-№9.-P. 1326-1341.

59. Eliott D.F., Rao K.R. Fast transforms: algorithms, analyses, applications. London: Academic Press inc., 1982. - 488 p.

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

61. Fractal image compression: theory and application./ Ed.: Y.Fisher. New York, 1995.-XVIII, 341 p.

62. Freeman H. On the encoding of arbitrary geometric configurations // IEEE Trans. Electron. Comput., 1961, v. 10, № 2. P. 260-268.

63. Freeman H. Shape description via nhe use of critical points // Pattern recognition, 1978, v. 10, № 3. P. 159-169.

64. Gopinath R.A., Burrus C.S. On cosine-modulated wavelet orthogonal bases // IEEE Trans. Image Proc. 1995. -V.4. -№2. - P. 162-177.

65. Gray R.M. Vector Quantization // IEEE ASSP Magazine. April 1984. -P. 4-29.

66. Habibi A., Wintz P.A. Image coding by linear transformation and blockquantization // IEEE Trans. Commun. Tech. 1971. - V. COM-19. - №1. - P.50-63.83. http://support.epson.ru.84. http://www.antula.ru.85. http://www.realcolor.ru

67. Huang C.-M. et al. Fast full search equivalent encoding algorithms for image compression using vector quantization // IEEE Trans. Image Proc. 1992. -V.l.-№3.-P. 413-416.

68. Huang C.-M., Harris R.W. A comparison of several vector quantization code book generation approaches // IEEE Trans. Image Proc. 1993.- V.2.- №1.-P.108-112.

69. Hung A.C. Image compression: the emerging standard for color images // IEEE Computing Futures. 1989. - Inagural issue. - P. 20-29.

70. ISO/IEC JTC1 Committee Draft 10918-1. Digital compression and coding of continuous-tone still images. Part 1. Requirements and guidelines. 1991.

71. ISO/IEC JTC1 Committee Draft 10918-2. Digital compression and coding of continuous-tone still images. Part 2. Compliance Testing. 1991.

72. Kim T. Side match overall match vector quantizers for images // IEEE Trans. Image Proc. 1992. -V.l. -№2. - P. 170-185.

73. Kossentini F., Chung W.C., Smith M. Subband image coding using entropy-constrained residual vector quantization // Information Processing and Management. 1994. -V.30. -№6. - P. 887-896.

74. Kovacevic J. Subband coding system incorporating quantizer models // IEEE Trans. Image Proc. 1995. -V.4. -№5. - P. 543-553.

75. Kurosaki M., Waki H. A JPEG-compliant colorimage compres-sion/decompresssion LSI // Mitshubisi Elec. Adv. -1994. -V.68, Sept. P. 17-18.

76. Lepihov Y.N., Telegina M.V., Pivovarov I.V. The adaptive color and tone transformation of images // VI International congress on mathematical modeling / Сборник тезисов докладов. Нижний Новгород: Изд-во ННГУ, 2004. -С.253.

77. Lewis A.S. Knowles G. Image Compression using the 2-D wavelet transform // IEEE Trans. Image Proc. 1992. -V.l. -№2. - P. 244-250.

78. Mathews V.J. Multiplication free vector quantization using LI distortion measure and its variants // IEEE Trans. Image Proc.- 1992. -V.l. -№1. P. 11-17.

79. Nanda S., Pearlman W.A. Tree coding of image subbands // IEEE Trans. Image Proc. 1992. - V.l. - №2. - P. 133-147.

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

81. Ngan K.N., Koh H.C. Predictive classified vector quantization // IEEE Trans. Image Proc. 1992. -V.l. -№3. - P. 269-280.

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

83. Pratt W.K., Chen W.H., Welch L.R. Slant transform image coding // IEEE Trans. Commun. -1974. -V. COM-22. P.1075-1093.

84. Ramachandran K., Vetteri M. Best wavelet packet bases in a rate-distortion sense // IEEE Trans. Image Proc. 1993. -V.2. -№2. - P. 160-175.

85. Rao K.R., Narasimhan M.A., Revuluri K. Image data processing by Ha-damard-Haar transform // IEEE Trans. Computers. 1975. - V. C-23. - №9. - P. 888-896.

86. Rao K.R., Yip P. Discrete cosine transform algorithms, advantages, applications. - London: Academic Press inc., 1990.

87. Senoo Т., Giord B. Vector quantization for entropy coding of image sub-bands // IEEE Trans. Image Proc. 1992. -V.l. -№4. - P. 526-532.

88. Stefanoiu D. Introduction to signal processing with wavelets // Studies on Information and Control. -1994. V.3. - №1. - P. 97-110.

89. Tan K.H., Ghanbari M. Layered image coding using the DCT pyramid //

90. EE Trans. Image Proc. 1995. -V.4. -№4. - P. 512-516.

91. Taubman D., Zakhor A. Orientation adaptive subband coding of images // IEEE Trans. Image Proc. 1994. -V.3. -№4. - P. 421-437.

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

93. Wallace G.K. The JPEG algorithm for image compression standard // Communications of the ACM. 1991. -V.34. -№4. - P. 30-44.

94. Woods J.W. Subband image coding of images // IEEE Trans, on ASSP. -1986. -V.34. -№5. P. 1278-1288.

95. Woods J.W., Huang T.S. Picture bandwidth compression by linear transformation and block quantization // Picture bandwidth compression / Ed.: Huang T.S., Tretiak O.J. New York: Gordong and Breach, 1972. - P.555-573.

96. Wright W.D. The measurement of colour, 3 ed., L., 1964.

97. Wyszecky G., Stiles W. S. Color science, N. Y., 1967.