Исследование и разработка методов и устройства сжатия видеоинформации для систем цифрового телевидения с пространственным масштабированием тема диссертации и автореферата по ВАК РФ 05.12.04, кандидат технических наук Рабинович, Александр Владиленович

• Рабинович, Александр Владиленович
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Рабинович, Александр Владиленович

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ КОДИРОВАНИЯ ИЗОБРАЖЕНИЙ.

1.1. Кодирование изображений с преобразованием.

1.2. Сжатие статических изображений.

1.3. Сжатие динамических изображений.

1.4. Масштабируемость систем сжатия.

1.5. Некоторые статистические характеристики изображений.

1.6. Дискретное вейвлет-преобразование (ДВП).

1.7. Анализ параметров вейвлет-фильтров.

1.8. Выводы.

ГЛАВА 2. ИССЛЕДОВАНИЕ И РАЗРАБОТКА МЕТОДА УСТРАНЕНИЯ ВРЕМЕННОЙ ИЗБЫТОЧНОСТИ ИЗОБРАЖЕНИЯ

В СИСТЕМЕ С ПРОСТРАНСТВЕННЫМ МАСШТАБИРОВАНИЕМ.

2.1. Разработка математической модели тестового изображения.

2.2. Исследование спектра пространственных частот преобразованного изображения.

2.3. Оценка и компенсация движения в области трансформант ДВП.

2.4. Разработка метода повышения точности оценки движения динамических объектов изображения.

2.5. Выводы.

ГЛАВА 3. ИССЛЕДОВАНИЕ МЕТОДА ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ КОДИРОВАНИЯ ОШИБКИ ПРЕДСКАЗАНИЯ ДВИЖЕНИЯ.

3.1. Анализ пространственно-временного спектра движущегося объекта изображения.

3.2. Разработка модели ошибки предсказания движения и анализ её спектра.

3.3. Вейвлет-декомпозиция ошибки предсказания во временном направлении.

3.4. Оценка эффективности кодирования.

3.5. Анализ искажений, возникающих при ограничении временного спектра ошибки предсказания.

3.6. Выводы.

ГЛАВА 4. РАЗРАБОКТА МЕТОДА КВАНТОВАНИЯ ТРАНСФОРМАНТ ИЗОБРАЖЕНИЯ.

4.1. Соотношение между субполосной декомпозицией изображения и зрительной системой.

4.2. Специфика пространственного восприятия изображения.

4.3. Квантование трансформант преобразования.

4.4. Оценка воздействия шума квантования на пространственные элементы изображения.

4.5. Влияние шума квантования во временном направлении на элементы изображения.

4.6. Сжатие изображения при низких скоростях кодирования.

4.7. Исследование эффективности кодирования.

4.8. Выводы.

ГЛАВА 5. РАЗРАБОТКА УСТРОЙСТВА СЖАТИЯ ВИДЕОИНФОРМАЦИИ И АНАЛИЗ РЕЗУЛЬТАТОВ ПРОГРАММНОГО

МОДЕЛИРОВАНИЯ.

5.1. Разработка устройства сжатия видеоинформации с пространственным масштабированием.

5.2. Экспериментальные исследования и их результаты.

5.3. Выводы.

Введение диссертации (часть автореферата) на тему «Исследование и разработка методов и устройства сжатия видеоинформации для систем цифрового телевидения с пространственным масштабированием»

Актуальность темы. Анализ современного состояния рынка телекоммуникационных услуг указывает на то, что идёт быстрое развитие мультисервисных систем и сетей, включая Интернет и различные видеоинформационные технологии, обеспечивающих передачу телевизионного (ТВ) сигнала как по беспроводным, так и по кабельным каналам связи. Большое количество различных внедряемых систем и ускоренное развитие перспективных технологических решений приведёт в ближайшем будущем к значительному изменению диапазона требований к функциональным характеристикам абонентских устройств. Появится потребность в разнообразных устройствах, обеспечивающих возможно высокое качество изображения при наличии существенно отличающихся условий приёма, технических характеристик и пропускной способности используемых каналов связи. Становится к тому же очевидным, что для адресной, в том числе и сквозной, передачи ТВ сигнала по сетям, включающим в свою структуру неоднородные по характеристикам участки, только эффективного кодирования изображения уже недостаточно. В этих условиях все более востребованным и актуальным становится пространственное масштабирование (масштабируемость кодеков) сигналов изображений при передаче, которое позволяет относительно просто оптимизировать индивидуальное обслуживание пользователя в полном соответствии с характеристиками применяемых каналов связи и вне зависимости от используемого типа абонентских устройств: от небольших мобильных терминалов до приёмных устройств телевидения высокой чёткости.

Основой эффективного использования каналов связи для передачи телевизионных изображений является устранение содержащейся в них психофизиологической и статистической избыточности - сжатие изображения. Существенный вклад в разработку цифровых систем сжатия и обработки изображений, а также методов и аппаратуры измерения качества в цифровых ТВ системах, в России внесли научные теоретические и практические работы С.И. Катаева, М.И. Кривошеева, Ю.Б. Зубарева, В.П. Дворковича, А.С. Селиванова, Б.П. Хромого, Н.К. Игнатьева, Е.З. Сороки, И.И. Цуккермана, В.Н. Безрукова и ряда других специалистов.

Существующие международные стандарты кодирования телевизионных изображений в настоящее время не обеспечивают, в полной мере, эффективное согласование параметров сжатия со спецификой и характеристиками используемых телекоммуникационных систем, поскольку формируют цифровой поток, имеющий фиксированные скорости передачи и единственный пространственный размер изображения в данном потоке. Для выполнения упомянутых требований следует либо создавать несколько параллельных цифровых потоков с различным пространственным масштабом, что приведёт к увеличению необходимой общей скорости передачи, либо выполнять перекодирование цифрового потока в соответствующих точках распределительной сети, что потребует установки дополнительного оборудования.

Таким образом, в настоящее время актуальной задачей является разработка новых методов и устройств сжатия видеоинформации для систем цифрового телевидения с пространственным масштабированием, отвечающих современным требованиям и учитывающих перспективу развития рынка телекоммуникационных услуг.

Цель и задачи работы. Разработка новых методов и устройства сжатия видеоинформации для систем цифрового ТВ, имеющих высокую эффективность, обеспечивающих формирование многоуровневой пространственно-масштабируемой структуры изображения и создание соответствующего транспортного цифрового потока при передаче сигналов изображений.

Поставленная цель достигается в работе за счёт использования результатов, полученных при решении следующих научно-технических задач:

• сопоставительного анализа перспективных методов кодирования динамических изображений с помощью преобразований, обеспечивающих создание многоуровневой пространственно-масштабируемой структуры;

• определении алгоритма кодирования, приводящего к повышению эффективности устранения пространственно-временной избыточности ТВ изображений, с учётом специфики используемого преобразования;

• анализа и разработки методов квантования отсчётов преобразованного изображения для достижения заданного качества изображения;

• разработки устройства сжатия видеоинформации с пространственным масштабированием для систем цифрового ТВ.

Научная новизна работы.

• Проведено исследование влияния наложения основного и побочного (вызванного децимацией сигнала) спектров пространственных частот изображения при реализации дискретного вейвлет-преобразования (ДВП), на основе результатов которого разработан способ уменьшения величины ошибки предсказания (ОП) движения объектов изображения.

• Для повышения эффективности оценки движения с использованием алгоритма ускоренного иерархического поиска в области трансформант ДВП, предложено использовать в качестве дополнительного критерия определения идентичности блоков изображения результат сравнения их спектров пространственных частот, позволяющий снизить величину накопления ОП векторов движения между уровнями декомпозиции ДВП.

• Разработаны математические модели, характеризующие спектры пространственных частот тестового изображения и спектры пространственно-временных частот ОП движения. Использование этих моделей тест-изображения дало возможность получить соотношения, оптимизирующие структуру устройства сжатия видеоинформации.

• Разработан метод повышения эффективности кодирования ОП движения на основе выполнения вейвлет-декомпозиции во временном направлении.

• Разработан метод формирования весовых коэффициентов для квантования трансформант ДВП в пространственном и временном направлениях на основе пространственно-временной функции контрастной чувствительности зрительной системы человека.

Практическая ценность работы.

1. Реализован алгоритм эффективного устранения визуальной и статистической избыточности изображений для устройств сжатия с пространственным масштабированием.

2. Разработана структурная схема устройства сжатия видеоинформации для систем цифрового ТВ с пространственным масштабированием. При этом полученные в диссертации результаты используются в НИЧ МТУ СИ при создании оригинальных устройств сжатия видеоинформации.

3. Разработаны рекомендации по применению разработанного устройства сжатия видеоинформации в стационарных и мобильных телекоммуникационных системах.

Апробация результатов работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на четырёх научно-технических конференциях: на конференциях "Телекоммуникационные и вычислительные системы" (в рамках Международного форума информатизации), Москва, 2003-2004 г.г.; на конференциях профессорско-преподавательского, научного и инженерно-технического состава МТУСИ, 2004-2005 г.г.

Публикации. По материалам диссертационной работы опубликовано 14 печатных работ. Материалы работы представлены также в научно-технических отчётах по НИР, выполненных в НИЛ-11 НИЧ МТУСИ.

Личный вклад. Все основные научные результаты, изложенные в диссертации, получены автором лично.

Объём и структура работы. Диссертация состоит из введения, пяти глав, заключения, списка литературы и приложения. Работа изложена на 201 странице машинописного текста. Список литературы включает 116 наименований.

Заключение диссертации по теме «Радиотехника, в том числе системы и устройства телевидения», Рабинович, Александр Владиленович

5.3. Выводы

На основании полученных результатов программного моделирования сжатия изображения делается вывод о том, что разработанные методы и устройство сжатия видеоинформации, предложенные в данной работе, превосходят по пиковому отношению сигнал/шум (ПОСШ) для чёрно-белого (или монохромного) изображения кодеки JPEG и MPEG-2 (при условии обеспечения транспортным потоком MPEG-2 трёхуровневого пространственно-масштабируемого изображения) на величины в пределах 0,94 дБ и 0,54 дБ, соответственно. По субъективной оценке разработанные методы и устройство сжатия обеспечивают более высокое визуальное качество декодированного изображения при относительно высокой степени сжатия, что объясняется отсутствием артефактов в виде блочной структуры.

Разработанное устройство может быть применено для передачи видеоинформации с различными скоростями по сети Интернет, по беспроводным каналам связи с соответствующими условиями приёма. Кроме того, перспективными направлениями его практического внедрения являются системы цифрового ТВ и многоадресные распределительные сети, в которых применение разработанного устройства снизит общий объём передаваемой информации, позволит увеличить число обслуживаемых абонентов при организации видеоинформационных услуг, программ "видео по запросу" и ряда других приложений.

ЗАКЛЮЧЕНИЕ

Проведенные автором теоретические и экспериментальные исследования позволили решить следующие задачи.

1. Рассмотрены существующие стандарты сжатия статических и динамических изображений на основе дискретного косинусного преобразования (ДКП). Выявлено, что видеосигнал при сжатии по указанным стандартам неполностью учитывает специфику передачи по каналам связи с различной пропускной способностью и воспроизведения на разнообразных видах абонентских устройств. Показано, что переход к системам сжатия на основе дискретного вейвлет-преобразования (ДВП) позволит повысить эффективность указанных систем с учётом современных требований как к качеству изображения, так и к пространственной масштабируемости видеосигнала.

2. Исследованы свойства изображения после его обработки с использованием ДВП на различных уровнях декомпозиции. Отмечается, что в процессе выполнения ДВП возникает наложение основного и побочного спектров исходного сигнала изображения, что оказывает значительное воздействие на ВЧ область спектра и оценку движения объектов изображения.

3. С учётом специфических искажений сигнала в области высоких пространственных частот применён модифицированный способ оценки и компенсации движения. Показано, что используемый в настоящее время критерий минимума суммы абсолютных разностей не обеспечивает достаточную точность при оценке движения в области трансформант ДВП, поскольку возможны ситуации, когда при равной величине указанного критерия между анализируемыми блоками элементы в них имеют различную пространственную конфигурацию.

4. Разработан дополнительный критерий оценки идентичности блоков на основе результата сравнения их спектральных составляющих, обеспечивающий повышение точности метода иерархического поиска в области трансформант ДВП. Это даёт возможность исключить ошибочное определение векторов движения при выполнении их предсказания при переходе от одного уровня декомпозиции к другому, а также уменьшить энергию ошибки межкадрового предсказания в среднем на 29%.

5. Получено аналитическое выражение спектра ошибки предсказания в области трансформант ДВП. Используя тестовый сигнал, разработанный автором, выполнен анализ спектра ошибки предсказания с учётом спектра пространственных частот изображения и при различных скоростях движения объектов изображения в кадре. Теоретически и экспериментально показано, что выполнение вейвлет-декомпозиции ошибки предсказания во временном направлении позволяет дополнительно повысить эффективность кодирования сигнала.

6. Разработан метод формирования весовых коэффициентов для определения шага шкалы квантования трансформант ДВП как для пространственной, так и для временной областей, исходя из пространственно-временной функции контрастной чувствительности зрительной системы человека.

7. Показана целесообразность применения равномерного квантователя с расширенной нулевой зоной. Определены пределы увеличения нулевой зоны с точки зрения заметности влияния шума квантования на изображение.

8. Проведенные экспериментальные исследования с помощью программного моделирования позволяют сделать вывод о том, что разработанные методы и устройство сжатия видеоинформации превосходят по пиковому отношению сигнал/шум (ПОСШ) для чёрно-белого (монохромного) изображения кодеки JPEG и MPEG-2 (при условии обеспечения транспортным потоком MPEG-2 трёхуровневого пространственно-масштабируемого изображения) на величины в пределах 0,94 дБ и 0,54 дБ, соответственно. По субъективной оценке разработанное устройство сжатия имеет более высокое визуальное качество декодированного изображения при относительно высокой степени сжатия, что объясняется отсутствием артефактов в виде блочной структуры.

9. Разработана программная модель устройства сжатия динамических изображений с обеспечением пространственного масштабирования сигнала изображения.

10. Даны рекомендации по применению разработанного устройства сжатия для цифрового ТВ, многоадресных систем, а также в видеоинформационных и мультисервисных сетях.

11. Результаты исследований использованы в НИЧ МТУ СИ при создании устройств сжатия видеоинформации с технологичной схемной реализацией.

По материалам диссертационной работы опубликовано 14 научных работ. Положения диссертационной работы также обсуждались на научно-технических конференциях и форумах.

Список литературы диссертационного исследования кандидат технических наук Рабинович, Александр Владиленович, 2005 год

1. Зубарев Ю.Б., Кривошеев М.И., Красносельский И.Н. Цифровое телевизионное вещание. Основы, методы, системы.-М.:(НИИР-ИОИ), 2001.

2. Цифровая обработка телевизионных и компьютерных изображений / Под. ред. Ю.Б. Зубарева и В.П. Дворковича. М.: МЦНТИ, 1997.

3. ISO/IEC 10918-1: Information technology Digital compression and coding of continuous-tone still images: Requirements and guidelines, 1994.

4. Grgic S., Mrak M., Grgic M. Comparison of JPEG image coders. Proceedings of the 3rd international symposium on video processing and multimedia communications, VIPromCom-2001, Zadar, 2001.

5. ITU-T Recommendation H.261, Video codec for audiovisual services at px 64kbit/s, 1993.

6. ITU-T Recommendation H.263, Video coding for low bitrate communication, 1996.

7. ISO/IEC 13818-2. Information Technology — Generic Coding of Moving Pictures and Associated Audio Information: Video, 1995.

8. Смирнов A.B. Основы цифрового телевидения: Учебное пособие.-М.: "Горячая линия Телеком", 2001.

9. Danyali Н., Mertins A. Fully scalable wavelet-based image coding for transmission over heterogeneous networks // School of electrical, computer and telecommunications engineering university of Wollongong, Wollongong, Australia, 2002.

10. Зубарев Ю.Б., Дворкович В.П., Козлов В.А., Артамонов С.Е. Мультимедиа — проблемы и перспективы внедрения систем в России // Цифровая обработка сигналов, №1,2001.

11. Ohm J. Advances in scalable video coding // Proc. of the IEEE, vol. 93, no. 1,2005.

12. ISO/IEC 11172-2. Information technology Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s - Part 2: Video, 1993.

13. ISO/IEC 14496-2. Information technology Coding of audio-visual objects - Part 2: Visual, 1999.

14. Рабинович A.B. Кодирование изображений с применением вейвлет-преобразования // Труды НИИР, 2003.

15. Рабинович А.В. Особенности представления сигнала изображения с помощью вейвлет-преобразования. Деп. в ЦНТИ "Информсвязь", 14.06.03. №2232 св. 2003.

16. Mallat S. A theory for multiresolution signal decomposition: The wavelet representation // IEEE Transactions on pattern analysis and machine intelligence, 11(7), 1989.

17. Цифровое кодирование телевизионных изображений. / Под ред. И. И. Цуккермана. М.: Радио и связь, 1981.

18. Прэтт У. Цифровая обработка изображений. -М.: Мир, 1982.

19. Hilton М. L., Jawerth В., Sengupta A. Compressing Still and Moving Images with Wavelets // Multimedia Systems, vol. 2(3), 1994.

20. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет -преобразования. С.-Петербург: ВУС, 1999.

21. Lewis A., Knowles G. Image coding using the 2-D wavelet transform // IEEE Trans, on image processing, vol. 1, 1992.

22. Рабинович A.B. Оценка статистических характеристик преобразованных изображений // Материалы международного форума информатизации (МФИ-2003), "Телекоммуникационные и вычислительные системы", Москва, 26 ноября 2003.

23. Daubechies I. Orthonormal bases of compactly supported wavelets Commun. pure appl. mathematics, vol. XLI, 1988.

24. Usevitch B. A tutorial on modern lossy wavelet image compression: foundations of JPEG 2000 // IEEE signal processing magazine, 2001.

25. Lightstone M., Majani E., Mitra S. Low bit-rate design considerations for wavelet-based image coding // Multidimensional systems and signal processing, 8(1-2), 1997.

26. Strang G., Nguyen T. Wavelets and Filter Banks. Wellesley-Cambridge Press, Wellesley MA, first edition, 1996.

27. Rioul O. Regular wavelets: a discrete-time approach // IEEE Trans, on signal processing, 41(12), 1993.

28. Golub A., Loan V. Matrix computations. Johns Hopkins University Press, 1993.

29. Рабинович A.B. Анализ характеристик фильтров для преобразования изображений // Труды НИИР, 2004.

30. Гудмен Дж. Введение в Фурье-оптику. М.: Мир, 1970.

31. Рабинер Л., Гоулд Б. Теория и применение цифровой обработки сигналов.-М.: Мир, 1978.

32. Игнатьев Н. К. Дискретизация и ее приложения. М.: Связь, 1980.

33. Игнатьев Н. К., Сорока Е.З. Метод сжатия телевизионного спектра, основанный на вертикально-временной фильтрации изображения // Сб. трудов Гос. НИИ Мин. связи СССР, 1960, вып. 3(31).

34. Гольденберг Л.М., Матюшкин Б.Д., Поляк М.Н. Цифровая обработка сигналов. М.: Радио и связь, 1985.

35. Goswami J.C., Chan А.К. Fundamentals of Wavelets : Theory, Algorithms, and Applications, Texas A&M University, 1999.

36. Ярославский Л.П. Введение в цифровую обработку изображений. -М.: Сов. радио, 1979.

37. Xuguang Y. Ramchandran K. Scalable wavelet video coding using aliasing-reduced hierarchical motion compensation //IEEE Transactions on image processing, vol.9, 2000.

38. Van der Auwera G., Munteanu A., Lafruit G., Cornelis J. Video Coding Based on Motion Estimation in the Wavelet Detail Images. Proceedings of the IEEE International conference on acoustics, speech, and signal processing (ICASSP), Seattle, May 1998.

39. Cafforio C., Guaragnella C. and Picco R. // Motion compensation and multiresolution coding. Signal Proc.: Image Communication, 6, 1994.

40. Dufaux F., Moccagatta I. and Kunt M. Motion-compensated generic coding of video based on a multiresolution data structure // Optical engineering, 32(7), 1993.

41. Zhang Y.-Q., Zafar S. Motion-Compensated Wavelet Transform Coding for Color Video Compression // IEEE Trans, on circ. and syst. video techn., 2(3), 1992.

42. Van der Auwera G., Lafruit G., Cornelis J. Arithmetic complexity of motion estimation algorithms // Proceedings of the IEEE Benelux signal processing symposium, Leuven, Belgium, March 1998.

43. Mandal M. K., Chan E., Wong X., Panchanathalu S. Multiresolution motion estimation techniques for video compression // Opt. Eng., 35,1996.

44. Kruger S. A., Calway A. D. A multiresolution frequency domain method for estimating affine motion parameters // Proceedings IEEE international conference on image processing, vol. I, Lausanne, Switzerland, Sep 1996.

45. Kruger S. A., Calway A. D., Tweed D. S. Motion estimation using adaptive correlation and local directional smoothing // Proceedings of the IEEE conference on image processing, Chicago, 1998.

46. Рабинович A.B. Критерии оценки движения для алгоритмов сжатия изображений. Деп. в ЦНТИ "Информсвязь", 04.07.04. № 2241 св. 2004.

47. Cheung С. Fast motion estimation techniques for video compression // Ph.D thesis. City University of Hong Kong, 1998.

48. Hoang D., Long P., Vitter J. Efficient cost measures for motion estimation at low bit rates // IEEE Transactions on circuits and systems for video technology, 8, 1998.

49. Erol В., Kossentini F., Alnuweiri H. Efficient coding and mapping algorithms for software-only real-time video coding at low bit rates // IEEE Transactions on circuits and systems for video technology, 10 (6), 2000.

50. Рабинович A.B. Алгоритмы оценки движения для систем сжатия ТВ изображений. Деп. в ЦНТИ "Информсвязь", 04.07.04. № 2241 св. 2004.

51. Jung S., Shin S., Baik H., Park M. Nobel successive elimination algorithms for the estimation of motion vectors // IEEE International symposium on multimedia software engineering, Tamkang University, Taipei, Taiwan, 2000.

52. Kim J., Choi T. Adaptive matching scan algorithm based on gradient magnitude for fast full search in motion estimation // IEEE Transactions on consumer electronics, 45 (3), 1999.

53. Kim J., Choi T. A fast full-search motion-estimation algorithm using representative pixels and adaptive matching scan // IEEE Transactions on circuits and systems for video technology, 10 (7), 2000.

54. Kim J., Ahn B. Lossless computational reduction of full search algorithm in motion estimation using appropriate matching unit from image localization //

55. EE International conference on information technology: Coding and computing, Las Vegas, USA, 2001.

56. Jung S., Shin S., Baik H., Park M. Nobel successive elimination algorithms for the estimation of motion vectors // IEEE International symposium on multimedia software engineering, Tamkang University, Taipei, Taiwan, 2000.

57. Wang H., Mersereau R. Fast algorithms for the estimation of motion vectors // IEEE Transactions on image processing, 8(3), 1999.

58. Рабинович A.B. Оценка движения при кодировании изображений с преобразованием // Труды Московского технического университета связи и информатики, 2004.

59. Зубарев Ю.Б., Дворкович В.П., Нечепаев В.В., Соколов А.Ю. Методы анализа и компенсации движения в динамических изображениях // Электросвязь, №11,1998.

60. Simoncelli Е. Distributed Representation of Image Velocity // The media laboratory massachusetts institute of technology, MIT Media laboratory vision and modeling technical report №202, 1992.

61. Anandan. P. A computational framework and an algorithm for the measurement of visual motion // International Journal of Computer Vision, 2, 1989.

62. Barron J. L., Fleet D. J., Beauchemin S. S. Performance of optical flow techniques // Technical report RPL-TR-9107, Robotics and perception laboratory technical report, Queen's University, Kingston, Ontario, July 1992.

63. Bergen J. R., Burt P. J., Hanna K., Hingorani R., Jeanne P., Peleg S. Dynamic multiple-motion computation // Artificial intelligence and computer Vision, Elsevier Science Publishers В.V., 1991.

64. Харкевич A.A. Спектры и анализ. -M.: Физматгиз, 1962.

65. Гоноровский И.С. Радиотехнические цепи и сигналы.- М.: Радио и связь, 1994.

66. Christmas W. J. Spatial filtering requirements for gradient-based optical flow measurement // Centre for vision, speech and signal processing University of Surrey, Guildford, 1998.

67. Bober M., Kittler J. Robust motion analysis // Computer Vision and Pattern Recognition, 1994.

68. Weng J., Huang T.S., Ahuja N. Motion and Structure from Image Sequences // Springer-Verlag, 1993.

69. Girod B. Efficiency analysis of multihypothesis motion-compensated prediction for video coding // IEEE Transactions on image processing, vol. 9, no. 2, Feb., 2000.

70. Градштейн И.С., Рыжик И.М. Таблицы интегралов, сумм, рядов и произведений.-М.: Наука, 1971.

71. Безруков В.Н., Королев А.В., Ляпунов В.Н., Новаковская О.С. Выбор параметров систем телевидения высокой визуальной четкости и качества // Техника кино и телевидения, № 10, 1985.

72. Рабинович А.В. Обработка телевизионного сигнала перед АЦП // Труды НИИР, 2002.

73. Безруков В.Н., Рабинович А.В. Многомерная обработка видеосигнала в системах сжатия // Материалы научной конференции профессорско-преподавательского, научного и инженерно-технического состава МТУ СИ, Москва, январь 2005.

74. Уэлстид С. Фракталы и вейвлеты для сжатия изображений в действии.-М.: Триумф, 2003.

75. Рабинович А.В. Межкадровая обработка видеосигнала в кодеках с пространственным масштабированием изображения // Материалы международного форума информатизации (МФИ-2004), Телекоммуникационные и вычислительные системы, Москва, ноябрь 2004.

76. Soman А. К., Vaidyanathan P. P. Coding gain in paraunitary analysis/synthesis systems // IEEE Transactions signal processing, 41(5), May 1993.

77. Djokovic I., Vaidyanathan P. P. On optimal analysis/synthesis filters for coding gain maximization // IEEE Transactions signal processing, 44(5), May 1996.

78. Calvagno G., Mian G. A., Rinaldo R. Computation of the coding gain for subband coders // IEEE Transactions communications, 44(4), April 1996.

79. Cagnazzo M. Wavelet transform and three-dimensional data compression // Doctoral thesis, University of Napoli "Federico II" , Italy, 2005.

80. Ohm J.-R. Advanced packet-video coding based on layered VQ and SBC techniques // IEEE Trans, circ. and sys. for vid. tech., vol. 3, no. 3, 1993.

81. Ohm J.-R. Three-Dimensional subband coding with motion compensation//IEEE Trans, image processing, vol. 3, no. 5,1994.

82. Conklin G. J., Hemami S. S. Evaluation of temporally scalable video coding techniques // School of Electrical Engineering, Cornell University, 1997.

83. Тихонов В.И. Статистическая радиотехника.-М.: Сов. радио, 1966.

84. Dong D. W., Atick J. J. Statistics of natural time-varying images // Network: comput. neural syst. 6, 1995.

85. Van der Schaaf A., van Hateren J.H. Modeling of the power spectra of natural images: statistics and information // Vis. Res., 1996.

86. Baddeley R. The correlational structure of natural images and the calibration of spatial representations // Cogn. Sci., 21,1997.

87. Torralbal A., Oliva A. Statistics of natural image categories. // Network: Comput. Neural Syst., 14, 2003.

88. Dong D. W. Spatiotemporal inseparability of natural images and visual sensitivities // Computational, neural & ecological constraints of visual motion processing, 2001.

89. Hemami S. S. Visual sensitivity considerations for subband coding // Asilomar conference on signals, systems and computers, 1997.

90. Luo J., Chen C.W., Parker K.J., Huang T. S. A scene adaptive and signal adaptive quantization for subband image and video compression using wavelets // IEEE Transactions on circuits and systems for video technology, vol. 7, no. 2, 1997.

91. Mohsenian N., Nasrabadi N. M. Subband coding of video using edge-based vector quantization technique for compression of the upper bands // Proc. int. conf. acoustics, speech, signal processing, San Francisco, CA, 1992.

92. Johnsen O., Shentov О. V., Mitra S. K.A technique for the efficient coding of the upper bands in subband coding of images // Proc. int. conf. acoustics, speech, signal processing, Albuquerque, NM, 1990.

93. Witkin A. P., Tenenbaum M. On the role of structure in vision // Human & machine vision, New York: Academic, 1983.

94. Watson A.B., Yang G.Y., Solomon J.A., Villasenor J. Visual thresholds for wavelet quantization error // Human vision and electronic imaging, B. Rogowitz and J. Allebach, The society for imaging science and technology, 1996.

95. Bradley A. P. A wavelet visible difference predictor // IEEE Transactions on image processing, vol. 8, no. 5, 1999.

96. Snyder H. L. Image quality: Measures and visual performance // Flat panel displays and CRT's, Ed. New York: Van Nostrand Reinhold, 1985.

97. Jain A. K. Fundamentals of digital image processing // Englewood Cliffs, NJ: Prentice-Hall, 1989.

98. Glenn W. E. Digital image compression based on visual perception // Digital images and human vision, Ed. Cambridge, MA: MIT Press, 1993.

99. Girod B. The information theoretical significance of spatial and temporal masking in video signals // SPIE, Human vision, visual processing, and display, vol. 1077, 1989.

100. Gaudart L., Grebassa Т., Petrakian J. P.Wavelet transform in human visual channels // Appl. Opt., vol. 32, 1993.

101. Mallat S. Wavelets for vision // Proc. IEEE, vol. 84, 1996.

102. Watson A.B. The cortex transform: Rapid computation of simulated neural images // Comput. vis., graph., image process., vol. 39, 1987.

103. Nill N. В., Bouzas В. H. Objective image quality measure derived from digital image power spectra // Opt. Eng .,31, 1992.

104. Nadenau M.J., Reichel J., Kunt M. Wavelet-based color image compression: exploiting the contrast sensitivity function // IEEE Transactions on image processing, vol. 12, 2003.

105. Телевидение: Учебник для вузов / Под ред. В.Е. Джаконии.-М.: Горячая линия — Телеком, 2002.

106. Fan G., Wai-Kuen Cham. Model-based edge reconstruction for low bit-rate wavelet-compressed images // IEEE Transactions on circuits and systems for video technology, vol.10, 2000.

107. Mallat S., Hwang W. L. Singularity detection and processing with wavelets // IEEE Trans, inf. theory 38, 2 (March), 1992.

108. Mallat S. A wavelet tour of signal processing. Academic Press, 1998

109. Carey W. K., Hemami S. S., Heller P. N. Smoothness-constrained wavelet image compression // Proc. IEEE Int. conf. on image processing, Lausanne, Switzerland, Sept. 1996.

110. Pizurica A., Philips W., Lemahieu I., Acheroy M. A joint inter- and intrascale statistical model for Bayesian wavelet based image denoising // IEEE Transactions on image processing, vol. 11, 2002.

111. Mallat S., Falzon F. Analysis of low bit rate image transform coding // IEEE Transactions on signal processing, April 1998.

112. Buccigrossi R.W., Simoncelli E.P. Image compression via joint statistical characterization in the wavelet domain // IEEE Transactions on image processing, vol. 8, 1999.

113. Харатишвили Н.Г., Чхеидзе И.М., Ронсен Д., Инджия Ф.И. Пирамидальное кодирование изображений. М.:Радио и связь. 1996.