Метод, алгоритмы и устройства сжатия и восстановления изображений при удаленном контроле критических вычислительных систем тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат наук Гуляев, Кирилл Алексеевич

• Гуляев, Кирилл Алексеевич
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Гуляев, Кирилл Алексеевич

СОДЕРЖАНИЕ

Введение

1 АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ И УСТРОЙСТВ СЖАТИЯ ИЗОБРАЖЕНИЙ ПРИ УДАЛЕННОМ КОНТРОЛЕ КРИТИЧЕСКИХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ

1.1 Критические вычислительные системы как класс вычислительных систем

1.2 Анализ существующих аппаратно-зависимых цветовых моделей

1.3 Классификация алгоритмов сжатия изображений

1.4 Анализ методов и устройств сжатия изображений в критических вычислительных системах

19

Выводы

2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ, МЕТОД И АЛГОРИТМЫ СЖАТИЯ ИЗОБРАЖЕНИЙ ПРИ УДАЛЕННОМ КОНТРОЛЕ КРИТИЧЕСКИХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ

28

2.1 Математическая модель сжатия и восстановления изображений RGB-модели в режиме реального времени

2.2 Метод сжатия и восстановления изображений RGB-модели в режиме реального времени

2.3 Обобщенный алгоритм сжатия изображения RGB-модели в режиме реального времени

2.4 Обобщенный алгоритм восстановления изображения RGB-модели в режиме реального времени

Выводы

3 МОДЕЛИРОВАНИЕ МЕТОДА СЖАТИЯ И ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ RGB-МОДЕЛИ

3.1 Моделирование алгоритма сжатия изображения в режиме реального времени

3.2 Моделирование восстановления изображения

3.3 Статистическая оценка результата программного моделирования алгоритмов сжатия и восстановления изображений

Выводы

4 РАЗРАБОТКА СТРУКТУРНОЙ И ФУНКЦИОНАЛЬНОЙ СХЕМЫ УСТРОЙСТВ СЖАТИЯ И ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЯ

4.1 Принципы аппаратной реализации процедуры сжатия изображения в режиме реального времени

4.2 Структурная организация устройства сжатия изображения в режиме реального времени

4.3 Алгоритмы функционирования основных блоков устройства сжатия изображения 6g

4.4 Функциональная организация устройства сжатия изображения

в режиме реального времени

4.5 Анализ производительности и быстродействия устройства сжатия изображения

4.6 Оценка аппаратной сложности устройства сжатия изображения

4.7 Структурная организация устройства восстановления изображения в режиме реального времени

4.8 Алгоритмы функционирования основных блоков устройства восстановления изображения

4.9 Функциональная организация устройства восстановления изображения в режиме реального времени

4.10 Анализ производительности и быстродействия устройства восстановления изображения 97 Выводы

Заключение

Список литературы

Приложение А

Введение диссертации (часть автореферата) на тему «Метод, алгоритмы и устройства сжатия и восстановления изображений при удаленном контроле критических вычислительных систем»

ВВЕДЕНИЕ

Критические вычислительные системы являются вариантом исполнения вычислительных комплексов реального времени, применяющимся в бортовых системах управления, системах управления опасными производствами и технологическими процессами и т.д. Для осуществления контроля работоспособности таких систем существуют несколько подходов. Первый состоит в непосредственном присутствии оператора для наблюдения и оперативного выявления неполадок. Второй способ - дистанционное обслуживание комплексов ответственного применения (критических вычислительных систем) направлен на дистанционное обслуживание с привлечением большего числа специалистов, т.к. их разработка проводится одновременно несколькими организациями. В связи со сложностью современных программно-аппаратных комплексов широко применяется второй подход контроля. Неотъемлемой частью дистанционного обслуживания является видео регистрация поведения системы в реальном времени с возможностью дальнейшей передачи на пост контроля или после событийного анализа. Для этого полученное в процессе эксплуатации видеоизображение сжимается и записывается на информационный носитель или передается по каналам связи.

Теория сжатия изображений рассмотрена в множестве научных работ. Большой вклад в эту область внесли работы отечественных ученых: К.Ю. Балашова, С.И. Егорова, А.А. Фомина, Д.В. Ватолина, А.Н. Ратушняка, М.А. Смирнова, В.Я. Юкина, а также зарубежных авторов: Ж. Агостона, Т. Кор-мена, Ч. Лейзерсона, Р. Ривеста, К. Штайна и др. Тем не менее, существующие методы и алгоритмы сжатия изображения в реальном времени в основном являются программными, и проблема сжатия и восстановления видеоизображения в режиме реального времени применительно к критическим системам рассмотрена в них в недостаточной степени.

Отсутствие первичного сжатия изображений приводит к нехватке памяти на носителе видеоинформации, что приводит к необходимости размеще-

ния дополнительных информационных накопителей и, как следствие, к увеличению пространства, задействованного под размещение хранилища (сервер видеоданных). Такой недостаток особенно критичен при размещении систем контроля в ограниченном пространстве (кабина самолета, отсек подводной лодки и т.д.). Также без первичного сжатия увеличивается время принятия решений при отказе критических систем, т.к. при трансляции видеокадра на большие и сверхбольшие расстояния возникает задержка трансляции кадра, либо вообще отсутствует возможность его передачи в реальном времени ввиду ограниченной пропускной способности канала связи. Как следствие, увеличивается время сбора и обработки контрольной информации и снижается оперативность восстановления функционирования критической вычислительной системы. Одним из путей устранения указанных недостатков является предварительное сжатие изображения, происходящее в режиме реального времени.

Задача сжатия видеоизображений при ее программной реализации имеет высокую вычислительную сложность из-за большого количества последовательных «попиксельных» проходов кадра. Для выполнения этой задачи необходимо дополнительное процессорное время, что в свою очередь влияет на загрузку хост-процессора, занятого вычислением более приоритетных задач. Учитывая жесткие временные ограничения, целесообразно полностью перенести сжатие и восстановление данных на аппаратный уровень.

В связи с вышеизложенным, актуальной научно-технической задачей является разработка методов, алгоритмов и устройств сжатия и восстановления видеоизображения в режиме реального времени.

Работа выполнена в рамках выполнения государственного задания для ЮЗГУ на 2014-2018 гг. (тема 1.36.17Ф), а также в рамках научной школы - договор No14.Z57.14.1123-НШ (тема 1.6.14.Ф).

Цель работы - повышение оперативности выполнения операций сжатия и восстановления изображений в комплексах контроля функционирования критических вычислительных систем путем разработки метода, алгоритмов и устройств сжатия и восстановления изображения в режиме реального времени.

Объект исследования - системы сбора, обработки и передачи видеоданных в вычислительных системах.

Предмет исследования - методы, алгоритмы и устройства сжатия изображения в режиме реального времени.

Задачи исследований:

1. Анализ существующих методов и устройств сжатия изображений с целью обоснования направления исследований.

2. Разработка метода и алгоритма сжатия и восстановления изображений в режиме реального времени.

3. Моделирование задач первичной обработки (сжатия) и восстановления изображений.

4. Разработка структурно-функциональной организации специализированного устройства предварительного сжатия и устройства восстановления изображений, анализ их аппаратной и временной сложности.

Научная новизна и положения, выносимые на защиту:

1. Метод и алгоритмы сжатия и восстановления изображений, отличающиеся совместным использованием «усеченного RGB-кода» и метода Хафф-мана, повышающие коэффициент сжатия в 2-3,5 раза, а также позволяющие повысить оперативность выполнения операции сжатия до 6 раз, а операции восстановления изображения до 4 раз.

2. Структурная и функциональная схемы устройства сжатия изображения при удаленном контроле критических вычислительных систем, отличающиеся введением следующих блоков: сжатия изображения с использованием «усеченного RGB-кода», сжатия методом Хаффмана, которые позволяют сократить объем передаваемых видеоданных, уменьшить время обработки данных и снизить нагрузку на хост-процессор.

3. Структурная и функциональная схемы устройства восстановления изображения при удаленном контроле критических вычислительных систем, отличающиеся введением следующих блоков: первичного восстановления

кода по методу Хаффмана, блока дополнения кода, блока нормализации, которые позволяют уменьшить время обработки данных и снизить нагрузку на хост-процессор.

Практическая ценность результатов исследования:

1. Обобщённые алгоритмы сжатия и восстановления изображений в реальном времени позволяют динамически снизить объем передаваемых данных с коэффициентом сжатия от 2 до 3,5.

2. Разработанная структурно-функциональная организация специализированного вычислительного устройства сжатия изображения в режиме реального времени позволяет увеличить оперативность выполнения операции сжатия до 6 раз, а также аппаратная сложность операционной части устройства снижена 18% по сравнению с устройством-аналогом.

3. Предложенная в работе структурно-функциональная организация специализированного вычислительного устройства восстановления изображения в режиме реального времени позволяет увеличить до 4 раз оперативность выполнения операции восстановления, а также аппаратная сложность операционной части устройства снижена 16% по сравнению с устройством-аналогом.

4. Разработан пакет программ для моделирования, позволяющий получить оценку работоспособности разработанного метода и предложенных алгоритмов сжатия и восстановления изображений. В результате моделирования получено, что сжатие изображения происходит в режиме «сжатие без потери качества восприятия». При этом объем передаваемых данных уменьшается в 2-3,5 раза.

Реализация и внедрение. Результаты диссертационной работы внедрены систему видео регистрации модернизируемых и перспективных самолетов марки «Су» в ПАО «Компания Сухой», а также используются в курсах «Технические средства защиты и сжатия информации» для направления подготовки 09.04.01 «Информатика и вычислительная техника» и «ЭВМ и периферийные устройства» для направления подготовки 09.03.01 «Информатика и

вычислительная техника» кафедры «Вычислительная техника» Юго-Западного государственного университета (Россия, Курск).

Соответствие паспорту специальности. Согласно паспорту специальности 05.13.05 - Элементы и устройства вычислительной техники и систем управления, проблематика, рассмотренная в диссертации, соответствует пунктам 2 и 4 паспорта специальности (2. Теоретический анализ и экспериментальное исследование функционирования элементов и устройств вычислительной техники и систем управления в нормальных и специальных условиях с целью улучшения технико-экономических и эксплуатационных характеристик. 4. Разработка научных подходов, методов, алгоритмов и программ, обеспечивающих надежность, контроль и диагностику функционирования элементов и устройств вычислительной техники и систем управления).

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на Всероссийских и Международных конференциях: «Практика и перспективы развития партнерства в сфере высшей школы» (Таганрог, 2014г.), «Современные тенденции в образовании и науке» (Тамбов, 2014г.), «Математические методы и инновационные научно-технические разработки» (Курск, 2014), «Машиностроение и техно сфера XXI века» (Севастополь, 2015, 2016г.), а также на семинарах кафедры «Вычислительная техника» Юго-Западного государственного университета (Курск, 2014-2018 гг.).

Публикации. По результатам диссертации опубликовано 13 печатных работ. Среди них 4 статьи, опубликованные в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендуемых ВАК, 2 патента на полезные модели, 7 тезисов докладов.

Личный вклад автора. Личный вклад автора состоит в непосредственном участии в проведении всех экспериментальных и теоретических исследований, апробации результатов исследования, подготовке докладов и публикаций по теме диссертации. Вся обработка и интерпретация полученных результатов выполнена лично автором.

Объем и структура работы. Работа состоит из введения, четырех глав, заключения, приложений и списка литературы, включающего 58 наименований. Диссертация содержит 119 страниц текста (включая 1 приложение) и поясняется 57 рисунками и 23 таблицами.

Области возможного использования. Результаты диссертационной работы могут быть использованы в системах управления, криптографических системах, критических вычислительных системах, в оборонной промышленности.

1 АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ И УСТРОЙСТВ

СЖАТИЯ ИЗОБРАЖЕНИЙ ПРИ УДАЛЕННОМ КОНТРОЛЕ КРИТИЧЕСКИХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ

1.1 Критические вычислительные системы как класс вычислительных систем

Критические вычислительные системы - это системы, минимизирующие плановое и неплановое время простоя. Постоянный контроль функционирования такой системы обеспечивает ее скорейшее восстановление после обнаружения неисправности. В таких системах, как правило, присутствует аппаратная и программная избыточность. Также, в современных критических вычислительных системах используется технология дистанционного контроля функционирования без непосредственного присутствия оператора вычислительной системы.

Примерами критических систем могут являться: системы управления летательными аппаратами, информационно-управляющие системы АЭС, атомные объекты, банковские информационные системы.

Рисунок 1.1 - Примеры применения критических вычислительных систем

Одним из путей улучшения контроля функционирования критических вычислительных систем является сокращение временных затрат на кодирование, передачу и восстановление изображений в комплексах видео регистрации.

Сжатие изображения в реальном времени позволяет уменьшить объем передаваемого кадра, увеличить частоту видео регистрации, повысить разрешение изображения и поэтому является актуальной задачей.

1.2 Анализ существующих аппаратно-зависимых цветовых моделей

С целью определения оптимальной цветовой модели для использования в ходе дальнейшей разработки необходимо провести анализ существующих цветовых моделей. Так как кодирование и декодирование изображения будет проводиться на аппаратном уровне, то анализу подлежат аппаратно-зависи-мые цветовые модели. Для представления цветов в технических устройствах применяются так называемые аппаратно-зависимые цветовые модели, это означает, что отображаемый при помощи этих моделей цвет зависит не только от параметров самой цветовой модели, но также существует зависимость от специфических параметров устройств вывода. Наиболее популярными являются цветовые модели RGB и CMYK.

1.2.1 Цветовая модель RGB

Одной из более часто используемых и распространенных цветовых моделей, используемых в устройствах, излучающих свет, например, мониторах, прожекторах, фильтрах и аналогичных им устройствах, а также в устройствах ввода изображений - цифровых фотокамерах, планшетах, сканерах и т.д. является система RGB.

Эта цветовая модель основывается на трех базовых цветовых составляющих: Red - красный цвет, Green - зеленый и Blue - синий. Значение всех перечисленных компонентов цвета может принимать значения от 0 до 255, таким образом комбинируя различные цвета и обеспечивая, тем самым, палитру

размером в 16 миллионов цветов (количество цветов, отображаемых при помощи RGB модели равно 256x256x256 = 16 777 216).

По принципу получения цветов данная модель является аддитивной, это означает, что цвет образуется путем сложения трех точек базовых цветов, каждая из которых имеет собственное значение яркости. Все три базовые светящиеся точки располагаются максимально близко друг к другу, таким образом человеческий глаз воспринимает каждую тройку как единую «слившуюся» большую точку результирующего цвета. Чем выше яркость конкретного цвета (красного, зеленого, синего) в результирующей точке, тем больше этого цвета будет участвовать в формировании результирующей точки.

Так как качество отображения основных цветов (в том числе белого и черного) зависят от качества используемого в мониторе люминофора, то данная цветовая модель является аппаратно-зависимой. Таким образом при отображении одного и того же изображения на различных мониторах оно будет выглядеть с небольшими отклонениями от эталонного.

Рисунок 1.2 - Принцип построения цветовой модели RGB Если представить RGB модель в системе координат, то получится своего

рода куб с началом координат в точке (0,0,0), которая соответствует коду черного цвета. При этом, как было написано выше, предельное значение RGB кода - (255,255,255), которое образует белый цвет.

Рисунок 1.2 - Система координат цветовой модели RGB Преимуществами RGB модели является то, что она дает возможность взаимодействовать напрямую со всеми 16 миллионами цветов без дополнительных преобразований в другие системы цвета, а основной недостаток заключается в том, что при выводе результирующего изображения на устройства печати самая яркая и насыщенная часть этих цветов теряется.

1.2.2 Цветовая модель CMY

Для цветовой модели CMY (Cyan Magenta Yellow) значения базовых цветов получаются при помощи вычитания значений базовых цветов аддитивной цветовой модели RGB из белого.

Рисунок 1.3 - Принцип образования цветов модели CMY из RGB

Цвета, полученные при помощи вычитания определенных участков спектра из белого света, называются субтрактивными. Базовыми цветами данной модели являются: голубой (вычитание красного цвета из белого), пурпурный (вычитание зеленого цвета из белого) и желтый (вычитание синего цвета из белого). Цвета, кодированные в данной модели, легко воспроизводятся при печати полиграфическими устройствами. При наложении друг на друга двух цветов субтрактивной модели результирующий цвет будет темнее (противоположно принципу построения RGB модели). Если все компоненты принимают нулевые значения, то образуется белый цвет (цвет бумаги). Данная модель описывает отраженный цвет, из-за чего такие модели называют моделями субтрактивных базовых цветов. Модель CMY - основная цветовая модель для устройств печати и также, как и RGB является аппаратно-зависимой.

Рисунок 1.4 - Принцип построения цветов в модели CMY При отображении данной модели в системе координат получается куб, аналогично модели RGB, только начало отсчета находится в противоположной точке, если кодировать цвет в системе RGB получатся координаты (255,255,255), которые соответствуют значению белого цвета.

1.3 Классификация алгоритмов сжатия изображений

В информационном потоке для изображений существует большое количество избыточной информации, устранение которой может проходить в

режиме «без потери качества восприятия», то есть без ощутимых для человеческого глаза искажений или артефактов. При таком подходе уменьшение объема достигается путем обнаружения и сжатия избыточных элементов. При этом существуют два основных вида избыточности.

Субъективная (визуальная) избыточность, данный вид избыточности подлежит устранению с некоторой потерей исходных данных, которые незначительно влияют на восприятие воспроизводимых изображений, то есть информации, которую можно изъять из кода изображения, при этом не допуская нарушения визуального восприятия качества деталей изображения.

Сокращение именно данного вида избыточности в изображениях является основным направлением для уменьшения объема передаваемой информации.

Чтобы оптимизировать процесс сжатия в целях обеспечения передачи меньших объемов информации существует необходимость, не передавать лишний поток информации, одновременно с этим необходимо обеспечить минимальную потерю качества относительно исходного изображения.

В настоящее время не существует простой и адекватной модели визуального восприятия изображений, пригодной для оптимизации их кодирования

[7].

Второй вид избыточности - это статистическая избыточность. Данное понятие напрямую связано с предсказуемостью и корреляцией данных. Избыточность такого вида подлежит устранению без какой-либо потери информации, то есть исходный код изображения может быть полностью восстановлен. Более распространенные и известные методы эффективного сжатия кода основаны на знании такого параметра, как частота вхождения каждого единичного символа кода присутствующего в массиве данных. Имея значения этих частот, составляется таблица кодов, которая обладает следующими характеристиками:

• разные коды могут иметь разное количество бит;

• коды последовательностей, которые встречаются чаще, кодируются меньшим числом бит, чем коды с меньшей частотой;

• коды строятся как префиксные, то есть они могут быть восстановлены единственным образом, несмотря на то, что имеют различную длину. Всеми из перечисленных свойств обладает популярный алгоритм Хаффмана

[4].

Рассмотрим поэтапно типовые процедуры сжатия в общем виде. Каждый метод можно условно разделить на три основных этапа:

• первичное сжатие информации или кодирование;

• вторичное сжатие;

• восстановление или декодирование изображения.

В ходе первого этапа происходит преобразование набора входных данных из одного варианта представления в альтернативную (например, преобразование из RGB модели в YbCPr).

На следующем этапе данные, подлежащие преобразованию, делятся на блоки и приводятся к системе, удобной для проведения статистического кодирования, а затем сжимаются выбранным методом. В ходе второго этапа происходит уплотнение потока информации.

Процесс сжатия изображений можно разделить на две основные части -это предварительная обработка (кодирование) и восстановление изображения (декодирование). В случае, когда восстановленное изображение полностью соответствует исходному изображению, алгоритм кодирования-декодирования относится к классу алгоритмов сжатия без потери информации. Если восстановленное изображение имеет отличия от исходного, то такой алгоритм называют алгоритмом сжатия с потерями.

В настоящее время есть несколько основных подходов к проблеме сжатия информации. Часть из них имеют достаточно сложную математическую и теоретическую базу, другие построены на основных характеристиках потока информации и алгоритмы их достаточно просты. Любой из способов, который реализует сжатие данных, необходим для уменьшения количества выходного

объема информации при помощи обратимого или необратимого преобразования. Таким образом все методы и алгоритмы сжатия делятся на две категории: сжатие с потерями (необратимое сжатие) и сжатие без потерь (необратимое сжатие) [5]. Основным характеристиками методов сжатия цифровых изображений, по которым их можно классифицировать являются: точность восстановления, симметричность основного преобразования и тип используемого преобразования [9].

Сжатие без потерь. Такой вид сжатия позволяет снизить объем выходного информационного потока, не нанося ущерб его информативности, то есть без нарушения структуры информации. Помимо этого, при помощи определенного восстанавливающего метода и алгоритма всегда можно восстановить исходный информационный поток из результата сжатия.

Сжатие с потерями. Под этим термином в контексте операций сжатия понимают проведение над входным потоком данных таких операций, после которых выходной поток, базирующийся на конкретном представлении информации, имеет схожий с входным потоком вид и структуру по внешним характеристикам, но при этом уже отличается от него размером. Степень сходства входного и выходного потоков определяется степенью соответствия некоторых свойств объектов (т.е. сжатой и несжатой информацией в соответствии с некоторым определенным форматом данных), представляемого данным потоком информации.

Алгоритмы данного типа применяются, как правило, при сжатии изображений, представленных в растровом виде, которые обладают низкой степенью повторяемости байтов в массиве информации. Использование данного подхода основывается на основных свойствах организации цифрового изображения, а также возможности представления графической информации максимально похожей по основным визуальным критериям (субъективное восприятие человека) различными способами, поэтому, помимо таких критериев, как

коэффициент или объем сжатия, в алгоритмах такого типа появляется критерий оценки качества восстановленного изображения, в связи с тем, что часть исходных данных изменяется при сжатии и восстановлении. Термин качество изображения можно описать, как соответствие восстановленного изображения эталонному. Применимо к изображениям данное соответствие определяется субъективно, хотя есть ряд формализованных методик оценки этого параметра. Сжатие с потерями невозможно использовать в отраслях, требующих точного совпадения информационного потока входных и выходных данных.

Алгоритмы сжатия без потерь чаще всего применяются в медицинской технике и точных областях науки, то есть в тех случаях, когда все передаваемые данные должны строго соответствовать друг-другу как на входе, так и на выходе (операции под микроскопом), или же, когда сами шумы изображения являются объектом исследований, например, при оценке качественных характеристик оптических систем. При использовании данных методов и алгоритмов максимальный коэффициент сжатия для реальных изображений равен 1,5. При том, что методы сжатия с потерями данных имеют значительно большие коэффициенты сжатия, выходное изображение имеет некоторые отличия от эталонного и, как следствие, снижение качества изображения. По этой причине при оценке результатов сжатия изображений критерий качества используют на ровне с коэффициентом сжатия.

Существуют так называемые симметричные методы сжатия, для которых время выполнения операций сжатия и операций восстановления находится примерно в равных диапазонах. В системах контроля критических вычислительных систем используются в основном методы данного типа. Существуют также несимметричные методы, название которых вызвано тем, что процедура сжатия изображения занимает в разы большее время, чем процедура восстановления.

Исходя из вышесказанного, существует необходимость провести анализ реального применения описанных алгоритмов в критических вычислительных системах.

1.4 Анализ методов и устройств сжатия изображений в критических

вычислительных системах

Исходя из поставленных в работе задач: сокращение временных затрат на кодирование и восстановление изображения, снижение аппаратной сложности устройств кодирования и декодирования в комплексах контроля функционирования критических вычислительных систем необходимо провести анализ аппаратно-ориентированных методов сжатия изображений, а также существующих решений по их реализации.

1.4.1 Полноформатный аппаратный ^264-кодек фирмы TMC

Ведущая японская фирма в области разработки алгоритмов сжатия и восстановления изображений и видео - TMC (TechnoMathematical) представила первое в мире устройство, одновременно использующее стандарты H.264 и MPEG. Это устройство может послужить базовым элементом для разработки процессоров обработки изображений на одном чипе, так называемых LSI процессоров, которые применяются в современных камерах. Максимальное разрешение изображений, которое позволяет обрабатывать данное устройство -1920х1080р.

Кодек стандарта H.264, имеет коэффициент сжатия в диапазоне от 1,3 до 1,5 в режиме сжатия без потери качества восприятия, в отличии от кодека, работающего по стандарту MPEG-2. Однако, для использования кодека Н.264 необходимо до десяти раз больше времени на обработку изображения, из-за чего долгое время было невозможно интегрировать данный стандарт в аппаратную платформу и создать кодеки, функционирующие в режиме реального времени. На сегодняшний день мировые гиганты - Panasonic и Sony создали новый формат записи видеоданных, который называется AVCHD. В нем применяется кодек стандарта H.264 HighProfile, который позволяет обрабатывать

Список литературы диссертационного исследования кандидат наук Гуляев, Кирилл Алексеевич, 2018 год

Список литературы

1. Блаттер К. Вейвлет-анализ. Основы теории.// - М. - Техносфера. -2006, - 279 с.

2. Брейсуэлл Р. Преобразование Хартли. Теория и приложения.// -М. - Мир, - 1990. - 192 с.

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

4. Гонсалес Р., Вудс Р. Цифровая обработка изображений.// Пер. с англ.- Москва.- Техносфера. - 2006. -1072 с.

5. Ковалгин Ю.А., Вологодин Э.И. Цифровое кодирование звуковых сигналов// - СПб. - КОРОНА-принт, 2004. - 240 с.

6. Ричардсон Я. Видеокодирование Н.264 и MPEG-4 - стандарты нового поколения.// - М. - Техносфера. - 2005. - 368 с.

7. Сэломон Д. Сжатие данных, изображений и звука// - М. - Техносфера. - 2004. - 368 с.

8. Тропченко А.Ю., Курносенков И.Н. Анализ современных стандартов сжатия видеоданных// Научно-технический вестник СПбГУ ИТМО.- Вып. 32. - СПб. - СПбГУ ИТМО. - 2006. - с.17-21.

9. Тропченко А.А., Молчанов В.А. Особенности сжатия цветных изображений JPEG-подобными алгритмами// Научно-технический вестник СПбГУ ИТМО/ - Вып. 32. - СПб. - СПбГУ ИТМО. - 2006. - с.22-26.

10. Цилькер Б.Я., Орлов С.А. Организация ЭВМ и систем: Учебник для вузов. 2-е изд. СПб.: Питер, 2011. 688 с.

11. Хюбнер М., Бекер Ю. Многопроцессорные системы на одном кристалле. Разработка аппаратных средств и интеграция инструментов. М.: Техносфера, 2011. 304 с.

12. Корнеев В. В., Киселев А. В. Современные микропроцессоры. СПб.: БХВ-Петербург, 2003. 448 с.

13. Белова, И.М. Компьютерное моделирование / И.М. Белова. - М.:

МГИУ, 2008. - 81 с.

14. Волков, В.Ю. Адаптивные и инвариантные алгоритмы обнаружения объектов на изображениях и их моделирование в МайаЬ: Учебное пособие / В.Ю. Волков. СПб.: Лань, 2014. - 192 с.

15. Глущенко, П.В. Техническая диагностика: моделирование в диагностировании и прогнозировании состояния технических объектов / П.В. Глущенко. - М.: Вузовская книга, 2013. - 248 с.

16. Торшина, И.П. Компьютерное моделирование оптикоэлектронных систем первичной обработки информации: Монография / И.П. Торшина. - М.: Унив. книга, 2009. - 248 с.

17. Душкин, А.В. Моделирование систем управления и информационно-технического обеспечения: Учебное пособие для вузов / А.В. Душкин, В.И. Новосельцев, В.И. Сумин. - М.: РиС, 2015. - 192 с.

18. Кузовкин, В.А. Схемотехническое моделирование электрических устройств в Ми1^т: Учебное пособие / В.А. Кузовкин, В.В. Филатов. - Ст. Оскол: ТНТ, 2013. - 336 с.

19. Гергель В.П. Теория и практика параллельных вычислений: учеб. пособие. М.: БИНОМ, 2007. 423 с.

20. Визильтер, Ю.В. Обработка и анализ изображений в задачах машинного зрения / Ю.В. Визильтер и др. - М.: ФИЗМАТКН, 2010. - 672 с.

21. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс.-М.: Техносфера, 2012. - 1104 с.

22. Ерош, И.Л. Обработка и распознавание изображений в системах превентивной безопасности: Учебное пособие / И.Л. Ерош, М.Б. Сергеев, Н.В. Соловьев. - СПб.: ГОУ ВПО СПбГУАП, 2012. - 154 с.

23. Костяшкин, Л.Н. Обработка изображений в авиационных системах технического зрения / Л.Н. Костяшкин, М.Б. Никифоров. - М.: Физмат-лит, 2016. - 240 с.

24. Кравченко, В.Ф. Цифровая обработка сигналов и изображений в радиофизических приложениях / В.Ф. Кравченко и др. - М.: Физматлит, 2007.

- 544 c.

25. Красильников, Н.Н. Цифровая обработка 2D- и BD-изображений: Учебное пособие / Н.Н. Красильников. - СПб.: BHV, 2011. - 608 с.

26. Красильников, Н.Н. Цифровая обработка изображений / Н.Н. Красильников. - М.: Вузовская книга, 2001. - 320 с.

27. Яне, Б. Цифровая обработка изображений / Б. Яне. - М.: Техносфера, 2007. - 584 c.

28. Пухальский Д.И., Новосельцева Т.Я. Цифровые устройства: учебное пособие для втузов. Спб.: Политехника, 2006. 885с.

29. Лобанов В.И. Азбука разработчика цифровых устройств. М.: Горячая линия - Телеком, 2001. 192с.

22. Ивлев Ю. В. Учебник логики: Семестровый курс: Учебник. М.: Дело, 2003. 208 с.

23. Кобзарь А. И. Прикладная математическая статистика. М.: Физ-матлит, 2006. 816 с.

24. Бочаров В. А., Мапкин В.И. Основы логики: Учебник. М.: ИН-ФРА-М, 2001. 296 с.

25. Гуляев К.А. Обобщенный алгоритм сжатия видеопотока с использованием RGB-модели и его аппаратная реализация [Текст] / К.А. Гуляев, Д.Б. Борзов, А.И. Башмаков // «Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение», №4. 2013. С. 35-40.

26. Гуляев К.А. Многоитерационное сжатие видеосигнала с использованием RGB - модели [Текст] / К.А. Гуляев, Д.Б. Борзов, А.И. Башмаков, В.В. Минайлов // «Известия Юго-западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение», №3. 2014. С. 35-41.

27. Гуляев К.А. Реализация подхода многоитерационного сжатия ви-деосигналас использованием RGB-модели и алгоритма Хаффмана [Текст] /

К.А. Гуляев, Д.Б. Борзов, И.Е. Чернецкая // «Известия Юго-западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение», №3. 2015. С. 8-11.

28. Гуляев К.А. Видеоконференцсвязь: общее устройство, метод сжатия с использованием словаря [Текст] / К.А. Гуляев, Д.Б. Борзов // «Научно-технический журнал Инженер / №14». Донецк, 2013. - С. 83-86.

29. Гуляев К.А. Алгоритм сжатия видеопотока с использованием RGB-модели и его аппаратная реализация [Текст] /К.А. Гуляев, Д.Б. Борзов // Материалы пятнадцатой Международной научно-практической конференции «Практика и перспективы развития партнерства в сфере высшей школы». В 3-х кн.». Таганрог, 2014. - Кн. 1, С. 58-63.

30. Гуляев К.А. Обобщенный алгоритм сжатия видеопотока с использованием RGB-модели и его аппаратная реализация [Текст] / К.А. Гуляев, Д.Б. Борзов // «Математические методы и инновационные научно-технические разработки» сборник научных трудов. Курск, 2014. - С. 251-255.

31. Гуляев К.А. Аппаратная реализация подхода поэтапного сжатия видеосигнала с использованием RGB - модели [Текст] / К.А. Гуляев, Д.Б. Борзов // Сборник трудов XVIII Международной научно-технической конференции «Машиностроение и техносфера XXI века. Том 1». Севастополь, 2015. - С. 22-25.

32. Гуляев К.А. Словарный алгоритм сжатия видеосигнала с использованием RGB-модели [Текст] / К.А. Гуляев, Д.Б. Борзов // «Научный альманах». Тамбов, 2016. - С. 381-384.

33. Гуляев К.А. Аппаратная реализация подхода поэтапного сжатия видеосигнала с использованием RGB - модели [Текст] // Сборник трудов XVIII Международной научно-технической конференции «Машиностроение и техносфера XXI века. Т1». Севастополь, 2016. - С. 22-25.

34. Скляр Б. Цифровая связь. Теоретические основы и практическое применение: Пер. с англ. - М.: Издательский дом «Вильямс», 2003. - 1104 с.

35. Балашов К.Ю. Сжатие информации: анализ методов и подходов:

уч. пособие для вузов.- СПб.: ПИТЕР, 2004. - 234с.

36. Гуляев К.А., Борзов Д.Б., Башмаков А.И., Соколова Л.М. Устройство для оперативного сжатия видеосигнала RGB-модели / Патент №147514 Российская Федерация, МПК G06F 7/00, заявл. 17.06.2014, опубл. 10.11.2014 г., Бюл №31, 17 с. 2 ил.

37. Гуляев К.А., Борзов Д.Б. Устройство для оперативного восстановления видеосигнала RGB-модели / Патент №169308 Российская Федерация, МПК G06F 7/00, заявл. 24.07.2015, опубл. 27.02.2016, Бюл №6, 18 с. 2 ил.

38. Ивченко Г.И., Медведев Ю.И. Введение в математическую статистику. М: ЛКИ, 2010. 599 с.

39. Гмурман В. Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 2003. 479 с.

40. Письменный Д.Т. Конспект лекций по теории вероятностей, математической статистике и случайным процессам. 3-е изд. М.: Айрис-пресс, 2008. 288 с.

41. Лаврентьев Б.Ф. Схемотехника электронных средств. Учебное пособие. М.: Академия, 2010. 308 с.

42. Китаев Ю.В. Основы цифровой техники. Учебное пособие. СПб.: СПбГУ ИТМО, 2007. 87 с.

43. Амосов В.В. Схемотехника и средства проектирования цифровых устройств. СПб.: БХВ-Петербург, 2007. 542 с.

44. Артюшенко, В.М. и др. Цифровое сжатие видеоинформации и звука; М.: Дашков и К - Москва, 2003. - 426 с.

45. Баринов В. В. Сжатие данных, речи, звука и изображений в телекоммуникационных системах; РадиоСофт - Москва, 2009. - 360 с.

46. Бирон Е.В. Сжатие при смешении нормальных жидкостей; Книга по Требованию - Москва, 2012. - 197 с.

47. Богомольный В. М. Преобразователи информации; Издательство МГУ - Москва, 2003. - 166 с.

48. Васильева Татьяна Законы информации; Амрита-Русь, Альтернатива - Москва, 2002. - 320 с.

49. Васильева, Т.Г. Законы информации; М.: Амрита-Русь - Москва, 2002. - 320 с.

50. Левин В. И. Все об информации; Росмэн-Пресс - , 2003. - 384 с.

51. Могилев А. В., Листрова Л. В. Технологии обработки текстовой информации. Технологии обработки графической и мультимедийной информации; БХВ-Петербург - Москва, 2010. - 304 с.

52. Орищенко, В.И.; Санников, В.Г.; Свириденко, В.А. Сжатие данных в системах сбора и передачи информации; М.: Радио и связь - Москва, 1985. - 184 с.

53. Петрович Н. Поговорим об информации; Молодая гвардия - , 2005. - 208 с.

54. Рассел Джесси Носитель информации; Книга по Требованию -Москва, 2012. - 655 с.

55. Рассел Джесси Сжатие данных; Книга по Требованию - Москва, 2012. - 470 с.

56. Сэломон Д. Сжатие данных, изображений и звука; Техносфера -Москва, 2004. - 368 с.

57. Сэломон Д. Сжатие данных, изображений и звука; Техносфера -Москва, 2006. - 368 с.

58. Фано Р.М. Передача информации; Книга по Требованию - Москва, 2012. - 414 с

59. Авдеев, В.А. Периферийные устройства: интерфейсы, схемотехника, программирование / В.А. Авдеев. - М.: ДМК, 2016. - 848 с.

60. Аверченков, О.Е. Схемотехника: аппаратура и программы / О.Е. Аверченков. - М.: ДМК, 2014. - 588 с.

61. Амосов, В.В. Схемотехника и средства проектирования цифровых устройств / В.В. Амосов. - СПб.: БХВ-Петербург, 2012. - 560 с.

62. Ашихмин, В.Н. Цифровая схемотехника Шаг за шагом / В.Н.

Ашихмин. - М.: Диалог-МИФИ, 2008. - 304 с.

63. Блюм, Х. Схемотехника и применение мощных импульсных устройств / Х. Блюм. - М.: Додэка, 2008. - 352 с.

64. Бойко, В.И. Схемотехника электронных систем. Цифровые устройства: Учебник / В.И. Бойко, А.Н. Гуржий, В.Я. Жуйков [и др.]. - СПб.: БХВ-Петербург, 2004. - 512 с.

65. Валь, Г. Минишпионы. Схемотехника / Г. Валь. - СПб.: КОРОНА-Век, 2016. - 464 с.

66. Волонович, Г.И. Схемотехника аналоговых и аналогово-цифровых электронных устройств / Г.И. Волонович. - М.: ДМК, 2015. - 528 с.

67. Давиденко, Ю.Н. 500 схем для радиолюбителей. Современная схемотехника в освещении / Ю.Н. Давиденко. - СПб.: Наука и техника, 2008. - 320 с.

68. Динц, К.М. P-Cad 2006: Схемотехника и проектирование печатных плат / К.М. Динц. - СПб.: Наука и техника, 2009. - 320 с.

69. Игнатов, А.Н. Микросхемотехника и наноэлектроника: Учебное пособие / А.Н. Игнатов. - СПб.: Лань, 2011. - 528 с.

70. Корис, Р. Справочник инженера-схемотехника / Р. Корис, Х. Шмидт-Вальтер. - М.: Техносфера, 2006. - 608 с.

71. Кучумов, А.И. Электроника и схемотехника: Учебное пособие / А.И. Кучумов. - М.: Гелиос АРВ, 2011. - 336 с.

72. Лехин, С.Н. Схемотехника ЭВМ / С.Н. Лехин. - СПб.: БХВ-Петербург, 2010. - 672 с.

73. Логвинов, В.В. Схемотехника телекоммуникационных устройств, радиоприемные устройства систем мобильной и стационарной радиосвязи, теория электрических цепей / В.В. Логвинов и др. - М.: Солон-пресс, 2013. -656 с.

74. Миленина, С.А. Электротехника, электроника и схемотехника: Учебник и практикум для СПО / С.А. Миленина, Н.К. Миленин. - Люберцы: Юрайт, 2016. - 399 с.

75. Муханин, Л.Г. Схемотехника измерительных устройств / Л.Г. Му-ханин. - СПб.: Лань, 2009. - 288 с.

76. Мышляева, И.М. Цифровая схемотехника / И.М. Мышляева. - М.: Издательский центр Академия, 2004. - 400 с.

77. Новиков, Ю.Н. Микросхемотехника и наноэлектроника: Учебное пособие / Ю.Н. Новиков. - СПб.: Лань П, 2016. - 528 с.

78. Новожилов, О.П. Электроника и схемотехника в 2 ч. часть 1: Учебник для академического бакалавриата / О.П. Новожилов. - Люберцы: Юрайт, 2016. - 382 с.

79. Новожилов, О.П. Электроника и схемотехника в 2 ч. часть 2: Учебник для академического бакалавриата / О.П. Новожилов. - Люберцы: Юрайт, 2016. - 421 с.

80. Попов, Л.Н. Схемотехника цифровых вычислительных устройств / Л.Н. Попов. - М.: Вузовская книга, 2015. - 116 с.

81. Саврушев, Э.Ц. P-CAD 2006 Руководство схемотехника, администратора библиотек, конструктора / Э.Ц. Саврушев. - М.: Бином, 2014. - 768 с.

82. Титце, У. Полупроводниковая схемотехника: справочное руководство / У. Титце, К. Шенк. - М.: Мир, 1982. - 512 с.

83. Угрюмов, Е.П. Цифровая схемотехника: Учебное пособие для вузов / Е.П. Угрюмов. - СПб.: БХВ-Петербург, 2010. - 816 с.

84. Чикалов, А.Н. Схемотехника телекоммуникационных устройств: Учебное пособие для вузов / А.Н. Чикалов, С.В. Соколов, Е.В. Титов. - М.: РиС, 2016. - 322 с.