Метод, модели и алгоритмы сжатия растровых изображений на основе биортогональных wavelet-преобразований тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Крыжевич, Леонид Святославович

• Крыжевич, Леонид Святославович
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Крыжевич, Леонид Святославович

ВВЕДЕНИЕ.

1. АНАЛИЗ СОСТОЯНИЯ ВОПРОСА СЖАТИЯ ИЗОБРАЖЕНИЙ ПРИ УПРАВЛЕНИИ МОБИЛЬНЫМИ ОБЪЕКТАМИ МОНИТОРИНГА.

1.1. Характеристика современных БПЛА гражданского и военного назначения

1.2. Структурно-функциональная организация системы мониторинга чрезвычайной ситуации.

1.3. Анализ современных методов и форматов сжатия изображений.

1.4. Обоснование направлений исследований.

Выводы.

2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ РАСТРОВОГО ИЗОБРАЖЕНИЯ. НАПРАВЛЕНИЯ УМЕНЬШЕНИЯ ЕГО ИЗБЫТОЧНОСТИ.

2.1. Характеристики избыточности в изображениях.

2.2. Обоснование выбора базиса для описания растрового изображения.

2.3. Анализ существующих методов \¥ауе1е1-преобразований.

2.4. Разработка математической модели шауе1е1-преобразования растрового изображения.

Выводы.

3. МАТЕМАТИЧЕСКОЕ ОБОСНОВАНИЕ МЕТОДА СНИЖЕНИЯ СПЕКТРАЛЬНОЙ ИЗБЫТОЧНОСТИ В РАСТРОВЫХ ИЗОБРАЖЕНИЯХ

3.1. Модель механизма цветового восприятия оператора системы мониторинга БПЛА.

3.2. Модификация метода дискретизации сигнала для снижения спектральной избыточности изображений при передаче с БПЛА.

3.3. Способ построения спектрограмм изображения и определение корреляционной зависимости элементов цветового пространства.

Выводы.

4. МИНИМИЗАЦИЯ ПОГРЕШНОСТЕЙ ПРИ ДИСКРЕТНЫХ ЛИНЕЙНЫХ ПРЕОБРАЗОВАНИЯХ ЦИФРОВЫХ СИГНАЛОВ ИЗОБРАЖЕНИЙ В ОГРАНИЧЕННОМ ЦВЕТОВОМ ПРОСТРАНСТВЕ.

4.1. Одномерный случай.

4.2. Двухмерный случай.

4.3. Многомерный случай.

4.4. Преобразование цветового пространства RGB в пространство YVrVb.

4.5. Оценка цветового пространства YVrVb.

Выводы.

5. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ АЛГОРИТМИЧЕСКИХ И ПРОГРАММНЫХ СРЕДСТВ ВИЗУАЛИЗАЦИИ И ТРАНСФОРМАЦИИ РАСТРОВЫХ ИЗОБРАЖЕНИЙ.

5.1. Методика проведения экспериментальных исследований.

5.2. Адаптивная кластеризация палитры цветов по интервалам.

5.3. Обработка экспериментальных геопространственных данных на основе биортогональных wavelet-ов с компактным носителем.

Выводы.

Введение диссертации (часть автореферата) на тему «Метод, модели и алгоритмы сжатия растровых изображений на основе биортогональных wavelet-преобразований»

Актуальность темы исследования. В настоящее время интенсивно развивается мониторинг окружающей среды с применением беспилотных летательных аппаратов (БПЛА). Системы мониторинга на основе БПЛА (СМ БПЛА) широко используются в системах МЧС, ГИБДД и в других приложениях. При создании системы мониторинга, особенно чрезвычайных ситуаций (ЧС), учитывают непрерывность наблюдений, обеспечивающую необходимый темп обновления данных, соответствующий динамике развития чрезвычайной ситуации. Мониторинг окружающей среды на основе БПЛА предназначен для существенного повышения эффективности управленческих решений и мероприятий по предупреждению и ликвидации ЧС на федеральном, региональном и местном уровнях.

Основным источником информации об окружающей среде является передача изображений с беспилотного летательного аппарата на пункты управления. Качество передачи информации о районе мониторинга определяется методами ориентирования БПЛА в пространстве и средствами его видеонаблюдения. Управление летательным аппаратом осуществляется на основе анализа полученных снимков. В связи с этим предъявляются высокие требования к качеству принимаемых с БПЛА изображений и скорости их передачи. Последняя характеристика во многом определяется помеховой обстановкой и пропускной способностью канала связи. Однако недостаточная пропускная способность часто не позволяет осуществить передачу растровых изображений с высоким качеством.

Решение этой задачи в настоящее время осуществляется путем разработки соответствующих систем связи с применением методов сжатия информации на борту БПЛА.

Существующие форматы передаваемых изображений разделены на две основные группы: со сжатием информации без потерь и с потерями. В качестве типичных представителей форматов сжатия без потерь выделены GIF и PNG. Однако такие форматы проектировались как универсальные для своего типа данных и не обеспечивали учет особенностей сжимаемого файла, хранящего изображение, что привело к существенному проигрышу в степени сжатия по сравнению с аналогичными алгоритмами сжатия с потерями.

Одним из форматов wavelet-сжатия с потерями является JPEG-2000, в качестве основных ограничений которого при решении задач мониторинга на основе БПЛА можно выделить неоптимальное соотношение степени компрессии и качества восстановленных данных для некоторых типов изображений, появление характерных искажений при сжатии областей однородного цвета и монохромных изображений, труднопредсказуемое качество изображения.

Таким образом, в настоящее время в рассматриваемой предметной области существует противоречие: с одной стороны, вследствие высокой динамики развития ЧС требуется передача больших объемов геопространственных данных (ГПД) в масштабе реального времени, с другой - существующие методы их обработки и передачи в пункты управления имеют ограниченные оперативно-технические возможности. Радикальным направлением разрешения этого противоречия является уменьшение различных видов избыточности, содержащейся в ГПД.

Вопросы управления БПЛА на основе обработки геопространственной информации рассмотрены в научных работах Н. Я. Василина, М. Павлушенко, Г. Евстафьева, И. Макаренко, В. В. Клочкова, а также зарубежных авторов: Н. Eisenbeis, М. A. Jensen, Т. Nelson, М. D. Rice, А. Г. Гребеникова, А. К. Мялицы, В. В. Парфенюка, В. Слюсаря.

Непосредственно алгоритмам сжатия изображений, в частности основанным на wavelet-преобразованиях, обеспечивающих частотную и временную локализацию, а также возможность обрабатывать сигнал на разных масштабах, посвящены работы И. Я. Новикова, А. В. Петрова, Д. Марпе,

X. Трибеля, М. Н. Юдина, К. Ch. Chui, А. Cohen, R. R. Coifman, I. Daubechies, J. - С. Feauveau, S. Mallat, H. -T. Pai, Jun Tian, D. Wei и др.).

В данных работах исследовались в основном вопросы применения сжатия информации в информационно-вычислительных сетях, однако в них не учитывались особенности передачи изображений с подвижных летательных объектов. Поэтому целью диссертации является увеличение количества передаваемых растровых изображений в контуре управления СМ БПЛА при мониторинге окружающей среды на основе устранения различных видов избыточности, содержащейся в геопространственных сигналах.

Научно-технической задачей работы является разработка метода и моделей обработки растровых изображений на основе многомерной кластеризации геопространственных данных, формирования цветового пространства и биортогональных wavelet-преобразований.

Эта задача декомпозирована на частные научные задачи:

1. Системный анализ состояния вопроса сжатия изображений в мобильных объектах управления, обоснование направлений исследования.

2. Разработка математической и алгоритмической моделей обработки растрового изображения на основе описания wavelet-пакетами и разложения на биортогональные базисы и определение путей снижения его избыточности.

3. Разработка метода снижения спектральной избыточности на основе анализа многомерной функции плотности палитры цветов растровых изображений и исследования её спектрограмм.

4. Разработка способа минимизации суммарной ошибки при обработке цифровых сигналов изображений путем дискретных линейных преобразований в новом цветовом пространстве.

5. Создание специальных алгоритмических и программных средств, обеспечивающих визуализацию и трансформацию растровых изображений, и экспериментальная проверка инструментальных средств сжатия на реальных образцах.

Объект исследования - информационные системы обработки ГПД и управления мобильными объектами мониторинга окружающей среды.

Предмет исследования - модели, методы и алгоритмы сжатия растровых изображений при управлении БПЛА.

Методы исследования. Для решения поставленных задач в работе использованы методы общей теории систем и системного анализа, теорий: обработки изображений, \уауе1е1>преобразований, управления организационно-техническими системами и вероятностей, а также методы линейной алгебры, математического и функционального анализа, инструментарий объектно-ориентированного программирования. Значительную часть исследований составляют компьютерные эксперименты по обработке реальных неподвижных цветных геопространственных изображений, направленные на получение необходимых статистических данных и определение характеристик предложенных методов сжатия.

Соответствие специальности. Согласно паспорту специальности 05.13.01 - «Системный анализ, управление и обработка информации», материалы, представленные в диссертации, соответствуют п. 5 в части разработки специального математического и программного обеспечения систем анализа и обработки информации, результаты исследования реализованы в виде зарегистрированного программного продукта, а также п. 12 в части визуализации, трансформации и анализа информации на основе компьютерных методов обработки информации при управлении сложными динамическими системами.

Новыми научными результатами и положениями, выносимыми на защиту, являются:

1. Математическая модель растровых изображений на основе описания шауе1е1-пакетами и разложения на биортогональные базисы, обеспечивающая уменьшение их структурной и пространственной избыточности.

2. Метод снижения спектральной избыточности, особенностью которого является построение многомерных спектрограмм, выявление корреляционной зависимости его компонент с кластеризацией в массиве многомерных данных, позволяющий сократить число избыточных цветов в растровом изображении.

3. Способ минимизации погрешностей при дискретных преобразованиях цифровых сигналов изображений в ограниченном линейном цветовом пространстве, обеспечивающий оптимизацию коэффициентов базиса и уменьшение уровня суммарной ошибки по сравнению с существующими базисами.

4. Специальные алгоритмические и программные средства, особенностью которых является использование арифметического кодирования блоков биортогональных луауеЫ-коэффициентов, обеспечивающие визуализацию и трансформацию растровых изображений в режиме реального времени.

Практическая значимость работы заключается в разработке нового метода сжатия изображения применительно к системе мониторинга окружающей среды с использованием БПЛА, позволяющего повысить оперативность наблюдений за динамикой развития чрезвычайных ситуаций и увеличить количество передаваемых растровых изображений, путем устранения содержащейся в них избыточности.

Показатель эффективности позволяет находить согласованное решение между качеством восстановленного изображения и степенью компрессии, а также осуществлять выбор наиболее рационального алгоритма сжатия изображений с приемлемым уровнем потерь.

Применение метода снижения спектральной избыточности обеспечивает уменьшение количества используемых цветов в 256 раз при этом качество восстановленного изображения соответствует требованиям рассматриваемой предметной области.

Модифицированный модальный алгоритм позволяет получить дополнительно сжатие в 2 раза (с 24 до 12 бит на у/ауе1е1-коэффициенты) и выигрыш в производительности в 1,4 раза.

На основе разработанных методов и алгоритмов был создан программный комплекс для использования в контуре управления БПЛА, обеспечивающий повышение эффективности передачи геопространственных данных по каналам связи с низкой пропускной способностью.

Разработанные алгоритмы обладают характеристиками, подтвержденными экспериментально и соответствующими современным требованиям по скорости, качеству обработки и сжатию данных при мониторинге окружающей среды.

Полученные теоретические результаты при анализе данных мониторинга окружающей среды на основе БПЛА являются основой разработанных конкретных алгоритмов и схем компрессии цифровых изображений, способных в потенциале уменьшить объем файла на два порядка при решении задач предметной области.

Реализация результатов исследования. Результаты диссертации реализованы в МЧС при передаче изображений с борта БПЛА на наземный комплекс управления, используются в научно-производственной деятельности ОБУ «Информационно-аналитический центр» Курской области, а также при разработке учебно-методического комплекса по дисциплинам «Теория информационных систем и процессов», «Информационные технологии» в ФГБОУ ВПО «Юго-Западный государственный университет» и по дисциплинам «Непрерывные у/ауе1е1-преобразования», «Цифровая обработка сигналов» в ФГБОУ ВПО «Курский государственный университет». Реализация результатов работы подтверждена соответствующими актами внедрения.

Достоверность и обоснованность результатов исследования обеспечиваются адекватностью применяемых методов, математической корректностью преобразований при получении аналитических зависимостей, а также соответствием результатов экспериментальных исследований основным теоретическим положениям и выводам.

Апробация работы. Основные результаты работы докладывались, обсуждались и получили положительную оценку на 8 международных научнопрактических конференциях: Воронежской зимней математической школе (Воронеж, 2011, 2012 г.); Международной научно-практической конференции студентов и аспирантов «Математика и ее приложения в современной науке и практике» (Курск, 2011, 2012 г.); Международной научно-практической конференции «Актуальные проблемы и перспективы преподавания математики» (Курск, 2011, 2012 г.); IV Международной дистанционной научной конференции «Инновации в медицине» (Курск, 2011 г.); 16-я СЗШ «Современные проблемы теории функций и их приложения» (Саратов, 2012 г.).

Основное содержание диссертации отражено в 19 научных работах, из них 4 статьи в рецензируемых научных журналах и изданиях и 3 свидетельства о государственной регистрации программы для ЭВМ.

Личный вклад автора. Изложенные в диссертации результаты получены лично автором. Среди работ, опубликованных в соавторстве, автором в [30] сделан обзор современного состояния беспилотных летательных средств, выявлены ограничения пропускной способности современных каналов связи и показано преимущество использование wavelet-алгоритма сжатия изображений, позволяющего увеличить количество передаваемой геопространственной информации по сравнению с другими методами, в [29] предложен показатель оценки изменения качества изображения к степени его сжатия и распространен алгоритм многомерной дискретной кластеризации на множества рациональных чисел, в [31] получена функция плотности палитры цветов, исследованы ее свойства и следствия из них, разработаны алгоритмы wavelet-поиска экстремальных точек финитного сигнала, выделение границ областей и обоснованы параметры выбора характеристического значения для каждой многомерной области.

Структура и объем диссертации. Диссертационная работа состоит из введения, пяти разделов, заключения, списка литературы, содержащего 98 наименований, и 2 приложений. Основная часть диссертации изложена на 178 страницах машинописного текста, содержит 48 рисунков, 7 таблиц.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Крыжевич, Леонид Святославович

Выводы

1. Разработана методика проведения экспериментальных исселедований, включающая в себя формирование массива реальных изображений; создание алгоритмических и программных средств их обработки; выбор числа интервалов кластеризации и оценка характеристических значений, оценку показателя качества преобразования, выбор уровня квантования wavelet-коэффициентов, и в последующую оценку качества преобразованного изображения.

2. Создан алгоритм многомерной модальной кластеризации растрового изображения. Сравнительный анализ с существующими подходами показал, что разработанный метод позволяет уменьшить число используемых цветов на 75%.

3. В результате применения итерационного подхода при синтезе алгоритма многомерной модальной кластеризации и использование медианы в качестве характеристического значения, путем расчетов показана степень сужения палитры цветов в 256 раз, что подтверждено экспериментально с точностью в пределах 1 % - 3 %.

4. Сформулирован комплексный показатель эффективности, представляющий собой отношение уровння качества изображения к степени сжатия, позволяющий производить достоверную оценку эффективности различных преобразований.

5. Модификация итерационного алгоритма многомерной кластеризации на множество рациональных чисел позволила найти оптимальное соотношение критерия качества и коэффициента компрессии при этом получить дополнительное сжатие в 2 раза (12 бит на wavelet-коэффициенты вместо 24), тем самым увеличить количество передаваемых изображений в контуре управления СМ БПЛА.

6. Разработанная методика позволила, путем снижения избыточности сжать поступающие ГПД в 20 раз, и, тем самым, увеличить число потенциальных сообщений в контуре СМ БПЛА при мониторинге окружающей среды.

169

ЗАКЛЮЧЕНИЕ

Диссертационная работа посвящена решению научно-технической задачи разработки метода и моделей обработки растровых изображений на основе многомерной кластеризации геопространственных данных, формирования цветового пространства и биортогональных \уауе1е1-преобразований. В ходе решения этой задачи получены следующие основные результаты:

1. В результате анализа структурно-функциональной организации систем мониторинга окружающей среды на основе применения БПЛА и бортовых средств передачи ГПД определены ограничения пропускной способности каналов связи БПЛА и наличие избыточности в изображениях.

2. Разработана математическая и алгоритмическая модели растрового изображения на основе описания wavelet-пaкeтaми и разложения на биортогональные базисы, устраняющая декорреляцию данных и обеспечивающая уменьшение структурной и пространственной избыточности.

3. Разработан метод снижения спектральной избыточности, содержащий этапы: построения многомерных спектрограмм; выявления корреляционной зависимости его компонент; кластеризацию в массиве многомерных данных, позволяющий сократить число избыточных цветов на 95%-99% в зависимости от типа изображений.

4. Разработан способ минимизации погрешностей при дискретных преобразованиях цифровых сигналов изображений в ограниченном линейном цветовом пространстве, обеспечивающий оптимизацию коэффициентов базиса и минимальный уровень суммарной ошибки по сравнению с существующими базисами.

5. Создана система алгоритмов и программные продукты луауе1е1-компрессии статических изображений, основанные на специальном способе арифметического кодирования блоков биортогональных коэффициентов.

6. Сформулирован показатель эффективности формата сжатия в виде отношения уровня качества к степени компрессии, на основе которого, с использованием метода экспертных оценок, было показано соответствие теоретических и экспериментальных результатов.

Список литературы диссертационного исследования кандидат технических наук Крыжевич, Леонид Святославович, 2013 год

1. Алексеева И. У. Теоретическое и экспериментальное исследование законов распределения погрешностей, их классификация и методы оценки их параметров: автореф. дис. на соиск. учен, степени кан. техн. наук. JL, 1975. 20 с.

2. Артюшин JI. Ф. Основы воспроизведения цвета в фотографии, кино и полиграфии. М.: Искусство. 1970. 548 с.

3. Беспилотные авиационные комплексы Электронный ресурс. // Корпорация «Иркут». 2004. Режим доступа: http://www.irkut.com/ru/services/ projects/muas/.

4. Беспилотные летательные аппараты компании ZALA AERO Электронный ресурс. 2012. Режим доступа: http://www.zala.aero/ru/uav/.

5. Беспилотный авиационный комплекс «САПСАН» Электронный ресурс. 2012. Режим доступа: http://niipfm.khai.edu/ru/site/sapsan.html.

6. БПЛА «ПУСТЕЛЬГА» Электронный ресурс. // Микросамолеты. 2003. Режим доступа: http://www.microavia.narod.ru/projects/pustelga/index.htm.

7. Бумагин А., Гондарь А., Стешенко В., Калашников К., Прудников А. Характеристики декоррелирующих преобразований для задачи сжатия изображений // Журнал «Компоненты и технологии». Цифровая обработка сигнала, 2010. №4. С. 113-117.

8. Бурдун Г. Д., Марков Б.Н. Основы метрологии. М.: Изд-во стандартов. 1985. 120 с.

9. Джадд Д., Вышецки Г. Цвет в науке и технике // М.: Мир. 1978. 592 с.

10. Дьяконов В.П. Вейвлеты. От теории к практике. Изд-во: «Солон Р». 2002. 440 с.

11. Ефремов A.B. Современные технологии дистанционного мониторинга территорий и управление рисками чрезвычайных ситуаций // Технологии техносферной безопасности. 2008. № 6. С. 3-17.

12. Информационные технологии на службе военной медицины / А. Б. Белевитин и др. // Воен.-мед. журн. 2010. № 7. С. 4-9.

13. Калинкина Д., Ватолин Д. Проблема подавления шума на изображениях и видео и различные подходы к ее решению. Электронный ресурс. // Компьютерная графика и мультимедиа. Выпуск №3(2). 2005. Режим доступа: http://cgm.computergraphics.ru/content/view/74.

14. Кашин Б.С., А. А. Саакян. Ортогональные ряды. М.: АФЦ. 1999. 550 с.

15. Клир Дж. Системология. автоматизация решений системных задач. М.: Радио и связь, 1990. 544 с.

16. Комплекс БЛА «Истра-12». Электронный ресурс. // Беспилотные летательные аппараты. Режим доступа: http://bp-la.ru/category/rossijskie-bpla/ 18^-12/.

17. Косткин И. В. Алгоритм вейвлет-сжатия неподвижных цифровых изображений // Вестник Рязанской государственной радиотехнической академии. Вып. 20. Рязань. 2007. С. 80-83.

18. Кремер Н. Ш. Теория вероятностей и математическая статистика // 2-е изд., перераб. и доп.— М.: ЮНИТИ-ДАНА. 2004. 573 с.

19. Крыжевич Л. С. Математические методы в теории сжатия изображений // Математика и ее приложения в современной науке и практике: сб. науч. ст. по материалам Междунар. науч.-практ. конф. студентов и аспирантов. Курск: ЮЗГУ, 2011. С. 78 82.

20. Крыжевич Л. С. Всплесковое преобразование при анализе ЭКГ для выявления болезней сердца // Актуальные проблемы и перспективы преподавания математики: сб. науч. ст. II Международная науч-практ. конф. Курск: ЮЗГУ. 2011. С. 97- 105.

21. Крыжевич Л. С. Выбор и преобразование цветового пространства // Ученые записки: электронный журнал Курского государственного университета. 2011. №4(20) Электронный ресурс. Режим доступа: Ьир://уд^.8с1епйАс-notes.ru/pdf/022-006.pdf.

22. Крыжевич Л. С. Модель механизма цветоразличия человеческого глаза // Ученые записки: электронный журнал Курского государственного университета, 2012. №3(23). Т. 1. Электронный ресурс. Режим доступа: http://scientific-notes.ru/pdf/025-005.pdf.

23. Крыжевич Л. С. Программа сжатия изображений на основе предварительного частотно-временного анализа входного сигнала // Программа для ЭВМ № 2012610897, заявлено 25.11.2011, опубликовано 20.01.2012.

24. Крыжевич Л. С. Программа снижения спектральной избыточности в цифровых изображениях // Программа для ЭВМ №2012610675, заявлено 14.11.2011, опубликовано 12.01.2012.

25. Крыжевич Л. С. Программа ускоренной сортировки большого объема числовых массивов данных // Программа для ЭВМ № 2012611360, заявлено 7.12.2011, опубликовано 3.02.2012.

26. Крыжевич Л. С. Использование пакетов всплесков в теории сжатия изображений // Математика и ее приложения в современной науке и практике: сб. науч. ст. II Междунар. науч.-практ. конф. студентов и аспирантов. Курск: ЮЗГУ, 2012. С. 139-144.

27. Крыжевич Л. С. Оптимизация потерь при преобразовании пространств // Вестник ВГТУ. Серия: информационные технологии. Воронеж: Изд-во ВГТУ, 2012. Том 8, №9. С. 23-31.

28. Крыжевич Л.С. Снижение спектральной избыточности на основе анализа спектрограмм изображения // Вестник Воронежского государственного университета. Серия: Физика. Математика. 2012. №2. С. 137-145.

29. Крыжевич JI.C., Сизов A.C. Обзор состояния проблемы передачи растровых изображений с беспилотных летательных средств. // Известия Юго-Западного государственного университета, 2012. №6(45). С. 44 52.

30. Крыжевич J1.C., Сизов A.C., Яночкина О.О. Минимизация числа отсчетов при дискретизации финитного сигнала. // Известия Юго-Западного государственного университета, 2012. №5(44). Часть 2. С. 152-160.

31. Кустарев А.К. Об основных цветах физиологической цветовой системы // Светотехника. 1965. №6. С. 5-11.

32. Макаров A.A. Теория минимальных сплайн-всплесков и ее приложения: автореф. дис. на соиск. учен, степени докт.физ.-мат. наук. СПб. 2012. 32 с.

33. Максименко И. Е. Системы всплесков с матричным коэффициентом растяжения: автореф. дис. на соиск. учен, степени канд.физ.-мат. наук. СПб. 2003. 18 с.

34. Маркин А. В. Статистические свойства оценок сигналов и изображений при пороговой вейвлет-обработке в моделях с аддитивным шумом : автореф. дис. на соиск. учен, степени кан. физ.-мат. наук. М. 2010. 18 с.

35. Марков Н.Г., Осокин А.Н.,Сидоров Д.В. Оценка качества изображений с использованием вейвлетов // Известия Томского политехнического университета. Серия Управление, вычислительная техника и информатика. 2009. Т 315. №5. С. 104-107.

36. Миано Дж. Форматы и алгоритмы сжатия изображений в действии, -М.: Изд-во «Триумф». 2003.336 с.

37. Настерова Е. Роль субъективных оценок при тестировании различных видов изображений // архив журнала «625». 2007. С 27-38.

38. Новиков Д.А.Теория управления организационными системами. М.: МПСИ, 2005. 584 с.

39. Новиков И. Я., Стечкин С. Б. Основы теории всплесков // Успехи матем. наук. V. 53. 1998. № 6. С. 53 128.

40. Новицкий П. В., Зограф И. А. Оценка погрешностей результатов измерений. Л.: Энергоатомиздат. 1991. 303 с.

41. Петухов А. В; Введение в теорию базисов всплесков // СПб: Изд-во СПбГТУ, 1999. С. 70-74.

42. Петухов Г.Б. Основы теории эффективности целенаправленных процессов. Методология, методы, модели. Часть 1. МО СССР. 1989. 660 с.

43. Раутиан Г.Н. Различия дихроматического цветового зрения // ДАН СССР. 1960. Т.133. №1. С. 225-227.

44. Сальников И.И. Растровые пространственно-временные сигналы в системах анализа изображений. М.:ФИЗМАТЛИТ, 2009. 248 с.

45. Серийное производство беспилотных летательных аппаратов Электронный ресурс. // Новости Беларусии. Режим доступа: http://www.ctv.by/ node/51018.

46. Слюсар В. Передача данных с борта БПЛА: стандарты НАТО. -ЭЛЕКТРОНИКА: НТБ. 2010. №3. С. 80-86.

47. Сперанская Н. И. Опт. и спектр. 1959. T. VII. С. 710-720.

48. Таушанов 3., Тонева Е., Пенова Р. Вычисление энтропийного коэффициента при малых выборках // Изобретательство, стандартизация и качество. София. 1973. № 5.

49. Толкова Е. И., Чернышев A.B. Рационалистическая модель механизма цветоразличения человека // Оптика и спектроскопия. 2000. Vol: 89. No:4.

50. Тонева Е. Аппроксимация распределений погрешности средств измерений // Измерительная техника. 1981. № 6. С. 15-16.

51. Форматы изображений: JPEG и TIFF Электронный ресурс. // Cambridge in colour. Режим доступа: http://www.cambridgeincolour.com/ru/tutorials /imagetypes.htm.

52. Фотомир Стандарты сжатия изображений и форматы файлов Электронный ресурс. Режим доступа: http://fotomir.ucoz.ru/index/0-8.

53. Чаплинский В. Форматы хранения изображений Электронный ресурс. URL: http://www.lit999.narod.ru/images.html.

54. Ченцов Н. Н. Статистические решающие правила и оптимальные выводы. М.: Наука. 1972. 520 с.

55. Чимитова Е.В., Лемешко Б.Ю. О выборе числа интервалов в критериях согласия типа // Заводская лаборатория. Диагностика материалов. 2003. Т. 69. С.61-67.

56. Шарабайко М.П., Марков Н.Г. Исследование эффективности кодирования цветных изображений с помощью фракталов // Компьютерная графика. Информационные технологии. 2012. №1(19). С. 37-41.

57. Шторм Р. Теория вероятностей Математическая статистика. // Статистический контроль качества. М.: Мир. 1970. 368 с.

58. Юдин М. Н., Фарков Ю. А., Филатов Д. М. Введение в вейвлет-анализ // Учеб.-практ. пособие. Моск. геологоразв. акад. М. 2001. 72 с.

59. Юстова Е. Н. Таблицы основных колориметрических величин // М.:Изд-во стандартов. 1967. 35 с.

60. Breckenridge F., Schaub W. Rectangular uniform-chromaticity-scale coordinates // JOSA, 1939. V. 29. 370 p.

61. Chui Ch. K. An Introduction to wavelets. 2001.412р.

62. Cochran W. G. Some Methods of Strengthening the Common c2 Tests // Biometrics, 1954. V. 10. 417 p.

63. Cohen A., Daubechies I., Feauveau J.-C. Biorthogonal bases of compactly supported wavelets // Comm. Pure Appl. Math. V. 45. 1992. №5. Pp. 485 560.

64. Coifman R. R., Meyer Y., Wickerhauser V. Wavelet Analysis and Signal Processing Wavelets and their Applications // Wavelets and their Applications, Jones and Barlett. Boston. 1992. Pp. 153 178.

65. Daubechies I. Ten lectures on wavelets // SIAM. Philadelphia. 1992. 357 p.

66. DeMarco P., Pokorny J., Smith V.C. Full spectrum cone sensitivity functions for X-chromosome linked anomalous trichromates // JOS A. 1992. V. 9. Pp. 1465-1476.

67. Eisner A., MacLeod D.I.A. Flicker photometric study of chromatic adaptation: selective suppression of cone inputs by colored backgrounds // JOS A, 1981. Pp. 705-718.

68. Elisra presents New UAV Data Link Technology Developments. Электронный ресурс. Режим доступа: www.asd-network.com/pressdetail/22216/ Elisra presentsNewUAVDataLinkTechnologyDevelopments.htm.

69. Enerdyne Introduces Programmable EnerLinksIII Advanced Data Link for Tactical UAV Systems. Электронный ресурс. Режим доступа: www.enerdyne.com.

70. Hayhoe, М. М., MacLeod, D. I. A.; Bruch, Т. A. Rod-cone independence in dark adaptation // UCSD. Vision Research. 1975. V. 16. Pp. 591-600.

71. Heinhold I., Gaede K.W. Ingeniur statistic. // München; Wien, Springier Verlag,. 1964. 352 p.

72. Henri Eisenbeis. UAV Photogrammetry // ETH ZURICH. DISS. ETH NO. 18515. Zurich. 2009. 237 p.

73. Judd D., Maxwell A. Triangle yielding uniform chromaticity scales // JOS А. 1935.24p.

74. Judd, D. Report of U.S. Secretariat Committee on Colorimetry and Artificial Daylight // In Proceedings of the Twelfth Session of the CIE. Stockholm, Paris: Bureau Central de la CIE. 1951. V. 1. 11 p.

75. König, A., Dieterici C., Z. Psychol. Physiol // Sinnesorg.1893. №4. S. 241-347.

76. MacAdam D. Projective transformations of I.C.I. color specifications // JOSA. 1937. 294 p.

77. Mallat S. Multiresolution approximation and wavelet orthonormal bases of L2(R) // Trans. AMS. 1989. V. 315. Pp. 69 87.

78. Mallat S., Falzon F. Understanding Image Transform Code // Proceedings of the SPIE Aerospace Conference. Orlando. 1997.

79. Mann H. В., Wald A. On the choice of the number of intervals in the application of the chi-square test // Ann. Math. Stat. 1942. V. 13. Pp. 478-479.

80. Marks L.E., Bornstein M.H. Spectral sensitivity by constant CFF: effect of chromatic adaptation // JOS A. 1973. Pp. 220-226.

81. Meyer Yves, Wavelets: Algorithms & Applications // 1993. 133 p.

82. Morton G.A., Zworykin V.K. Television: The Electronics of Image Transmission // New York. 1940. 646 p.

83. Neitz J., Jacobs G. H. Polymorphism of the long-wavelength cone in normal human colour vision // Nature. 1986. V. 323. P. 623-625.

84. Pitt F. H. G. Characteristics of dichromatic vision. // Med. Res. Council, Spec. Rep. Ser. №200. London: His Majesty's Stationery Office. 1935.

85. Scheibner H. M.O., R. M. Boynton. Residual red-green discrimination in dichromats//JOSA. 1968. Pp. 1151-1158.

86. Smith V. C., Pokorny J. Spectral sensitivity of the foveal cone photopigments between 400 and 500 nm // Vision Research. 1975. V. 15. Pp. 161-171.

87. Stockman A., MacLeod D.I.A, Johnson N.E. Spectral sensitivities of human cones//JOSA. 1993. V. 10. Pp. 2491-2521.

88. Strang G., Nguyen T. Wavelets and Filter Banks // 1996. 440 p.

89. Sturgess H. A. The choice of classic intervals // J. Am. Statist. Assoc, march 1926. 47 p.

90. Thomas Y. Committee on Colorimetry // Optical Society of America. The Science of Color. New York. Crowell Сотр. 1953. 385 p.

91. Tian Jun. The Mathematical Theory and Applications of Biorthogonal Coifman Wavelet Systems // Texas: Houston. 1996. 104 p.

92. Verdon W., Adams A.J. Short-wavelength sensitive cones do not contribute to mesopic luminosity // JOS A, 1987. V. 4. Pp. 91-95.

93. Vos, J. J. Colorimetric and photometric properties of a 2-deg fundamental observer// Color Research and Application, 1978. V. 3. Pp. 125-128.

94. Wald G. The receptors of human color vision // Science, 1964. Pp. 1007-1016.

95. Wei D., Pai H.-T., Bovik A.C. Antisymmetric biorthogonal coiflets for image coding. Preprint, 1998. 340 p.

96. Wright W. D. The characteristics of tritanopia // JOSA, 1952. V.42. Pp. 509-521.