Методы, алгоритмы и программы для ускоренного решения трудоемких задач обработки случайных дискретных полей и цифровых изображений тема диссертации и автореферата по ВАК РФ 05.13.17, доктор технических наук Резник, Александр Львович

• Резник, Александр Львович
• доктор технических наук
• 2004

Оглавление диссертации доктор технических наук Резник, Александр Львович

ВВЕДЕНИЕ.

1. ЦЕЛИ И ОСНОВНЫЕ НАПРАВЛЕНИЯ РАЗВИТИЯ ЦИФРОВЫХ МЕТОДОВ И АЛГОРИТМОВ ОБРАБОТКИ, РАСПОЗНАВАНИЯ И ПОНИМАНИЯ ИЗОБРАЖЕНИЙ.

2. АНАЛИЗ СЛУЧАЙНЫХ ДИСКРЕТНО-ТОЧЕЧНЫХ ПОЛЕЙ С ПОМОЩЬЮ СИМВОЛЬНО-АНАЛИТИЧЕСКИХ ПРЕОБРАЗОВАНИЙ НА ЭВМ.

2.1. Оценивание надежности считывания случайных дискретных полей путем аналитического вычисления на ЭВМ параметрически заданных многомерных интегралов.

2.1.1. Программы рекурсивных комбинаторно-аналитических вычислений в задаче двухпорогового считывания случайных дискретных изображений.

2.2. Аналитический расчет асимптотически оптимальных декоррелирующих преобразований.

Ф 3. БЫСТРОДЕЙСТВУЮЩИЕ АЛГОРИТМЫ АНАЛИЗА

СЛУЧАЙНЫХ ИМПУЛЬСНО-ТОЧЕЧНЫХ ПОЛЕЙ.

3.1. Программы и алгоритмы оптимального по быстродействию поиска одиночного импульсного объекта.

3.1.1 .Одношаговые алгоритмы поиска.

3.1.2. Многошаговые алгоритмы поиска.

3.2. Символьно-аналитические и численные алгоритмы в задаче оптимального многоцелевого поиска.

3.3. Быстрые алгоритмы классификации ф импульсно-шумовых кластеров на прямоугольной решётке.

4. БЫСТРЫЕ АЛГОРИТМЫ ИДЕНТИФИКАЦИИ И

СОВМЕЩЕНИЯ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ.

4.1. Инвариантные к повороту алгоритмы идентификации изображений, базирующиеся на спектральном разложении сигнала.

4.2. Алгоритмы и программы высокоточного совмещения фрагментов двух цифровых изображений на основе статистического оценивания производных двумерного сигнала.

4.2.1. Статистическое оценивание взаимного смещения двух изображений с использованием конечно-разностных

Ф соотношений для частных производных сигнала. Линейный случай.

4.2.2. Статистическое оценивание взаимного смещения двух изображений с использованием конечно-разностных соотношений для частных производных сигнала. Нелинейный случай. ЮЗ

4.3. Быстрое обращение симметричных теплицевых матриц в задачах оперативной обработки последовательности цифровых изображений.

4.3.1. Разностные уравнения для прямого ф вычисления определителей и миноров.

4.3.2 Двухсторонняя процедура Гаусса.

4.3.3. Представление ленточной матрицы в виде рекурсивного фильтра.

5. ЭФФЕКТИВНЫЕ ПО БЫСТРОДЕЙСТВИЮ МЕТОДЫ ЦИФРОВОЙ ОБРАБОТКИ ДИНАМИЧЕСКИХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ ИЗОБРАЖЕНИЙ.

5.1. Ускоренное восстановление глубины трехмерной сцены и оценивание т неизвестных параметров камеры на основе

А одновременной обработки серии стереопроекций.

5.1.1. Постановка задачи.

5.1.2. Восстановление глубины сцены по известным сопряженным точкам.

5.1.3. Поиск сопряженных точек при известных ® внутренних параметрах камеры и известной геометрии съемки.

5.1.4. Автоматический поиск сопряженных точек при неизвестном положении главной точки изображения и неизвестных углах поворота камеры вокруг оптической

5.1.5. Интерполяция трехмерных сцен по нерегулярным отсчетам.

5.1.6. О точности восстановления трехмерной сцены по совокупности зашумленных стереопроекций.

5.2. Сжатие без потерь динамической последовательности изображений.

5.2.1. Сравнительные характеристики современных алгоритмов сжатия цифровых изображений без потерь.

5.2.2. Сжатие статических цифровых изображений.

5.2.2.1. Построение алгоритмов сжатия, адаптивных к изображению в среднем. л 5.2.2.2. Результаты сжатия эталонных и реальных цифровых изображений Ф алгоритмами "статического" сжатия без потерь.

5.2.3. Сжатие динамической последовательности изображений. Проверка алгоритмов компрессии/декомпрессии на реальной информации.

5.2.3.1. Описание стандартного подхода к сжатию, динамической последовательности изображений. ф 5.2.3.2. Модифицированный метод сжатия динамической последовательности изображений.

5.3. Быстрые алгоритмы субпиксельной цифровой реконструкции, основанные на поиске сигналов и изображений с минимальной энергией.

5.3.1. Реконструкция сигналов с минимальной нормой и минимальной дисперсией.

5.3.2. Быстрые алгоритмы восстановления изображений на основе критерия минимума дисперсии (двумерный случай).

5.3.3. Результаты численного моделирования.

5.4. Повышение пространственного разрешения цифровых изображений с помощью кругового сканирования.

Введение диссертации (часть автореферата) на тему «Методы, алгоритмы и программы для ускоренного решения трудоемких задач обработки случайных дискретных полей и цифровых изображений»

Актуальность темы. В настоящее время трудно найти область человеческой деятельности, в которой в той или иной мере не использовались бы современные информационно-вычислительные технологии, значительная часть которых базируется на цифровых методах обработки изображений. Диссертационная работа представляет собой обобщение результатов исследований в области цифровой обработки случайных полей и изображений, проводившихся автором на протяжении более 25 лет в Институте автоматики и электрометрии СО РАН. Подавляющее большинство этих исследований проведено в рамках тематических планов лаборатории "Вероятностных методов исследования информационных процессов", чем, собственно, и объясняется (в постановочном плане) круг рассматриваемых в диссертации задач, - это сложные проблемы вероятностного характера, возникающие при анализе многомерных полей, случайных временных рядов и динамически меняющихся изображений, которые не могут быть решены с помощью стандартного математического аппарата, а требуют для своего решения создания новых специализированных методов и мощной вычислительной поддержки.

Значительный вклад в решение задач и разработку математических методов, относящихся к цифровой обработке многомерных сигналов и изображений, внесен многими авторскими коллективами, научными школами и отдельными учеными как у нас в стране, так и за рубежом. Из зарубежных авторов наиболее известны в этой области работы Л.Р.Рабинера, Б.Гоулда, Р.В.Шафера, А.Розенфельда, М.Мак-Доннела, Р.Блейхута, Ш.Пелега, У.Прэтта, Д.Даджиона, Ф.Марвасти, Т.Кэнэда, Р.Харди, Дж.Серра и др. Что касается исследований отечественных ученых в области новых методов обработки изображений, распознавания образов и их применений, то наибольшую признательность получили работы Ю.И.Журавлева, Л.П.Ярославского, Н.Г.Загоруйко, В.П.Пяткина, В.С.Киричука, В.А.Виттиха, В.В.Сергеева, В.А.Сойфера, А.А.Спектора, Ю.Г.Васина, В.В.Моттля, А.П.Немирко, К.К.Васильева, Ю.В.Обухова, И.Г.Персианцева, В.В.Рязанова, Я.А.Фурмана и др.

Важной особенностью, выделяющей реферируемую диссертацию из круга научных исследований, проводимых в области цифровой обработки сигналов и изображений, является то, что отыскание решения каждой из проблем, составляющих предмет диссертационного исследования, ведется с применением специально разработанных программно-алгоритмических методов, ориентированных на эффективное решение именно этой конкретно выделенной теоретической или прикладной проблемы. Такой подход продиктован тем обстоятельством, что набора стандартных классических средств, обычно применяемых в области цифровой обработки изображений, оказалось недостаточно для нахождения оптимальных решений поставленных задач. Получаемые стандартными методами решения не удовлетворяли по одному или ряду параметров (как правило, главный из таких критических параметров - быстродействие создаваемых алгоритмов). Разработанные в диссертации программные компоненты условно можно разделить на те, которые относятся к традиционным численным методам расчета, когда в ходе решения задачи компьютер используется в качестве мощного и надежного вычислителя, и на компоненты, осуществляющие оригинальные символьно-аналитические преобразования на ЭВМ.

Пионерами в области машинно-аналитических преобразований у нас в стране являются Л.В.Канторович, Н.Н.Яненко, В.М.Глушков, И.В.Поттосии, Д.В.Ширков с коллегами (1960-1970 г.г.). Первые программные системы аналитического манипулирования были успешно применены ими для решения алгебраическо-дифференциальных уравнений, проведения полиномиальных выкладок, решения проблемных и трудоемких задач теоретической физики. Разработанный в диссертации аппарат для проведения символьно-аналитических преобразований на ЭВМ создавался для решения проблем, возникающих при изучении случайных дискретно-точечных изображений. Кроме того, созданные пакеты программ машинной аналитики за счет своей универсальности также эффективны при решении задач статистической радиотехники, теории массового обслуживания, автоматического сканирования, оптимального управления и в других активно развиваемых в последнее время научно-технических дисциплинах. Предложенные в диссертации программные методы аналитического вычисления параметрически заданных объемных интегралов по сложным областям в я-мерном пространстве применимы не только для исследования процесса многопорогового считывания дискретных изображений, но и для построения оптимальных по быстродействию алгоритмов анализа динамически меняющихся дискретно-точечных полей - в частности, для минимизации времени поиска точечно-импульсных объектов, образующих случайное поле. Свидетельством актуальности проведенных в этом направлении исследований является то, что полученные в диссертации формулы, рассчитанные для анализа надежности считывания случайных полей и изображений, необходимы также во многих других научно-технических дисциплинах. Так, в теории массового обслуживания аналогичными соотношениями описывается вероятность безотказной работы многоканальных обслуживающих систем с постоянным временем обслуживания. Сходные в теоретическом отношении проблемы возникают при статистическом исследовании потока отсчетов в процессе регистрации ядерных частиц счетчиками с "мертвым" временем, а также в теории надежности при поиске неисправностей динамических систем, которые проявляются в форме случайной последовательности перемежающихся отказов.

Значительное внимание в диссертации уделяется построению устойчивых и быстродействующих алгоритмов обработки сверхбольших массивов цифровых изображений, которые в нашем случае были востребованы, в частности, при анализе и классификации ледовых поверхностей; при реконструкции трехмерных сцен в условиях неполной или недостоверной информации о параметрах съемки; при исследовании методов повышения пространственного разрешения фотоматричных изображений по результатам субпиксельного сканирования. И здесь важнейшим требованием было не только создание адекватных программных средств обработки информации, но и достижение максимально высокого быстродействия. Разработанные в этой части диссертации алгоритмы оказались весьма эффективны при решении задач аэрокосмического стереовидения, возникших в рамках совместного российско-американского космического эксперимента RAMOS по выявлению, локализации и мониторингу быстропротекающих процессов на поверхности Земли и в атмосфере. Построенное математическое обеспечение создавалось для решения вполне конкретных прикладных задач, но в принципе оно универсально и может применяться для исследования весьма широкого круга вопросов, возникающих в цифровой обработке стереоизображений.

Не менее актуальны проведенные в диссертации исследования, касающиеся ускоренных алгоритмов идентификации и совмещения фрагментов цифровых изображений. Они разрабатывались для автоматической классификации ледовых поверхностей по нескольким цифровым изображениям с большими отклонениями в ракурсах, но диапазон применения разработанных программных средств также оказался значительно шире первоначального. Таким образом, из сказанного следует, что актуальность проведенных в диссертации научных исследований обеспечивалась в первую очередь необходимостью развития методов решения трудоемких вероятностно-геометрических задач цифровой обработки случайных полей и изображений, объем и сложность которых непрерывно возрастают в связи с развитием информационно-вычислительных технологий и потребностями научно-технического прогресса. Кроме того, специализированная направленность созданных методов исследования на эффективное решение конкретных прикладных задач сочетается в диссертации с модульным принципом построения и универсальностью программных компонентов всех созданных систем, что позволяет успешно применять их при исследовании проблемных и прикладных вопросов не только при обработке случайных дискретных полей и цифровых изображений, но и в смежных научно-технических дисциплинах. Цель работы и задача исследований. Целью работы является создание математических методов и построение на их основе быстродействующих программно-алгоритмических средств, обеспечивающих ускоренное решение на ЭВМ широкого круга сложных теоретических и прикладных проблем вероятностного характера, возникающих при цифровой обработке многомерных сигналов и изображений. Для достижения этой цели решены следующие задачи:

1. Для изучения процесса "телевизионного" считывания случайных дискретно-точечных полей и расчета оптимальных декоррелирующих преобразований цифровых сигналов (изображений) различной степени гладкости предложены и научно обоснованы принципиально новые методы исследования, базирующиеся на проведении аналитических преобразований на ЭВМ.

2. Разработаны новые быстродействующие методы анализа случайных дискретно-импульсных полей, с помощью которых построены оптимальные алгоритмы локализации точечных объектов со случайным пространственным расположением и случайным временем генерации импульсов, а также созданы программы быстрой классификации односвязных импульсно-шумовых кластеров на прямоугольной решетке.

3. Созданы быстрые алгоритмы идентификации цифровых изображений, базирующиеся на выделении инвариантных к повороту характеристик двумерного сигнала, статистическом анализе его конечных разностей и ускоренном обращении ленточных симметричных теплицевых матриц.

4. Созданы алгоритмы и программы устойчивого и высокоточного восстановления рельефа по серии цифровых аэрокосмических изображений при неполных или неточных данных о геометрии съемки, основанные на быстрой параллельно-групповой обработке нескольких стереопроекций.

5. Предложены методы и созданы быстрые алгоритмы повышения пространственного разрешения цифровых изображений посредством оптимальной обработки данных, полученных с помощью регулируемого субпиксельного сканирования.

Методы исследований. В диссертационной работе используются методы теории вероятностей, математической статистики, теории случайных процессов, математического моделирования, корреляционно-спектрального анализа, вариационного исчисления, комбинаторики, теории массового обслуживания, вычислительной математики, прикладного программирования и ряда других дисциплин.

Научная новизна диссертации заключается в следующем:

1. Разработан новый эффективный метод оценивания достоверности регистрации случайных дискретно-точечных изображений, основанный на аналитическом расчете на ЭВМ многомерных параметрических интегралов.

2. Предложена, математически обоснована, программно реализована и применена для расчета вероятностей безошибочного двухпорогового считывания случайных дискретных изображений методика проведения рекурсивных комбинаторно-аналитических преобразований па ЭВМ.

3. Создано ирограммно-алгоритмическое обеспечение для быстрого аналитического расчета собственных декоррелирующих преобразований, требующихся при оптимальном сжатии многомерных сигналов и цифровых изображений различной степени гладкости.

4. Методами машинной аналитики и вариационного исчисления рассчитаны параметры оптимальных по быстродействию алгоритмов локализации точечных импульсных объектов со случайным временем генерации импульсов.

5. Созданы быстрые алгоритмы расчета геометрических параметров односвязпых импульсио-шумовых кластеров, образующихся па дискретно-прямоугольной решетке при прохождении случайной групповой помехи.

6. Разработаны и программно реализованы новые высокоскоростные методы оперативной идентификации и прецизионного совмещения зашумленных цифровых изображений, основанные на сопоставлении круговых инвариантов изображения, анализе конечных разностей двумерного сигнала и ускоренном обращении ленточных симметричных теплицевых матриц.

7. Предложена и программно реализована цифровая методика параллельно-групповой обработки нескольких стереопроекций для высокоточного восстановления трехмерного рельефа по серии аэрокосмических изображений при неполных или неточных данных о внешних и внутренних параметрах камер.

8. Разработаны новые скоростные методы повышения пространственного разрешения изображений, основанные на поиске сигнала с минимальной энергией и оптимальной обработке результатов кругового сканирования. Практическая ценность и реализация научных результатов работы. Полученные в диссертации точные аналитические выражения, описывающие распределение разности порядковых статистик при случайном разбиении интервала, кроме чисто теоретической ценности, позволяют выбрать оптимальные параметры процесса автоматического считывания дискретно-точечных полей при наличии нескольких пороговых уровней. Эти же соотношения описывают вероятность безотказной работы целого класса многоканальных систем с постоянным временем обслуживания, что делает полученные результаты непосредственно применимыми в телефонии, радиосвязи, на транспорте (например, при проведении железнодорожных сортировок или при оптимизации управления уличным движением) и во многих других приложениях теории массового обслуживания.

Разработанный в диссертации пакет программ машинной аналитики дал возможность рассчитать асимптотически оптимальные декоррелирующие преобразования для сигналов различной степени гладкости, а это, в свою очередь, обеспечило построение рациональных алгоритмов сжатия и кодирования сигналов с учетом их статистических характеристик. Построенные в диссертации методы оптимального поиска точечных импульсных объектов применимы для решения самых разнообразных прикладных задач, в которых требуется минимизировать время локализации точечных объектов, способных в случайные моменты времени генерировать мгновенные дельта-импульсы. Такие задачи возникают при обработке сигналов и изображений как в научной сфере (радиоастрономия, квантовая физика, теория надежности и др.), так и во многих промышленных, естественно-технических и других приложениях науки (например, при поиске неисправностей в динамических системах в случае перемежающихся отказов), а также в различных областях военного дела.

Предложенные в диссертации инвариантные к повороту алгоритмы идентификации изображений на несколько порядков увеличивают скорость привязки реальных зашумленных изображений, а предложенные методы субпиксельного совмещения обладают высоким быстродействием и надежностью, что позволило с успехом применить их при решении сложных и трудоемких задач классификации ледовых поверхностей. Созданная в ходе выполнения диссертации скоростная высокоточная методика цифрового восстановления трехмерного рельефа по серии аэрокосмических снимков, базирующаяся на параллельной обработке нескольких стереопроекций, успешно применена в рамках совместного российско-американского проекта RAMOS для реконструкции и мониторинга земной поверхности.

Построенные в работе ускоренные алгоритмы обращения симметричных теплицевых матриц в сочетании с двумя разработанными алгоритмами разложения сигналов (соответственно гармоническим и дифференциальным) существенно ускорили и повысили точность решения задач оперативной обработки последовательности цифровых изображений.

Результаты, полученные в диссертации, послужили научным фундаментом для многих научно-исследовательских и опытно-конструкторских работ, выполненных Институтом автоматики и электрометрии СО РАН: "Радуга", "Вихрь", "Исеть", "Пакет", "Луговина", "Семан", "Гребень-СО", "Цимус-СО", "Чулым", "Стерео", "Рельеф", "Уссури" и др.

Значительная часть вошедших в диссертацию исследований была поддержапа грантами российских и международных научных фондов и организаций (в частности, грантами РФФИ № 03-01-00913 "Методы повышения пространственного разрешения фотоматричных изображений, основанные на оптимальной цифровой обработке результатов субпиксельного сканирования", № 99-01-00610 "Исследование и разработка робастных методов восстановления сигналов по их неравномерным отсчетам"; грантами Миннауки № 0201.05.221 "Модели, методы и программно-аппаратные средства обработки и анализа данных дистанционного зондирования, получаемых с сети космических станций, для оценивания в реальном времени динамики событий и явлений на поверхности Земли и в атмосфере" и № 0201.05.12 "Модели, методы и программно-алгоритмические средства анализа многозональных стереоизображений, получаемых с сети космических станций"; программами Президиума РАН № 5.16/2003 "Определение пространственно-временной эволюции трехмерной структуры и параметров движения сложных динамических сцен по данным мониторинга поверхности Земли и приземного слоя атмосферы" и № 2.13/2004 "Быстродействующие методы анализа интегрированных потоков данных в системах аэрокосмического стереовидения на основе оптимальной цифровой обработки"; грантом № TGP-962 американского исследовательского фонда CRDF).

На защиту выносятся следующие положения:

1. Созданы принципиально новые методы решения прикладных и фундаментальных задач обработки дискретных изображений, базирующиеся на проведении трудоемких специализированных символьно-аналитических преобразований на ЭВМ, с помощью которых оценена надежность телевизионного считывания случайных дискретных изображений и найдены асимптотически оптимальные декоррелирующие преобразования многомерных сигналов и изображений различной степени гладкости.

2. Построены оптимальные по быстродействию стратегии одноэтапного, периодического и многоцелевого поиска точечных импульсных объектов со случайным пространственным распределением и случайным временем генерации импульсов.

3. Разработаны быстрые алгоритмы идентификации фрагментов цифровых изображений, основанные на сравнительном анализе инвариантных к повороту характеристик двумерного сигнала, статистическом анализе его конечных разностей и ускоренном решении линейных алгебраических систем с симметричными теплицевыми матрицами специального вида.

4. Созданы новые методы, алгоритмы и программы ускоренного решения на ЭВМ трудоемких задач дальнего космического стереовидепия, базирующиеся на параллельно-групповой обработке нескольких цифровых стереопроекций с предварительной линеаризацией задачи и последующей глобальной многомерной оптимизацией.

5. Предложены, обоснованы и программно реализованы быстрые алгоритмы повышения пространственного разрешения фотоматричных изображений, основанные на оптимальной обработке данных регулируемого субпиксельного сканирования.

Апробация работы. Полученные в диссертации новые научные результаты докладывались на Всесоюзной конференции "Автоматизация научных исследований на основе применения ЭВМ" (г.Новосибирск, 1974), на Всесоюзной конференции "Применение и перспективы развития ЭВМ ЕС-1010" (г.Рига, 1978), на Всесоюзной конференции "Автоматизация научных исследований на основе применения ЭВМ" (г.Новосибирск, 1979), на Всесоюзной конференции "Автоматизация научных исследований на основе применения ЭВМ" (г.Новосибирск, 1981), на XIX Всесоюзной школе по автоматизации научных исследований (г.Новосибирск, 1985), на Международном коллоквиуме "Новые информационные технологии" (г.Москва, 8-10 октября 1991г.), на 10 Международном симпозиуме "Модульные компьютерные системы и сети" (г.Санкт-Петербург, 1993г.), на научной конференции "Научная сессия-93" в ИАиЭ СО РАН (г.Новосибирск, 1993г.), на II Всероссийской конференции "Распознавание образов и анализ изображений: новые информационные технологии" (г.Ульяновск, 1995г.), на научной конференции "Научная сессия-96" в ИАиЭ СО РАН (г.Новосибирск, 1996г.), на III Всероссийской конференции "Распознавание образов и анализ изображений: новые информационные технологии" (г.Нижний Новгород, 1-7 декабря 1997г.), на IV Всероссийской с международным участием конференции "Распознавание образов и анализ изображений: новые информационные технологии" (г.Новосибирск, 11-18 октября 1998г.), на Научном Совете ГНТП "Перспективные информационные технологии" по направлению "Распознавание образов и анализ изображений" (г.Новосибирск, 1998г.), на V Международной конференции "Распознавание образов и анализ изображений: новые информационные технологии" (г.Самара, 16-22 октября 2000г.), на Международной конференции "Информационные системы и технологии"-ИСТ'2000 (Новосибирск, 8-11 ноября 2000г.), на VII Международной конференции IASTED по обработке сигналов и изображений "Signal and Image Processing" (г.Гонолулу, Гавайи, США, 13-16 августа 2001г.), на Международной конференции IASTED по автоматизации, управлению и информационным технологиям "Automation, Control, and Information Technology" (г.Новосибирск, 10-13 июня 2002г.), на VI Международной конференции "Распознавание образов и анализ изображений: новые информационные технологии" (г.Великий Новгород, 2126 октября 2002г.), на Международной конференции IASTED по обработке сигналов, распознаванию образов и их приложениям SPPRA-2003 (г.Родос,

Греция, 30 июня-2 июля 2003г.), на Международном Симпозиуме по распознаванию образов и пониманию изображений OGRW-6-2003 (The 6-th German-Russian Workshop on Pattern Recognition and linage Understanding, Russian Federation, Katun village, Altai Region, August 25-30, 2003). Личный вклад. Участие автора заключается в научной постановке и математической формализации всех исследованных в диссертации теоретических и прикладных проблем, разработке идейной части алгоритмов и непосредственном решении задач, составляющих предмет диссертационного исследования, в создании всех изложенных в диссертации программных компонентов. Участие других авторов в определенных этапах работы полностью отражает приводимый в диссертации список литературы. Публикации. По теме диссертации соискателем лично и в соавторстве опубликованы 53 печатных работы. Результаты исследований и разработок изложены в 6 научно-исследовательских отчетах.

Заключение диссертации по теме «Теоретические основы информатики», Резник, Александр Львович

ЗАКЛЮЧЕНИЕ

1. Предложен новый подход к оцениванию надежности считывания случайных дискретно-точечных изображений, основанный на проведении на ЭВМ трудоемких символьно-аналитических преобразований, связанных с вычислением интегралов по параметрически заданным выпуклым многогранникам в «-мерном пространстве.

2. Разработан, обоснован и программно реализован новый комбинаторно-рекурсивный алгоритм расчета вероятности безотказной работы интегратора при двухпороговом "телевизионном" считывании случайных изображений. Получены новые не известные ранее аналитически замкнутые формулы для вероятности безошибочного считывания.

3. Предложен и программно реализован быстродействующий метод нахождения параметров асимптотически оптимальных декоррелирующих преобразований различных типов сигналов (изображений) в зависимости от степени их дифференцируемое™.

4. Построены оптимальные по быстродействию алгоритмы локализации точечно-импульсных объектов, образующих случайное поле и проявляющих себя в случайные моменты времени генерацией бесконечно коротких дельта-импульсов. Найдены оптимальные стратегии одношагового, многоэтапного, циклического и многоцелевого поиска.

5. Создан новый высокоскоростной алгоритм расчета вероятности возникновения групповых импульсных помех на цифровых изображениях, искаженных пространственно некоррелированными аддитивными шумами.

6. Предложены и программно реализованы новые методы ускоренной идентификации фрагментов цифровых изображений на основе поиска круговых инвариантов изображения, конечно-разностного оценивания производных сигнала и ускоренного обращения симметричных теплицевых матриц специального вида.

7. Разработан новый метод комплексного решения задачи трехмерной реконструкции рельефа земной поверхности по динамической последовательности цифровых стереопроекций при неполных или неточных данных о параметрах съемки, основанный на одновременной параллельно-групповой обработке нескольких изображений.

8. Построены новые эффективные алгоритмы повышения пространственного разрешения фотоматричных изображений, основанные на оптимальной цифровой обработке результатов кругового и двухкоординатного субпиксельного сканирования.

Список литературы диссертационного исследования доктор технических наук Резник, Александр Львович, 2004 год

1. Cooley, J.W. and Tukey J.W., An Algorithm for the Machine Computation of . Complex Fourier Series, Math. Сотр. 19(1965), pp.297-301.

2. Good I.J., The Interaction Algorithm and Practical Fourier Analysis, J. Royal Statist. Soc., Ser. B20 (1958), pp. 36-375; addendum, 22 (1960), pp.372-375.

3. Thomas, L.H., Using a Computer to Solve Problems in Physics, Applications of Digital Computers, Ginn and Co., Boston, Mass. 1963.

4. Good I.J., The Relationship between Two Fast Fourier Transform, IEEE Trans. Сотр. C-20 (1971), pp.310-317.

5. Singleton, R.C., An Algorithm for Computing the Mixel Radix Fast Fourier Transform, IEEE Trans. Audio Electroacoust. AU-17 (1969), pp.93-103.

6. Nussbaumer, H.J., Digital Filtering Using Polynomial Transforms, Electron. Lett. 13 (1977), pp.386-387.

7. Nussbaumer, H.J., New Algorithms for Convolution and DFT Based on Polynomial Transforms, Proc. 1978 IEEE Internat. Conf. Acoust., Speech, Signal Proc. (1978), pp.638-641.

8. Winograd S., A New Algorithm for Inner Product, IEEE Trans. Сотр. С-17 (1968), pp.693-694.

9. Winograd S., On Computing the Discrete Fourier Transform, Math. Сотр., 32(1978), pp. 175-199.

10. Winograd S., Signal Processing and Complexity of Computation, Proc. Int. Conf. Acoust., Speech, Signal Proc.( 1980), pp. 94-101.

11. Daubechies I. Ten Lectures on Wavelets. SIAM, 1992.

12. Neil H. Getz, "A Fast Discrete Periodic Wavelet Transform", Memorandum UCB/ERL M92-138, Electronic Research Laboratory Berkeley, California 22 December 1992.

13. Morlet, J. and G. Arens, I. Fourgeau, D. Giard. Wave Propagation and• Sampling Theory. Geophysics, Vol. 47 (1982), p. 203-236.

14. Sweldens, W. The Lifting Scheme: A Construction of Second Generation Wavelets. Siam J. Math. Anal, Vol. 29, No. 2 (1997). Preprint, 1996.

15. Weiss, L. G. Wavelets and Wideband Correlation Processing. IEEE Signal Processing Magazine, January (1994), p. 13-32.

16. Trench, W.F., An Algorithm for the Inversion of Finite Toeplitz Matricices, J. SIAM 12, no.3, 1964, pp.512-522.

17. Levinson, N., The Wiener RMS Error Criterion in Filter Design and Prediction, J. Math.Phys. 25, 1947, pp.261-278.

18. Durbin, J., The Fitting of Time-Series Models, Rev. Internat. Stat. Inst. 23, 1960, pp.233-244.

19. В.М.Ефимов, В.Г.Полосьмак, A.JI.Резник. Аналитические и компьютерные алгоритмы обращения ленточных матриц.// Автометрия, 1985, №6, с.103-108.

20. Robb, R.A., Е.А. Hoffman, L.J. Sinak, L.D. Harris, and E.L. Ritman: Highspeed three-dimensional x-ray computed tomography: The Dynamic Spatial Reconstructor. Proceedings of the IEEE 71 (3): 308-319, (March) 1983.

21. А. С. Как and Malcolm Slaney, Principles of Computerized Tomographic Imaging, IEEE Press, 1988.

22. C.-F. Westin, A. Bhalerao, H. Knutsson, R. Kikinis, Using Local 3D Structure for Segmentation of Bone from Computer Tomography Images, Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1997, pp. 794-800.

23. S. Horbelt, M. Liebling, M. Unser, "Discretization of the Radon Transform and of its Inverse by Spline Convolutions," IEEE Transactions on Medical Imaging, vol. 21, no. 4, pp. 363-376, April 2002.

24. Ю.Е.Воскобойников, С.Н.Касьянова, Н.П.Кисленко, О.Е.Трофимов.

25. Использование алгоритмов нелинейной фильтрации для улучшения качества восстановленных томографических изображений. // Автометрия, № 3, 1997.

26. В.В.Пикалов. Задачи трехмерной томографии: алгоритмы и приложения. //Конференция "Компьютерная томография", 30 марта 3 апреля 1998, Тезисы докладов, Снежинск, ВНИИТФ, 1998, с.53.

27. Sh.Peleg, D.Keren and L.Schweitzer. Improving Image Resolution Using Subpixel Motion // Pattern Recognition Letters 5 (1987) 223-226.

28. F.Marvasti. "Nonuniform Sampling", in Advanced Topics in Shannon Sampling and Interpolation Theory, R.J.Marks, II, Ed. New York: Springer-Verlag, 1993, pp.121-156.

29. H.Choi and D.C.Munson. Analysis and Design of Minimax-Optimal Interpolators // IEEE Transactions on Signal processing, vol.46, no.6, June 1998, pp.1571-1579.

30. Th. Stromer. Computationally Attractive Recognition of Bandlimited Images from Irregular Samples // IEEE Transactions on Signal processing, vol.6, no.4, April 1997, pp.540-548.

31. J.L.Yen. On Nonuniform Sampling of Bandlimited Signals // IRE Trans. Circuit Theory, vol.CX-3, pp.251-257, Dec.1956.

32. M.Irani and S.Peleg. Improving Resolution by Image Registration. Graphica Models and Image Processing, vol. 53, no. 3, 1991, pp. 231-239.

33. Yao Lu and Minoru Inamura. Spatial resolution improvement of remote sensing images by fusion of subpixel-shifted multi-observation images. Int.J. Remote Sensing, vol. 24, no. 23, December 2003, pp. 4647-4660.

34. N. K. Bose, S. Lertrattanapanich, and M.'B. Chappalli. Superresolution with second generation wavelets. //Signal Processing:Image Communication, vol.19, 2004, pp. 387-391.

35. N. K. Bose, M. K. Ng. Analysis of Displacement Errors in High-Resolution1.age Reconstruction. //Special Issue on Multidimensional Signals and Systems, IEEE Trans. Circuits and Systems-I, vol. 49, no. 6, June 2002, pp. 806-813.

36. N. K. Bose, M. K. Ng, and J. Koo. Constrained Total Least Squares Computations for High-Resolution Image Reconstruction with Multisensors. //Journal of Imaging Science and Technology, John Wiley and Sons, Inc., 12, no. 1,2002, pp. 35-42.

37. N. K. Bose and S. Lertrattanapanich. High Resolution Image Formation from Low Resolution Frames Using Delaunay Triangulation. //IEEE Transactions on Image Processing, vol. 17, December 2002, pp. 1427-1441.

38. N. K. Bose and M. K. Ng. Mathematical Analysis of Superresolution Methodology. //IEEE Signal Processing Magazine, 20(3), May 2003, pp. 6274.

39. N. K. Bose, S. Lertrattanapanich, and M. B. Chappalli. Superresolution with Second Generation Wavelets. // Signal Processing: Image Communication, vol. 19, 2004, pp. 387-391.

40. N. K. Bose and M. B. Chappalli. A Second Generation Wavelet Framework for Superresolution with Noise Filtering. // International J. on Imaging Science and Technology (Special Issue on High Resolution Image Reconstruction), August 2004.

41. С.Т.Васьков, В.М.Ефимов, A.JI.Резник. Быстрая цифровая реконструкция сигналов и изображений по критерию минимума энергии // Автометрия, 2003, №4, с. 13-20.

42. А.Л.Резник, В.М.Ефимов. Повышение пространственного разрешения цифровых изображений и сигналов с помощью регулируемого субпиксельного сканирования // Микросистемная техника, 2003, №8, с.20-25.

43. Борзов C.M., Потатуркин О.И., Резник A.JI., Яковлев А.В. Принципы построения автоматизированных систем восприятия и анализа последовательности тепловизионных изображений // Известия ВУЗов. Приборостроение, 2004, №9, с.46-50.

44. В.В.Асмус, А.П.Тищенко, В.П.Пяткин. Природа Земли из Космоса.

45. Монография. Гидрометеоиздат. 1984, с.39-55.

46. Q.-T.Luong, O.D.Faugeras. Self-calibration of Moving Camera from Point Correspondences and Fundamental Matrices // Intern.Journ.Сотр.Vision, 1997, 22, №3, p.321.

47. J.Ponce, D.H.Marimont, and T.A.Cass. Analytical Methods for Uncalibrated Stereo and Motion Reconstruction. In Proc. European Conference on Computer Vision, pp.463-470, Stockholm, Sweden, 1994.

48. Ефимов В.М., Киричук B.C., Колесников А.Н., Резник А.Л. Быстродействующие алгоритмы восстановления рельефа в задачах дальнего космического стереовидения // Автометрия, 1999, № 2, стр. 311.

49. Efimov V.M., Ivanov V.A., Kolesnikov A.N., Reznik A.L., Torgov A.V. Interpolation of three-dimensional scenes by irregular counts // Pattern Recognition and Image Analysis, 1999, v.9, № 2, pp.242-244.

50. Efimov V.M., Kirichuk V.S., Kolesnikov A.N., Reznik A.L. Fast algorithms for reconstructing relief from several aerospace images // Pattern Recognition and Image Analysis, 1999, v.9, № 2, pp.245-247.

51. Efimov V.M., Kirichuk V.S., Kolesnikov A.N., Reznik A.L. On the accuracy of 3-D scene reconstruction on the basis of a set of noisy stereo projections // Pattern Recognition and Image Analysis, 1999, v.9, № 2, pp.248-250.

52. А.Л.Резник, К.Ю.Мокин. Быстродействующие алгоритмы оценивания неизвестных параметров камеры и автоматический поиск сопряженных точек в задаче реконструкции рельефа земной поверхности по серии космических стереопроекций.- Автометрия, 2000, №2, с.3-14.

53. Efimov V.M., Kirichuk V.S., Kolesnikov A.N., and Reznik A.L. Algorithms for Quickly Reconstructing of Several Aerospace Images // Pattern Recognition and Image Analysis, vol.10, No 2, 2000, pp. 259-264.

54. V.S.Kirichuk, K.Yu.Mokin, and A.L.Reznik. Algorithms for Processing of Series of Digital Aerospace Images Based on Automatic Search for the Conjugate Points// Pattern Recognition and Image Analysis, vol.11, No 1, 2001, pp. 192-194.

55. Л.В.Канторович. О проведении численных и аналитических вычислений на машинах с программным управлением. Изд.АН Арм.ССР, серия физ.-мат., 10, №2, 1957.

56. В.А.Шурыгин, Н.Н.Яненко. О реализации на ЭВМ алгебраическо-дифференциальных алгоритмов. Проблемы кибернетики, вып.6, М., Физматгиз, 1961.

57. М.М.Бежанова, В.Л.Катков, И.В.Поттосин. Работы по аналитическим преобразованиям в ВЦ СО АН СССР, Сб. "Вычислительная математика и вычислительная техника", вып.З, ФТИНТ АН УССР, Харьков, 1972.

58. В.П.Гердт, О.В.Тарасов, Д.В.Ширков. Аналитические вычисления на машинах в приложении к физике и математике // Успехи физических наук, 1980, т. 130, №.1, с. 113-147.

59. В.М.Глушков, Т.А.Гринченко, А.А.Дородницына и др. АНАЛИТИК-74// Кибернетика, т.5, 1978, с.114-147.

60. M.S.Davis. Analytical Mathematics on Computers, Appl. Mech. Rev., 31, №1, 1978.

61. В.М.Ефимов, А.Л.Резник. Аналитическое вычисление на ЭВМ объемов, ограниченных системой гиперплоскостей в /7-мерном пространстве.//Автометрия, 1976, №1, с.116-119.

62. А.Л.Резник. Комплекс программ для формирования неструктурированных изображений. //В сб."Системы автоматизации научных исследований", Новосибирск, 1976, с.24-30.

63. В.М.Ефимов, А.Л.Резник. Аналитическое определение с помощью ЭВМ статистических характеристик процесса щелевого сканирования потока Бернулли. //Автометрия, 1977, №4, с.49-51.

64. А.Л.Резник. Применение ЭВМ для аналитического исследования ряда вероятностных процессов.//Тез.докл.Всесоюзн.конф. "Автоматизация научных исследований на основе применения ЭВМ", Новосибирск, 1979.

65. В.М.Ефимов, А.А.Нестеров, А.Л.Резник. Алгоритмы оптимального по быстродействию поиска точечных световых объектов.// Автометрия, 1980, №3, с.72-76.

66. А.Л.Резник. Машинная аналитика в задачах автоматического сканирования.// Тез.докл.Всесоюзн.конф. "Автоматизация научных исследований на основе применения ЭВМ", Новосибирск, 1981, с.147-148.

67. А.Л.Резник. Моделирование на ЭВМ непрерывного считывания изображений дискретной структуры.// Автометрия, 1981, №6, с.3-6.

68. В.М.Ефимов, Ю.Н.Золотухин, А.Л.Резник. Асимптотически оптимальная декорреляция стационарной последовательности равноотстоящих отсчетов сигнала.// Автометрия, 1991, №5, с. 104-107.

69. В.М.Ефимов, Ю.Н.Золотухин, А.Л.Резник. Алгоритмы оптимальной декорреляции сигналов различной степени гладкости.// Доклады международного коллоквиума "Новые информационные технологии", Москва, 8-10 октября 1991 г., с.239.

70. А.Л.Резник. Программы для аналитических вычислений в задачах локализации точечных объектов.// Автометрия, 1991, №6, с.21-26.

71. А.Л.Резник. О распределении разности порядковых статистик при случайном разбиении интервала.// Автометрия, 1995, №1, с.46-52.

72. A.L.Reznik "Analytical Operations Using Computer in Topical Probabilistic Problems Related to an Analysis of Discrete Structures" // Pattern Recognition and Image Analysis, 1996, vol. 6, no. 1, pp.52-53.

73. A.L.Reznik "Analytical Solution of Probabilistic Problems Resulting from Random Partitioning of an Interval with the Use of Computer" // Pattern Recognition and Image Analysis, 1996, vol. 6, no. 4, pp.657-661.

74. Резник А.Л. Аналитическое нахождение на ЭВМ распределения минимума разности порядковых статистик при случайном разбиении интервала // Научная сессия-96. Тезисы докладов. Новосибирск, ИАЭ СО РАН, 1996, с. 13-14.

75. A. L. Reznik and V. М. Efimov. Analytical Computer Calculations in Analysis of Discrete-Point Images //Pattern Recognition and Image Analysis, vol.10, no 1, 2003, pp. 158-160.

76. С.Уилкс. Математическая статистика. M., Мир, 1967, с.632.

77. Parzen, Е., Modern Probability Theory and Its Applications, John Wiley and Sons, Inc., New York-London, 1960.

78. В.М.Ефимов, А.М.Искольдский, З.А.Лившиц, 10.M.Крендель. О характеристиках различных методов считывания изображений дискретных структур // Автометрия, 1973, №1.

79. Darling, D.A., On Class Problems Related to the Random Division of an Interval, Ann. Math. Stat., 1953, vol.24: p. 239-253.

80. Barton, D.E., and David, F.N., Combinatorial Extreme Value Distributions, Mathematika, 1959, no 6: p.63-76.

81. Naus, J.I., Some Probabilities, Expectations, and Variances for the Size of Largest Clusters and Smallest Intervals, J. Am. Statist. Assoc., 1966, vol.61: p.1191-1199.

82. Г.Дэйвид. Порядковые статистики. M.: Наука, 1979, с.336.

83. В.Феллер. Введение в теорию вероятностей и ее приложения. М.: Мир, 1966.

84. А.Н.Колмогоров. Теория передачи информации // Сессия АН СССР по научным проблемам автоматизации производства: Пленарные заседания1. АН СССР, М., 1957.

85. Дж.Андерсен, С.К.Фралик, Э.Хамилтон и др. Кодек для передачи цветной видеоинформации по цифровым телефонным линиям. // Электроника. 1984, №2.

86. В.М.Ефимов. Квантование по времени при измерении и контроле. М.: Энергия, 1969.

87. Г.П.Катыс. Автоматическое сканирование. М., Машиностроение, 1969.

88. А.Л.Резник. Об оценке интенсивности потоков при регистрации отсчетов.// Автометрия, 1980, №3, с. 123-126.

89. Hoyland, A., Rausand, М. System Reliability Theory: Models and Statistical Methods, John Wiley (New York), 1994.

90. Барлоу P., Прошан Ф. Математическая теория надежности. М.: Советское радио, 1969.

91. Гнеденко Б.В., Беляев Ю.И., Соловьев А.Д. Математические методы в теории надежности. М.: Наука, 1965 - 524 с.

92. Острейковский В.А. Теория надежности.- М.: Высшая школа, 2003, 463 с.

93. S. Haykin, Neural Networks: A Comprehensive Foundation, MacMillan College Publishing Co., New York, 1994.

94. J. Hertz, A. Krogh, and R.G. Palmer, Introduction to the Theory of Neural Computation, Addison-Wesley, Reading, Mass., 1991.

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

96. Kober V., Moreno I., Lashin V., Campos J., Yaroslavsky L.P., Yzuel M.J. Color component transformations for optical pattern recognition. // Journal Optical Society of America (A), 1997, v. 14, no. 10, pp. 2656-2669.

97. В.И.Кобер. "Методы и алгоритмы локально-адаптивной обработки сигналов и изображений". //Автореферат диссертации насоискание ученой степени доктора технических наук, М., 2004.

98. Хермен Г. Восстановление изображений по проекциям. // М. : Мир, 1983, 350с.

99. M.K.Hu. Visual Pattern Recognition By Moment Invariants", IEEE Trans, on Information Theory, vol.IT-8, Feb. 1962, pp. 179-187.

100. M.R.Teaque. Image analysis via the general theory of moments.// J.Opt.Soc.Am., Vol.70, no.8, August 1980.

101. A.Khotanzad, Y.Poggios. Invariant Image Recognition by Zernike Moments.// IEEE Trans, on PAMI, vol. PAMI-12, 1990, pp. 489-497.

102. В.М.Ефимов, А.Л.Резник. Алгоритмы идентификации фрагментов двух изображений, инвариантные к повороту.// Автометрия, 1984, №5, с.61-64.

103. А.Л.Резник, В.М.Ефимов. Программы ускоренного корреляционно-спектрального анализа для комплекса "Зенит".// В сб. "Методы и средства обработки изображений", Новосибирск, 1982, с. 129132.

104. В.М.Ефимов, В.С.Киричук, А.Л.Резник и др. Отчет по НИР "Алгоритмы обработки и классификации радиолокационных изображений ледовых поверхностей" (шифр "Гребень-СО"), №638, 167с., 1982.

105. В.М.Ефимов, В.С.Киричук, А.Л.Резник и др. Отчет по НИР "Алгоритмы обработки и классификации двумерных случайных полей" (шифр "Гребень-СО-1"), №444, 126с., 1982.

106. С. M. Higgins and С. Koch, "A Modular Multi-Chip Neuromorphic Architecture for Real-Time Visual Motion Processing," Analog Integrated Circuits and Signal Processing 24(3), pp. 195-211, September 2000.

107. R. W. Frischholz, K. P. Spinnler. A Class of Algorithms for RealTime Subpixel Registration. In: Europto Series, Proceedings, Vol. 1989, Munich, June 1993.

108. Lufs A. Alexandre, Aurelio C. Campilho, "A 2D Image Motion Detection Method Using a Stationary Camera", 10 th Portuguese Conference on Pattern Recognition, pp. 103-107, 1998.

109. Г.И.Марчук. Методы вычислительной математики. //М.: Наука, 1977.

110. Т.Л.Панкова, А.Л.Резник. Эффективность алгоритмов прецизионного совмещения цифровых изображений.// Автометрия, 1991, №5, с.39-43.

111. A.L.Reznik "Algorithms for high-precision estimation of the coordinate shift of fragments in digital images". // Pattern Recognition and Image Analysis, 1998, vol. 8, no. 2, pp.248-250.

112. В.М.Ефимов, В.С.Киричук, В.Г.Полосьмак, А.И.Пустовских, А.Л.Резник. Совместный анализ совокупности однотипных изображений.// XIX Всесоюзная школа по автоматизации научных исследований, Новосибирск, 1985, с. 157-158.

113. А.В.Губанов, В.М.Ефимов, В.С.Киричук, А.И.Пустовских, А.Л.Резник. Методы оценивания взаимного смещения фрагментовцифровых изображений.// Автометрия, 1988, №3, с.70-73.

114. В.М.Ефимов, В.С.Киричук, А.И.Пустовских, А.Л.Резник. Методика обработки серии изображений.// Автометрия, 1989, №2, с.23-28.

115. Хорн Б.К.П. Зрение роботов. М.: Мир, 1989.

116. Faugeras O.D.(ed.), Fundamentals in Computer Vision, Cambridge Univ. Press, Cambridge, 1983.

117. Marr, D, Vision, (New York, NY: W H Freeman, Inc, 1982).

118. LuongQ.-T., and Faugeras O. D. The Fundamental matrix: theory, algorithms, and stability analysis. International Journal of Computer Vision, vol.1, p.p. 43-76, 1996.

119. Zhou, G., J. Albertz, and K. Gwinner: Extracting 3D information using temporal-spatial analysis of aerial image sequences. Photogrammetry Engineering & Remote Sensing, Vol. 65, No. 7, July 1999, pp. 823-832.

120. R. Koch, M. Pollefeys and L. Van Gool, "Multi Viewpoint Stereo from Uncalibrated Video Sequences", Proc. ECCV'98, Freiburg, Germany.

121. P. Beardsley, P. Torr and A. Zisserman, "3D Model Acquisition from Extended Image Sequences", Proc. ECCV'96, Cambridge, UK.

122. Toga, A, "Three-dimensional reconstruction," Three-Dimensional Neuroimaging, (New York, NY: Raven Press, 1990).

123. Kosykh V.P., Kirichuck V.S., Peretyagin G.I., Ivanov V.A. Reconstruction of time-dependent three-dimensional scenes based on analysis of sequences of stereo images. // Proc. ISAS/SCI-2001, Orlando, Florida, USA, July, 22-25, 2001.XIII.P.35.

124. В.С.Киричук, В.П.Косых. Точность оценивания рельефа по последовательности перспективных изображений. // Автометрия, 2002, .№5,с.3-16.

125. Preparata,F.P.,and Shamos,V.I. , Computational Geometry, New

126. York:Springer Verlag,1985.

127. В.М.Ефимов, А.Н.Колесников Асимптотически оптимальная интерполяция марковского сигнала и ее применение при дискретном синусном преобразовании // Автометрия, 1993, №5, с.72.

128. В.М.Ефимов, А.Н.Колесников. Асимптотически оптимальные интерполяционные соотношения. // Автометрия, 1992, № 4.

129. В.М.Ефимов, А.Н.Касперович, А.Л.Резник. Восстановление сигнала с конечным числом степеней свободы при его неравномерной дискретизации.- Автометрия, 2000, №3, с.26-31.

130. В.М.Ефимов, А.Л.Резник, А.В.Торгов. Сравнительная оценка характеристик полиномиальных интерполяторов при равномерной дискретизации сигнала. //Автометрия, 2001, №6, с.24-31.

131. В.М.Ефимов, А.Л.Резник, А.В.Торгов. Восстановление сигнала с неограниченным по частоте спектром при периодически неравномерной дискретизации //Автометрия, 2002, № 5, с.30-37.

132. В.М.Ефимов, А.Л.Резник, А.В.Торгов. Асимптотическиоптимальное восстановление сигнала с неограниченной по частоте спектральной плотностью при его периодически неравномерной и равномерной дискретизации // Автометрия, 2003, №6, с.59-67.

133. Ефимов B.M., Лившиц З.А. // Оптимизация систем сжатия, использующих предсказатель нулевого порядка с фиксированной• апертурой. // Автометрия, 1974, №4.

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

135. Ефимов В.М., Колесников А.Н. Эффективность некоторых алгоритмов сжатия информации в двумерных массивах данных без потери точности при их восстановлении. // Автометрия, 1997, №6.

136. Ефимов В.М., Колесников А.Н. Повышение эффективности построчных алгоритмов сжатия без искажений цифровых массивов данных. // Автометрия, 1999, №1.

137. W.B. Pennebaker, "An overview of the basic principles of the Q-coder adaptive " binary arithmetic coder", IBM J.Res. Develop., vol. 32. Pp. 717-726, Nov. 1988.

138. Wallace, Gregory K. "The JPEG Still Picture Compression Standard", Communications of the ACM, April 1991 vol. 34 no. 4, pp. 30-40. A revised version of this article is available at ftp.uu.net, graphics/jpeg/wallace.ps.Z.

139. G. Langdon and C. Haidinyak, "Context-dependent distribution shaping and parameterization for lossless image compression", in Applications of Digital Image Processing 17, SPIE, pp 62-70, 1994.

140. M. J. Weinberger, J. Rissanen and R. B. Arps, "On universal context modeling for lossless compression of the grey-scale images", pre-print, 1994.

141. P. Howard and J. Vitter, "New methods for lossless image compration using arithmetic coding", J. Info. Proc. Mannag., vol 28, no. 5, pp 765-779,1992.

142. M. Slyz and D. Neuhoff "A nonlinear VQ-based predective lossless image coder" Proc. Data Compression Conf 94, pp.304-310, 1994.

143. X. Wu, "Context selection and quantization for lossless image coding(abstract)", Proc. Data Compression Conf. 95, Mar. 1995.

144. X. Wu, N. Memon, and K. Sayood, "A context-based, adaptiv, lossless coding scheme for continuous-tone images" ISO/IEC JTC 1/SC 29/WC 1 document No. 202, July 1995.

145. M.J.Weinberger, and G.Seroussi «The LOCO-I Lossless Image Compression Algorithm: Principles and Standardization into JPEG-LS», Hewlett-Packard Laboratories Technical Report No. HPL-98-193RI, November 1998, revised October 1999.

146. M.J.Weinberger, J.Rissanen and R.B.Arps «Application of universalcontext modelling to lossless compression of gray-scale images», IEEE Trans. Image Processing, vol.5, pp.575-586,Apr,1996.

147. P.A.Maragos, R.W.Schafer, and R.M.Mersereau «Two-dimensional linear predictive coding and its application to adaptive predictive coding of images», IEEE Trans. ASSP-32, pp. 1213-1229, Dec. 1984.

148. A.Netravali, J.O.Limb "Picture Coding: A review", Proc. IEEE, vol.68, pp.366-406, 1980.

149. G.G.Langdon, Jr. and M.Manohar "Centering of context-dependent components of prediction error distributions", in Proc. SPIE (Applications of Digital Image Processing XVI) vol. 2028, pp. 26-31, 1993.

150. S.W.Golomb "Run-length encodings", IEEE Trans. Inform Theory, vol.IT-12, pp.399-401, 1966.

151. R.Gallager and D.V.Voorhis «Optimal source codes for geometrically distributed integer alphabets», IEEE Trans. Inform. Theory, vol.IT-21, pp.228-230, Mar. 1975.

152. N.Merhav, G.Seroussi, and M.J.Weinberger «Optimal prefix codes for sources with two-sided geometric distributions», Technical Report No. HPL-98-70, Apr. 1998, Hewlett-Packard Laboratories.

153. Рябко Б.Я., Фионов A.H. Эффективный метод адаптивного арифметического кодирования для источников с большими алфавитами. //Проблемы передачи информации, 1999, т.35, вып.4., с. 1-14.

154. W.K.Pratt. Digital Image Processing . John Wiley and Sons, New York, 1978.

155. В.С.Киричук, В.А.Иванов, К.Ю.Мокин, А.Л.Резник и др. Отчет по научно-исследовательской работе " Разработка методов и исследование эффективности обработки стереопроекций", Новосибирск, ИАиЭ СО РАН, 2000, 121с., гос.рег. №01.9.60.013076.