Методы и алгоритмы анализа качества передачи мелких деталей и резких границ цветных телевизионных изображений тема диссертации и автореферата по ВАК РФ 05.12.04, доктор технических наук Сай, Сергей Владимирович

• Сай, Сергей Владимирович
• доктор технических наук
• 2003

Оглавление диссертации доктор технических наук Сай, Сергей Владимирович

ВВЕДЕНИЕ.

ГЛАВА 1. МЕТОДЫ ОБРАБОТКИ, ПЕРЕДАЧИ И ОЦЕНКИ КАЧЕСТВА ЦВЕТНЫХ ИЗОБРАЖЕНИЙ.

1.1. Общие принципы обработки сигналов в цифровых ТВ системах.

1.2. Системы и методы кодирования статических изображений.

1.2.1. Кодирование длин серий.

1.2.2. Кодирование с предсказанием.

1.2.3. Кодирования с преобразованием.

1.2.4. Кодирование на основе вейвлет-преобразования.

1.3. Системы и методы кодирования динамических изображений.

1.3.1 .Стандарт MPEG-1.

1.3.2.Стандарт MPEG-2.

1.3.3.Особенности стандартов MPEG-4 и MPEG-7.

1.4. Меры качества цветных изображений.

1.4.1. Метод субъективных экспертиз.

1.4.2. Меры качества воспроизведения мелких деталей и резких границ.

1.4.3. Глобальные меры различий.

1.4.4. Анализатор качества изображений PQA-200.

1.4.5. Модели зрения.

Выводы.

ГЛАВА 2. РАЗРАБОТКА ОБЪЕКТИВНОГО КРИТЕРИЯ КАЧЕСТВА ПЕРЕДАЧИ МЕЛКИХ ДЕТАЛЕЙ

2.1. Выбор метрической системы координат.

2.2. Синтез испытательной таблицы в равноконтрастной системе координат.

2.3. Экспериментальная оценка порогов зрительного восприятия.

Выводы.

10 ГЛАВА 3. РАЗРАБОТКА МЕТОДОВ ОЦЕНКИ КАЧЕСТВА

ВОСПРОИЗВЕДЕНИЯ МЕЛКИХ ДЕТАЛЕЙ И РЕЗКИХ ГРАНИЦ ЦВЕТНЫХ ИЗОБРАЖЕНИЙ.

3.1. Метод оценки визуальной четкости.

3.2. Метод оценки резкости.

3.3. Метод оценки точности цветопередачи.

3.4. Анализ влияния флуктуационных помех.

3.5. Разработка компьютерного анализатора качества цветных изображений.

3.6. Сопоставление численных результатов анализа с субъективными оценками качества цветных изображений.

Выводы.

ГЛАВА 4. АНАЛИЗ КАЧЕСТВА ИЗОБРАЖЕНИЙ В СИСТЕМАХ

С ЦИФРОВЫМ КОДИРОВАНИЕМ.

4.1. Методика экспериментальных исследований.

4.2. Кодирование длин серий.

4.3. Кодирования методом ДИКМ.

4.4. Кодирование с преобразованием.

4.5. Кодирование методом вейвлет-преобразования.

0 4.6. Анализ погрешностей межкадрового кодирования.

Выводы.

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы анализа качества передачи мелких деталей и резких границ цветных телевизионных изображений»

Актуальность проблемы. В процессе проектирования цифровой телевизионной (ТВ) системы с высоким качеством возникает следующая основная проблема. С одной стороны, для компактного представления и передачи видеоданных по каналам связи с ограниченной полосой пропускания, требуется использовать эффективные алгоритмы сжатия. С другой — необходимо обеспечить высокое качество передачи мелких деталей и резких границ декодированных цветных изображений. Данные показатели качества определяют такие характеристики изображения как четкость и резкость.

Четкость и резкость обычно оцениваются разрешающей способностью и длительностью переходных характеристик (ПХ) каналов яркости и цветности линейной ТВ системы. Разрешающая способность системы традиционно определяется числом различимых линий (вертикальных, наклонных и горизонтальных), вычисляемого по значению максимальной пространственной частоты, при которой обеспечивается пороговый контраст воспроизводимого изображения предельно контрастной штриховой миры. По переходной характеристике определяется резкость границ крупных деталей изображения как разность между точками соответствующими 0,1 и 0,9 ПХ.

Традиционные методы оценки четкости и резкости изображения разработаны в основном применительно к стандартным аналоговым системам цветного телевидения. В цифровых видеосистемах возникают специфические искажения, обусловленные ограничениями выбранного алгоритма сжатия статических и/или динамических изображений. При использовании стандартных методов измерения такие искажения могут привести к неадекватным результатам по отношению к субъективным оценкам качества декодированного изображения.

Наиболее часто используемый на практике среднеквадратичный критерий не дает объективных оценок визуальной четкости и резкости, так как глаз в процессе восприятия обрабатывает изображение по характерным (локальным) признакам, а не усредняет его поэлементно.

Поиск и разработка новых объективных методов, которыми занято множество исследователей разных стран, пока что не привели к созданию единой методологии, надежно гарантирующей адекватные результаты оценок четкости и резкости изображений в современных'цифровых видеосистемах.

До сих пор, наиболее надежным и достоверным способом оценки качества изображения является метод субъективных экспертиз, который позволяет оценить работоспособность видеосистемы в целом на основе зрительного восприятия декодированного изображения. Процедуры субъективной оценки качества требуют большого объема испытаний и времени. На практике, данный метод является трудоемким процессом, что накладывает определенные ограничения при решении задач контроля, настройки и оптимизации параметров кодека.

Таким образом, пока что не существует объективных критериев оценки визуальной четкости и резкости изображения, которые могли бы надежно гарантировать адекватность результатов к субъективным зрительным оценкам с учетом влияния искажений и шумов, возникающих в процессе цифровой обработки и передачи сигналов в системах со сжатием видеоданных.

Решение данной проблемы позволит избавиться от трудоемких субъективных экспертиз и, тем самым, повысить эффективность контроля, настройки и оптимизации параметров видеосистемы на требуемое качество.

Цель диссертационной работы заключается в разработке новых методов и алгоритмов оценки точности передачи мелких деталей и резких границ цветных изображений на основе объективных критериев, которые могли бы надежно гарантировать адекватность результатов к субъективным зрительным оценкам качества декодированных изображений в цифровых ТВ системах.

Для достижения поставленной цели потребовалось решить следующие задачи:

• обосновать выбор метрической системы координат, в которой будут проводиться количественные измерения, и разработать объективный критерий качества воспроизведения мелких деталей испытательного телевизионного изображения с учетом порогов зрительного восприятия;

• разработать математическую модель и алгоритм синтеза испытательной таблицы, позволяющие задавать исходный цветовой контраст объект-фон в пороговых значениях равноконтрастной системы координат;

• разработать методику субъективных оценок, позволяющую экспериментально определять зависимости порогового контраста, при котором мелкие детали изображения различаются глазом в зависимости от: размера, пространственной ориентации, цветовых координат и времени предъявления наблюдаемых объектов;

• разработать модель преобразования флуктуационных помех (ФП), присутствующих в цветоделенных RGB сигналах изображения, в равноконтраст-ное цветовое пространство;

• разработать объективные критерии и новые методы, позволяющие оценивать интегральное влияние погрешностей алгоритмов сжатия на визуальную четкость, резкость и точность цветопередачи мелких деталей декодированного изображения;

• разработать алгоритм и программный анализатор качества передачи мелких деталей и резких границ испытательного изображения по объективным критериям;

• определить взаимосвязь численных результатов анализа с субъективными оценками качества изображений по выбранной шкале;

• доказать обоснованность теоретических моделей и достоверность разработанных критериев с помощью объективных экспериментальных оценок качества декодированного испытательного изображения для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками тестовых изображений.

Научная новизна. Принципиально новым является метод оценки цветовых различий мелких деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве, который учитывает изменения порогового контраста наблюдаемых объектов в зависимости от их размеров, пространственной ориентации, цветовых координат и времени предъявления.

Новый метод синтеза испытательного изображения в равноконтрастном цветовом пространстве позволяет задавать исходный контраст объект-фон непосредственно в минимальных цветовых порогах (МЦП), что является принципиальным отличием от известных способов синтеза, где контраст задается отношением разности яркостей объекта и фона к их максимальному значению.

На основе разработанной методики субъективных оценок, получены экспериментальные числовые значения (МЦП) порогового контраста мелких деталей, при котором они еще различаются глазом. Определены новые характеристики спада контрастной чувствительности зрения по индексам яркости и цветности равно контрастного цветового пространства в зависимости от размеров деталей при заданных условиях наблюдения.

Разработанный метод оценки визуальной четкости изображения отличается от известных тем, что контраст мелких деталей определяется нормированным средним значением по площади анализируемого «окна» изображения штриховой миры, а не по значению амплитуды первой гармоники яркостного и цветоразностных сигналов. При этом исходный контраст объект-фон задается не его максимальным значением, а величиной в два-три раза превышающей пороговое значение, что позволяет оценить работоспособность системы в допо-роговой области, где искажения могут быть наиболее существенны.

Разработанный метод оценки резкости изображения отличается от известных тем, что степень "размытости" границ крупных деталей определяется не по переходным характеристикам яркостного или цветоразностного каналов, а по изменению равноконтрастных цветовых координат между граничными цветами. При этом длительность вертикальных, горизонтальных и наклонных границ определяется числом элементов растра как разность между точками, для которых цветовое различие относительно граничных цветов превышает нормированный порог.

Границу трехцветности" предложено оценивать не по полосе пропускания каналов цветности, а по новому методу, который учитывает пороги зрительного восприятия и искажения координат цветности, усредненные по площади малоразмерного объекта.

Модель преобразования шумов в равноконтрастной системе координат дает оценку среднеквадратичных значений помех по индексам яркости и цветности числом МЦП, а не напряжением помех в сигналах основных RGB цветов, что является новым подходом к анализу зашумленности цветных изображений.

Получены новые рекомендации по выбору и оптимизации параметров алгоритмов сжатия на высокое качество передачи мелких деталей и резких границ изображений в следующих системах: кодирование длин серий, кодирование методом ДИКМ, кодирование с преобразованием, кодирование на основе вейвлет-преобразования, межкадровое кодирование.

В целом в процессе выполнения работы решена проблема поиска объективных критериев качества передачи и воспроизведения мелких деталей и резких границ цветных ТВ изображений, а также заложена научно-техническая и методологическая основа для модернизации существующих и разработки новых алгоритмов сжатия и цифровых кодеков с высокой четкостью и резкостью воспроизводимых изображений.

На защиту выносятся следующие положения:

1. Разработанный метод оценки цветовых различий деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве и полученные экспериментальные зависимости порогового контраста зрения от характеристик наблюдаемых объектов расширяют область применения равно-контрастных координат до возможности определения ошибки цветопередачи не только крупных, но и мелких деталей изображений.

2. Разработанный метод синтеза испытательной последовательности кадров изображения в равноконтрастном цветовом пространстве позволяет задавать исходный контраст объект-фон непосредственно в значениях МЦП, что повышает эффективность оценки визуальной четкости по значению контраста мелких деталей декодированного изображения.

3. Разработанная модель преобразования шумов в равноконтрастном цветовом пространстве позволяет оценивать среднеквадратичное значение помех непосредственно в значениях МЦП и обосновывать требования к помехоустойчивости системы с целью обеспечения заданной визуальной четкости изображения.

4. Метод оценки четкости изображения, разработанный на основе вычисления среднего контраста мелких деталей неподвижных или подвижных фрагментов изображения, гарантирует адекватность результатов к субъективным оценкам с учетом интегрального влияния искажений и шумов возникающих в системе.

5. Метод оценки резкости изображения, разработанный на основе определения длительности границы числом элементов растра как разность между точками, для которых цветовое различие относительно граничных цветов превышает один нормированный цветовой порог, дает достоверную степень "размытости" границ крупных деталей изображения с точки зрения получателя.

6. Метод оценки точности цветопередачи мелких деталей по критерию, разработанному в нормированном цветовом пространстве дает более корректную оценку "границы трехцветности", т.к. учитывает пороги зрительного восприятия и искажения сигналов цветности после декодирования.

7. Результаты анализа качества испытательного изображения по объективным критериям в системах цифрового сжатия на основе: кодирования длин серий, ДИКМ, дискретных ортогональных преобразований, вейвлет преобразования и метода компенсации движения — дают новые рекомендации по выбору и настройке параметров алгоритмов сжатия, при которых обеспечивается высокое качество передачи мелких деталей и резких границ изображения.

8. Результаты объективных экспериментальных оценок четкости и резкости испытательных изображений для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками качества тестовых изображений—доказывают обоснованность теоретических моделей и достоверность разработанных критериев.

9. В целом, разработанные методы и алгоритмы анализа качества передачи мелких деталей и резких границ испытательного изображения в нормированном равноконтрастном цветовом пространстве — решают проблему получения объективных, адекватных к субъективным, результатов анализа качества телевизионных изображений с учетом влияния искажений и шумов, возникающих в процессе цифровой обработки и передачи сигналов.

Практическая значимость полученных результатов заключается в следующем.

1. Разработанные новые положения теории проектирования цифровых телевизионных систем на основе результатов объективного анализа качества передачи мелких деталей и резких границ цветных изображений позволяют повысить эффективность проведения НИР и ОКР, при модернизации существующих и при разработке новых образцов цифровых кодеков, повысить их качественные показатели.

2. Полученные решения проблемы поиска объективных критериев качества цветных телевизионных изображений позволяют существенно сократить объем экспериментальных исследований на основе субъективных оценок или полностью их исключить, что дает возможность значительно снизить затраты материальных ресурсов, денежных средств и времени на разработку цифровых кодеков.

3. Разработанные и зарегистрированные программные продукты позволяют поднять качественные показатели цифровых кодеков и повысить качество доставки цветных изображений потребителю.

4. Полученные рекомендации по оптимизации и настройке параметров алгоритмов цифрового сжатия на высокую четкость и резкость цветных изображений представляют практический интерес при проектировании новых и модернизации известных цифровых ТВ систем.

5. Результаты работы реализованы в Институте проблем морских технологий ДВО РАН (г. Владивосток), что подтверждается соответствующими актами о внедрении (использовании) программно-аппаратных комплексов — «Устройство ввода и сжатия цветного изображения с дискретным косинусным преобразованием», «Анализатор четкости статических изображений», «Архиватор изображений на основе дискретного вейвлет преобразования».

6. Реализован и доведен до практического использования компьютерный анализатор качества передачи мелких деталей и резких границ испытательных изображений, который используется в лаборатории «Мультимедиа» Хабаровского краевого центра новых информационных технологий и в сервисном отделе ЗАО «Тензор» (г. Хабаровск).

7. Теоретические и практические результаты диссертационной работы использованы в учебном процессе Хабаровского государственного технического университета при подготовке бакалавров и инженеров по специализациям «Системы цифровой обработки сигналов», «Мультимедийные системы» специальности 220100 «Вычислительные машины, комплексы, системы и сети».

Личный вклад автора. Большая часть результатов получена при проведении научно-исследовательских работ на кафедре Вычислительной техники Хабаровского государственного технического университета. За последние 10 лет под научным руководством автора выполнены следующие НИР, финансируемые по § 53 Министерством образования РФ:

1. "Разработка и исследование программно-аппаратных средств кодирования видеоинформации высокой четкости в информационных сетях" (19931995г.).

2. "Анализ и синтез эффективных методов сжатия видеоинформации"

1996-1997г.).

3. "Машинное моделирование методов сжатия, передачи и оценки качества изображений высокой четкости" (1996-1998г.).

4. Грант по проекту "Анализ искажений цветопередачи в системах кодирования сигналов высокой четкости" (1998-1999г.).

5. "Разработка и исследование методов проектирования телевизионных и компьютерных видеосистем с цифровой компрессией на базе анализа искажений четкости, резкости и точности цветопередачи изображений" (1999-2002г.) .

Соискателем лично разработаны, исследованы и решены все поставленные в работе задачи.

Апробация работы. За последние 5 лет основные положения и результаты работы были представлены на следующих НТК:

- Ш-й Международный симпозиум «Конверсия науки - международному сотрудничеству»//Томск, 1999.

- 3-я Международная научно-техническая конференция «Интерактивные системы — проблемы человеко-компьютерного взаимодействия» // Ульяновск, 1999.

- 3-я Международная конференция «Цифровая обработка сигналов и ее применение»// Москва, 2000.

- Юбилейная научно-технической конференции по радиоэлектронике // ТУ СУР, Томск, 2000.

- 10-я Международной научно-техническая конференция «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» // Рязанская государственная радиотехническая академия, 2001.

- 56-я и 58-я Научная сессия, посвященная Дню Радио// Москва, 2001, 2003.

- 1-я, 2-я и 3-я Всероссийская научно-техническая конференции «Теоретические и прикладные вопросы современных информационных технологий»// Улан-Удэ, 2000-2002.

- 1-я, 2-я и 3-я Международная конференция «Телевидение: передача и обработка изображений»// Санкт-Петербург, 2000-2003.

Результаты диссертационных исследований обсуждалась:

- на расширенных научных семинарах Кафедры вычислительной техники ХГТУ, Хабаровск, 1999-2002.

- на научном семинаре Кафедры телевидения и видеотехники СПбГЭТУ, Санкт-Петербург, 2001.

- на расширенных научных семинарах Кафедры телевизионных устройств ТУ СУР, Томск, 1999, 2002.

Публикации. По результатам исследований, представленных в диссертации, опубликовано 46 работ (27 без соавторов), в том числе 2 монографии, 1 авторское свидетельство, 4 зарегистрированные программы для ЭВМ, 7 статей в центральных журналах.

Заключение диссертации по теме «Радиотехника, в том числе системы и устройства телевидения», Сай, Сергей Владимирович

Выводы

Разработанный анализатор позволяет объективно оценивать качество воспроизведения мелких деталей и резких границ изображений, что подтверждается сопоставлением численных результатов анализа качества испытательной таблицы с рейтингом 10-т балльной шкалы и с субъективными оценками тестовых изображений в различных системах с цифровой компрессией.

Экспериментальные исследования эффективности работы анализатора в различных системах цифрового кодирования позволили получить следующие выводы и рекомендации по оптимизации (настройке) параметров алгоритмов сжатия на высокое качество воспроизведения мелких деталей цветных изображений.

1. На основе теоретических положений (гл. 2-3), определяющих критерии оценки цветовых различий в «нормированной» равноконтрастной системе координат, разработаны новые методы кодирования длин серий. Оригинальность методов заключается в том, что контраст (4.1) между элементами вычисляется в нормированных порогах зрительного восприятия. Несмотря на то, что разработанные методы кодирования недостаточно эффективны с точки зрения обеспечения больших коэффициентов сжатия (ксж = 1,5. 10), они позволяют сохранить высокую визуальную четкость и резкость изображения при значении порога ЛЕпор<\.5 и среднеквадратичном значении шума канала передачи а <0,1%. и, следовательно, являются конкурентно способными существующим алгоритмам сжатия без потерь.

2. Анализ качества кодирования испытательной таблицы и тестовых изображений методом ДИКМ дает следующие результаты. Допустимое снижение визуальной четкости и резкости изображения обеспечиваются при затратах 6 бит/эл. для ошибок предсказания по яркости (dY) и 4 бит/эл. по цветности (dCR, dCB) при допустимом уровне флуктуационных помех цифрового канала передачи не более 0,3%.

3. При анализе качества декодированных изображений на основе преобразований: косинусного (ДКП), Уолша (ДПУ) и Хаара (ДПХ), получены следующие рекомендации:

- при кодировании изображений с высоким качеством рекомендовано использовать следующие параметры порогового отбора коэффициентов трансформации: Лт=% (ДКП), Лт=6 (ДПУ), Лт=1 (ДПХ);

- среднеквадратичное значение флуктуационных помех должно быть не более 0,3% от максимального значения кода длины серий нулевых значений коэффициентов трансформации;

При выполнении данных рекомендаций сохраняется высокое визуальное качество передачи мелких деталей и резких границ изображений с рейтингом <7 = 6.7, и побочные артефакты алгоритмов сжатия практически незаметны для глаза, что подтверждается результатами субъективных оценок тестовых изображений.

Сравнительный анализ эффективности кодирования привел к следующим результатам:

- коэффициент цифрового сжатия изображений различной детальности для каждого преобразования с выбранным (оптимальным) значением порогового отбора коэффициентов трансформации меняется в пределах ксж = 2. 15;

- при одинаковых показателях качества изображений, эффективность сжатия ДКП — в 1,3.1,5 раза выше преобразования Уолша и в 1,1. 1,2 раза выше преобразования Хаара.

Таким образом, преобразование Хаара незначительно уступает ДКП по эффективности сжатия при равных показателях качества по объективным критериям, что приводит к выводу о расширение возможностей применения различных ортогональных преобразования в цифровых видеосистемах.

4. Исследования влияния стратегии квантования на качество кодирования методом вейвлет-преобразования (ДВП) привело к следующим результатам.

- Использование убывающей арифметическая прогрессии пороговых значений с заданным порогом Лт для высокочастотного субдиапазона и коэффициентом ку убывания для следующего более низкочастотного диапазона обеспечивает высокую эффективность сжатия (ксж = 4-30) для значения порога Ат=6 и скорости убывания ку=Ъ. При этом качество декодированного изображения соответствует высоким оценкам четкости и резкости по объективным критериям с рейтингом качества q = 6.7.

- Сравнительный анализ эффективности разработанного алгоритма с ДКП показывает, что мелкие детали восстановленного изображения воспроизводятся с более высокой четкостью, чем у ДКП при одинаковых коэффициентах сжатия. При одинаковом качестве изображений выигрыш в коэффициенте сжатия составляет 1,5.2 раза.

Таким образом, по сравнению с существующими методами кодирования на основе ортогональных преобразований, предлагаемый алгоритм ДВП с разработанной стратегией квантования является более эффективным.

5. Анализ влияния погрешностей межкадрового кодирования на качество воспроизведения мелких деталей и резких границ изображений испытательной видеопоследовательности привел к следующим результатам.

- Целочисленное представление ошибок предсказания между элементами макроблоков опорного и текущего кадров не обеспечивает требуемого качества изображения по объективным критериям. Представление ДКП ошибок предсказания значениями с плавающей запятой не ухудшает качества передачи мелких деталей и резких границ при использовании всего лишь одного разряда для дробной части числа.

- Превышение среднеквадратичного уровня помех канала передачи допустимой величины адоп=0,3% приводит к резкому ухудшению качества изображений за счет недопустимых погрешностей векторов движения.

- Влияние помех на кодовые значения ошибки предсказания, согласно численным оценкам по критериям (3.43)-(3.44), не снижает визуального качества изображений при <т< 0,3% от максимального значения кода ошибки.

В целом результаты экспериментальных исследований доказали обоснованность теоретических моделей и эффективность новых методов и алгоритмов анализа качества передачи мелких деталей и резких границ изображений по разработанным критериям в «нормализованной» равноконтрастной системе координат.

ЗАКЛЮЧЕНИЕ

В результате выполнения диссертационной работы решена следующая крупная научно-техническая задача — разработаны новые методы и алгоритмы анализа качества передачи мелких деталей и резких границ цветных телевизионных изображений, которые, по сравнению с известными методами, дают наиболее адекватные результаты численных оценок к зрительному восприятию.

Для достижения поставленной цели в диссертационной работе получены следующие новые теоретические и экспериментальные результаты.

1. Разработан новый метод оценки цветовых различий мелких деталей испытательного изображения в нормированном равноконтрастном цветовом пространстве, который учитывает изменения порогового контраста наблюдаемых объектов в зависимости от их размеров, пространственной ориентации, цветовых координат и времени предъявления.

2. Разработан метод синтеза испытательной последовательности кадров изображения в равноконтрастном цветовом пространстве, что позволяет задавать исходный контраст объект-фон непосредственно в значениях МЦП и повысить эффективность оценки визуальной четкости по значению контраста мелких деталей декодированного изображения.

3. Получены экспериментальные зависимости порогового контраста зрения от размера и цветовых координат наблюдаемых объектов испытательной последовательности, а также от времени предъявления и уровня флуктуационных помех, которые расширяют область применения равноконтрастного цветового пространства до возможности определения числовой меры цветовых различий не только крупных, но и мелких деталей как неподвижных, так и подвижных изображений.

4. Разработана модель представлением шумов в равноконтрастном цветовом пространстве, что позволяет, оценивает среднеквадратичное значение помех непосредственно в значениях МЦП и обосновывать требования к помехоустойчивости системы с целью обеспечения заданной визуальной четкости изображения.

5. Разработан новый метод оценки визуальной четкости изображения, который отличается от известных тем, что контраст мелких деталей на выходе системы оценивается, нормированным средним значением по площади анализируемого «окна» изображения штриховой миры, а не по значению амплитуды первой гармоники яркостного и цветоразностных сигналов. При этом исходный контраст объект-фон задается не его максимальным значением, а величиной в два-три раза превышающей пороговое значение, что позволяет оценить работоспособность системы в допороговой области, где искажения могут быть наиболее существенны.

6. Разработаны критерии (3.7), (3.9), и (3.11) которые позволяют объективно оценить ухудшение визуальной четкости как неподвижных, так и динамических деталей изображения, т.к. учитывают пороги зрительного восприятия мелких деталей, а также возможные флуктуации значений цветовых координат, обусловленные искажениями сигналов и наличием флуктуационных помех в цифровой системе.

7. Разработан метод оценки резкости крупных деталей испытательного изображения, который отличается от известных тем, что степень "размытости" границ определяется не по переходным характеристикам яркостного или цвето-разностного каналов, а по изменению цветовых координат W*U*V* между граничными цветами. При этом, длительность вертикальных, горизонтальных и наклонных границ определяется числом элементов растра как разность между точками, для которых цветовое различие (3.12) относительно граничных цветов превышает один цветовой порог. Таким образом, разработанный метод дает более достоверную степень "размытости" границ крупных деталей изображения с точки зрения получателя.

8. Разработан метод оценки ошибки цветопередачи мелких деталей по критерию (3.15), который дает более корректную оценку "границы трехцветности", т.к. учитывает пороги зрительного восприятия и искажения сигналов цветности после декодирования.

9. На основе новых методов разработан компьютерный анализатор качества передачи мелких деталей и резких границ цветных изображений, позволяющий количественно оценивать снижение контраста, длительности цветовых переходов и ошибки цветопередачи и, по результатам оценок, устанавливать рейтинг качества декодированного изображения по 10-ти балльной субъективной шкале.

10. С целью обеспечения высокого качества воспроизведения мелких деталей и резких границ декодированных изображений рекомендовано выполнение следующих условий.

• Снижение контраста штриховых мир по индексу яркости, должно быть не более 50% от пороговых значений для размеров линий в 1 и более элементов растра, т.е. еw* (8 > 1) < 0.5. При этом, среднеквадратичное отклонение координат индекса яркости во всех анализируемых «окнах» должно соответствовать условию: Aw. {8 > 1) < 0.3.

• Снижение контраста штриховых мир по индексам цветности, должно быть не более 75% от пороговых значений для размеров линий в 3 и более элементов растра, т.е. s . . (8 > 3) < 0.75. При этом, среднеквадратичное от

U 9г клонение координат индексов цветности в анализируемых «окнах» должно соответствовать условию: А . . (8 > 3) < 0.5.

J 9г

• Среднее значение ошибки цветопередачи должно быть не более 0.8 для размеров деталей в 3 и более элементов растра: 77 . . (8 > 3) <0.8.

U ,У

• Средние значения длительностей вертикальных, горизонтальных и наклонных границ крупных деталей, должны быть не более 2.3 элементов растра по индексу яркости и не более 4.6 элементов по индексам цветности.

Экспериментально доказано, что выполнение данных критериев позволяет обеспечить высокое визуальное качество изображений с субъективными оценками по шкале общего качества не менее «хорошо» и «отлично», что соответствует рейтингу q > 7 по выбранной 10-ти балльной шкале.

11. Результаты анализа качества испытательного видеоизображения по объективным критериям в системах цифрового сжатия на основе: а) модифицированных методов кодирования длин серий; б) ДИКМ; в) дискретных ортогональных преобразований; г) вейвлет преобразования; д) метода компенсации движения — позволили получить рекомендации по выбору и настройке параметров алгоритмов сжатия, при которых обеспечивается высокое качество передачи мелких деталей и резких границ изображения.

12. Результаты объективных экспериментальных оценок четкости и резкости испытательных изображений для различных алгоритмов сжатия и сопоставления полученных результатов с субъективными оценками качества тестовых изображений доказали обоснованность теоретических моделей и достоверность разработанных критериев.

В целом в процессе выполнения работы решена проблема поиска объективных критериев качества передачи и воспроизведения мелких деталей и резких границ цветных ТВ изображений, а также заложена научно-техническая и методологическая основа для модернизации существующих и разработки новых алгоритмов сжатия и цифровых кодеков с высокой четкостью и резкостью воспроизводимых изображений.

В заключение автор выражает огромную благодарность уважаемым профессорам — Роберту Евгеньевичу Быкову и Виктору Павловичу Дворковичу, которые оказали помощь в оформлении материалов диссертации своими критическими замечаниями и полезными советами!

Список литературы диссертационного исследования доктор технических наук Сай, Сергей Владимирович, 2003 год

1. Список использованных источников

2. Грязин Г.Н. Системы прикладного телевидения. — СПб.: Политехника, 2000. — 277 с.

3. Казанцев Г.Д., Курячий М.И., Пустынский И.Н. Измерительное телевидение.— М.:Высш. шк., 1994. -288 с.

4. Кривошеев М.И. Новые системы цифрового вещания //«625», 1999, №10.

5. Певзнер Б.М. Качество цветных телевизионных изображений. — М.: Радио и связь, 1988. — 244 с.

6. Телевизионная техника: Справ./ Под ред. Ю.Б. Зубарева и Г.Л. Глориозо-ва. — М.: Радио и связь, 1994. — 312 с.

7. Быков Р.Е., Манцветов А.А., Степанов Н.Н., Эйссенгардт Г.А. Преобразователи изображения на ПЗС. — М.: Радио исвязь, 1992. — 184 с.

8. Ангафоров А.П. Цветные кинескопы. — М.: Радио исвязь, 1986. — 128 с.

9. Телевидение / Под ред. Р.Е. Быкова. — М.: Высш. шк., 1988. — 248 с.

10. Дворкович А.В., Дворкович В.П., Зубарев Ю.Б., Г.Н. и др. Цифровая обработка телевизионных и компьютерных изображений. — М.: HAT, 1997. — 248 с.

11. Красильников Н.Н. Теория передачи и восприятия изображений и ее приложения.— М.: Радио и связь, 1986. — 248 с.

12. Цифровое кодирование телевизионных изображений/ Под ред. Проф. Цук-кермана И.И. — М.: Радио и связь, 1981. — 240 с.

13. Зубарев Ю.Б., Кривошеев М.И., Красносельский И.Н. Цифровое телевизионное вещание. — М.: НИИР, 2001. — 508 с.

14. Кривошеев М., Мкртумов А., Федунин В. Качество изображения и измерения в цифровом телевидении // «625», 1999, №1.

15. Шлихт Г.Ю. Цифровая обработка цветных изображений. — М.: ЭКОМ, 1997. —336 с.

16. Skodras A.N., Christopoulos C.A., Ebrahimi T. JPEG2000: the upcoming still image compression standard. Proceedings of the 11th Portuguese conference on pattern recognition, Porto, Portugal, 2000.

17. Прэтт У. Цифровая обработка изображений: В 2 кн. — М.: Мир, 1982, Кн. 2. —480 с.

18. Прэтт У. Цифровая обработка изображений: В 2 кн. — М.: Мир, 1982. Кн. 1. —312 с.

19. Teacher С. F., Yuth R. W. Secure Color Video Techniques // Def. Doc. Center, AD 462528, Philco Corporation: Blue Bell, February, 1965.

20. Walsh K.A. Digital Coding of Color Picturephone Signals by Element-Differential Quantization // IEEE Trans. Commun. Tech. COM-19, 1971, № 6.

21. Чен Ш.-К. Принципы проектирования систем визуальной информации. — М.: Мир, 1994. —408 с.

22. Gersho A. Image Vector Quantization with a Perceptually-Based Cell Classifier // IEEE Int. Conf. ASSP, 1984.

23. Zhang C. Ein neuver adaptiver Pradiktor fur die DPCM-Kodierung von Fern-sehsignalen // Frequenz. 1982, № 36.

24. Методы передачи изображений. Сокращение избыточности/ Под ред. У.К.Прэтта — М.: Радио и связь, 1983. — 264 с.

25. Дворкович А.В., Дворкович В.П., Макаров Д.Г., Новинский Н.Б., Соколов А.Ю. Испытательные таблицы для измерения качества цифрового и аналогового телевизионного вещания // «625», 1999, № 8.

26. Zeng W., Daly S., Lei S. An overview of the visual optimization tools in JPEG 2000 // Signal Processing Image Communication 17, 2002.

27. Chinen Т., Chien A. Visual evaluation of JPEG 2000 color image compression performance //ISO/IEC JTC1/SC29/WG1 N1583, Tokyo, March 2000.

28. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. — Военный Университет Связи, Санкт-Петербург, 2000. — 204 с.

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

30. Кривошеее М.И., Федунин В.Г. Интерактивное телевидение. —М.: Радио и связь, 2000. — 344 с.

31. Брайс Р. Справочник по цифровому телевидению. — Жуковский, Эра, 2001. —560 с.

32. Мамаев Н.С., Мамаев Ю.Н., Теряев Б.Г. Цифровое телевидение. /Под ред. Н.С. Мамаева. — М.: Горячая линия. Телеком., 2001.—180 с.

33. Локшин Б. А. Цифровое вещание: от студии к телезрителю. — Компания Сайрус Системе, 2001. — 447 с.

34. Зубарев Ю.Б., Дворкович В.П., Нечепаев В.В., Соколов А.Ю. Методы анализа и компенсации движения в динамических изображениях// Электросвязь, 1998.

35. Кривошеев М. И. Основы телевизионных измерений. — М.: Радио и связь, 1989. —608 с.

36. Глассман К.Ф., Логунов А.Н. и др. Оценка качества изображения при видеокомпрессии // Техника кино и телевидения, 1999, № 8.

37. Рыфтин ЯЛ. Телевизионная система (теория). — М.: Сов. Радио, 1967. — 272 с.

38. Телевидение: Учебник для вузов/ Под ред. В.Е.Джаконии. — М.: Радио и связь, 1986. — 640 с.

39. Новаковский С. В. Цвет в цветном телевидении. — М.: Радио и связь, 1988. —288 с.

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

41. Кривошеев М.И., Кустарев А.К. Цветовые измерения. — М.: Энергоатом-издат, 1990. — 240 с.

42. Быков Р. Е., Гуревич С. Б. Анализ и обработка цветных и объемных изображений.— М.: Радио и связь, 1984. — 248 с.

43. Tektronix/ Picture Quality Testing //www.tek.com.

44. Tektronix/ PQA-200 Picture Quality Analysis System // www.tek.com.

45. Фили Д. Новые методы оценки цифрового видео// www.digitalvideo.ru.

46. Шерайзин С.М. Адаптивная коррекция и фильтрация телевизионного сигнала. — М.: Радио и связь, 1987. — 88 с.

47. Нагано Т. Пространственно-частотные характеристики зрительного восприятия и теория многоканальное™. // Тэрэбидзен, 1979, Т.ЗЗ. №12.

48. Frei W., A New Model of Color Vision and Some Practical Limitations// University of Southern California, Image Processing Institute, USCEE Report 530, March 1974.

49. Красильников H.H. Помехоустойчивость телевизионных устройств. — M.: Госэнергоиздат, 1961. — 267 с.

50. Гранрат Д. Дж. Роль моделей зрения человека в обработке изображений // ТИИЭР, 1981, Т. 60, №5.

51. Ефимов А.С. Контрастная чувствительность зрения при наблюдении ТВ-изображения // Техника кино и телевидения, 1977, №2.

52. Бертулис А.В., Гутуаскос А.И. Пороги опознавания разных признаков цветовых стимулов// Физиология человека, 1980, Т.6, № 1.

53. Бертулис А.В., Цукерманн И.И. Ограничения цветовосприятия и использование их в цифровом ТВ// Техника кино и телевидения, 1982,

54. KafeQep В.Д., Цукерманн И.И. Информация и зрение. — М.: Издательство АН СССР, 1961. —184 с.

55. Рубахин В.Ф. Психологические основы обработки первичной информации.— М.: Наука, 1974. — 296 с.

56. Орловский E.JI. Передача факсимильных изображений. — М.: Радио и связь, 1980. — 216 с.

57. Вентцель Е.С., Овчаров Л. А. Теория вероятностей и ее инженерные приложения.— М.: Наука, 2000. — 480 с.

58. Купер Дж., Макгилем К. Вероятностные методы анализа сигналов и систем.— М.: Мир, 1989. — 376 с.

59. Wyszecki G., Stiles W. S., Color Science. — Wiley, New York, 1967.

60. Гудмен Дж. Введение в фурье-оптику. — М.: Мир, 1970.

61. Davidson М. L. Perturbation Approach to Spatial Brightness Interaction in Human Vision // J. Opt. Soc. Am., 58, 9, September 1968.

62. Cornsweet T. N. Visual Perception. — Academic press. New York, 1970.

63. Mannos J. L., Sakrison D. J. The Effects of a Visual Fidelity Criterion on the Encoding of Images // IEEE Trans. Inf. Theory, IT-20, July 1974.

64. Judd D. B. Standard Response Functions for Protanopic and Deuteranopic Vision// J. Opt. Soc. Am., 35, 3, September 1968.

65. Быков P.E. Теоретические основы телевидения. — СПб.: Издательство «Лань», 1998.-288 с.

66. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. — М.: Мир, 1989.

67. Hilton M.L., Jawerth B.D., Sengupta A. Compressing Still and Moving Images with Wavelets // Multimedia Systems, Vol. 2, No. 3, 1994.

68. Носов О.Г. Сравнение систем MUSE и HD-MAC // Техника кино и телевидения, 1992, № 12.

69. ТИИЭР Обработка изображений // Тематический выпуск, 1981, №5.

70. Линдли К. Практическая обработка изображений на языке Си. — М.: Мир, 1996. —560 с.

71. Schafer R. DPCM Coding of the Chrominance Signal for the Transmission of Color TV Signal at 24 Mbit/s // Signal Processing, 1981.

72. Wu J. K. Color Image Coding of Image // Signal Processing, 1986.

73. Игнатьев H. К. Дискретизация и ее приложения. — М.: Радио и связь, 1980. — 264 с.

74. Сиберт У.М. Цепи, сигналы, системы. — М.: Мир, 1988, Кн. 2. -360 с.

75. Зюко А.Г., Фалько А.И., Панфилов И.П. и др. Помехоустойчивость и эффективность систем передачи информации / Под ред. А.Г. Зюко. — М.: Радио и связь, 1985. 272 с.

76. Heller J. A. The DigiCipher HDTV Broadcast system //17 International Television Symposium, Montreux, Switzerland, 13-17 June 1991.

77. Sohn W., Kwon O.H., Chae J.S. Digital DBS System Design and Implementation for TV and Data Broadcasting using Koreasat // IEEE Trans, on Broadcasting, 1998, V. 44, №3.

78. Booth S. A. Digital TV in the USA // Spectrum, 1999, №3.

79. Даджион Д., Мерсеро P. Цифровая обработка многомерных сигналов. — М.:Мир, 1988. —488 с.

80. Шамис В.А. C++Builder 5. Техника визуального программирования. — М.: Нолидж, 2001.—

81. Глассман К.Ф., Логунов А.Н., Перегудов А.В. и др. Объективная оценка артефактов в видеокомпрессии // Техника кино и телевидения, 2000, №2.

82. Грязин Г.Н. О критериях оценки контраста изображения // Техника кино и телевидения, 2000, №9.

83. Смирнов А.В. Основы цифрового телевидения. Учебное пособие. — М.: Горячая линия, Телеком., 2001. — 224 с.

84. Caelli Т., Bevan P. Visual sensitivity to two-dimensional phase // Vis.Res. 72, 1982.

85. Chinen Т., Nadenau M., Reichel J, Zeng W. Report on СЕ C03 (Optimizing color image compression) // ISO/IEC, JTC1/SC29/WG1 N1587, Tokyo, March 2000.

86. Daly S. The visible differences prediction algorithm for the assessment of image // Digital Images and Human Vision, MIT Press, Cambridge, MA, 1993.

87. Taubman D. High performance scalable image compression with EBCOT // IEEE Transactions on Image Processing 9 (7) (July 2000).

88. Van den Branden Lambrecht C. A working spatio temporal model of the human visual system for image restoration and quality assessment applications // Proceedings of ICASSP, 1996.

89. Virsu V., Rovano J. Visual, resolution, contrast sensitivity, and the cortical imagination factor // Exp.Brain Res.37, 1979.

90. Watson A.B. DCT quantization matrices visually optimized for individual images // Proceedings of the SPIE Conference on Human Vision /Visual Processing, and Digital Display IV, Vol.1913, 1993.

91. Watson A.B., Taylor M., Borthwick R. Image quality and entropy masking // Proc. Human Vision, Visual Processing and Digital Display VIII, San Jose, CA, SPIE, Bellingham, WA, 1997, Vol.3016.

92. Watson A.B., Yang G., Solomon J., Vilasenor J. Visibility of wavelet quantization noise // IEEE Trans. Image Proc. 6 (8), 1997.1. Список публикаций автора

93. Сай С.В. Качество передачи и воспроизведения мелких деталей цветных телевизионных изображений. — Владивосток: Дальнаука, 2003. — 160 с.

94. Сай С.В. Четкость цветного изображения в системах со сжатием визуальных данных. — Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1999. — 143 с.

95. Сай С.В. Анализ четкости цветных статических изображений в равнокон-трастной системе координат // Цифровая обработка сигналов, 2002, №1.

96. Сай С.В. Влияние помех цифрового канала передачи на искажения четкости статических изображений // Телекоммуникации, 2001, № 10.

97. Сай С.В., Сорокин Н.Ю., Ридер X., Майзл М. Повышение скорости реконструкции изображения в системах компьютерной томографии // Телекоммуникации, 2002, № 3.

98. Сай С.В., Савенков И.В. Эффективность цифрового кодирования статических изображений методом вейвлет-преобразования // Телекоммуникации, 2001, №4.

99. Бахрушин А.П., Бахрушина Г.И., Сай С.В., Храмова Е.В. Спектральный анализ электрокардиограмм на основе комплексной системы импульсных функций // Телекоммуникации, 2001, № 3.

100. Сай С. В., Малинкин Н. А. Искажения цветности в телевизионных измерительных системах повышенного качества // Известия вузов, Сер. Приборостроение, 1990, № 6.

101. Сай С.В., Малинкин Н.А. Обработка сигналов в телевизионных системах с временным уплотнением // Известия ЛЭТИ, 1990, Вып. 429.

102. Сай С.В. Анализатор четкости статических изображений // Свидетельство об официальной регистрации программы для ЭВМ № 50200100285, ВНТИЦ, 2001.

103. Сай С.В., Савенков И.В. Архиватор изображений на основе дискретного вейвлет-преобразования// Свидетельство об официальной регистрации программы для ЭВМ № 50200100284, ВНТИЦ, 2001.

104. Сай С.В. Архиватор графического изображения на основе анализа цветовой палитры блоков // Свидетельство об официальной регистрации программы для ЭВМ №990141, ВНТИЦ, 1999.

105. Сай С.В. Архиватор графического изображения с дискретным косинусным преобразованием // Свидетельство об официальной регистрации программы для ЭВМ №990142, ВНТИЦ, 1999.

106. Сай С. В. Система цветного телевидения с временным уплотнением: Авторское свидетельство № 1690221. (Бюл. № 41 от 07.11.91).

107. Sai S.V. Estimation of definition in standard JPEG //http://www.autex.spb.ru /techsupt/litera/dspa2000.htm.

108. Сай C.B., Савенков И.В. Выбор коэффициентов порогового отбора для вейвлет-трансформант цветного изображения // Информатика и системы управления, 2001, № 2.

109. Архипов А.В., Сай С.В. Оценка точности цветопередачи мелких деталей с учетом модели цветового зрения // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 2001, Вып. 11.

110. Сай С.В., Шушаков А.И., Карнаухов О.Г. Четкость изображения в видеосистемах со сжатием визуальных данных на основе DCT // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1999, Вып. 7.

111. Сай С.В. Математическая модель ТВ системы с уплотнением RGB компонент // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1999, Вып. 7.

112. Сай С.В. Анализ искажений цветопередачи в системах ТВЧ // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1998. Вып. 1.

113. Сай С.В. Метод сжатия видеоинформации на основе локализации цветовых перепадов // Методы и средства обработки информации: Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1998. Вып. 1.

114. Сай С.В. Метод сжатия визуальных данных на основе анализа цветовой палитры статического изображения // Тр. Хабар, гос. техн. ун-та. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1998.

115. Сай С.В. Метод кодирования цифровой видеоинформации в системе ТВЧ // Сб. науч. тр. НИИ КТ. Хабаровск: Изд-во Хабар, гос. техн. ун-та, 1996. Вып. 2.

116. Сай С.В. Цветовая разрешающая способность телевизионной системы // Программная и аппаратная реализация алгоритмов в радиоэлектронных имикропроцессорных системах: Сб. науч. тр. Хабаровск: Изд-во Хабар, политехи, ин-та, 1990.

117. Сай С.В. Модель телевизионного сигнала с временным уплотнением составляющих яркости и цветности // Методы и средства обработки информации в радиоэлектронных и микропроцессорных системах: Сб. науч. тр. Хабаровск: Изд-во Хабар, политехи, ин-та, 1989.

118. Сай С.В. Анализатор качества передачи мелких деталей цветных телевизионных изображений // Труды 58-й научной сессии посвященной Дню Радио / Москва, Май 14-15, 2003, Том 2.

119. Сай С.В. Критерий оценки визуальной четкости зашумленных изображений // Телевидение: передача и обработка изображений / Материалы 3-й Международной конференции, Санкт-Петербург, Июнь 5-6, 2003.

120. Сай С.В. Анализатор качества цветных изображений// Теоретические и прикладные вопросы современных информационных технологий /Труды 3-й Всероссийской научно-технической конференции, Улан-Удэ, Август 01-04, 2002.

121. Сай С.В. Объективный критерий качества передачи мелких деталей динамических изображений // Телевидение: передача и обработка изображений / Материалы 2-й Международной конференции. Санкт-Петербург. Май 21-22, 2002.

122. Сай С.В. Синтез испытательных изображений в равноконтрастной системе координат // Теоретические и прикладные вопросы современных информационных технологий /Труды 2-й Всероссийской научно-технической конференции, Улан-Удэ, Сентябрь 18-22, 2001.

123. Сай С.В. Влияние помех цифрового канала связи на четкость изображения малоразмерных объектов // Труды 56-й научной сессии посвященной Дню Радио, Москва, Май 16-17, 2001, Том 2.

124. Сай С.В. Анализ эффективности цифровой телевизионной системы по показателям четкости изображения // Телевидение: передача и обработка изображений / Материалы 1-й Международной конференции, Санкт-Петербург, Июнь 20-22, 2000.

125. Сай С.В. Оценка показателей четкости цветного изображения в системе с цифровым кодированием на основе ортогональных преобразований // Труды Юбилейной научно-технической конференции по радиоэлектронике ТУ СУР, Томск, Октябрь 13-15, 2000.

126. Сай С.В. Оценка четкости изображения в стандарте JPEG // Цифровая обработка сигналов и ее применение / Материалы 3-й Международной конференции, Москва, Ноябрь 29-30, 2000.

127. Sai S.V., Shoberg A.G. Computer Modeling of Fluctuation Noise Trans forming in MAC System // The fourth international symposium on advances in science and technology in the Far East / Harbin P.R.China: February 10-15, 1995.

128. Sai S.V., Shoberg A.G. Method of coding television signal in MAC system // The Fist Soviet Union- China Symposium on the Actual Problems of the Scientific and Technological Progress of the Far Eastern Region/ Khabarovsk.-June 18-25, 1991.

129. Сай С.В Искажения яркости и цветности в телевизионной измерительной системе с временным уплотнением // Оптико-электронные измерительные устройства и системы / Всесоюзн. конф. Томск: Радио и связь, 1989. Ч 1.

130. Сай С.В., Малинкин Н. А. Модель цветоделенных каналов системы цветного телевидения с временным уплотнением // Телевизионные методы и средства в науке и технике / Респ. науч.-техн. конф. Ужгород, 1989.

131. Сай С.В. Помехоустойчивость телевизионной системы с временным уплотнением сигналов цветного телевидения // XXX научно-техническая конференция молодых ученых и специалистов по телевизионной технике, Москва, 1989.

132. Программный комплекс: "Анализатор четкости статических изображений".

133. Методика настройки и оптимизации параметров разрабатываемых кодеков на требуемую четкость гидролокационных изображений морского дна.

134. Использование указанных результатов позволяет: повысить эффективность обработки гидролокационных и подводных изображений с высоким разрешением; снизить трудоемкость оценки качества изображения при субъективном анализе точности передачи мелких деталей.

135. Результаты внедрялись при выполнении НИР по теме «Разработка и создание автономного необитаемого подводного аппарата с повышенной дальностью хода и автономностью»1. Гос.per. 01.960.010861)1. Члены комиссии:1. Председатель комиссии

136. МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

137. ХАБАРОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙvaw^W ™ЕРСИТЕТО1. ШЗБРЖДАЮ:

138. РЕКЛАМНО-ТЕХНИЧЕСКОЕ ОПИСАНИЕ

139. Анализатор четкости статических изображений1. Л"

140. Заведующий кафедрой "Вычислительная техника"к.т.н., доцент L^^y^ c.B.1. Хабаровск 2001

141. Назначение. Программа "Анализатор четкости статических изображений" предназначена для объективного анализа искажений четкости цветного изображения возникающих в алгоритмах сжатия с потерями.

142. Основные функции программы. Программа реализует алгоритм, который можно разбить на следующие основные этапы.