Методы и алгоритмы вейвлет-кодирования зашумленных изображений в радиотехнических системах тема диссертации и автореферата по ВАК РФ 05.12.04, доктор технических наук Бехтин, Юрий Станиславович
- Специальность ВАК РФ05.12.04
- Количество страниц 387
Оглавление диссертации доктор технических наук Бехтин, Юрий Станиславович
ВВЕДЕНИЕ.:.
Глава 1. ОБЗОР МЕТОДОВ, АЛГОРИТМОВ И УСТРОЙСТВ ЦИФРОВОЙ
ФИЛЬТРАЦИИ И КОМПРЕССИИ ИЗОБРАЖЕНИЙ.
1.1. Общая характеристика проблемы и пути ее решения.
1.1.1. Области науки и техники, схемы исследований.
1.1.2. Обоснование выбора вейвлет-преобразования.
1.1.3. Математические основы вейвлет-преобразования.
1.1.4. Выбор типа вейвлета (базиса).
1.2. Предварительная обработка зашумленных изображений.
1.2.1. Краткая характеристика методов фильтрации.
1.2.2. Текстурные признаки, коэффициенты вариации.
1.2.3. Алгоритмы пространственной обработки.
1.2.4. Пороговая обработка вейвлет-коэффициентов.
1.2.5. Статистическое моделирование алгоритмов локальной пространственной и вейвлет обработки.
1.2.6. Комбинированная фильтрация.
1.3. Компрессия неискаженных изображений.
1.3.1. Методы и алгоритмы сжатия с потерями.
1.3.2. Алгоритмы сжатия, построенные на вейвлетах.
1.3.3. Поведение кодеков при компрессии зашумленного изображения.
1.4. Методы и алгоритмы компрессии зашумленного изображения.
ВЫВОДЫ.
Глава 2. РАЗРАБОТКА ТЕОРИИ, МЕТОДОВ И АЛГОРИТМОВ СЖАТИЯ ЗАШУМЛЕННОГО ИЗОБРАЖЕНИЯ НА ОСНОВЕ ВЫБОРА
ВЕЙВЛ ЕТ-БАЗИСА ПО КОГЕРЕНТНЫМ СТРУКТУРАМ.
2.1. Теоретические аспекты совмещения фильтрации и квантования.
2.2. Библиотека базисов.
2.3. Подбор оптимального числа значимых вейвлет-коэффициентов через когерентные структуры.
2.4. Алгоритмы сжатия данных зашумленных изображений на основе выбора базисов по когерентным структурам.
2.5. Результаты статистического моделирования.
ВЫВОДЫ.
Глава 3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ И АЛГОРИТМОВ СУБПОЛОСНОГО ВЕЙВЛЕТ-КОДИРОВАНИЯ ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЙ ПРИ ФИКСИРОВАННОМ БАЗИСЕ.
3.1. Постановка задачи в терминах теории «скорость-искажение».
3.2. Расчет выборочных дисперсий сг^.
3.3. Поиск оптимального распределения квоты бит при «мягкой» пороговой обработке вейвлет-коэффициентов
3.4. Поиск оптимального распределения квоты бит при пороговой обработке вейвлет-коэффициентов по функции Видаковича.
3.5. Поиск оптимального распределения квоты бит при «грубой» пороговой обработке вейвлет-коэффициентов.
3.6. Методы и алгоритмы расчета квантователя.
3.7. Распределение квоты бит в пределах субполосы.
3.8. Результаты моделирования.
ВЫВОДЫ.
Глава 4. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ И АЛГОРИТМОВ ТЕКСТУРНО-ЗАВИСИМОЙ ОБРАБОТКИ ПРИ ВЕЙВЛЕТ-КОДИРОВАНИИ ЗАШУМЛЕННЫХ ИЗОБРАЖЕНИЙ.
4.1. Предварительная текстурная обработка зашумленных изображений при использовании известных вейвлет-кодеков.
4.1.1. Введение.
4.1.2. Сегментация зашумленных изображений с использованием коэффициентов вариации.
4.1.3. Алгоритмы вейвлет-фильтрации зашумленных данных.
4.2. Текстурная обработка на стадии вейвлет-преобразования.
4.2.1. Поведение вейвлет-коэффициентов при действии шума.
4.2.2. Алгоритм фильтрации, использующий гистограммную пороговую обработку вейвлет-коэффициентов.
4.2.3. Поиск оценок вейвлет-коэффициентов по критерию максимума апостериорной плотности вероятности.
4.2.4. Применение распределений Пирсона для вейвлет-коэффициентов.
4.2.5. Поиск оценок вейвлет-коэффициентов при неоднородной текстуре при обобщенном распределении Гаусса.
4.3. Алгоритм сжатия зашумленных изображений, учитывающий текстурно-зависимую обработку вейвлет-коэффициентов.
ВЫВОДЫ.
Глава 5. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ
МЕТОДОВ И АЛГОРИТМОВ.
5.1. Обработка изображений, полученных с помощью радаров с синтезированной апертурой.
5.2. Обработка изображений, полученных с помощью многоэлементных фотоприемных устройств, на основе аппаратно-программных комплексов.
5.2.1. Характеристика аппаратно-программного комплекса.
5.2.2. Алгоритмическое обеспечение АПК для калибровки ФЭМ.
5.2.3. Алгоритмы цифровой обработки ИК-изображений без калибровки по геометрическому шуму.
5.3. Комплексирование и сжатие данных мультиспектральных изображений-при использовании алгоритма 3D-SPIHT.
5.4. Применение вейвлет-обработки видеосигналов в системах охранного телевидения.
5.5. Программный комплекс вейвлет-обработки зашумленных изображений IMPROC.
ВЫВОДЫ.
Рекомендованный список диссертаций по специальности «Радиотехника, в том числе системы и устройства телевидения», 05.12.04 шифр ВАК
Алгоритмы вейвлет-анализа и компенсации геометрических шумов сигналов тепловизионных систем с матричными фотоприемниками2012 год, кандидат технических наук Баранцев, Александр Александрович
Алгоритмы вейвлет-анализа изображений в системах компьютерной обработки информации при производстве герконов и генераторных ламп2009 год, кандидат технических наук Брянцев, Андрей Анатольевич
Алгоритмы вейвлет-анализа и беспороговой фильтрации при SPIHT-кодировании радиолокационных изображений2015 год, кандидат наук Малебу Дамиау Педру
Обработка изображений двумерными нерекурсивными цифровыми фильтрами2010 год, доктор технических наук Приоров, Андрей Леонидович
Инструментальные средства сжатия полутоновых изображений на основе адаптивного и многоступенчатого решетчатого векторного квантования2009 год, кандидат технических наук Петров, Александр Васильевич
Введение диссертации (часть автореферата) на тему «Методы и алгоритмы вейвлет-кодирования зашумленных изображений в радиотехнических системах»
Актуальность темы. Современные радиотехнические системы отличаются многообразием первичных датчиков получения информации. Применение некоторых из них обуславливает наличие искажений и шумов в изображениях, передаваемых по каналам связи и представляемых в телевизионном стандарте. Например, для радиосистем с радарами прямого и бокового обзоров (радаров с синтезированной апертурой), видеодатчиков на лазерах характерна проблема спекл-шума {speckle). При использовании многорядных и матричных фотоприемников флуктуации коэффициентов передачи фотодатчиков относительно условной единицы с течением времени являются причиной возникновения геометрического шума чувствительности. Для таких изображений вводится в рассмотрение мультипликативная модель шума с единичным средним, распределение которого в общем случае не является гауссовским. При этом мультипликативный шум считается доминирующим над аддитивными шумами.
В случае архивирования зашумленных изображений при фиксированном объеме памяти, когда нет временных ограничений, сжатие изображений (с потерями) может увеличить. остаточный шум после предварительной фильтрации. В случае передачи зашумленных изображений по каналам связи высокого качества, но с ограниченной пропускной способностью, предварительная фильтрация увеличивает временные и аппаратурные затраты. Таким образом, в обоих случаях для согласования фильтрации и компрессии необходимо использовать общую схему обработки изображения.
Одной из эффективных схем является вейвлет-обработка сигналов, где и фильтрация, и сжатие данных осуществляются путем порогового отсечения вейвлет-коэффициентов. В диссертационной работе даются теоретическое исследование и практические решения проблемы вейвлет-кодирования зашумленных изображений при фиксированной квоте бит, причем требования к визуальному (субъективному) качеству восстановленных после компрессии изображений специально не оговариваются. Тем не менее, разработанные методы и алгоритмы обеспечивают получение восстановленных изображений относительно высокого качества по сравнению с использованием предварительной фильтрации и известных кодеков. Диссертация входит в комплекс хоздоговорных и госбюджетных научно-исследовательских работ по созданию и исследованию методов, алгоритмов и цифровых устройств обработки телевизионных, радио- и тепловизионных изображений ближнего ИК-диапазона, выполненных на кафедре автоматики и информационных технологий в управлении РГРТУ за 1983-2008 гг.
Степень разработанности проблемы. Значительный вклад в теорию вейвлет-преобразования, вейвлет-фильтрации и вейвлет-кодирования внесли зарубежные ученые: С.Бюррус (Barms); П.Вайдьянатан (Vaidianathan), М.Веттерли (Vetterli), И.Добеши (Daubeshis), Д.Донохо (Donoho), С.Малла
Mallat), И.Мейер {Meyer), Р.Куафман (Coifman), У.Пирлман (Pearhnan), Н.Саито (.Saito), Дж.Шапиро {Shapiro), Б.Видакович {Vidakovic) и др. Некоторыми теоретическими аспектами вейвлет-преобразования и его практическими приложениями занимались отечественные ученые: К.А.Алексеев, Б.А.Алпатов, Ю.А.Брюханов, В.В.Витязев, В.И.Воробьев, В.Г.Грибунин, Ю.В.Гуляев,- В.П.Дворкович, А.В.Дворкович, Ю.К.Демьянович, Ю.Б.Зубарев, С.Н.Кириллов, В.Ф.Кравченко, Л.В.Новиков, А.П.Петухов,
B.С.Титов, С.В.Умняшкин и др. Однако в их работах задачи фильтрации и кодирования сигналов и изображений решаются независимо друг от друга, причем задачи сжатия решаются, как правило, для неискаженных сигналов и изображений.
Непосредственно по проблеме известно относительно небольшое число публикаций, преимущественно в зарубежной печати. В частности, в работах
C.Бюрруса, М.Веттерли, Н.Саито используется критерий Риссанена «минимума длины описания» {minimum description length), при котором обеспечивается минимальная длина двоичного кода при выборе базиса, числа значимых вейвлет-коэффициентов, порогов, интервалов и уровней квантования, но не гарантируется выполнение ограничений на квоту бит. В работах О.-К.Снайх (Al-Snaykh), Р.Мерсеро {Мегсегеаи) проведено исследование вейвлет-кодеков при сжатии искаженных аддитивным гауссовским шумом изображений, введено понятие оптимальной рабочей точки {optimal operation point) — скорости кодирования, на которой кодек обеспечивает наилучшее шумоподавление. Работы К.Егиязаряна (Финляндия), Н.Пономаренко, В.Лукина (Украина) используют фильтрацию вейвлет-коэффициентов и различные свойства известных кодеков, анализируя кривые вида «скорость — искажения». Однако данные методы эффективны для изображений конкретных классов, выбор кодека возлагается на пользователя. При этом отсутствуют данные при сжатии кодеками изображений, искаженных мультипликативным шумом.
Таким образом, не разработаны теоретические основы вейвлет-кодирования зашумленных изображений, причем в известных работах не используется нелинейная вейвлет-аппроксимация. В связи с этим не решена задача выбора базиса вейвлет-преобразования при фиксированной квоте бит. Кроме того, распределение квоты бит и вычисление значений порогов производится независимо, что приводит к получению субоптимальных оценок.
Другой аспект проблемы, который вообще не обсуждается в известных работах, связан с включением текстурного анализа и сегментации зашумленных изображений в процесс вейвлет-кодирования. Наконец, не известны результаты практического применения (не имитационного моделирования) известных подходов в реальных радиотехнических системах и системах телевидения.
Цель и задачи работы. Целью диссертации является разработка теории и исследование созданных на ее основе методов, алгоритмов и их программных реализаций компрессии зашумленных изображений с применением вейвлетпреобразования при фиксированной квоте бит, предназначенных для повышения эффективности передачи информации по каналам связи и ее хранения в радиотехнических системах.
Для достижения поставленной цели решаются следующие задачи.
1. Разработка теоретических положений совмещения фильтрации и сжатия данных зашумленного изображения при его нелинейной аппроксимации с использованием пороговой обработки вейвлет-коэффициентов при фиксированной квоте бит.
2. Разработка методов сжатия зашумленного изображения на основе выбора базисов, сильнее коррелирующих с оригиналом, чем с шумом, с учетом пороговой обработки вейвлет-коэффициентов при высоких (больше 1 бит/пиксель) и низких скоростях кодирования.
3. Разработка алгоритмов субполосного вейвлет-кодирования зашумленного изображения, оптимизирующих распределение квоты бит по субполосам при разных способах пороговой обработки вейвлет-коэффициентов.
4. Разработка алгоритмов предварительной обработки изображения и вейвлет-коэффициентов перед кодированием, учитывающих текстуру изображений и распределение вейвлет-коэффициентов по субполосам.
5. Адаптация разработанных алгоритмов для практических задач, связанных с обработкой и комплексированием мультиспектральных изображений, архивацией и передачей по низкоскоростным каналам связи радио- и тепловизионных изображений, видеоданных систем охранного телевидения.
Научная новизна. В диссертационной работе получены следующие новые научные результаты.
1. Впервые сформулированы теоретические положения вейвлет-кодирования зашумленных изображений, которые объединяют результаты, полученные в области фильтрации и компрессии на основе вейвлет-преобразования.
2. Разработаны новые методы сжатия зашумленных изображений на основе выбора последовательности «лучших» базисов путем обнаружения и отделения когерентных структур при грубой, мягкой и по функции Видаковича пороговой обработки вейвлет-коэффициентов и при низких и высоких скоростях кодирования.
3. Разработаны новые алгоритмы распределения квоты бит при субполосном вейвлет-кодировании зашумленного изображения, вычисляющие оптимальные величины порогов, интервалов и уровней квантования в рамках одного общего критерия при разных видах пороговой обработки вейвлет-коэффициентов.
4. Предложены оригинальные методики расчета аппроксимаций кривых спада сортированных вейвлет-коэффициентов по субполосам и квантователей на их основе при субполосном вейвлет-кодировании зашумленных изображений.
5. Разработаны и исследованы алгоритмы текстурно-зависимой предварительной обработки зашумленного изображения на основе локальных коэффициентов вариаций при использовании стандартных вейвлет-кодеков Ег\У, 8Р1НТ, 1РЕ02000.
6. Разработаны и исследованы алгоритмы предварительной текстурно-зависимой обработки вейвлет-коэффициентов с использованием локальных коэффициентов вариации и оценок по максимуму апостериорной плотности вероятности на основе IV типа распределения Пирсона и обобщенного распределения Гаусса.
7. Получены текстурно-зависимые алгоритмы сжатия изображений, сформированных с помощью радаров прямого и бокового обзоров и искаженных спекл-шумом, на основе их статистических моделей.
8. Получены алгоритмы сжатия ИК-изображений с одновременной компенсацией дрейфа коэффициентов передачи фотоэлементов фотоэлектронных модулей, функционирующие в реальном масштабе времени, для разработанного аппаратно-программного комплекса с использованием специализированных плат ввода-вывода.
Практическая ценность. Теоретически доказана возможность осуществления на практике одновременно эффективного сжатия и шумоподавления искаженных сигналов и изображений различных классов с помощью вейвлет-преобразования.
Полученные методы, алгоритмы вейвлет-обработки зашумленных изображений позволяют при кодировании на заданной скорости осуществлять эффективное сглаживание помех в смысле минимизации среднеквадратического отклонения (СКО) и максимизации пикового отношения сигнал-шум (ПОСШ).
Разработанные алгоритмы допускают относительно легкую модификацию и могут широко использоваться в практических приложениях как для задач архивации, так и задач передачи данных по каналам связи с учетом специфики формирования сигналов и помех.
Методы и достоверность исследования. Для решения поставленных задач в работе использовались элементы теории вейвлет-преобразования, теории вероятностей и математической статистики, теории оптимального оценивания и фильтрации, численные методы вычислений. Для практической проверки правильности теоретических выводов диссертации применялось статистическое моделирование на ЭВМ в среде Matlab (вместе с разработанными программами на языке С++) на тестовых и реальных телевизионных, радио- и тепловизионных изображениях, а также проводились экспериментальные исследования на разработанном аппаратно-программном комплексе, состоящем из измерительного стенда, персонального компьютера и болометра. Достоверность полученных результатов подтверждается сравнением с известными методами и алгоритмами, данными протоколов приемо-сдаточных испытаний образца аппаратно-программного комплекса обработки сигналов фотоэлектронных модулей (ФЭМ).
Личный вклад автора. Все основные результаты диссертации получены автором лично и опубликованы в большинстве работ без соавторов и в соавторстве с аспирантами и студентами. В ранних работах в соавторстве с Заслуженным деятелем науки и техники РФ, д.т.н., проф. Ю.М.Коршуновым, к.т.н., доц. Ю.А.Филатовым рассмотрены алгоритмы сокращения избыточности при подавлении геометрического шума ФЭМ. Вопросы алгоритмического обеспечения АПК обработки сигналов ФЭМ изложены в работах в соавторстве с сотрудниками ФГУП НПО «Орион» д.ф.-мат.н. В.Н.Соляковым, А.С.Медведевым, Л.Д.Сагиновым.
Реализация и внедрение. Диссертационная работа включает в себя исследования, выполненные в Рязанском государственном радиотехническом университете в рамках госбюджетных и хоздоговорных НИР № 31-85, № 10-87, № 30-03, № 7-05, № 5-06, № 7-06, № 7-06Г, № 2-07, № 5-07, № 9-08Г, в которых автор являлся исполнителем, ответственным исполнителем и научным руководителем.
Ряд теоретических положений вейвлет-кодирования зашумленных изображений отражены в курсах лекций по дисциплинам «Обработка изображений в системах управления», «Информационные сети и телекоммуникации», «Цифровая обработка и анализ изображений», читаемых в Рязанском государственном радиотехническом университете и Курском государственном техническом университете. Для лабораторного практикума применяется разработанный автором учебный программный комплекс «IMPROC», версия 1.0, содержащий, в том числе, полученные в диссертации алгоритмы обработки зашумленных изображений на основе метода SP1HT.
Разработанные алгоритмы предварительной калибровки, сжатия данных от ФЭМ при одновременной компенсации дрейфа коэффициентов передачи фотоэлементов внедрены в ФГУП НПО «Орион» (г.Москва). Алгоритмы комплексирования и сжатия мультиспектральных изображений на основе вейвлет-обработки внедрены в ФГУП Рязанский государственный приборостроительный завод. Алгоритмы архивирования данных видеонаблюдений для охранных телевизионных систем внедрены в научно-производственной коммерческой фирме «Комплектстройсервис» (г.Рязань).
Апробация работы. Материалы работы докладывались и обсуждались на Всесоюзных научно-технических конференциях (ВНТК) «Перспективные методы планирования и анализа экспериментов при исследовании случайных полей и процессов» (г.Гродно, 1988 г.), ВНТК «Теория кодирования и передачи информации» (г.Одесса, 1988 г.), ВНТК «Оптико-электронные измерительные устройства и системы» (г.Томск, 1989 г.), международных научно-технических конференциях (МНТК) Symposium on Image Analysis, SSAB'2001 (г. Норчепинг, Швеция, 2001 г.), МНТК «2nd IEEE Region 8 EURASIP Symposium on Image and Signal Processing and Analysis» (г.Пула, Хорватия, 2001 г.), МНТК «Optimization of Finite Element Approximation and Splines and Wavelets» (г.Санкт-Петербург, 2001 г.); МНТК по фотоэлектронике и приборам ночного видения (г. Москва,
2004, 2006 гг.); МНТК «Цифровая обработка сигналов и ее применение» (г. Москва, 1998, 2002-2004, 2006, 2007 гг.), МНТК «Распознавание», (г. Курск,
2005, 2008 гг.), МНТК «7th International Workshop on Spectral Methods and Multirate Signal Processing» (г.Москва, 2007 г.); на научных семинарах в Норвежском Университете Науки и Технологии (г.Трондхейм) и Датском
Техническом Университете (г.Копенгаген) во время научных стажировок в 1996-1997 и 2001 гг.; на 7 международных и Всероссийских научно-технических конференциях и семинарах кафедры РГРТУ (г.Рязань) и МЭИ (ТУ) (г.Москва) за 1998-2007 гг.
Публикации. По теме диссертации опубликовано 67 работ на русском и английском языках, включая 25 статей, из которых 12 статей опубликованы в журналах, рекомендованных ВАК, 2 статьи изданы на английском языке в «Proceedings of SPIE». Материалы диссертации вошли в 8 отчетов по НИР, прошедших Госрегистрацию. Без соавторов опубликовано 15 статей.
Структура диссертации. Диссертация общим объемом 394 с. состоит из введения, пяти глав и заключения, содержит 259 с. основного текста, перечень используемой научно-технической литературы из 223 наименований на 21 е., приложения на 9 е., 194 рис. и 22 таблиц на 93 с.
Похожие диссертационные работы по специальности «Радиотехника, в том числе системы и устройства телевидения», 05.12.04 шифр ВАК
Сжатие полутоновых изображений на основе контурных кодирования и интерполяции и дискретного вейвлет-преобразования2009 год, кандидат технических наук Самохвалов, Антон Витальевич
Разработка и исследование методов и алгоритмов сжатия и восстановления видеоданных в цифровых телевизионных системах2009 год, кандидат технических наук Некрасов, Вадим Владимирович
Методы и алгоритмы вейвлетной обработки сигналов в цифровых системах связи2010 год, кандидат технических наук Егорова, Елена Владимировна
Методы, алгоритмы и устройства для покадрового кодирования и передачи видеоданных по радиоканалам с низкой пропускной способностью2008 год, кандидат технических наук Плахов, Александр Геннадьевич
Математические методы и алгоритмы цифровой компрессии изображений с использованием ортогональных преобразований2001 год, доктор физико-математических наук Умняшкин, Сергей Владимирович
Заключение диссертации по теме «Радиотехника, в том числе системы и устройства телевидения», Бехтин, Юрий Станиславович
выводы.
1. На основе статистических моделей спекл-шума и подстилающей поверхности разработано и исследовано алгоритмическое обеспечение видеокомпьютерных систем обработки изображений, полученных от РЛС прямого и бокового обзоров. Модифицированные алгоритмы субполосного текстурно-зависимого вейвлет-кодирования на основе коэффициентов вариации обладают повышенным быстродействием и обеспечивают эффективное подавление спекл-шума.
2. Разработаны цифровые устройства и аппаратно-программные комплексы (АПК) для вейвлет-обработки, передачи и записи тепловизионных изображений, формируемых на выходе многорядных и матричных ФЭМ.
3. Разработано и экспериментально исследовано алгоритмическое и программное обеспечение АПК, которое обеспечивает двухточечную калибровку ФЭМ по геометрическому шуму с точностью 4 % и увеличивает интервал между калибровками с 20-30 мин до 2-3 часов.
4. Увеличение интервала между калибровками ФЭМ достигается путем компенсации дрейфа коэффициентов передачи фотоэлементов и электрических схем ФЭМ за счет покадровой БРШТ-обработки на основе нормированных пространственно-ориентированных деревьев, а также покадровой субполосной текстурно-зависимой вейвлет-обработки на основе коэффициентов вариации.
5. Разработано и исследовано алгоритмическое обеспечение евидеокомпьютерных систем по обработке, комплексированию и компрессии много спектральных аэрокосмических изображений на основе оптимизированного алгоритма ЗП-БРШТ.
6. Разработанный «быстрый» алгоритм сжатия ЗП-БРШТ обеспечивает выигрыш по времени до 70 % и числу операций в 11 раз, что позволяет осуществить его техническую реализацию на цифровых процессорах обработки сигналов. Добавление разработанных алгоритмов вейвлетобработки в процесс комплексирования на основе 30-8Р1НТ позволило повысить точностные характеристики существующих видеокомпьютерных систем обработки аэрокосмических изображений, в частности, по выделению и обнаружению объектов.
7. Разработано специализированное программное обеспечение систем охранного телевидения, которое обеспечивает экономию дискового пространства сервера при записи видеоданных до 60 %, повышает отношение сигнал-шум на 3-5 дБ, а также сокращает на 40 % временные затраты, связанные с проведением предварительной фильтрации видеосигнала от удаленных видеокамер.
8. Разработан программный комплекс обработки зашумленных изображений 1МРЯОС, который кроме известных методов включает разработанные в диссертации алгоритмы вейвлет-кодирования зашумленных изображений. Комплекс предназначен как для использования в учебном процессе, так и для проведения научных исследований.
ЗАКЛЮЧЕНИЕ
В диссертации решена крупная научно-техническая проблема разработки теоретических положений, методов и алгоритмов компрессии зашумленных изображений на основе вейвлет-преобразования, имеющая важное теоретическое и прикладное значение.
1. Проведен сравнительный обзор методов, алгоритмов и устройств фильтрации и сжатия зашумленных изображений на основе вейвлет-преобразования; исследовано их поведение при мультипликативном шуме; выявлены пути для разработки теории, методов и алгоритмов вейвлет-кодирования зашумленных изображений при фиксированной квоте бит.
2. Выведены теоретические положения, доказывающие возможность построения эффективных методов, алгоритмов, кодеков для сжатия зашумленных изображений на основе нелинейной аппроксимации.
3. Разработаны методы и алгоритмы сжатия зашумленных изображений, использующие библиотеку базисов и обеспечивающие при заданной скорости кодирования относительно высокое качество восстановления оригинала по ряду объективных и субъективных критериев, в частности по ПОСШ до 30-32,5 дБ.
4. Разработаны методы и алгоритмы субполосного вейвлет-кодирования зашумленных изображений, обеспечивающие распределение квоты бит по субполосам и вычисление интервалов квантования и величин порогов в рамках единого критерия при разных видах пороговой обработки вейвлет-коэффициентов.
5. Разработаны оригинальные методики расчета аппроксимаций кривых спада сортированных вейвлет-коэффициентов в субполосах для зашумленного изображения.
-3476. Разработаны методики расчета уровней квантования для квантователей с равномерным квантованием, не требующих знания вида плотности вероятности значимых вейвлет-коэффициентов в пределах субполосы.
7. Разработаны алгоритмы предварительной текстурно-зависимой обработки изображения на основе коэффициентов вариации, работающие в реальном масштабе времени и обеспечивающие повышение ПОСШ на 3-5 дБ при кодировании зашумленных изображений с помощью известных кодеков EZW, Л>Е02000, 8Р1НТ.
8. Разработаны алгоритмы предварительной текстурно-зависимой субполосной обработки вейвлет-декомпозированного изображения на основе коэффициентов вариации. Алгоритмы работают в реальном масштабе времени и обеспечивают:
- обнуление вейвлет-коэффициентов ВЧ субполос, принадлежащих однородным текстурам, что повышает степень сжатия;
- получение оценок вейвлет-коэффициентов, принадлежащих неоднородным текстурам, по максимуму апостериорной плотности вероятности на основе IV типа распределения Пирсона для асимметричных и обобщенного распределения Гаусса для симметричных распределений вейвлет-коэффициентов в ВЧ субполосах.
9. Разработаны алгоритмы субполосной текстурно-зависимой вейвлет-обработки изображений, полученных от РЛС прямого и бокового обзоров, на основе коэффициентов вариации, которые обеспечивают эффективное сжатие и подавление спекл-шума при анализе межуровневых связей типа «родитель — потомки».
10. Разработаны алгоритмы покадровой 8Р1НТ-основанной и текстурно-зависимой вейвлет-обработки тепловизионных изображений (размером от 240x320 до 600x800), которые компенсируют дрейф коэффициентов передачи фотоэлементов (до 30 %), что увеличивает интервал между калибровками ФЭМ с 20-30 мин до 2-3 часов.
-34811. Разработано и внедрено специализированное алгоритмическое и программное обеспечение видеокомпьютерных систем обработки аэрокосмических изображений, тепловизионных систем на базе КРТ-приемников ближнего ИК-диапазона, систем охранного телевидения, учебного программного комплекса ШРЯОС. 12. Выполнено статистическое моделирование на тестовых и реальных радиолокационных и тепловизионных изображениях, проведены экспериментальные исследования на аппаратно-программном комплексе обработки сигналов ФЭМ, подтвердившие правильность теоретических выводов диссертации.
Список литературы диссертационного исследования доктор технических наук Бехтин, Юрий Станиславович, 2009 год
1. Алексеев, К.А. Вейвлет-ряды в задаче оценивания собственных частот датчиков // Датчики и системы. 2001. - №12. - С. 2 - 5.
2. Алексеев, К.А. Теория и практика шумоподавления в задаче обработки сейсмоакустических сигналов. // Опубл. на сайте "Matlab & Toolboxes" (Wavelet Toolbox), адрес http://matlab.exponenta.ru/wavelet/book5/index.php.
3. Алпатов, Б.А. Методы и алгоритмы обработки изображений в системах управления //Учеб. пособие. Рязань: РГРТУ, 1999. 64 с.
4. Ахмед Н., Pao K.P. Ортогональные преобразования при обработке цифровых сигналов. М.: Связь, 1980.
5. Бендат Дж., Пирсол А. Прикладной анализ случайных данных. М.: Мир, 1989.
6. Базовый модуль аналогового ввода/вывода AMBPCI. Руководство пользователя // Сост. Соколов A.M. М.: АО «Инструментальные системы», 2000.
7. Цифровое представление и сжатие изображений / А.В.Базитов, Е.В.Егорова, Р.Р.Мухетдинов и др.// Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. Москва, 2008. - С.478-479.
8. Бехтин, Ю.С. Вейвлет-кодирование зашумленных изображений преследованием базиса по когерентным структурам. // Цифровая обработка сигналов. 2007. - № 3. - С.2-8.
9. Бехтин, Ю.С. Расчет квантователя при субполосном вейвлет-кодировании зашумленного изображения. //Телекоммуникации. 2008. - № 3, - С.27-33.
10. Ю.Бехтин, Ю.С. Передача данных ИК-изображений фотоэлектронных модулей по низкоскоростным каналам связи на основе вейвлет-преобразований. // Телекоммуникации. 2008. - № 1. - С.34-40.
11. Бехтин, Ю.С. Поиск оптимального распределения бит при сжатии данных зашумленных изображений на основе вейвлет-преобразования. // Цифровая обработка сигналов. 2007. - № 1. - С. 17-24.
12. Бехтин, Ю.С. Обработка зашумленных изображений на основе вейвлет-преобразований. // Вестник РГРТУ. 2006. - № 18. - С. 141-144.
13. Бехтин, Ю.С. Алгоритм вейвлет-фильтрации зашумленных изображений. // Вестник РГРТА. 2004. - № 15. - С.22-27.
14. М.Бехтин, Ю.С. Улучшение качества зашумленных изображений на основе вейвлет-преобразований. // Сб. научных трудов: Проблемы математического моделирования и обработки информации в научных исследованиях. Рязань: РГРТА, 2003. 9 с.
15. Бехтин, Ю.С. Подавление геометрического шума чувствительности и дефектов без калибровки каналов ФПУ. // Сб. научных трудов: Проблемы математического моделирования и обработки информации в научных исследованиях. Рязань: РГРТА, 2000. 6 с.
16. Бехтин, Ю.С. Подавление геометрического шума чувствительности без калибровки каналов ФПУ. // Сб. научных трудов: Проблемы математического моделирования и обработки информации в научных исследованиях. Рязань: РГРТА, 1999. 6 с.
17. Бехтин, Ю.С. Оптимальная Wavelet-декомпозиция изображения с использованием зашумленных данных // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. Москва, 2002. - 2 с.
18. Бехтин, Ю.С. Подавление мультипликативного шума при сжатии данных изображений, полученных с помощью радаров с синтезированной апертурой // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. Москва, 1998. - 6 с.
19. Бехтин, Ю.С., Баранцев, A.A. Отчет по НИР "Аппаратно-программный комплекс обработки сигналов фотоэлектронных модулей" / РГРТА. Руководитель НИР Ю.С. Бехтин. НИР № 30-03. Рязань, 2003. 25 с.
20. Бехтин, Ю.С., Баранцев, A.A. Улучшение качества изображений многоэлементных фотоприемных устройств // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. Москва, 2004. - 3 с.
21. Бехтин, Ю.С., Баранцев, A.A. Компенсация разброса вольтовой чувствительности элементов смотрящих матриц оптико-электронных приборов при кадровой обработке видеоданных // Тез. докл. МНТК «Распознавание 2005». Курск, 2005. - 2 с.
22. Бехтин, Ю.С., Баранцев, A.A., Мызин, М.В. Сопряжение многоэлементных фотоприемных устройств с персональным компьютером на базе аналого-цифровых модулей ввода-вывода. // Известия ТРТУ, Тематический выпуск. 2006. - № 5 (60).
23. Построение аппаратно-программных комплексов цифровой обработки изображений фотоэлектронных модулей / Бехтин Ю.С., Баранцев A.A., Соляков В.Н. и др. // Тез. докл. МНТК по фотоэлектронике и приборам ночного видения. Москва, 2004. - 1 с.
24. Методы и алгоритмы цифровой обработки РЖ-изображений болометра без калибровки по геометрическому шуму / Бехтин Ю.С., Баранцев A.A., Соляков В.Н. и др. // Тез. докл. МНТК по фотоэлектронике и приборам ночного видения. Москва, 2006.
25. Бехтин, Ю.С., Брянцев, A.A. Подавление спекл-шума на основе анализа множеств зашумленных и неискаженных данных изображений в системах машинного зрения // Тез. докл. МНТК «Распознавание». Курск, 2005. 2 с.
26. Бехтин, Ю.С., Брянцев, A.A. Комбинированная фильтрация изображений, полученных с помощью радаров с синтезированной апертурой // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. -Москва, 2006. 1 с.
27. Бехтин, Ю.С., Брянцев, A.A. Предварительная текстурная сегментация при сжатии данных зашумленных изображений на основе вейвлет-преобразований // Вестник РГРТУ. 2007. - № 19. - С.45-50.
28. Бехтин, Ю.С., Брянцев, A.A., Астапенко, М.П. Комбинированная фильтрация изображений, полученных с помощью радаров с синтезированной апертурой. // Сб. научных трудов: Обработка информации в автоматических системах. Рязань: РГРТУ. - 2006. - 6 с.
29. Бехтин, Ю.С., Медведев, A.C. Улучшение качества изображений многоэлементных фотоприемных устройств. // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. МНТК. Рязань, 2002. - 2 с.
30. Бехтин, Ю.С., Рычков, А.Н. Программный комплекс обработки зашумленных изображений на основе вейвлет-преобразований // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. -Москва, 2003.
31. Бехтин, Ю.С., Титов, Д.В. Вейвлет-обработка ИК-изображений для компенсации дрейфа вольтовой чувствительности элементов фотоэлектронных модулей. // Известия вузов: Приборостроение. 2008. -Т. 51, № 2. - С.10-15.
32. Алгоритмы цифровой обработки ИК-изображений без калибровки по геометрическому шуму. / Бехтин Ю.С., Баранцев A.A., Брянцев A.A. и др. // Прикладная физика. 2008. - № 1. - С.110-113. (Статья поступила в редакцию 11 октября 2006 г.)
33. Бехтин, Ю.С., Филатов, Ю.А. Метод измерения координат точечных объектов по данным многоэлементного ФПУ // Автометрия. 1994. - № 2.
34. Витязев, В.В. Цифровая частотная селекция сигналов. М.: Радио и связь, 1993.-240 с.
35. Волохов, В.А. Модификация алгоритма БРШТ на основе вейвлет-пакетного базиса // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. Москва, 2007. - С.295-298.
36. Воробьев, В.И., Грибунин, В.Г. Теория и практика вейвлет-преобразования. С.-Петербург: ВУС, 1999. - 204 с.
37. Гонсалес, Р., Вудс, Р. Цифровая обработка изображений. М.: Техносфера, 2006. - 1072 с.
38. Гонсалес, Р., Вудс, Р., Эддингс, С. Цифровая обработка изображений в среде МаНаЬ. М.: Техносфера, 2006.
39. Даджион, Д., Мерсеро, Р. Цифровая обработка многомерных сигналов. -М.: Мир, 1988.
40. Дремин, И.М., Иванов, О.В., Нечитайло, В.А. Вейвлеты и их использование // Успехи физических наук. -2001. Т. 171, № 5. - С. 465-501.
41. Добеши, И. Десять лекций по вейвлетам. М.: Регулярная и хаотическая динамика, 2001.
42. Драйвер субмодуля аналогового ввода АПМ214х10М. Руководство пользователя. М.: АО «Инструментальные системы», 2000.47.3лобин, В.К., Еремеев, В.В. Обработка аэрокосмических изображений. -М.: Физматлит, 2006. 288 с.
43. Интерфейс ADM. Классическая реализация. Руководство пользователя // Сост. Соколов A.M. M.: АО «Инструментальные системы», 2001.
44. Кодирование и обработка изображений / Ред. Лебедев Д.С., Зяблов В.В. -М.: Наука, 1988.
45. Корн, Г., Корн, Т. Справочник по математике для научных работников и инженеров. М.: Наука, Глав. ред. физ.-мат. лит., 1984. - 832 с.
46. Оценка коэффициентов передачи фотодатчиков многоэлементных фотоприемных устройств. / Коршунов Ю.М., Филатов Ю.А., Бехтин Ю.С. и др. М:Радиотехника. - 1988. - № 4.
47. Кочетков, М.Е., Умняшкин, C.B. Многопотоковая реализация алгоритма арифметического кодирования М.: МГИЭТ (ТУ). - 1998. - 21 с. Депонировано в ВИНИТИ 25.12.98 № 3884-В98.
48. Кравченко, В.Ф., Рвачев, В.Л. «Wavelet»-CHCTeMbi и их применение в обработке сигналов//Зарубежная радиоэлектроника. 1996. - № 4. - С.3-20.
49. Кравченко, В.Ф., Рвачев, В.Л. Алгебра логики, атомарные функции и вейвлеты в физических приложениях. М.: Физматлит, 2006. - 416 с.
50. Крутиков, C.B. Методы и средства подавления структурных помех многоэлементных фотоприемников // Аналитический обзор № 4628 за 1970-1987 гг.-М., 1989.
51. Малла, С. Вейвлеты в обработке сигналов. М.: Мир, 2005. - 671 с.
52. Марчук, В.И., Воронин, В.В., Шерстобитов, А.И. Исследование методов обработки изображений при ограниченном объеме априорных данных // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. -Москва, 2007. С.354-357.
53. Методы передачи изображений. Сокращение избыточности / Прэтт У.К., Сакрисон Д.Д., Мусман Х.Г.Д. и др. / Ред. Прэтт У.К. М.: Радио и связь, 1983.
54. Методы сжатия данных / Ватолин Д., Ратушняк А., Смирнов М. и др. М.: Диалог-МИФИ, 2002. (http://compression.graphicon.ru).
55. Петров, Е.П., Частиков, И.А. Исследование комбинированного алгоритма адаптивной фильтрации цифровых полутоновых изображений с малой разрядностью. // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. Москва, 2007. - С.346-349.
56. Петухов, А.П. Введение в теорию базисов всплесков. СПб.: Изд-во СПбГТУ, 1999. - 132 с.
57. Прэтт, У. Цифровая обработка изображений. М.: Мир, 1982.
58. Поллард, Дж. Справочник по вычислительным методам статистики. М.: . Финансы и статистика, 1982. - 344 с.
59. Поликар, Р. Введение в вейвлет-преобразование. СПб.: АВТЭКС, 2001.
60. Рабинер, JL, Гоулд, Б. Теория и применение цифровой обработки сигналов. М.: Мир, 1978.
61. Радиолокационные станции бокового обзора / Под ред. А.П.Реутова. М.: Сов. радио, 1970. - 360 с.
62. Ричардсон, JI. Видеокомпрессия. Стандарты Н.264 и MPEG-4 стандарты для мультимедийных приложений. - М.: Техносфера, 2006.
63. Системы технического зрения: Справочник / В.И.Сырямкин, В.С.Титов, Ю.Г.Якушенков и др. /Под общей ред. В.И.Сырямкина, В.С.Титова. -Томск: МГП «РАСКО», 1993. 367 с.
64. Спецификации стандартов IEEE 802.11, 802.15.1, 802.15.4 и др. Опубл. на сайте IEEE: http://standards.ieee.org.
65. Справочник по теории вероятностей и математической статистике / В.С.Королюк, Н.И.Портенко, A.B.Скороход и др. М.: Наука, Гл. ред. физ.-мат. лит., 1985. - 640 с.
66. Столниц, Э., ДеРоуз, Т., Салезин, Д. Вейвлеты в компьютерной графике. Теория и приложения. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2002.
67. Сэломон Д. Сжатие данных, изображений и звука. М.: Техносфера, 2006.
68. Реутов, А.П., Охинченко, А.П., Писарев, С.Б. Технология построения радиоволновых систем дистанционного мониторинга и сейсмопрогнозирования. М.: Наукоем. технологии, 2001. - Т. 2, № 2. - С. 40-48.
69. Тришенков, М.С. Фотоприемные устройства и ПЗС. Обнаружение слабых оптических сигналов. М.: Радио и связь, 1992. - 400 с.
70. Умняшкин, C.B. Компрессия цифровых изображений на основе кодирования древовидных структур вейвлет-коэффициентов с прогнозированием статистических моделей. М.: МГИЭТ (ТУ).
71. Умняшкин, C.B., Коплович, Д.М. Метод компрессии изображений на основе векторного квантования в области дискретных преобразований // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. -Москва, 2006. С.366-368.
72. Пирамидальное кодирование изображений. / Харатишвили Н.Г., Чхеидзе И.М., Ронсен Д. и др. М.: Радио и связь, 1986.
73. Вейвлеты, аппроксимация и статистические приложения / Хардле В., Крекьячарян Ж., Пикар Д. и др. / Перевод К.А.Алексеева. Электронная книга на сайте http://www.quantlet.de/scripts/wav/html.
74. Хэмминг, Р.В. Теория кодирования и теория информации. М.: Радио и связь, 1983.
75. Цифровая обработка телевизионных и компьютерных изображений / Дворкович A.B., Дворкович В.П., Зубарев Ю.Б. и др. М.: МЦНТИ, 1997.
76. Цифровое кодирование телевизионных изображений / Цуккерман И.И., Кац Б.М., Лебедев Д.С. и др. М.: Радио и связь, 1981.
77. Чуй, К. Введение в вейвлеты. М.: Наука, 2001.
78. Ярославский, Л.П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику. М.: Радио и связь, 1987.
79. Якушенков, Ю.Г., Луканцев, В.Н., Колосов, М.П. Методы борьбы с помехами в оптико-электронных приборах. М.: Радио и связь, 1981. 180с.
80. Adams M.D. "The JPEG-2000 Still Image Compression Standard", June 30, 2001.
81. A1-Snaykh O.-K., Mercereau R.M. "Lossy Compression of Noisy images" // IEEE Trans, on Image Processing, 1998. Vol.7, Nr.12. - pp.1641-1652.
82. Argenti F., Bianchi T., Alparone L. "Multiresolution MAP Despeckling of SAR Images Based on Locally Adaptive Generalized Gaussian pdf Modeling," //IEEE Trans, on Image Processing, 2006. Vol.15, No.ll. - pp. 3385-3399.
83. Bekhtin Yu. Despeckling procedures during data compression of SAR images. // Digital Signal Processing and its Applications. The 1st International Conference, 1998, Moscow, Russia. -4 c.
84. Bekhtin Yu. "Optimal Subband Wavelet Thresholding using Noisy and non-Noisy Data of Images," // Proc. of 2nd IEEE Region 8 EURASIP Symposium on Image and Signal Processing and Analysis. Pula, Croatia, 2001. - pp. 588-592.
85. Bekhtin Yu. "Optimal thresholding for wavelet-based encoding of noisy images." // International Conference on Optimization of Finite Element Approximation and Splines and Wavelets. St.Petersburg, Russia, 2001. - 1 c.
86. Bekhtin Yu. "Searching an Optimal Wavelet Threshold using Noisy and non-Noisy Data of Images" //Proceedings of International Conference SSAB'2001. -Norrkoping, Sweden, 2001. -4 c.
87. Bekhtin Yu. "Optimal Wavelet-Tree Decomposition using Noisy Data of Images" // Digital Signal Processing and its Applications. The 4th International Conference. Moscow, Russia, 2002. -4 c.
88. Bekhtin Yu. "Joint adaptive wavelet thresholding and bit allocation for data compression of noisy images" // The 7 International TICSP Workshop on Spectral Methods and Multirate Signal Processing, SMMSP2007. Moscow, Russia, 2007. - 8 c.
89. Bekhtin Yu., Bryantsev A. "Texture-and-speckle-pdf-based filtering of SAR images" //Digital Signal Processing and its Applications. The 8th International Conference. Moscow, Russia, 2006. - 1 c.
90. Bekhtin Yu., Rychkov A. "The wavelet-based software for noisy image processing" // Digital Signal Processing and its Applications. The 5th International Conference. Moscow, Russia, 2003. - 1 c.
91. Berger J., Coifman R, and Goldberg M. "Removing Noise from Music using Local Trigonometric bases and Wavelet Packets" //J. Audio Eng. Sci., 1994. -42(10).-pp. 808-818.
92. Bruce A. and Gao H. -Y. "WaveShrink: Shrinkage Functions and Thresholds" // Proc. of SPIE, San Diego, CA, 1995.
93. Chan T.C.L., Hsung T.C., Lun D.P.K. "Improved MPEG-4 Still Texture Image Coding under Noisy Environment" /ЛЕЕЕ Trans, on Image Processing, 2003,-Vol.12.-pp.500-508.
94. Chang Т., Kuo C.-C.J. "Texture Analysis and Classification with Tree-Structured Wavelet Transform," // IEEE Trans. On Image Processing, 1993. -Vol.2, No.4.-pp.429-441.
95. Chang S.G., Yu В., Vetterli M. "Adaptive wavelet thresholding for image denoising and compression" // IEEE Trans, on Image Processing, 2000. Vol. 9, No. 9. - pp.1532-1546.
96. Chang S. G., Yu B. and Vetterli M. "Spatially adaptive wavelet thresholding with context modeling for image denoising" // IEEE Transactions on Image Processing, 2000. Vol. 9, no. 9. - pp. 1522-1531.
97. Chen S. and Donoho D. "Atomic decomposition by basis pursuit". //In SPIE International Conferenese on Wavelets. San Diego, 1995.
98. Cho K., and Meer P. "Image Segmentation from Consensus information" // Computer Vision and Image Understanding, 1997. Article No. IV970546. -Vol. 68, No. l.-pp. 72-89.
99. Choi Y.W. and Thao N.T. "Implicit Coding for Veiy Low Bit Rate Image Compression" // In Proc. IEEE Int. Conf. on Image Processing. 1998. -Vol.1.-pp. 783-786.
100. Cohen A., Daubechies I., and Vial P. "Wavelet bases on the interval and fast algorithms" //J. Appl. and CoTput. Harronie Analysis. — 1993. pp. 54-81.
101. Coifman R.R. and Donoho D.L., "Translation-invariant denoising" //in Wavelets and Statistics, A. Antoniadis and G. Oppenheim (Eds.), Berlin, Germany, Springer-Verlag, 1995.
102. Coifman R.R. and Wickerhauser M.V., "Entropy-based Algorithms for Bestbasis Selection" // IEEE Trans. Info. Theory. 1992. - Vol. 38 - pp. 713-718.
103. Daubechies I. "Orthonormal bases of compactly supported wavelets" //Comm. Pure Appl. Math. 1988. - 41. - pp. 909-996.
104. DeVore R.A., Jawerth B., and Lucier.B.J. "Image compression through wavelet transforms coding" // IEEE Trans, on Info. Theory. 1992. - Vol.38, No. 2. - pp. 719-746.
105. Donoho D.L. "De-noising by Soft-Thresholding," // IEEE Trans, on Info. Theory, Vol.41, No. 3, 1995, pp. 613-627.
106. Donoho D.L. "Interpolating wavelet transforms" // J. of Appl. and Comput. Harronie Analysis, 1994.
107. Donoho D.L. "Nonlinear solution of linear inverse problems by wavelet-vaguelette decomposition" // J. of Appl. and Comput. Harronie Analysis. -1995.-2(2).-pp.101-127.
108. Donoho D.L. "Unconditional bases and bit-level compression" // J. of Appl. and Comput. Harronie Analysis. 1996. - 3. - pp.388-392.
109. Donoho D.L. "Wedgelets: nearly-minimax estimation of edges" // Tech. Report. Statist. Depart., Stanford University, 1997.
110. Donoho D., Johnstone I. "Ideal De-noising in an Orthonormal Basis chosen from a Library of Bases" // C.R. Acad. Sci. Paris, Série I, 1994. - 319. - pp. 1317-1322.
111. Donoho D.L. and Johnston I.M. "Ideal spatial adaptation via wavelet shrinkage" // Biometrika. 1994. - Vol. 81. - pp. 425-455.
112. Donoho D. and Johnstone I. "Adapting to unknown smoothness via wavelet shrinkage" // J. American Statist. Assoc. 1995. - 90. - pp. 1200-1224.
113. Donoho D. and Johnstone I. "Minimax estimation via wavelet shrinkage" // Annals of Statistics, 1998.
114. Donoho D., Liu R.C., and MacGibbon K.B. "Minimax risk over hyperrectangles, and implications" //Annals of Statistics. 1990. - 18. -pp.1416-1437.
115. Duval L.C. "Simultaneous Seismic Compression and Denoising Using a Lapped Transform Coder" // IEEE Trans, on Image Processing. 2002. - Vol. 11.-pp. 1269-1272.
116. Fletcher A.K., Ramchandran K., and Goyal V.K. "Wavelet denoising by recursive cycle spinning" // Proc. IEEE Int. Conf. Image Proc. Rochester, NY, 2002.
117. Forchhammer S., Wu X., and Andersen J.D. "Lossless image data sequence compression using optimal context quantization" // IEEE Trans, on Image Processing, December. 2001. - 1. - pp. 53-62.
118. Foucher S., Benie G.B., Boucher J.-M. "Multiscale MAP Filtering of SAR Images," // IEEE Trans, on Image Processing. -2001. Vol.18, No. 1. - pp. 4960, 2001.
119. Gagon L., Smaili F.D. "Speckle Noise Reduction of Airborne SAR Images with Symmetric Daubechies Wavelets," // Proc. SPIE Signal Data Processing Small Targets, 1996.
120. Lee J.S. "Speckle Suppression and Analysis for Synthetic Aperture Radar Images," //Optical Engineering. 1986. - No. 25.
121. Lewis A.S., Knowles G. "Image Compression Using the 2-D Wavelet Transform" //IEEE Trans, on Image Proc. 1992. - Vol. 1, №2. - pp.244-250.
122. Lloyd, S.P. "Least Squares Quantization in PCM" // IEEE Transactions on Information Theory. 1982. - Vol IT-28. - pp. 129-137.
123. Max, J. "Quantizing for Minimum Distortion," // IEEE Transactions on Information Theory. 1960. - Vol. IT-6. - pp. 7-12.
124. Mallat S. "An efficient image representation for multiscale analysis" // In Proc. of Machine Vision Confennce, Lake Taho, February 1987.
125. Mallat S. "A theory for multiresolution signal decomposition: the wavelet representation" // IEEE Trans. Patt. Anal, and Mach. Intell. 1989. - 11(7). -pp.674-693.
126. Mallat S. "Minimax distortion rate for image tranform coding", // submitted to IEEE Intl. Conf on Image Proc., 1999.
127. Mallat S. and Falzon F. "Analysis of low bit rate image transform coding" // IEEE Trans. Signal Process. 1998. - Vol.46, no. 4. - pp.1027-1042.
128. Mallat S., Zhang Z., and Papanicolaou A. "Adaptive covariance estimation of locally stationary processes" // Annals of Stat. 1998. - 26(1). - pp. 1-47.
129. Mallat S.and Zhong S. "Characterization of signals from multiscale edges" IEEE Trans. Patt. Anal. andMach. Intell., 14(7):710-732, July 1992.
130. Malvar H.S. and Staelin D.H. "The LOT: transform coding without blocking effects" // IEEE Intnl. Conf. on Acoust., Speech, and Signal Proc. 1989. -37(4). -pp.553-559.
131. Mandelbrot B.B. and Yan Ness J.W. "Fractional Brownian motions, fractional noises and applications" //SIAM Rev. 1968. - 10. - pp.422-437.
132. McClure M.R. and Carin L. "Matching Pursuits with a Wave-Based Dictionary" //IEEE Trans, on Signal Proc. 1997. - 45(12). - pp.2912-2927
133. Meyer F., Averbuch A., and Coifman R. "Multilayered image representation: application to image compression" // Submitted to IEEE Trans, on Image Proc., 1998.
134. Meyer Y. Ondelettes et AlgorithTes Concnrrents. // Hermann, Paris, 1992.
135. Meyer Y. Wavelets: Algorithms and Applications. // SIAM, 1993. Translated and revised by R.D. Ryan.
136. Miller E. and Willsky A.S. "A multiscale approach to sensor fusion and the solution of linear inverse problems" // J. of Appl. and Comput. Harmonic Analysis. 1995. - 2(2). - pp. 127-147.
137. Mintzer F. "Filters for distortion-free two-band multirate filter banks" //IEEE Intnl. Conf. on Acoust., Speech, and Signal Proc. 1985. - 33(3). -pp.626-630.
138. Mittal M.L., Singh V.K., Krishnan R. "Wavelet Transform based Technique for Speckle Noise Suppression and Data Compression for SAR Images" //Proc. of the Fifth International Symposium on Signal Processing and Applications, 1999, pp. 781-784.
139. Moffat A. "Linear time adaptive arithmetic coding" //IEEE Trans. Info. Theory. 36(2). - pp.401-406.
140. Rissanen J. "MDL Denoising" //IEEE Trans, on Info. Theory. 2000. -Vol.46, No.7.
141. Rissanen J. "A universal prior for integers and estimation by minimum description length" //Ann. Statist. 1983. - 11(2). - pp. 416-431.
142. Rissanen J. "Universal coding, information, prediction, and estimation" //IEEE Trans, on Info. Theory. 1984. - 30(4). - pp. 629-636.
143. Rosenfeld A. and Thurston M. "Edge and curve detection for visual scene analysis" //IEEE Trans, on Comput. 1971. - 0-29.
144. Sabelkin M.V., Ponomarenko N.N. "MM-band Radar Image Wavelet Compression with Prefiltering" //Proceedings of Kharkov Symposium on Millimeter and Sub-millimeter Waves MSMW. -2001. Vol. 1. - pp.280-282.
145. Sachs R. von and Schneider K. "Wavelet smoothing of evolutionary spectra by nonlinear thresholding" //J. of Appl. and Comput. HarTonic Analysis. 1996. - 3(3). - pp.268-282.
146. Said A.and Pearlman W.A. "A New Fast and Efficient Image Codec Based on Set Partitioning in Hierarchical Trees" //IEEE Trans Circ. and Syst. Video Tech. 1996. - Vol. 6.
147. Saito N. and Beylkin G. Multiresolution representation using the autocorrelation functions of compactly supported wavelets. //IEEE Trans, on Signal Proc. 1993. - 41(12). - pp.3584 - 3590.
148. Sayeed A.M. and Jones D.L. "Optimal kernels for nonstationary spectral estimation" //IEEE Transactions on Signal Processing. 1995. - 43(2). -pp.478-491.
149. Schwartz K. "Computational anatomy and functional architecture of striate cortex: a spatial mapping approach to perceptual coding" //Vision Research. -1980.-20.-p.665.
150. Shannon C. E. "Communications in the presence of noise" //in Proc. of the IRE. 1949. - Vol. 37. - pp. 10-21.
151. Shapiro J. "Embedded Image Coding using Zerotrees of Wavelet Coefficients," //IEEE Trans, on Signal Processing. 1993. - Vol.41. - pp. 34453462.
152. Shensa M.J. "The discrete wavelet transform: Wedding the a trous and Mallat algorithms" // IEEE Trans, on Signal Proc. 1992. - 40(10). - pp.24642482.
153. Schutte K. "Multi-Scale Adaptive Gain Control of IR Images" //SPIE. Vol. 3061.-p.906.
154. Simoncelli E.P. "Bayesian multiscale differential optical low" /in Hassecker, Jahne and Geissler, editors // Handbook of computer vision and applications. Academic Press, 1998.
155. Simoncelli E.P. and Adelson E.H. "Nonseparable extensions of quadrature mirror filters to multiple dimensions" // Proc. IEEE. 1990. - 78(4). - pp.652664.
156. Simoncelli E.P. and Buccigrossi R.W. "Embedded wavelet image compression based on joint probability model" //in Proc. IEEE Int. Conf. -1997.
157. Sinha D. and Tewfik A.H. "Low bit rate transparent audio compression using adapted wavelets" //IEEE Trans, on Signal Proc. 1993. - 41(12). -pp.3463-3479.
158. Smith M.J. and Barnwell T.P. "Exact reconstruction for tree-structured subband coders" //IEEE Trans, on Acoust., Speech, and Signal Proc. 1986. -34(3).-pp.431-441.
159. Solbo S., Eltoff T. "T-WMAP: A Statistical Speckle Filter Operating in Wavelet Domain," //Int. J. Remote Sens. 2004. - Vol. 25, No. 5. - pp. 10191036.
160. Stein C. "Estimation of the mean of a multivariate normal distribution" //Ann. Statistics. 1981. - No. 9. - pp.1135-1151.
161. Vidakovic В., "Statistical Modeling by Wavelets". //John Wiley & Sons, 1999.
162. Wei D., Pai H.-T., and Bovik A.C. "Antisymmetric Biorthogonal Coiflets for Image Coding" //Proceedings of IEEE International Conference on Image Processing. Chicago, IL, 1998. - Vol. 2. - pp. 282-286.
163. Westwater R., Furht Borko, Furht Borivoje, "Real-Time Video Compression: Techniques and Algorithms". //Адрес в Интернет: http://www.ozon.rU/context/detail/id/l 840269/?partner=oldie
164. Witkin A. "Scale space filtering" //in Proc. Int. Joint. Conf. Artificial Intell. Espoo, Finland, 1983.
165. Witten I., Neal R.M., Cleary J.G. "Arithmetic coding for data compression" //Comm. ACM. 1987. - Vol. 30. No. 6. - pp. 520-540.
166. Xiong Z., Ramchandran K. and Orchard M.T. "Space-frequency Quantization for Wavelet Image Coding" //IEEE Trans, on Image Proc. — 1997. Vol. 6. - pp. 677-693.
167. Xiong Z., Ramchandran K., and Orchard M. "Wavelet packets image coding using space-frequency quantization" //IEEE Trans, on Image Proc. 1998. -Vol. 7. - pp. 892-898.
168. Yoo Y., Ortega A., and Yu B. "Image subband coding using context-based classification and adaptive quantization" //IEEE Trans, on Image Proc. 1999. -Vol. 8. - pp. 1702-1715.
169. Yu R., Allen A. R., and Watson J. "An optimal wavelet thresholding method for speckle noise reduction" //Summer School on Wavelets. Zakopane, Poland, 1996.
170. Yuille A. and Poggio T. "Scaling theorems for zero-crossings" //IEEE Trans, on Patt. Anal, and Mach. Intell., 1986.
171. Zeng Z., Cumming I. "SAR Image Compression Based on the Discrete Wavelet Transform" //Fourth Intl. Conf. on Signal Processing ICSP'98. -Beijing, China, 1998.
172. Zong X., Laine A., and Geiser E. "Speckle reduction and contrast enhancement of echocardiograms via multiscale nonlinear processing" //IEEE Transactions on Medical Imaging. 1998. - Vol. 17, No. 4.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.