Оптимизация информационного объема цифровых изображений в допечатных процессах полиграфии тема диссертации и автореферата по ВАК РФ 05.02.13, кандидат технических наук Васильев, Алексей Евгеньевич

• Васильев, Алексей Евгеньевич
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Васильев, Алексей Евгеньевич

Введение

Глава 1. ИНФОРМАЦИОННЫЕ ПОТОКИ В СИСТЕМЕ ПОЭЛЕМЕНТНОЙ ОБРАБОТКИ ИНФОРМАЦИИ (СПОИ). МЕТОДЫ ОПТИМИЗАЦИИ ИНФОРМАЦИОННЫХ МАССИВОВ ДАННЫХ.

1.1. Анализ информационных потоков в СПОИ.

1.1.1. Классификация информационных потоков.

1.1.2. Структурная схема информационного потока.

1.1.3. Структурная схема информационного потока по технологии OPI.

1.2. Концептуальная характеристика алгоритмов сжатия цифровых изображений.

1.2.1. Алгоритм JPEG (Joint Photographic Expert Group).

1.2.1.1. Изменение цветового пространства.

1.2.1.2. Сегментация изображения.

1.2.1.3. Дискретное косинусное преобразование.

1.2.1.4. Квантование.

1.2.1.5. "Зигзаг"-сканирование.

1.2.1.6. Свертка полученных векторов алгоритмом RLE.

1.2.1.7. Свертка полученных пар методом Хаффмана с фиксированной таблицей.

1.2.2. Рекурсивный (волновой) алгоритм JPEG2000 (LuraWave).

1.2.2.1. Предварительная обработка.

1.2.2.2. Изменение цветового пространства.

1.2.2.3. Двумерное дискретное вейвлет-преобразование (ДВП).

1.2.2.4. Квантование.

1.2.2.5. Энтропийное кодирование.

1.2.2.6. Организация закодированных последовательностей.

1.2.3 Алгоритм фрактального сжатия (LizardTech).

1.2.3.1. Дробление массива данных на ранговые области.

1.2.3.2. Аффинное преобразование.-.

1.2.3.3. Кодирование цветных изображений.

1.2.3.4. Упаковка данных.

Выводы по главе 1.

Глава 2. МЕТОДИКА ПРОВЕДЕНИЯ ЭКСПЕРИМЕНТА.

АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ.

2.1.Технико-методологические основы проведения эксперимента.

2.1.1. Методика проведения эксперимента.-.

2.1.2. Подбор и описание тест-объектов для оценки степени и качества сжатия.

2.1.3. Выбор программного обеспечения.

2.1.4. Анализ элементов управления программ.

2.2 Анализ результатов эксперимента.

2.2.1 Объективная оценка (PSNR).

2.2.2. Экспертная оценка.

2.2.3. Программный анализ (имитация экспертной оценки).

2.2.4. Анализ результатов эксперимента.

2.2.5. Определение пригодности сжатого файла для полиграфического воспроизведения

2.2.6 Сопоставление методов сжатия.

Выводы по главе 2.

Глава 3. ПРИМЕНЕНИЕ АЛГОРИТМОВ СЖАТИЯ В СПОИ.

3.1. Локализация процесса сжатия изображений в информационных потоках.

3.2. Методы автоматизации сжатия изображений.

3.3. Анализ способов интеграции алгоритмов сжатия.

Выводы по главе 3.

Введение диссертации (часть автореферата) на тему «Оптимизация информационного объема цифровых изображений в допечатных процессах полиграфии»

Актуальность темы диссертационного исследования. Современное развитие полиграфической отрасли в России и в мире тесно связано с проблемой оптимизации информационного объема цифровых изображений в системах допечатных процессов.

Тенденция роста объема информационных данных цифровых изображений предопределяет увеличение времени транспортировки и работы с цифровыми изображениями. В этой связи особую актуальность приобретают методы сжатия информационных данных цифровых изображений в системе допечатных процессов.

Основная сложность работы с цифровыми изображениями связана с ограниченными возможностями передачи информационных данных в рамках локальных сетей, Интернет и потребностью в формировании в системах допечатных процессов полиграфии цифрового графического материала необходимого качества.

Возможности и результаты обработки цифровой графической информации обусловливаются комплексом результатоформирующих факторов: методы сжатия информации; скоростные характеристики алгоритма компрессии, сетевые ограничения, формат графических объектов и др.

Оптимизация объема информации в полиграфической технологии -проблема, имеющая достаточно длинную историю, шедшую параллельно с развитием технологий кодирования информации. Алгоритмы оптимизации объема информации оперируют с входным потоком информации. Цель процесса компрессии - получение более компактного выходного потока информационных данных из некоторого изначально некомпактного входного потока при помощи преобразования его представления. Основными техническими характеристиками процессов сжатия и результатов их работы являются: степень сжатия, т.е. отношение объемов исходного и результирующего потоков; скорость сжатия - время, затрачиваемое на сжатие некоторого объема информации входного потока для получения из него компактного выходного потока; качество сжатого объекта, характеризующее отличие параметров выходного потока от параметров оригинального.

Существует несколько различных подходов к проблеме сжатия информации. Одни имеют весьма сложную математическую базу, другие основаны на свойствах информационного потока и алгоритмически достаточно просты. Любой алгоритм, реализующий компрессию данных, предназначен для сокращения объема выходного потока информации в битах при помощи ее обратимого или необратимого преобразования.

Степень изученности проблемы. Вопросам оптимизации информационного объема изображений, в том числе и цифровых, посвящено значительное количество научных работ и монографий российских и зарубежных ученых: Jacquin А.Е., Fisher Y., Reusens E., Menlove S., Davoine F., Antonini M., Chassery J.-M., Barlaud M., Svensson J., Thomas L., Deravi F., Saupe D., Hartenstein H., Ruhl M., Hamzaoui R., Grandi L., Marini D., Serrano N., Schilling D., Cosman P.C., Rogers J.K., Shirani S., Shirani J., Kossentini F., Shapiro J., Sherwood P.G., Zeger K., Bli E.O., Cen S., Persson H., Вепу C., Просис Г., Прэтт У., Бендат Дж., Шлихт Г.Ю., Тайц А.М., Тайц А.А., Борисов М., Брудный А .Я., Мельников J1.A., Ватолин Д.С., Ефимов М.В., Самсонов Д., Колесников А.Н., Сушко JI.C., Головин В.Ф., Романов В.Ю., Ярославский Л.П. и др. Для различных методов оптимизации информационного объема графических данных выявлены определяющие факторы и получены уравнения, характеризующие зависимость объема получаемого изображения от его параметров.

Однако, существующие методики сжатия информационного ббъегсга. цифровых изображений мало изучены в контексте использования в системах допечатных процессов.

Все вышеизложенное и обусловило выбор темы настоящего диссертационного исследования "Оптимизация информационного объема цифровых изображений в допечатных процессах полиграфии"

Цели и задачи исследования. Цель работы состоит в поиске эффективной методики использования алгоритмов сжатия информационных данных цифровых изображений в системах допечатных процессов полиграфии.

В рамках избранной темы настоящей диссертационной работы поставлены следующие задачи:

- дать характеристику алгоритмам сжатия изображений с потерей качества;

- определить программное обеспечение, методику проведения эксперимента для оценки степени и качества сжатия;

- провести анализ результатов оптимизации информационных данных цифровых изображений в допечатных процессах полиграфии с использованием методов математического анализа и экспертных оценок;

- разработать рекомендации по применению алгоритмов сжатия информационных данных цифровых изображений в допечатных процессах полиграфии.

Научная новизна настоящего диссертационного исследования состоит:

- в анализе методов сжатия информационных данных цифровых изображений, оптимальных для использования в допечатных процессах;

- в разработке методологии и проведении анализа результатов оптимизации информационных данных цифровых изображений в полиграфических процессах. в создании рекомендации по применению алгоритмов сжатия информационных данных цифровых изображений в допечатных процессах полиграфии.

Практическая значимость диссертационной работы. Разработанные в результате проведения настоящего исследования рекомендации по применению алгоритмов оптимизации информационных данных цифровых изображений могут быть использованы для повышения эффективности обработки и транспортировки цифровых изображений в локальных сегментах комплекса допечатных процессов и возможно приведут к снижению затрат на использование носителей информации.

Предложения по созданию программного обеспечения, находящего оптимальный коэффициент сжатия для конкретного изображения при выполнении сжатия по алгоритмам JPEG и JPEG2000, будут использованы в программных разработках фирмы «ЮникАйСиз».

Апробация исследования. По результатам исследования опубликованы следующие материалы:

1. «Исследование алгоритма сжатия JPEG программы Adobe Photoshop на базе оценки пикового отношения сигнал/шум» //Известия ВУЗов. Проблемы полиграфии и издательского дела. -2004. -№3. 0,23 п.л.

2. «Аспекты применения алгоритмов сжатия изображений» //Полиграфия. -2004. -№6. 0,4 п.л.

3. Алгоритмы сжатия изображений с потерей информации. Коэффициенты сжатия, оптимальные для полиграфического воспроизведения. Часть 1//Вестник технологии в области полиграфии и печатной рекламы. -2005. -№1. 0,62 п.л. .

Основные положения, выносимые на защиту.

1. Обоснование необходимости сжатия цифровых изображений и выбор алгоритмов сжатия изображений для оптимизации информационных потоков в допечатных процессах.

2. Методика определения зон качества и определение оптимальной степени сжатия для конкретного изображения.

3. Рекомендации по проведению оптимизации информационных потоков алгоритмами сжатия изображений.

Заключение диссертации по теме «Машины, агрегаты и процессы (по отраслям)», Васильев, Алексей Евгеньевич

ВЫВОДЫ ПО ГЛАВЕ 3.

1. Оптимизация информационных потоков в СПОИ возможна.

2. При использовании технологии сжатия с потерей информации, как метода оптимизации, необходимо сохранять оригинальный файл изображения.

3. Наиболее оптимальным является применение автоматического сжатия на файл-сервере в обычной схеме и на OPI-сервере в схеме основанной на ОР1-технологии.

4. При существующем развитии программного обеспечения применение технологий сжатия изображений обычная схема останется не полностью оптимизированной. Кроме того, создание PDF файлов станет недопустимым.

5. Для полной оптимизации информационных потоков в обычной схеме требуется модификация языка PostScript и модификация программного обеспечения.

6. Оптимизация схемы, реализованной на OPI-технологии, не требует дополнительного программного обеспечения.

7. Эффективность оптимизации может быть повышена созданием программы подбора оптимальных коэффициентов сжатия, и ее применении в составе рассмотренных комплексов автоматизации.

8. В результате применения оптимизации информационных потоков в СПОИ в работе персонала не произойдет никаких изменений.

ЗАКЛЮЧЕНИЕ

Проведенные в работе исследования показали:

Наличие в схемах информационных потоков каналов обмена данных с большой нагрузкой;

Объектами для оптимизации схем являются информационные потоки каналов связи. Оптимизация информационных потоков возможна преобразованием битовой карты тоновых изображений алгоритмами сжатия с потерей информации.

Оптимальным является применение автоматического сжатия на файл-сервере в обычной схеме и на OPI-сервере в схеме основанной на OPI-технологии.

При существующем развитии программного обеспечения и применении технологий сжатия изображений обычная схема останется не полностью оптимизированной, а создание PDF файлов в этой схеме станет недопустимым. Оптимизация схемы, реализованной на ОР1-технологии, не требует дополнительного программного обеспечения. ~

Для полной оптимизации информационных потоков в обычной схеме требуется модификация языка PostScript и модификация программного обеспечения СПОИ.

Методика исследования, применяемая в работе, может быть использована для определения коэффициентов любых алгоритмов сжатия информационного объема графических объектов с потерей информации, оптимальных для полиграфического воспроизведения.

Изображения, сжатые JPEG, JPEG2000 и фрактальным алгоритмами удовлетворяют требованиям, предъявляемым к оригиналам для полиграфического воспроизведения. Форматы файлов алгоритмов сжатия имеют большие возможности и содержат все необходимые параметры и структуру. Алгоритм JPEG обладает большей гибкостью по сравнению с JPEG2000.

Для цветных изображений, подготавливаемых для полиграфического воспроизведения нецелесообразно использовать метод сжатия изображений «без потери информации», т.к. алгоритм JPEG с коэффициентом сжатия «10» сжимает эффективнее и не менее чем в 2.6 раза при одинаковом визуальном качестве.

Наилучшие по качеству результаты показывает фрактальное сжатие, как для цветных, так и для ахроматических изображений.

Алгоритм JPEG с коэффициентами сжатия 10-12 и алгоритм JPEG2000 с коэффициентом сжатия 100 создают изображения, не отличимые от оригинала.

Определены зоны устойчивого качества для алгоритмов сжатия изображений.

В зоне «отличного/хорошего» качества лучшим для сжатия цветных изображений является алгоритм JPEG (сжимает изображения до 20,2 раз). Для ахроматических изображений лучшим является JPEG2000 с коэффициентом сжатия «99» (сжимает изображения в 6 раз).

В зоне «допустимого» качества для цветных изображений — алгоритм JPEG (сжимает изображения до 96 раз). Для ахроматических изображений JPEG2000 (сжимает изображения в 16 раз).

Определить оптимальный коэффициент сжатия алгоритма в зоне качества возможно используя диапазоны «зон качества»; значения PSNR и Ьрр либо значения программы имитации экспертной оценки. Фиксированный коэффициент сжатия не является универсальным для различных изображений.

Наиболее удобной программной реализацией алгоритмов сжатия в допечатных процессах полиграфии являются модули для Photoshop.

Сжатие алгоритмом JPEG 2000 рекомендовано модулем LuraWave фирмы Algo Vision LuraTech, фрактальным алгоритмом - модулем Fractals Print Pro фирмы LizardTech.

Зоны качества алгоритма JPEG в Adobe Photoshop не отражают качество сжатой информации предназначенной для полиграфического воспроизведения.

Одна из исследуемых в работе программ имитации экспертной оценки может - быть использована для определения зон качества при сжатии изображений.

Эффективность оптимизации может быть повышена созданием программы поиска оптимальных коэффициентов сжатия для изображений, и ее применения в составе комплекса автоматизации.

В результате проведенного в работе исследования предложено: Производить оптимизацию информационных потоков в структуре допечатных процессов посредством автоматизированного сжатия на файл-сервере в обычной схеме и на OPI-сервере в схеме основанной на OPI-технологии используя алгоритмы JPEG и JPEG2000. Для получения отличного/хорошего качества использовать для цветных изображений алгоритм JPEG с коэффициентами сжатия Adobe не менее «6», для ахроматических JPEG2000 с коэффициентом сжатия LuraWave не менее «99». Для получения удовлетворительного качества использовать для цветных изображений алгоритм JPEG с коэффициентами сжатия не менее «2», для ахроматических JPEG2000 с коэффициентом сжатия не менее «97».

Использовать разработанную методику для определения коэффициентов любых алгоритмов сжатия информационного объема графических объектов с потерей информации, оптимальных для полиграфического воспроизведения.

Решить задачу автоматизированного определения семантики произвольного изображения.

Создать программу автоматического определения оптимального коэффициента сжатия для алгоритмов сжатия с потерей информационного объема файла.

Список литературы диссертационного исследования кандидат технических наук Васильев, Алексей Евгеньевич, 2005 год

1. Айриг С., Айриг Э. «Сканирование. Профессиональный подход»/Пер. с анг. -К.: Поппури, 1997 -169 с.

2. Айриг Э., Айриг С. «Подготовка цифровых изображений для печати»/Пер. с анг. -К.: Поппури, 1997 -189 с.

3. Амангельдыев А. «Переводы с языка PostScript: быстро, дословно, с высоким качеством. // Курсив-1996-№2-С. 34-36.

4. Бендат Дж. и др. «Применение корреляционного и спектрального анализа»/Пер. с анг. Кочубинского А.Н., Привольского Е.Е. под ред. Коваленко И.Н. -М.: Мир, 1983 -312 с.

5. Бли Э.О. «О PostScript 3» //КомпьюАрт-1997-Октябрь-С 18-22

6. Блохин А.С. Восприятие киноизображений зрительным анализатором человека // Техника кино и телевидения , № 6 2002 г.

7. Борисов М. "Новые форматы изображений: требование времени" Publish, №2, 2001

8. Борисов М. «Сжатие изображений: JPEG и JPEG2000». //Publish, 2002-№2.

9. Брудный А .Я., Мельников Л.А. «Электронная обработка черно-белых и цветных иллюстраций в комплексе с лазерным выводным устройством ФЛП 300 //Современная полиграфия-1994-ЖЗ

10. Васильев А.Е. «Аспекты применения алгоритмов сжатия изображений» //Полиграфия, 2004-№6-С 66-68

11. Васильев А.Е. «Алгоритмы сжатия изображений с потерей информации. Коэффициенты сжатия, оптимальные для полиграфического воспроизведения»//Вестник технологии в области полиграфии и печатной рекламы, 2005-№1

12. Васильев А.Е. «Исследование алгоритма сжатия JPEG программы Adobe Photoshop на базе оценки пикового отношения сигнал/шум» //Известия высших учебных заведений. Проблемы полиграфии и издательского дела., М., №4 2004. с. 11-14

13. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. "Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео" М.:• ДИАЛОГ-МИФИ, 2002. 384 с.

14. ВендровскийК.В., Вейцман А.И. «Фотографическая " структурометрия»-М.: Искусство, 1982.

15. Волков П.Н. «Математические методы в экспериментальных исследованиях. Планирование и статистический анализ многофакторных экспериментов» Конспект лекций. Ч. 3 -М.: Изд-во МПИ «Мир книги», 1992-131 с.

16. Волков П.Н. «Математические методы в экспериментальных исследованиях. Таблицы математической статистики и другие справочные материалы» Конспект лекций. 4.4 -М.: Изд-во МПИ «Мир книги», 1992-145 с.

17. Гиленсон П.Г. «Справочник художественного и технического редакторов» -М.: Книга, 1998 -526 с.

18. Джонсон Н., Лион Ф. «Статистика и планирование эксперимента в технике и науке. Методы обработки данных» Пер. с англ./ под ред. Лецкого Э.К. -М.: Мир, 1980 -610 с.

19. Зельдович Б.З. «Менеджмент в полиграфии» ~ М.: Изд-во МГАП «Мир книги», 1997 -238 с.

20. Капелев В.В. «Программные средства обработки информации. Учебное пособие по выполнению самостоятельной работы». -М.: МГУП, 2001-219 с.

21. Касьянова З.К., Чернуха Н.В. «Проблемы сжатия полиграфической изобразительной информации». Известия высших учебных заведений. Проблемы полиграфии и издательского дела., М., №1-2 2000. С 50-58

22. П. Киволовиц "Сжатие изображений по стандарту JPEG" //Мир ПК, №4, 1992

23. Киппхан Г. Энциклопедия по печатным средствам информации. М:-МГУП, 2003, 522-524 с.

24. Кузнецов Ю.В. «Основы подготовки иллюстраций к печати. Растрирование.: Учебное пособие» -М.: МГУП Изд-во «Мир книги», 1998-173 с.

25. Маркус В.А. «Нормативные материалы по издательскому делу. Справочник», -М.: Книга, 1987 -480 с.

26. Митролин Е.М. «Измерения отрасли печати» //КомпьюАрт-1998-№6-С 31-37

27. Мишуровский М.Н "Исследование свойств зрительной системы человека в пространстве вейвлет коэффициентов", Межотраслевой научно-технический журнал "Оборонный комплекс - научно-техническому прогрессу России", №1 2004.

28. Мишуровский М.Н., Ковлига И.М. "Анализ влияния эффекта маскирования на пороговую чувствительность человека к искажениям вейвлет -коэффициентов", 6-я Международная конференция и выставка "Цифровая обработка сигналов и ее применение" М. 2004.

29. Мюррей Д.Д., Ван Райпер «Энциклопедия форматов графических файлов». 2-е изд. пер. с англ. - К.: Изд. Группа BHV, 1997

30. Нуждин П. "Алгоритмы компрессии пиксельных изображений" КомпьюАрт, №2, 2000

31. Просис Д. «Файлы растровой графики: взгляд внутрь» //PC Magazine №3 1996. с. 21-27.

32. Прэтт, Уильям «Цифровая обработка изображений». В 2-х кн., Кн. 1/Пер. с анг. Лебедев Д.С. -М.: Мир, 1987 -182 с.

33. Прэтт, Уильям «Цифровая обработка изображений». В 2-х кн., Кн. 2/Пер. с англ. Лебедев Д.С. -М.: Мир, 1987 -310 с.

34. Самошкин М.А. Автоматизация преобразования и обработки графической информации М: Мир, 1991.

35. Самсонов Д. «Растрирование, конвертирование и передача файлов на расстоянии»//РиЬНзЬ -№6-2000, 70 с.

36. Старинец В.В. «Теория вероятностей и математическая статистика: Конспект лекций» -М: МГУП, 2001 -171 с.

37. Тайц A.M., Тайц А.А. «Adobe Photoshop 5.5.» СПб.: БХВ-Санкт-Петербург, 200040. «Технические средства переработки текста и иллюстраций» /под общей ред. Ефимова М.В. -М.: Изд-во МГАП «Мир книги», 1994

38. Шлихт Г.Ю. «Цифровая подготовка изображений. Сканирование, печать, видео, мультимедиа под Windows». -М.: Эком, 1997 -335 с.

39. Шульмейстер М.В., Таль Г.А. «Справочник технолога-полиграфиста» ~М.: Книга, 1981

40. Л. Янсон, М. Барнсли "Фрактальное сжатие изображений" Мир ПК, №4, 1992

41. Ярославский Л. П. "Введение в цифровую обработку изображений" -М.: Советское радио, 1979 -312 с.

42. М. Barnsley, Fractals Everywhere, Academic Press, San Diego, CA, USA, 1988.

43. J. M. Beaumont "Advances in block based fractal coding of still pictures," in Proceedings IEE Colloquium: The Application of Fractal Techniques in Image Processing, Dec. 1990, pp. 3.1-3.6.

44. T. Bedford, F. M. Dekking, M.S. Keane "Fractal image coding techniques and contraction operators," Nieuw Archief Voor Wiskunde, vol. 10, no. 3, pp. 185-217, Nov. 1992.

45. D. J. Bone "Orthonormal fractal image encoding using overlapping blocks," Fractals, vol. 5 (Supplementary Issue), pp. 187-199, Apr. 1997.

46. G. Caso, P. Obrador, C.-C. J. Kuo "Fast methods for fractal image encoding," in Visual Communications and Image Processing '95, L. T. Wu, Ed., Taipei, Taiwan, May 1996, vol. 2501 of SPIE Proceedings, pp. 583594.

47. Delta Technology. Workflow Manual Linotype-Hell AG Kiel, 1996

48. EP 2000 Adaptive Workflow Optimization for Digital Printing and Publishing. Version 2.1: Technical data from Imprinta '97 Harleguin Grouppe Ltd. 4.07.1997

49. Y. Fisher, Ed., Fractal Image Compression: Theory and Application, Springer-Verlag, New York, NY, USA, 1995.

50. C. Frigaard, J. Gade, T. Hemmingsen, T. Sand "Image compression based on a fractal theory," Internal Report S701, Institute for Electronic Systems, Aalborg University, Aalborg, Denmark, 1994.

51. A. Gersho, R. M. Gray Vector Quantization and Signal Compression, Communications and Information Theory. K-luwer Academic Publishers, Norwell, MA, USA, 1992.

52. R. Hamzaoui "Codebook clustering by self-organizing maps for Fractal image compression," Fractals, vol. 5 (Supplementary Issue), pp. 27-38, Apr. 1997.

53. B. Hurtgen, P. Mols, S. F. Simon «Fractal transform coding of color images» //Visual Communications and Image Processing, SPIE'94, Chicago

54. A. E. Jacquin "A novel fractal block-coding technique for digital images," in Proceedings ICASSP-90 (IEEE International Conference on Acoustics, Speech and Signal Processing), Albuquerque, NM, USA, Apr. 1990, vol. 4, pp. 2225-2228.

55. M. Kawamata, M. Nagahisa, T. Higuchi "Multi-resolution tree search for iterated transformation theory-based coding," in Proceedings ICIP-94 (IEEE International Conference on Image Processing), Austin, TX, USA, Nov. 1994, vol. Ill, pp. 137-141.

56. J. Kominek "Algorithm for fast fractal image compression," in Digital Video Compression: Algorithms and Technologies 1995, A. A. Rodriguez, R. J. Safranek, and E. J. Delp, Eds., San Jose, CA, USA, Feb. 1995, vol. 2419 of SPIE Proceedings, pp. 296-305.

57. E. Kreyszig "Introductory Functional Analysis with Applications", John Wiley & Sons, New York, NY, USA, 1978.

58. N. Lu "Fractal Imaging", Academic Press, San Diego, С A, USA, 1997.

59. J.L. Mannos, D.J. Sakrison "The Effects of Visual Fidelity Criterion on the Encoding of Images" // IEEE Transactions on Information Theory IT-20(4) 1974, pp. 525-536

60. D. M. Monro "Class of fractal transforms," Electronics Letters, vol. 29, no. 4, pp. 362-363, Feb. 1993.

61. M. Novak "Attractor coding of images," in Proceedings PC-S'93 (International Picture Coding Symposium), Lausanne, Switzerland, Mar. 1993, p. 15.6.

62. G. E. Oien, S. Lepsoy, T. A. Rarnstad, "An inner product space approach to image coding by contractive transformations," in Proceedings ICASSP-91

63. EE International Conference on Acoustics, Speech and Signal Processing), Toronto, Canada, May 1991, vol. 4, pp. 2773-2776.

64. F. P. Preparata, M.I. Shamos, Computational Geometry, Texts and Monographs in Computer Science. Springer-Verlag, New York, NY, USA, 1985.

65. E. Reusens "Partitioning complexity issue for iterated functions systems based image coding," in Proceedings EUSIP-CO'94 (European Signal Processing Conference), Edinburgh, Scotland, Sept. 1994, vol. 1, pp. 171174.

66. J.K. Rogers, P.C. Cosman. "Wavelet zerotree image compression with packetization". IEEE Signal Processing Letters, 5(5): 105-107, May 1998.

67. J. K. Rogers, P.C. Cosman «Robust wavelet zerotree image compression with fixed-length packetization» Dept. of Electrical and Сотр. Engineering, Univ. of California at San Diego La Jolla, CA 92037-0407

68. H. Samet, "The Design and Analysis of Spatial Data Structures", Addison-Wesley Series in Computer Science. Addison-Wesley, Reading, MA, USA, 1989.

69. D. Saupe, H. Hartenstein, "Lossless acceleration of fractal image compression by fast convolution," in Proceedings ICIP-96 (IEEE International Conference on Image Processing), Lausanne, Switzerland, Sept. 1996, vol. I, pp. 185-188.

70. D. Saupe, R. Hamzaoui, "Complexity reduction methods for fractal image compression," in Proceedings of the IMA Conference on Image Processing: Mathematical Methods and Applications, J. M. Blackledge, Ed., Oxford, England, Sept. 1994, pp. 211-229.

71. D. Saupe "Breaking the time complexity of fractal image compression," Tech. Rep. 53, Institut fur Informatik, University of Freiburg, Freiburg, Germany, 1994.

72. D. Saupe "Lean domain pools for fractal image compression," in Still-Image Compression II, R. L. Stevenson, A. I. Drukarev, and T. R. Gardos, Eds., San Jose, С A, USA, Jan. 1996, vol. 2669 of SPIE Proceedings, pp. 150-157.

73. K. Sayood "Introduction to data compression", San Francisco: Morgan Kaufmann, first edition, 1996.

74. N. Serrano, D. Schilling, P.C. Cosman «Quality Evaluation for Robust Wavelet Zerotree Image Coders». Dept. of Electrical and Сотр. Engineering, Univ. of California at San Diego La Jolla, CA 92093-0407

75. J. Shapiro. Embedded image coding using zerotrees of wavelet сое cients. IEEE Transactions on Signal Processing, 41(12):3445-3462, December 1993.

76. P.G. Sherwood, K. Zeger. "Progressive image coding on noisy channels". In J. A. Storer and M. Cohn, editors, Proceedings of the 1997 IEEE Data Compression Conference (DCC), pages 72-81, Snowbird, Utah, March 1997. IEEE Computer Society Press.

77. J. Shirani, S. Shirani, F. Kossentini. «On RD Optimized Progressive Image Coding Using JPEG». Department of Electrical and Computer Engineering, University of British Columbia, Vancouver ВС V6T 1Z4, Canada

78. J. Signes, "Geometrical interpretation of IFS based image coding," Fractals, vol. 5 (Supplementary Issue), pp. 133-143, July 1997.

79. E. Taft, S. Chernicoff, C. Rose "PostScript LANGUAGE REFERENCE. Third edition". Library of Congress Cataloging-in-Publication Data PostScript language reference manual/ Adobe Systems Incorporated. Wesley Publishing. 1999.

80. N. T. Thao, "A hybrid fractal-DCT coding scheme for image compression," in Proceedings ICIP-96 (IEEE International Conference on Image Processing), Lausanne, Switzerland, Sept. 1996, vol. I, pp. 169-172.

81. L. Thomas, F. Deravi "Region-based fractal image compression using heuristic search," IEEE Transactions on Image Processing, vol. 4, no. 6, pp. 832-838, June 1995.1. ИНТЕРНЕТ РЕСУРСЫ

82. Программные комплексы СПОИ.http://www.adobe.comhttp://www.quark.comhttp://www.kodak.comhttp://www.apple.comhttp://www.microsoft.com

83. Автоматизация схем информационных потоков СПОИ.http://www.heidelberg.comhttp://www.creo.comhttp://www.agfa.comhttp://www.heidelberg.comhttp://www.cyansoftware.comhttp://www.dsea.com