Повышение эффективности компрессии изображений на основе анализа поля ошибок тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Тимбай, Елена Ивановна
- Специальность ВАК РФ05.13.17
- Количество страниц 159
Оглавление диссертации кандидат технических наук Тимбай, Елена Ивановна
ВВЕДЕНИЕ.
1 Решение задачи повышения эффективности компрессии изображений на основе анализа поля ошибок.
1.1 Постановка задачи.
1.2 Показатели качества методов компрессии.
1.2.1 Показатели качества.
1.2.2 Коэффициент компрессии.
1.3. Методика проведения анализа эффективности метода «достраивания»
1.4 Анализ полей ошибок базовых методов компрессии.
1.5 Выводы и результаты.
2 Метод повышения качества изображений, основанный на независимой обработке поля ошибок.
2.1 Описание метода.
2.2 Эффективное кодирование квантованного поля ошибок.
2.3 Исследование метода.
2.3.1 Методика построения экспериментальных зависимостей максимальной ошибки и Р81\[Е1 от коэффициента компрессии.
2.3.2 Исследование качества восстановления полутоновых изображений при применении метода «достраивания», основанного на независимой обработке поля ошибок.
2.3.3 Исследование качества восстановления полноцветных изображений при применении метода «достраивания», основанного на независимой обработке поля ошибок.
2.4 Выводы и результаты.
3 Метод повышения качества изображений, основанный на применении корректирующего фильтра.
3.1 Описание метода.
3.2 Аппроксимация ошибки восстановления изображения.
3.2.1 Линейная аппроксимация.
3.2.2 Аппроксимация постоянным значением.
3.2.3 Кусочная аппроксимация.
3.2.4 Структура дополнительных данных.
3.2.5 Применение корректирующего фильтра с кусочной аппроксимирующей функцией.
3.2.6 Правило завершения процесса построения кусочной аппроксимирующей функции.
3.2.7 Квантование коэффициентов аппроксимации.
3.3 Формирование признаков на изображении.
3.3.1 Система признаков, формируемая из отсчетов восстановленного изображения.
3.3.2 Система признаков, основанная на линейных сглаживающих фильтрах.
3.3.3 Система признаков, описывающая форму изображения в окне обработки.
3.3.4 Выбор оптимальной системы признаков.
3.4 Исследование метода.
3.4.1 Методика построения экспериментальных зависимостей ТУТ? от коэффициента компрессии.
3.4.2 Исследование качества восстановления полутоновых изображений при применении метода «достраивания», основанного на построении фильтра-корректора.
3.4.3 Исследование качества восстановления полноцветных изображений при применении метода «достраивания», основанного на построении фильтра-корректора.
3.4.4 Сравнение результатов работы корректирующего фильтра с процедурами деблокинга при восстановлении изображений после базовой компрессии JPEG.
3.5 Выводы и результаты.
Рекомендованный список диссертаций по специальности «Теоретические основы информатики», 05.13.17 шифр ВАК
Инструментальные средства сжатия полутоновых изображений на основе адаптивного и многоступенчатого решетчатого векторного квантования2009 год, кандидат технических наук Петров, Александр Васильевич
Сжатие полутоновых изображений на основе контурных кодирования и интерполяции и дискретного вейвлет-преобразования2009 год, кандидат технических наук Самохвалов, Антон Витальевич
Сжатие статических изображений с постоянной скоростью сжимающего кодирования в задачах дистанционного зондирования Земли2006 год, кандидат технических наук Книжный, Игорь Михайлович
Компрессия цифровых изображений на основе векторного квантования и контекстного кодирования в области дискретных преобразований2011 год, кандидат физико-математических наук Коплович, Дмитрий Михайлович
Математические методы и алгоритмы цифровой компрессии изображений с использованием ортогональных преобразований2001 год, доктор физико-математических наук Умняшкин, Сергей Владимирович
Введение диссертации (часть автореферата) на тему «Повышение эффективности компрессии изображений на основе анализа поля ошибок»
Актуальность темы
Цифровые изображения, получаемые современными средствами регистрации информации, передаваемые по каналам связи и обрабатываемые на компьютерах, как правило, характеризуются чрезвычайно большими объёмами данных. Это приводит к возникновению ряда серьезных проблем, которые должны решать разработчики и пользователи прикладного программного обеспечения. Возможность работы с изображением, затрудняется из-за недостаточной ёмкости запоминающих устройств, ограниченной пропускной способности каналов передачи данных, недостаточного быстродействия вычислительных машин, т.е. ограничивается техническими характеристиками используемой аппаратуры. Компрессия (сжатие) изображений ориентирована на решение подобных проблем за счёт сокращения объёма данных, требуемого для представления цифрового изображения.
Компрессия изображений может рассматриваться также как «технология расширения возможностей». Она является естественным способом поддержания увеличивающегося разрешения современных устройств ввода изображений, а также возрастающей сложности широковещательных телевизионных стандартов. Компрессия изображений играет существенную роль во многих разнообразных и важных применениях, например, при организации видеоконференций, в системах дистанционного зондирования, при формировании изображений документов, обработке медицинских изображений, при факсимильной передаче графических и текстовых данных.
Таким образом, задача компрессии изображений является актуальной для многих современных приложений информатики. Изучению различных аспектов проблемы компрессии посвящены труды большого числа российских ученых: Д. С. Лебедева, H. Н. Красильникова, Ю. М. Штарькова, В. В. Сергеева, Ю. Г. Васина и др., а также зарубежных: Р. Грехема (R. Graham), Дж. О. Лимба (J. О. Limb), У. Претта (W. Pratt), А. Джайна (A. Jain), M. Кунта (M. Kunt) и др.
Наиболее перспективными методами компрессии, предлагаемыми сегодня на рынке информационных технологий, являются методы, основанные на сжатии с потерями, позволяющие получить значительную степень компрессии при некоторых допустимых искажениях исходных изображений (сжатие на основе предсказания [4, 8, 29], фрактальное сжатие [55], вейвлетная компрессия [43], сжатие на основе дискретных ортогональных преобразований [56]). Однако, судя по продолжающимся разработкам в этой области, известные методы не в полной мере удовлетворяют пользовательским требованиям. В то же время, основная масса пользователей проявляет разумный консерватизм и не торопится отказываться от существующих стандартных форматов сжатия (JPEG, JPEG2000 и т.п.) в угоду, как правило, незначительным преимуществам новых методов. Поэтому, наряду с задачей разработки новых методов компрессии изображений, актуальной является задача «достраивания» известных методов таким образом, чтобы пользователь, продолжая их использование, получал повышенное качество компрессии. В рамках данной диссертации повышение эффективности компрессии предлагается обеспечить за счёт дополнительной обработки поля ошибок, порождаемых на исходном сжимаемом изображении стандартными методами компрессии. Результат такой обработки может быть использован при декомпрессии изображения для улучшения его качества.
Цель и задачи исследований
Целью диссертации является разработка и исследование методов, применяемых совместно с любыми известными методами компрессии изображений с потерями (базовыми методами) с целью повышения качества восстановления изображений после компрессии. Для достижения этой цели в диссертации решаются следующие задачи:
1) Разработка подхода к повышению качества изображений после компрессии, основанного на обработке поля ошибок, возникающих после базовой компрессии. Здесь под обработкой поля ошибок понимается формирование его приближенного компактного описания.
2) Разработка метода повышения качества изображений, основанного на независимой обработке поля ошибок. Разработка и исследование входящих в его состав алгоритмов преобразования данных: квантования и статистического кодирования.
3) Разработка и исследование метода повышения качества изображений, основанного на построении оценки поля ошибок восстановления с использованием зависимости между элементами поля ошибок и отсчётами изображения, восстановленного после базовой компрессии. Разработка и исследование входящих в состав данного метода алгоритмов: построение функции, аппроксимирующей поле ошибок восстановления; выбор системы признаков — аргументов аппроксимирующей функции; обработка коэффициентов аппроксимации с целью их компактного представления.
4) Экспериментальное исследование эффективности разработанных методов и входящих в их состав алгоритмов преобразования данных, выработка рекомендаций по использованию результатов диссертации.
Методы исследований
В диссертационной работе используются методы математического анализа и алгебры, теории вероятностей и статистического анализа, теории информации, теории цифровой обработки сигналов и изображений.
Научная новизна работы
Предложен подход к решению задачи повышения качества изображений, восстановленных после компрессии методами сжатия с потерями, основанный на обработке полей ошибок восстановления.
Предложен метод повышения качества изображений, основанный на независимой (от изображения) обработке поля ошибок, заключающийся в квантовании и статистическом кодировании поля ошибок. Благодаря применению равномерной шкалы квантования, данный метод позволяет обеспечить контроль максимальной ошибки восстановления для любого метода компрессии с потерями, не обладающего таким свойством. Показана целесообразность применения двухпотокового кодера для кодирования поля квантованных ошибок. Получены результаты исследований, показавшие, что предложенный метод позволяет существенно (в несколько раз) уменьшить максимальную ошибку восстановления при том же коэффициенте компрессии для исходных методов сжатия JPEG и JPEG2000.
Предложен метод повышения качества изображений, восстановленных после компрессии методами сжатия с потерями, использующий зависимость между элементами поля ошибок и отсчётами изображения, восстановленного после базовой компрессии, основанный на построении корректирующего фильтра, аппроксимирующего поле ошибок. Предложен метод построения фильтра с кусочной функцией аппроксимации. Задача уменьшения объёма дополнительной информации, описывающей фильтр-корректор с кусочной аппроксимирующей функцией, решена с помощью равномерного квантования коэффициентов аппроксимации; предложен метод вычисления количества бит, требуемого для представления коэффициентов. Получены результаты исследований, показавшие эффективность применения предложенного метода для повышения качества восстановления изображений по показателю PSNR после базовой компрессии JPEG, HGI и JPEG2000.
Практическая ценность работы
Предложенные в диссертационной работе методы, реализующиеловый подход к повышению качества изображений, восстановленных после компрессии произвольным методом сжатия с потерями, могут быть использованы в геоинформационных системах, системах оперативного дистанционного зондирования, базах данных изображений и в других компьютерных системах хранения, обработки и передачи визуальной информации. Разработанные методы позволяют повысить эффективность известных методов компрессии изображений и расширяют сферу их применения.
Реализация результатов работы
Результаты диссертации использованы при выполнении ряда госбюджетных и хоздоговорных НИР в Институте систем обработки изображений РАН и ОАО «Самара-Информспутник».
Апробация работы
Основные результаты диссертации были представлены на следующих конференциях:
- на Всероссийском семинаре по моделированию, дифракционной оптике и обработке изображений, Самара, 3-7 июля 2006 г;
- на Научно-технической конференции с международным участием "Перспективные информационные технологии в научных исследованиях, проектировании и обучении «ПИТ-2006», Самара, 2006;
- на Всероссийской студенческой научно-технической конференции «Прикладная математика и математическое моделирование», Москва, 2007;
- на 8-ой международной конференции "Распознавание образов и анализ изображений: новые информационные технологии" (РОАИ), Россия, Йошкар-Ола, 2007;
- на 9-ой международной конференции «Распознавание образов и анализ изображений: новые информационные технологии» (РОАИ), Россия, Нижний-Новгород, 2008;
- на Всероссийской молодежной научной конференции с международным участием «X Королевские чтения», Самара, 2009;
- на Всероссийской конференции «Проведение научных исследований в области обработки, хранения, передачи и защиты информации», Ульяновск, 2009;
- на Международной конференции с элементами научной школы для молодежи «Перспективные информационные технологии для авиации и космоса «ПИТ-2010», Самара, 2010.
Публикации
По теме диссертации опубликовано девять работ, из них 2 из перечня ведущих рецензируемых научных журналов и изданий ВАК РФ. Работы [18, 19, 20] выполнены автором единолично. В работах [13, 51, 52] автору принадлежит формальное описание общего подхода к повышению качества изображений после компрессии произвольным методом сжатия с потерями и описание основанного на этом подходе метода, позволяющего контролировать максимальную ошибку компрессии. В работе [15] автору принадлежит описание метода, обеспечивающего контроль максимальной ошибки компрессии. В работах [14, 50] автором выполнено описание метода повышения качества изображений, основанного на построении адаптивного локального корректирующего фильтра. Во всех работах автору принадлежат программная реализация и экспериментальные исследования методов и входящих в их состав алгоритмов.
Ниже в тексте диссертации ссылки на работы автора помечены звездочками (*).
Структура диссертации
Диссертация состоит из введения, трех глав, заключения, списка литературы и 6 приложений. Она изложена на 122 страницах машинописного текста (без приложений), содержит 43 рисунка, 11 таблиц, список использованных источников из 59 наименований.
Похожие диссертационные работы по специальности «Теоретические основы информатики», 05.13.17 шифр ВАК
Разработка и исследование методов сжатия графической информации с использованием дельта-преобразований второго порядка1998 год, кандидат технических наук Хусаинов, Наиль Шавкятович
Методы и алгоритмические средства сжатия цифровых изображений в системах приема-передачи видеоданных2003 год, кандидат технических наук Тропченко, Андрей Александрович
Разработка и анализ неэталонных алгоритмов оценки качества сжатых изображений2008 год, кандидат технических наук Саутов, Евгений Юрьевич
Метод контекстной компрессии изображений с малыми потерями в качестве2003 год, кандидат технических наук Володин, Алексей Борисович
Кодовое квантование при сжатии видеоизображений2004 год, кандидат технических наук Белоголовый, Андрей Владимирович
Заключение диссертации по теме «Теоретические основы информатики», Тимбай, Елена Ивановна
Основные результаты диссертационной работы
1. Предложена общая идея решения задачи повышения качества изображений, восстановленных после компрессии произвольными методами сжатия с потерями, основанная на обработке поля ошибок, порождаемых на выходных изображениях этими методами. Представлена соответствующая схема обработки данных. Описана общая методика проведения анализа эффективности предлагаемого метода.
2. Предложен метод повышения качества изображений, восстановленных после компрессии с потерями, основанный на независимой обработке поля ошибок. Метод основан на квантовании и статистическом кодировании поля ошибок. Предлагаемый метод позволяет обеспечить контроль максимальной ошибки восстановления для произвольного метода компрессии с потерями. Для эффективного кодирования поля квантованных ошибок предложено применять двухпотоковый кодер, представляющий собой комбинацию адаптивного арифметического кодера и КДС.
3. Разработана методика проведения исследований эффективности работы предложенного метода. Получены результаты исследования эффективности работы метода на наборах полутоновых и полноцветных изображений по двум критериям: изменение максимальной ошибки и PSNR. Результаты исследования показали, что предложенный метод позволяет существенно (в два и более раз) уменьшить максимальную ошибку восстановления при том же коэффициенте компрессии для исходных методов сжатия JPEG и JPEG2000.
4. Предложен метод повышения качества изображений, восстановленных после компрессии с потерями, основанный на построении оценки поля ошибок с учетом зависимости между элементами поля ошибок и отсчётами изображения, восстановленного после базовой компрессии, заключающийся в построении корректирующего фильтра, аппроксимирующего поле ошибок восстановления. Рассмотрены три типа функций аппроксимации, применяемых при построении фильтра: линейные, кусочно-линейные и кусочно-постоянные функции. Предложен метод построения фильтра с кусочной функцией аппроксимации. Решена задача уменьшения объёма дополнительных данных с помощью равномерного квантования коэффициентов аппроксимации, получено аналитическое выражение для вычисления количества бит, требуемого для представления одного коэффициента. Рассмотрены три системы признаков, используемые для построения фильтра. Описан алгоритм формирования на основе этих систем оптимальной системы признаков.
5. Разработана методика проведения исследований эффективности работы предложенного метода. Получены результаты исследования эффективности работы корректирующего фильтра. Наилучший результат восстановления изображений обеспечивает фильтр с кусочно-линейной функцией аппроксимации, построенный для системы признаков, основанной на линейных сглаживающих фильтрах, для любого из рассмотренных методов базовой компрессии (JPEG, HGI или JPEG2000). Также проведено сравнение результатов работы корректирующего фильтра с процедурами устранения блочности» при восстановлении изображений после базовой компрессии JPEG. Фильтр-корректор позволяет получить лучшее качество восстановления изображений по показателю PSNR по сравнению с известными методами деблокинга.
ЗАКЛЮЧЕНИЕ
Предложена общая идея решения задачи повышения качества изображений, восстановленных после компрессии произвольными методами сжатия с потерями, основанная на обработке поля ошибок, порождаемых на выходных изображениях этими методами. Предложены два варианта реализации общего подхода:
1) метод, основанный на независимой обработке поля ошибок;
2) метод, основанный на построении оценки поля ошибок с учетом зависимости между элементами этого поля и отсчетами изображения, восстановленного после базовой компрессии.
Список литературы диссертационного исследования кандидат технических наук Тимбай, Елена Ивановна, 2010 год
1. БлохЭ.Л. О передаче бинарной последовательности равномерным кодом //Проблемы передачи информации, № 5, 1960, с. 12-22.
2. Ватолин, Д. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео/Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин -М.: ДИАЛОГ-МИФИ, 2003. -384 с.
3. Ватолин Д., Обухов А., Гришин С. VirtualDub MSU Smart Deblocking Filter //http://www.compression.ru/video/deblocking/smartdeblocking.html
4. Гашников M. В., Глумов Н. И., Сергеев В. В. Информационная технология компрессии изображений в системах оперативного дистанционного зондирования //Известия Самарского научного центра РАН, № 1, 1999, с.99-107.
5. Загоруйко Н.Г. Методы распознавания и их применение. М.: Сов. радио, 1972., 208 с.
6. Лоусон, Ч. Численное решение задач метода наименьших квадратов/Ч. Лоусон, Р. Хенсон. М.: Наука, 1986.
7. Методы компьютерной обработки изображений/Под ред. В.А. Сойфера. — М.: ФИЗМАТЛИТ, 2003.-784 с.
8. Нетравали А., Лимб Дж. Кодирование изображений. Обзор.—ТИИЭР, 1980, т. 68, №3
9. Прэтт У.К., Сакрисон Д.Д., Мусманн Х.Г.Д. и др. Методы передачи изображений. Сокращение избыточности М.: Радио и связь, 1983, 264 с.
10. Прет У. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982. -Кн.1 - 312 с.
11. Сергеев В.В., Копенков В.Н., Чернов A.B. Сравнительный анализ методов нейронных сетей и иерархической аппроксимации в задачах фильтрации изображений // Автометрия, 2006, том 42, № 2, стр 100-106
12. Сергеев В.В. Применение методологии распознавания образов в задачах цифровой обработки изображений // Автометрия, 1998, № 2
13. Сергеев В.В., Тимбай Е.И. Метод контроля максимальной ошибки компрессии //Компьютерная оптика, Том 31, №3, 2007, стр.83-85.
14. Сергеев В. В., Тимбай Е. И., Чернов А. В. Адаптивные методы повышения качества изображения после компрессии // Сборник трудов всероссийского семинара по моделированию, дифракционной оптике и обработке изображений, Самара, 3-7 июля 2006, с. 38-41.
15. Субботин Д., http://www.compression.ru/sh/aridemo6.rar.
16. Сэломон, Д. Сжатие данных, изображений, звука/Д. Сэломон. М.: Техносфера, 2004. -368 с.
17. Тимбай Е.И. Адаптивное повышение качества изображения при восстановлении после компрессии // Всероссийская молодежная научная конференция с международным участием «X Королевские чтения», 6-8 октября 2009 г., с. 321.
18. Тимбай Е.И. Адаптивное повышение качества изображений после компрессии // Всероссийская конференция «Проведение научных исследований в области обработки, хранения, передачи и защиты информации». Ульяновск, 2009, с. 401-409.
19. Хаффмен Д.А. Метод построения кодов с минимальной избыточностью // Кибернетический сборник, Москва, 1961, вып. 3.
20. Чернов А.В. Информационная технология восстановления изображений, . основанная на принципах распознавания образов // Диссертация насоискание ученой степени кандидата наук. — Самара. -2004.
21. Шеннон К. Работы по теории информации и кибернетике. М.: Изд-во иностр. лит-ры, 1963.
22. Штарьков Ю.М., Бабкин В.Ф. Кодирование длин серии в условиях априорной неизвестности // Аппаратура для космических исследований. Кодирование, сжатие данных, М.: Наука, 1973, с.3-9.
23. ACDSee. Supported File Formats // http://files.acdsystems.com/english/support/fileformats.pdf
24. Adobe PhotoShop // http://www.adobe.com/products/photoshop/photoshop/
25. Advanced JPEG Compressor// http://www.winsoftmagic.com/ajc.html
26. Cutler C. Chapin Differential Quantization of Communication Signals // U.S. patent 2605361, July 29, 1952
27. Farrelle P., Jain A. Recursive blocking-coding-A new approach to transform coding // IEEE Trans Commun (1986), 161-179.
28. Freeware. JPEG2000 Compressor // http://www.anything3d.eom/product/software/freeware.php3#convert
29. Gashnikov M. V. Algorithm for Constructing Optimal Quantization Scale in the Problem of Digital Signal Compression //Pattern Recognition and Image Analysis, Vol.11, No. 1, pp. 161-163, 2001
30. Gashnikov M. V., Glumov N. I., Sergeyev V. V. Compression Method for RealTime Systems of Remote Sensing //Proceedings of 15th International Conference on Pattern Recognition, Barcelona, Vol.3, pp. 232-235, 2000
31. Gray, Karen L. "The JPEG2000 Standard", Paper, Technische Universität München, Feb. 18, 2003
32. Gopinath R.A., Lang M., Guo H., Odegam J.E. Wavelet-Based Post-processing of Low Bitrate Transform Coded Images // In Proc. of Intl. Conf. in Image Processing, Aus-tin, TX, November 1994.
33. Information technology Digital compression and coding of continuous tone still images - Requirements and guidelines // ISO/IEC 10918-1, ITU T.81, Sept. 1993.
34. IrfanWiew //http://www.irfanview.com
35. ISO/IEC 15444-1:2000, Information technology JPEG 2000 image coding system - Part 1: Code coding system, July 31, 2002
36. Jpeg Enhancer — Overview. Improve the quality of your images // http://www.vicman.net/jpegenhancer/index.htm
37. LuraTech. Additional Imaging Solutions. // https://www.luratech.com/en/products/imaging-solutions/additional-imaging-solutions.html
38. Lynch W.E., Reibman A.R., Liu B. Edge compensated transform coding // Proc IEEE ICIP Image Process (1994), 105-109.
39. Malvar H.S., Staelin D.H. The LOT: Transform coding without blocking effects // IEEE Trans Acoust Speech Signal Process (1989), 553-559.
40. Marcellin M.W., Gormish M.J., Bilgin A., Boliek M.P. An Overview of JPEG-2000 // Proceedings of the 2000 IEEE Data Compression Conference, pp. 523541, Snowbird, Utah, March 2000
41. Martin G.N. Range encoding: an algorithm for removing redundancy from a digitised message // Video & Data Recording Conference, Southampton, 1979, pp. 24-27.
42. Max J. Quantizing for Minimum Distortion //IRE Transactions on Information Theory, Vol. 6, pp. 7-12, 1960
43. Moffat A., Neal R., Witten I.H, Arithmetic coding revisited // ACM Transactions on Information Systems, July 1998, 16 (3), pp. 256-294.
44. Pearson D., Whybray M. Transform coding of images using interleaved blocks // Proc IEEE Radar Signal Process (1984), 466-472.
45. Rissanen J.J., Langdon G.G. Arithmetic coding // IBM Journal of Research, Development 23: 146-162.
46. Sergeyev V.V., Chernov A.V. Image Reconstruction Methods Based in the Principles of Pattern Recognition Theory // Pattern Recognition and Image Analysis, 1997, № 4
47. Sergeev V.V., Timbay E.I. Universal method for controlling maximum errors in image compression IIPattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications, 2008, Vol. 18, No. 4, pp. 691-693.
48. The Waterloo Fractal Coding and Analysis Group. Image Repository. Greyscale Set 2 // http://links.uwaterloo.ca/Repository.html
49. University of Southern California. Signal and Image Processing Institute. Electrical Engineering Department. The USC-SIPI Image Database // http://sipi.usc.edu/database/
50. U.S. Patent 5065447, Barnsley Michael F., Sloan Alan D. Method and apparatus for processing digital data //, November 12, 1991
51. Wallace G. The JPEG Still Picture Compression Standard // Communications of the ACM, 1991, Volume 34, Issue 4, pp. 30 44
52. Witten I.H., Neal R.M., Cleary J.G. Arithmetic coding for data compression // Communications of the ACM, vol. 30, № 6, 1987, pp. 520-540.
53. Xiong Z., Orchard M. T., Zhang Y. Q. A Deblocking Algorithm for JPEG Compressed Images Us-ing Overcomplete Wavelet Representation //. IEEE Trans-actions on Circuits and Systems for Video Technology, 7, 433-437.
54. Yang Y., Galatsanos N., Katsaggelos A. Projection-Based Spatially-Adaptive Reconstraction of Block-Transform Compressed Image // IEEE Trans, on Image Processing, Vol. 4, No. 7, pp. 896-908, July 1995.
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.