Повышение эффективности компрессии статичных изображений тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат технических наук Соколова, Екатерина Андреевна

• Соколова, Екатерина Андреевна
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Соколова, Екатерина Андреевна

ВВЕДЕНИЕ.

ГЛАВА 1 АНАЛИТИЧЕСКИЙ ОБЗОР ТЕОРИИ ПРЕДСТАВЛЕНИЯ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ И ПРОЦЕССОВ ЕЕ КОМПРЕССИИ.

1.1.Введени е.

1.2.Цветовая модель, как способ представления графической информации

1.2.1. Аддитивная цветовая модель RGB.

1.2.2. Субтрактивные цветовые модели (CMYu CMYK).

1.2.3. Перцепционная цветовая модель HSB.

1.2.4. Колориметрические цветовые модели Lab и другие.

1.3.Векторная и пиксельная графика как основные виды представления графических изображений.

1.4.Анализ существующих требований к алгоритмам сжатия

1.5. Аналитический обзор алгоритмов сжатия без потерь.

1.5.1.Групповое кодирование.

1.5.2.Алгоритм LZW.

1.5.3.Алгоритм Хаффмана.

1.5.4.Алгоритм JBIG.

1.5.5.LOSSLESSJPE G.

1.6.Аналитический обзор алгоритмов сжатия с потерями.

1.6.1 Рекурсивное сжатие.

1.6.2 Алгоритм JPEG.

1.6.3 Фрактальное сжатие.

1.7.Исследование и критериальный анализ результатов компрессии при применении алгоритмов сжатия без потерь.

1.8.Исследование и критериальный анализ результатов компрессии при применении алгоритмов сжатия с потерями.

1.9. ВЫВОДЫ.

ГЛАВА 2 РАЗРАБОТКА МЕТОДИКИ КОМПРЕССИИ ИЗОБРАЖЕНИЙ ВАРИАБЕЛЬНЫМИ ФРАГМЕНТАМИ И ФОРМАЛЬНАЯ ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ.

2.1. Обозначения, определения и допущения.

2.2. Алгоритм оптимальной компрессии статичных изображений вариабельными фрагментами.

2.2.1. Математическая модель для учета погрешностей в цветовой гамме фрагментов.

2.2.2. Функции, используемые для преобразования фрагментов.

2.3. Пример компрессии изображений вариабельными фрагментами.

2.4. Расчет оценки быстродействия алгоритма.

2.5.ВЫВОДЫ.

ГЛАВА 3 ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ И АНАЛИЗ КОМПРЕССИИ ИЗОБРАЖЕНИЙ ВРИАБЕЛЬНЫМИ ФРАГМЕНТАМИ.

3.1 Постановка эксперимента.

3.1.1.Архивация двуцветных изображений.

3.1.2.Архивация 16-цветного изображений.

3.1.3. Архивация полноцветных изображений.

3.1.4.0бщая характеристика тестируемых форматов.

3.1.5. Орнаменты, мозаика, рисунки на коврах.

3.1.6. Различные рамки.

3.1.7. Узоры на тканях, полотнах.

3.1.8. Экспериментальное исследование сжатия разряженных симметричных изображений.

3.1. Я.Графики, тексты.

3.1.10. Фоновые изображения для мобильных телефонов.

3.1.11. Симметричные изображения.

3.2. Поиск оптимальной размерности фрагмента на основе анализа проведенных экспериментов.

3.3.ВЫВОД Ы.

Введение диссертации (часть автореферата) на тему «Повышение эффективности компрессии статичных изображений»

Процессы компрессии графических изображений и в частности статичных графических изображений занимают при обработке электронной информации значительную часть временного диапазона. Поэтому применительно к хранению и передаче информации предварительная ее компрессия имеет большое народнохозяйственное значение.

Современные теоретические и экспериментальные исследования, практика программирования и промышленной эксплуатации показали, что наиболее перспективным путем решения задачи повышения эффективности компрессии изображений является сжатие ее с применением теории вариабельных фрагментов.

С целью повышения эффективности сжатия статичных изображений некоторыми программными продуктами используется сложные математические модели которые не позволяют в полной мере производить операции сжатия без потери качества изображения, а также не в состоянии охватить весь спектр статичных изображений.

В частности в работах Дадаяна JI.C. [1,2] приводится описание методики компрессии статичных изображений вариабельыми фрагментами, сравнение пикселов в которой осуществляется посредством анализа структуры их цветовой гаммы и разделения на 3 цветовых спектра с использованием цветовой модели RGB. Результаты компрессии изображений полученных по методикам на основе вышеупомянутой теории по коэффициенту компрессионного сжатия выгодно отличаются от аналогичных наработок с использованием вариабельных фрагментов разработанных в СОЦНИТ, однако методика разделения цвета на спектры не позволяет производить объективное сравнение пикселов, а выбор минимального базового подмножества фрагментов не дает глобально - оптимального решения.

Для повышения эффективности компрессии и, следовательно, уменьшения объема сжатых файлов, скорости декомпрессии файлов необходимо предварительное разделение изображения на квадратные фрагменты дальнейшее сравнение и преобразование которых может привести к выбору базового подмножества хранящегося в памяти. С точки зрения теории компьютерной графики наиболее выгодно сократить объем сжатого файла (при высоком качестве изображения) за счет замены одних фрагментов статичного изображения так называемыми базовыми фрагментами.

Актуальность проблемы. С появлением новых технических средств растровые цифровые изображения в различных отраслях науки и техники, все чаще используются в качестве данных об обрабатываемых и исследуемых объектах в системах, созданных на базе ЭВМ; информационных комплексов и компьютерных сетей. Представление цифровых статических изображений в виде; двумерных матриц требует больших объемов данных и предъявляет высокие требования к сетевому оборудованию при передаче их по каналам связи, а также к емкости внешних носителей при хранении информационной базы. В частности книжная иллюстрация на обложке размером приблизительно 510 х 820 точек занимает емкость на цифровом носителе около 1.23 Мб — т.е. примерно столько же, сколько художественная книга объемом в 350 страниц (около 60 знаков в строке и примерно 40 строк на странице) [6]. Таким образом актуальность вопросов повышения эффективности сжатия статичных изображений не вызывает сомнения. Ярким примером острой необходимости скорейшего усовершенствования процессов компрессии изображений, являются системы, в которых необходимо обеспечить хранение большого количества изображений в автономном режиме:

- бортовые системы фотографирования поверхности Земли;

- спутниковые системы получения метеоснимков;

-медицинские базы данных, хранящие диагностические снимки;

- фотографии;

- результаты томографических исследований; охранные системы видеонаблюдения с возможностью видеорегистрации.

В последние годы решению проблем повышения эффективности компрессии статичных изображений серьезное внимание как у нас в стране, так и за - рубежом [10-15]. Существует большое количество различных методов сжатия графических изображений, в том числе как видоизмененные универсальные, так и абсолютно новые методы, ориентированные исключительно на сжатие изображений. Кроме того, в настоящее время успешно разрабатываются методы, ориентированные на конкретный класс изображений, например отпечатки пальцев, медицинские снимки. Практический опыт как российского, так и зарубежного использования различных методов кодирования, изображений; реализованных в существующих программных средствах, показывает, что нет универсального метода, который был бы равнозначно эффективен для, всех видов изображений.

Имеет место ситуация когда, любой из существующих методов обеспечивает высокий коэффициент сжатия при сохранении хорошего качества для одного вида изображений, а для других высокий коэффициент сжатия достигается ценой значительных потерь, заметных при визуальной оценке, а в худшем случае метод не применим [49].

Помимо перечисленных выше недостатков, методы сжатия с потерями, как правило, имеют параметры, позволяющие управлять соотношением, между объемом и качеством: чем меньше объем, тем ниже качество и наоборот.

Некоторые группы изображений допускают значительные потери, которые не заметны при визуальной оценке, и за счет этого максимально возможный коэффициент сжатия для них высок. В случае использования других групп изображений даже небольшие потери приводят к заметным искажениям, и как следствие, максимально допустимый коэффициент сжатия для них небольшой. Имеющий опыт работы с методами компрессии изображений пользователь ЭВМ, может по виду изображения определить, какой; метод и с какими параметрами является наиболее подходящим или подобрать их экспериментально. В то же время часто приходится сталкиваться с задачей, когда необходимо обеспечить эффективную компрессию изображений в автономном режиме ив масштабе реального времени.

Принятые к рассмотрению фактические обстоятельства делают актуальной задачу разработки методики создания программных средств, осуществляющих для конкретного графического статичного изображения выбор подходящего метода: кодирования и определение его параметров, которая, и решается в данной работе. Указанные проблемы определили направление исследований диссертационной работы автора, в которой объектом исследования являются программные средства повышения эффективности методов компрессии графических статичных изображений. Предметом исследования являются методы определения, максимально возможного коэффициента и параметров сжатия; для различных методов компрессии графических статичных изображений.

Работа проведена в соответствии с планом научно-исследовательских работ Северо-Кавказского горно-металлургического института (государственного технологического университета)

Целью настоящей диссертации является повышение эффективности процессов компрессии статичных изображении на основе теоретических и экспериментальных исследований вопросов структурного состава цветовых моделей, требований к алгоритмам сжатия и методик их работы, изучения российского и зарубежного опыта компрессии статичных изображений

Для достижения поставленной цели необходимо решить следующие задачи:

1. Произвести анализ современных мировых требований к методологии алгоритмов сжатия с потерями и без потерь. Для этого необходимо:

- выполнить обзор теории представления графической информации в цифровом виде и алгоритмов ее компрессии;

- изучить требования к алгоритмам сжатия графической информации;

- рассмотреть теорию смешивания цветовой гаммы в аддитивных и субтрактивных цветовых моделях, и выявить основные принципов работы алгоритмов компрессии.

2. Спроектировать и создать усовершенствованную программу компрессии изображений вариабельными фрагментами. Для чего необходимо:

- оптимизировать выбор минимального подмножества фрагментов при компрессии изображений с поиском глобально - оптимального базового подмножества фрагментов;

- предложить математическую модель, позволяющую описывать процесс компрессии изображений вариабельными фрагментами;

- создать методику сжатия и последующего построения изображения, которая, позволит учитывать возможные погрешности при сравнении фрагментов изображений.

3. Экспериментально доказать, что результаты компрессии разработанного автором алгоритма сжатия SCI превосходят результаты сжатия алгоритмами JPEG и TIFF;

Для этого необходимо:

- произвести сравнительный анализ экспериментальных исследований, применения алгоритма сжатия sci при компрессии двуцветных, 16-ти цветных и полноцветных типов изображений; произвести исследование и систематизировать результаты критериального анализа компрессии при применении алгоритмов сжатия без потерь; произвести исследование и систематизировать результаты критериального анализа компрессии при применении алгоритмов сжатия с потерями;

Методы исследования. В диссертационной работе на основе отечественного и зарубежного опыта и теоретических исследований по созданию и практическому применению алгоритмов компрессии использованы: известные методы аналитического, математического и физического моделирования, совокупность методов и приемов анализа и обработки информации, системный анализ, а также разработанная и предложенная автором теория компрессии статичных изображений с помощью вариабельных фрагментов, теория структуры цветовых моделей и общие вопросы теории компрессии алгоритмами JPEG TIFF .

Применялись лабораторные и экспериментальные исследования, обработка и систематизация данных с использованием ЭВМ.

Основные научные положения, которые выносятся на защиту:

1. Результаты систематизация требований к методологии алгоритмов сжатия с потерями и без потерь;

2. Предложенная теория методики сжатия и последующего построения изображения, позволяющая учитывать возможные погрешности при сравнении фрагментов изображений;

3. Созданная математическая модель, позволяющая описывать процесс компрессии изображений вариабельными фрагментами;

4. Разработанный автором алгоритм сжатия SCI;

5. Предложенный способ применения алгоритма сжатия sci при котором коэффициент сжатия эффективен в случае компрессии двуцветных, 16-ти цветных и полноцветных типов.

Научная новизна работы подтверждается:

1. Разработкой методики выбора базового подмножества фрагментов изображений в процессе сжатия;

2. Разработкой способа сравнения фрагментов статичных изображений в процессе компрессии;

3. Построением математической модели для учета выбора степени погрешности пользователем и ее применения при работе с алгоритмом SCI.

4. Предложенной и реализованной автором оригинальной методикой декомпрессии алгоритма сжатия SCI, которая позволяет сократить время декомпрессии и не зависит от размеров открываемого файла.

5. Получением двух свидетельств официальной регистрации программы для ЭВМ №2007610600, №2007613948.

Практическое значение работы. Разработанные и предложенные способы и методики алгоритмов компрессии и декомпрессии, статичных изображений обеспечивают получение стабильных результатов, позволяют повысить эффективность сжатия по сравнению с известными программными продуктами для хранения и передачи изображений. Созданная автором программа компрессии изображений SCI является универсальной и область ее применения неограниченна для изображений формата bmp.

Технико-экономическая эффективность предложенных методик и рекомендаций заключается в сокращение объема информационных файлов при их передачи и хранении благодаря увеличенной эффективности алгоритма компрессии. В частности сокращение среднегодовых затрат на приобретение цифровых носителей, расходования средств на оплату услуг связи пре передачи и хранении информации сокращается на 11%, вследствие увеличения эффективности компрессии изображений.

Обоснованность и достоверность научных положений, выводов и рекомендаций подтверждаются адекватностью экспериментальных исследований результатам вычислительных экспериментов.

Апробация и реализация работы. Основные результаты работы обсуждались на X Международном конгрессе (г. Нальчик , КБГУ), Всероссийских конференциях в г. Нальчик «Перспектива» в 2004 и 2006г. и Всероссийской научной студенческой конференции. г.Ставрополь, СевКавГТУ, 2006г.

Публикации. Основные положения диссертации опубликованы в 7 работах, в том числе два свидетельства об официальной регистрации

Структура и объем работы. Диссертация состоит из введения, 3 глав, заключения, библиографического списка из 121 наименований, 10 приложений, содержит 118 стр. машинописного текста, 44 рисунков и 32 таблиц.

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Соколова, Екатерина Андреевна

ЗАКЛЮЧЕНИЕ

В диссертационной работе автором на основе теоретических и экспериментальных исследований процессов сжатия статичных изображений решен комплекс вопросов по теме «Повышение эффективности компрессии изображений вариабельными фрагментами». Значимость полученных результатов заключается в выявлении факторов и закономерностей компрессии изображений и способов повышения ее эффективности, с использованием методов фрагментной градации.

Разработанные и предложенные способы и методики алгоритмов компрессии и декомпрессии, статичных изображений обеспечивают получение стабильных результатов, позволяют повысить эффективность сжатия по сравнению с известными программными продуктами.

По итогам работы сделаны следующие выводы и даны рекомендации:

1) рассмотрен ряд вопросов посвященных современному состоянию проблемы компрессии изображений в российской и зарубежной науке;

2) произведен аналитический обзор теории представления графической информации в цифровом виде и алгоритмов ее компрессии;

3) произведен теоретический анализ современных мировых требований к методологии алгоритмов сжатия с потерями и без потерь;

4) анализ требований к алгоритмам сжатия графической информации, теории смешивания цветовой гаммы в аддитивных и субтрактивных цветовых моделях, принципов работы алгоритмов компрессии стал базовой теоретической основой для создания, разработки и исследований автором алгоритма компрессии изображений вариабельными фрагментами во второй главе диссертационной работы.

5) предложена математическая модель, позволяющая описывать процесс компрессии изображений вариабельными фрагментами;

6) создана методика сжатия и последующего построения изображения, которая позволяет учитывать возможные погрешности при сравнении фрагментов изображений;

7) разработана и предложена программа компрессии изображений вариабельными фрагментами;

8) произведено исследование и систематизация результатов критериального анализа компрессии при применении алгоритмов сжатия без потерь;

9) выполнено исследование и систематизация результатов критериального анализа компрессии при применении алгоритмов сжатия с потерями;

10) экспериментально доказано, что применение алгоритма сжатия sci эффективно при компрессии двуцветных , 16-ти цветных, и полноцветных типов изображений;

11) определены классы изображений, для которых результаты компрессии разработанного автором алгоритма сжатия SCI превосходят результаты сжатия алгоритмами JPEG и TIFF;

12) время декомпрессии созданного автором программного алгоритма сжатия sci не зависит от размеров открываемого файла;

13) созданный автором программный продукт SCI прост и удобен в использовании;

14) разработанный алгоритм сжатия SCI позволяет пользователю учитывать степень компрессии, а также регулировать функции, используемые для преобразования фрагментов изображений.

15) обоснованность и достоверность научных положений подтверждена адекватностью экспериментальных исследований, проведенных на кафедре "Автоматизированной обработки информации" Северо-Кавказского горно-металлургического института (государственного технологического университета) и результатами вычислительных экспериментов.

Технико-экономическая эффективность предложенных методик и рекомендаций заключается в сокращение объема информационных файлов при их передачи и хранении благодаря увеличенной эффективности алгоритма компрессии. В частности сокращение среднегодовых затрат на приобретение цифровых носителей, расходования средств на оплату услуг связи пре передачи и хранении информации сокращается на 11%, вследствие увеличения эффективности компрессии изображений. Учитывая, что созданный аппарат сжатия изображений позволяет хранить и передавать информационные данные не только гражданского но и стратегического значения, технико-экономическую эффективность работы трудно недооценить.

Список литературы диссертационного исследования кандидат технических наук Соколова, Екатерина Андреевна, 2007 год

1. Дадаян Л.С. Компрессия изображений вариабельными фграгментами.Сборник статей аспирантов.Владикавказ, 2001 г.

2. Дадаян Л.С. Экспериментальный анализ сравнительной эффективностиразличных методов компрессии статических изображений. Материалымеждународной конференции "Новые информационные технологии внауке, образовании, экономике". Владикавказ,2002 г.

3. Мельниченко В.В., Легейда В.В. Настоящий самоучителькомпьютерной графики - К.: Век+, СНб.: КОРОНАнринт, К.:НТИ,2005. -560 с.

4. Информатика. Базовый курс. 2-е издание / Нод ред. СВ. Симоновича.СПб.: Питер, 2005 - 640 с: ил.

5. Пономаренко СИ. Пиксел и вектор. Принципы цифровой графики.СПб.: БХВ - Петербург, 2002. - 496 с: ил.

6. Коцюбинский А.О., Грошев СВ.Компьютерная графика.: Практ.Пособ. - М.:»ТЕХПОЛОДЖИ-3000», 2001 - 752 с : ил.

7. Гронпен В.О., Принципы оптимизации комбинаторных процедур. ИздвоРУ,1988.200с.

8. Гроппен В.О., Модели и алгоритмы комбинаторногопрограммирования. Изд-во РУ,1983.

9. Софиева Ю.Н., Цирлин A.M., Условная оптимизация. Методы изадачи, издательство: УРСС,2003 ,140 с.

10. С И. Бирюков, Оптимизация. Элементы теории. Численные методы,издательство: МЗ-Пресс, 2003, 246 с.98

11. M. Петров, Компьютерная графика. Учебник для вузов. 2-е издание,издательство: Питер, 2004, 812 с.

12. G.K.Wallace. "The JPEG still picture compression standard".Communication of ACM, Volume 34, Number 4, April 1991.

13. B.Smith, L.Rowe. "Algorithm for manipulating compressed images".Computer Graphics and applications, September 1993.

14. R.W.McColl, G.R.Martin. "Compression of color image data usinfhistogram analysis and clustering techniques". Electronics & communicationengineering journal, March / April 1989.

15. A. Jacquin, "Fractal image coding based on a theory of iterated contractiveimage transformations". Visual Comm. and Image Processing, v. SPIE1360, 1990.

16. Y. Fisher, "Fractal image compression", Siggraph'92.20. "Progressive Bi-level Image Compression, Revision 4.1", ISO/IECJTC1/SC2/WG9, CD 11544, September 16, 1991.

17. W.B. Pennebaker, J.L. Mitchell, G.G. Langdon, R.B. Arps, "An overview ofthe basic principles of the Q-coder adaptive binary arithmetic coder", IBMJournal of research and development, Vol.32, No.6, November 1988, pp.771-726.

18. D.A. Huffinan, "A method for the construction of minimum redundancycodes." In processing. IRE vol.40, 1962, pp. 1098-1101.

19. Standartization of Group 3 Facsimile apparatus for document transmission,CCITT Recomendations, Fascicle V1I.2, T.4. 1980.10. Д. Ватолин, MPEG- стандарт ISO на видео в системах мультимедиа, "Открытые системы",#3, 1995.

20. L. R. Foulds Graph Theory Applications, Springer; 2 edition (December 2,2004), 403 p.

21. Vitaly 0. Groppen. New Solution Principles of Multi-Criteria Problems Basedon Comparison Standards. \vww.arxiv.org/ftp/math/papers/0501/0501357.pdf,200499

22. Гро1шен В.О. Принципы принятия решений с номощью эталонов. Изд.РАН, ж. Автоматика и телемеханика, № 4,2006, стр. 167 - 184.

23. Прэтт У. Цифровая обработка гоображений. М.,«Мир», 1982, т.1, 310 с., Т.2, 790 с.

24. Ярославский Л.П. Введение в цифровую обработку изображений. М.«Советское радио», 1979, 311с.

25. Патрик Э. Основы теории распознавания образов. М., «Советскоерадио», 1980,408 с.ЗО.Ту Дж., Гонсапес Р. Принципы распознавания образов. М., «Мир»,1978,411с.

26. Горелик А.Л., Скринкин В.А. Методы распознавания. М., «Высшаяшкола», 1984, 208 с.

27. Корн Г, Корн Т., Справочник по математике (для научных работникови инженеров), М., «Паука», 1973,832 с.

28. Бард Й. Пелинейное оценивание параметров. М., «Статистика», 1979,350 с.

29. Крамер Г. Математические методы статистики. М., «Мир», 1975, 648 с.

30. Космическое землеведение: информационно-математические основы /Под ред. акад.РАП В.А. Садовничего. М.: Изд-во Моск. ун-та, 1998,571с.

31. Richard Alan Peters II "А New Algorithm for Image Noise Reduction usingMathematical Moфhology". IEEE Transactions on Image Processing,Volume 4, Number 3, pp. 554-568, May 1995

32. G. de Паап, Т. G. Kwaaitaal-Spassova and O.A. Ojo "Automatic 2-D and 3D noise filtering for high-quality television receivers". InternationalWorkshop on HDTV'94,4-B-2,1994-10

33. R. J. Schutten, G. de Паап and A. П. M. van Roermund "Noise filtering fortelevision receivers with reduced memory". Proc. of the Int. Workshop onHDTV and the Evolution of Television, Taipei, Taiwan, Nov. 1995, pp.6A15-6A22100

34. Detlev Marpe, Hans L. Cycon, Gunther Zander, Kai-Uwe Barthel "Contextbased Denoising of Images Using Iterative Wavelet Thresholding". Proc.SPIE, Vol. 4671, pp. 907-914, Jan. 2002

35. S.G. Chang, B. Yu, and M. Vetterli, "Spatially adaptive waveletthresholding with context modeling for image denoising". IEEE Trans.Image Proc, Sept. 2000.

36. Aleksandra Pizurica, Vladimir Zlokolica and Wilfried Philips "NoiseReduction in Video Sequences Using Wavelet-Domain and TemporalFiltering". SPIE Conference on Wavelet Applications in IndustrialProcessing 27-31 October 2003.

37. Aleksandra Pizurica and Wilfried Philips "Adaptive Probabilistic WaveletShrinkage for Image Denoising". IEEE Transactions on Image Processing,July 11, 2003.

38. Aleksandra Pizurica, Wilfried Philips, Ignace Lemahieu, and Marc Acheroy"A Versatile Wavelet Domain Noise Filtration Technique for MedicalImaging". IEEE Trans Med Imaging 2003 Mar;22(3):323-31

39. Aleksandra Pizurica, Vladimir Zlokolica and Wilfried Philips "CombinedWavelet Domain and Temporal Video Denoising". IEEE Conference onAdvanced Video and Signal Based Surveillance (A VSS'O3), July 2003.

40. Lindsay I Smith "A tutorial on Principal Components Analysis". 2002(http://www.cs.otago.ac.nz/cosc453/studcnt tutorials/principal components.m

41. D. Darian Muresan, Thomas W. Parks "Adaptive principal components andimage denoising". IEEE ICIP 2003101

42. Интернет-ресурс: http://taco.poly.edu/WaveletSoftware/.5O.Ivan W. Selesnick and Ke Yong Li "Video denoising using 2D and 3D dualtree complex wavelet transforms". Appl Signal Image Proc. XfProc. SPIE5207), Aug 2003

43. Julia Neumann Gabriele Steidl "Dual Tree Complex Wavelet Transform inthe Frequency Domain and an Application to Signal Classification".Technical Report TR-03-013, Department for Mathematics and ComputerScience, University of Mannheim, 2003

44. Miroslav Vrankic, Damir Ser§ic "Image Denoising Based on AdaptiveQuincunx Wavelets". In Proc. of the 2004 IEEE 6th Workshop onMultimedia Signal Processing, (MMSP 2004), Siena, Italy, September 29 October 01, 2004, pp. 251-254

45. Vladan Velisavljevic, Baltasar Befemll-Lozanol, Martin Vetterli, PierLuigiDragotti "Discrete Multi-Directional Wavelet Bases". Proc. IEEEInternational Conference of Image Processing (ICIP2003) ,pp. 15-21

46. Felix C. A. Femandes, Rutger L. van Spaendonck, C. Sidney Burms "ADirectional, Shift-Insensitive, Low-Redundancy, Wavelet Transform". IEEEProceedings on International Conference on Image Processing (ICIP2001),pp.37-40

47. Daubechies "Ten Lectures on Wavelets", Philadelphia: SIAM, 1992.

48. S. Mallat "A wavelet tour of signal processing", Academic Press, London,1998.

49. Интернет-ресурс: http://astr()nomv.svvin.edu.au/'-pbourke/analysis/.

50. Д. Ватол1Ш, A. Ратушняк, M. Смирнов, В. Юкин "Методы сжатияданных. Устройство архиваторов, сжатие изображений и видео".Диалог-МИФИ, 2002

51. Generic coding of moving pictures and associated audio information: Video.ISO/lEC 13818-2:2000102

52. G. de Haan "Progress in motion estimation for video format conversion".IEEE Transactions on Consumer Electronics Vol 46 No 3 Aug2000pp 449450

53. Вапник B.H., Червоненкис А.Я. Теория распознавания образов. - М.:Наука, 1974.-С.34-156.бЗ.Розенфельд А. Распознавание и обработка юображений с помощьювычислительных машин. - М.: Мир, 1972. - 16-144.

54. Хуан Т., Шрейбер В., Третьяк О. Обработка изображений // ТИИЭР.1971.-Т.59.-MJ11.-C.59-89.

55. Интернет- ресурс- http://graphics.cs.msu.su/librarv/fractals/index.htmбб.Васильев В., Гуров И. Компьютерная обработка сигналов вприложении к интерферометрическим системам. - СПб: БХВ, 1998.

56. Либенсон М.Н., Хесин А.Я., Янсон Б.А. Автоматизация распознаваниятелевизионных изображений. - М.: Энергия, 1975. - 50-128.

57. Горьян И.С. О распознавании текстур // Вопросы радиоэлектроники.Сер. Т.Т., 1968. - Вып.1. - 82-89.

58. Гуревич СБ., Соклов В.К. Оптические методы обработки информации.В кн. Оптические методы обработки информации. - Л.: Наука, 1974. 5-25.

59. Престон К. Сравнение аналоговых и цифровых методов распознаванияобразов // ТИИЭР. -1972. - Т.60. - №10. - 141-160.

60. Крупицкий Э.И., Смирнов А.Я., Эмдин B.C. Сравнение эффективностианалоговых оптических процессоров для обработки изображений сЦВМ // Межведомственный сборник "Новышение эффективности инадежности РЭС" / ЛЭТИ. - Л., 1976.- Вып. 4.- 69-73.103

61. Блок А.С., Зюзин О.М., Крупицкий Э.И., Фридман Г.Х. Гибридныеоптико-электронные системы распознавания изображений //Автометрия. АН СССР-СО. -1974. - №1. - 36-46.

62. Крупицкий Э.И., Кундин А.И., Эмдин B.C. Аппаратурная оценкапараметров случайных полей оптическим методом // VII Всесоюзныйсимпозиум "Методы представления и аппаратурный анализ случайныхпроцессов и полей": докл.- Таганрог, 1974. - 143-147.

63. Крупицкий Э.И., Фридман Г.Х. Применение когерентной оптики иголографии в системах распознавания изображений. В кн. Оптическиеметоды обработки информации. - Л.: Наука, 1974. - 78-93.

64. Харкевич А. А. О выборе признаков в машинном опознании //Техническая кибернетика. Изв. АН СССР. - Наука, 1963. - №2. - 3-9.

65. Левин М. Методы выделения признаков //ТИИЭР. -1969. - Т.58. - №8.С.51-69.

66. Холмс В. Автоматическая фотоинтерпретация снимков и обнаруженияцелей // ТИИЭР. -1966. - Т.54. - №12. - 56-65.

67. Фу К. Последовательные методы в распознавании образов и обучениямашин. -М.: Наука, 1971. - 40-46, 165-184.8О.Стуйт В.А., Тимофеев А.В. Опознание фотоизображений с помошьюоптических фильтров // Изв. вузов: Приборостроение. ЛИТМО, 1970. №11.-С.102-105.

68. Эльман Р.И. О синтезе структуры анализатора изображений // Изв. АНСССР: Техническая кибернетика, 1968. - №1. - 135-150.

69. Лэндрис Д., Стенли Г. Метод дискретизации дифракционных картиндля распознавания образов // ТИИЭР. -1970. - Т.58. - №2. - 22-40.104

70. Крупицкий Э.И., Кундин А.И., Эмдин B.C. Некоторые методыкогерентно-оптической аналоговой обработки двумерных случайныхполей // В сб. "Иконика - новое направление в изучении изображений"// Труды ГОИ. -1979. - Т. 44. - Вып. 178. - 117-121.

71. Блок А.С., Эмдин B.C. Оптико-телевизионный анализаторизображений. Межвузовский сборник "Повышение эффективности инадежности РЭС / ЛЭТИ. - Л.-1979. - Вып. 9. - 112-118.

72. Пугачев B.C. Теория случайных функций и ее изменение в задачахавтоматического управления. Физматгиз. -1962. - 203-245.

73. Слуцкий Е.Е. Сложение случайных величин как источник случайныхпроцессов. Избранные труды АН СССР. - М. -1960. - 99-132.

74. ЭМДИН B.C. Определение параметров бинарных случайных масок воптико-электронных классификаторах изображений // Тематическийсборник "Оптические и оптико-электронные методы обработкиизображений и сигналов" / АН СССР. - Л., 1982. - 192-196.

75. СИЛИНГ М.М., Эмдин B.C. Формирование признаков дляклассификации текстур с помощью масок бинарных случайныхфужций // Техника средств связи. Сер. ТТ. -1983. - Вып. 2.- 51-55.

76. А.С. 409585. Голографический коррелятор / Э.И.Крупицкий,Л.П.Карпов//БИ.-2001.-№20.9О.Гибин И.С, Нежевенко Е.С. и др. Когерентно-оптические устройствадля обобщенного спектрального анализа изображений // Автометрия.АН СССР-СО. -1972. - №5. - 3-9.

77. А.с. 470214, Устройство контроля записи голографическихсогласованных фильтров / Л.Н.Карпов, Э.И.Крупицкий, В.С.Эмдин идр.//БИ.-2001.-№20.

78. А.с. 498629. Оптико-механическое сканирующее устройство /Л.Н.Карнов, В.С.Эмдин и др. // БИ. -1976. - №1.

79. Эмдин B.C. Двухкоординатное устройство отклонения светового луча//ОМН.-1983.-№б.>С.58-59.105

80. Интернет- ресурс -http://www.mathsoFt.com/wavelets

81. Микаэлян А.Л., Бобриков В.И. Голографряеские системы памяти, кн.Оптические методы обработки информации. - Л.: Наука, 1974. - 5577.

82. Нежевенко Е.С., Салов Г.И. и др. Линейный обучаемый классификатороптических изображений//Автометрия. АН СССР-СО. -1971. - №3. 82-84.

83. А.с. 278229. Оптико-электронная обучаемая система / О.М.Зюзин,Л.Н.Карпов, Э.И.Крупицкий // Б.И. -1970. - № 25.

84. А.с. 417810. Устройство для распознавания образов /Э.И. Крупицкий,А.И.Кундин, В.С.Эмдин //Б.И. -1974. - №8.

85. А.С. 511810. Устройство для распознавания образов / В.С.Эмдин,В.Н.Яковлев.//БИ.-2001.-№20.

86. Блок А.С, Эмдин B.C., Оптико-телевизионный анализаторизображений. Межвузовский сборник "Повышение эффективности инадежности РЭС/ ЛЭТИ. - Л. -1979. - Вып. 9. - 112-118.

87. Кругер М.Я. и др. Справочник конструктора оптикомеханических приборов. - Л.: Машиностроение, 1968. - 50.102. Интернет- ресурсhttp://vvw\v.hn.is.uec.ac.ip/arimura/compression_links.htm.

88. А.с. 530571. Устройство распознавания образов / Э.И.Крупицкий, В.С.Эмдин и др.//БИ.-1978.-№42.

89. Надь Д. Цифровая обработка изображений, полученных придистанционном исследовании природных ресурсов // ТИИЭР. -1972. Т.60.-№10. .С.90-122.

90. Интернет- ресурс -http://isowww.klax.tula.ru/level/graphics/grphforrn.html

91. Интернет- ресурс -http://wwwbuild.newmail.ru/gff/graphics/formats.htmИЗ. Интернет- ресурс -http://wvvwbuild.newmail.ru/gff/graphics/formats.htm

92. Интернет- ресурс -http://wwwbuild.newmail.ru/gff/graphics/fonnats.htm

93. Мамонтов Д.В., Соколова Е.А., Алгоритм поиска нути вдвумерном и терхмерном массивах. Перспектива - 2004: МатериалыВсероссийской научной конференции студентов аспирантов имолодых ученых.- Нальчик: Каб.- Балк. ун.-т, 2004,с.210-212.

94. Гроппен В.О., Соколова Е.А., Разработка сжатия изображенияметодом вариабельных фрагментов, Научный потенциал студенчества будущему России / Материалы Всероссийской научной студенческойконференции. Ставрополь: СевКавГТУ, 2006. с. 212

95. Грогшен В.О., Проскурин А.Е., Соколова Е.А.Официальнаярегистрация ПрЭВМ Программа компрессии изображений (SCI - Smartcompression of images) № 2007610600 от 07.02.2007г.

96. Соколова Е.А. Эффективная оценка компрессии изображенийвариабельными фрагментами. Перспектива - 2007: Материалымеждународного конгресса студентов аспирантов и молодых ученых.Нальчик: Каб.- Балк. ун.-т, 2007 ,с. 200-201.

97. Соколова Е.А. Анализ алгоритмов сжатия и оценка ихэффективности. Материалы 6-ой международной конференции"Инновационные технологии для устойчивого развития горныхтерриторий".-Владикавказ,28-30 мая 2007, с.710-711.

98. Гроппен В.О., Проскурин А.Е., Соколова Е.А.Официальнаярегистрация ПрЭВМ Программа компрессии видеоюображений (SCIV- Smart compression of video) No 2007613948 от 26.07.07 г.108