Разработка алгоритмов стабилизации и компрессии изображений для систем видеонаблюдения мобильных робототехнических комплексов тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат физико-математических наук Коплович, Евгения Александровна

• Коплович, Евгения Александровна
• кандидат физико-математических наук
• 2008

Оглавление диссертации кандидат физико-математических наук Коплович, Евгения Александровна

Введение.

Глава 1. Анализ основных подходов к сжатию статических и динамических изображений.

1.1. Понятия и термины.

1.1.1. Математическая модель непрерывного изображения.

1.1.2. Вероятностное описание непрерывных изображений.

1.1.3. Дискретные и цифровые изображения.

1.2. Основные идеи методов сжатия изображений.

1.3. Устранение временной избыточности.

1.3.1. Блочная компенсация движения.

1.3.2. Компенсация в области вейвлет-преобразования.

1.3.3. Глобальная компенсация движения.

1.4. Устранение пространственной избыточности.

1.4.1. Кодирование с предсказанием.

1.4.2. Преобразование изображений.

1.5. Квантование.

1.6. Статистическое кодирование.

1.6.1. Коды переменной длины.

1.6.2. Арифметическое кодирование.

1.7. Оценка качества восстановленных изображений.

1.8. Постановка задачи диссертационного исследования.

Глава 2. Сжатие изображений на основе контекстного кодирования коэффициентов ДКП.

2.1. Классическая схема JPEG.

2.2. Принцип контекстного кодирования.

2.2.1. Понятие контекста.

2.2.2. Использование контекста для кодирования символов.

2.3. Корреляция между коэффициентами ДКП.

2.4. Построение контекстного прогноза.

2.5. Алгоритм контекстного кодирования коэффициентов ДКП.

2.5.1. Выбор модели по значению контекстного прогноза.

2.5.2. Кодирование блока ДКП.

2.6. Анализ эффективности алгоритма сжатия.

2.7. Выводы.

Глава 3. Глобальная и локальная компенсация движения.

3.1. Глобальная компенсация движения на основе векторов перемещения характерных блоков.

3.1.1. Алгоритм определения сдвига изображения.

3.1.2. Результаты моделирования алгоритма.

3.2. Трехслойная схема компенсации движения.

3.2.1. Модифицированная трехслойная схема.

3.3. Выводы.

Глава 4. Алгоритм видеокомпрессии на основе ДВП и блочной компенсации движения для видеосистемы МРК.

4.1. Использование ДВП для сжатия данных.

4.2. Алгоритм сжатия динамических изображений.

4.2.1. Общая схема кодирования.

4.2.2. Преобразование цветового пространства.

4.2.3. Компенсация движения и построение прогнозного кадра.

4.2.4. Кодирование векторов движения.

4.2.5. Обработка разностного изображения.

4.3. Некоторые аспекты реализации алгоритма видеокодирования на вычислительных элементах, используемых в телевизионной системе МРК.

4.3.1. Эффективная реализация видеокодера на основе ЦСП.

4.3.2. Распараллеливание основных этапов сжатия.

4.4. Выводы.

Глава 5. Компьютерное моделирование и экспериментальное исследование характеристик разработанного алгоритма видеокомпрессии.

5.1. Формирование выходного битового потока.

5.2. Оптимизация вычислений.

5.2.1. Компенсация движения.

5.2.2. Использование лифтинг-схемы для вычисления ДВП.

5.2.3. Оптимизация алгоритма SPIHT.

5.3. Результаты кодирования тестовых видеопоследовательностей.

5.4. Выводы.

Введение диссертации (часть автореферата) на тему «Разработка алгоритмов стабилизации и компрессии изображений для систем видеонаблюдения мобильных робототехнических комплексов»

Перспективным направлением автоматизации в различных областях человеческой деятельности, включая транспортную, промышленную и военную отрасли, является создание мобильных робототехнических комплексов (МРК). Существенным преимуществом МРК является их способность функционировать в экстремальных и опасных для жизни человека условиях: они позволяют без риска для человека перевозить радиоактивные и другие вредные вещества, контролировать обстановку в районах экологических катастроф, проводить аварийно-спасательные работы в атомной энергетике, химической, нефтегазовой и горнодобывающих отраслях, операции по борьбе с терроризмом и действия в условиях военных конфликтов.

Ряд программ, проводимых в США, Западной Европе, Израиле, Японии и России, направлен на разработку и внедрение в промышленных масштабах комплексов, которые дистанционно управляются человеком, находящимся на командном пункте и получающим видеоинформацию от бортовых источников МРК по радиоканалам телекодовой связи. Среди российских разработок в этой области можно отметить следующие комплексы [1]:

- РТК РД — робототехнический комплекс разведки и дезактивации, предназначенный для проведения первоочередных работ при ликвидации последствий радиационных аварий и включающий мобильное транспортное средство с манипулятором, телевизионное и осветительное оборудование, а также передвижной пункт управления;

- КРТ-100М—- робототехнический комплекс, предназначенный для проведения работ при ликвидации последствий аварий преимущественно на открытых площадках и крышах атомных электростанций (АЭС), предприятий ядерного топливного цикла. Мобильный аппарат КРТ-100М снабжен отвалом, осветительным и телевизионным оборудованием, состоящим из двух обзорных полноповоротных видеокамер;

- МРК-27МА.00 — робототехнический комплекс для ликвидации последствий аварий преимущественно в помещениях, с помощью которого можно перемещать предметы и проводить осмотр пространства в аварийной зоне. Подвижный аппарат оснащен тремя телевизионными камерами.

Другим видом дистанционно управляемых комплексов являются беспилотные летательные аппараты (БПЛА), активно используемые для оперативного получения разведывательных данных (в том числе в зоне конфликта), а также точечного уничтожения наземных целей. Из современных российских разработок можно отметить БПЛА ZALA 421-06 и ZALA 421-12 компании «Беспилотные системы» [28]. ZALA 421-06— это БПЛА вертолетного типа, позволяющий проводить разведывательные операции в труднодоступных и опасных для человека местах. Его основными преимуществами являются вертикальный взлет и возможность зависания над объектом. БПЛА ZALA 421-12 с увеличенной продолжительностью полета был разработан для решения задач пограничных подразделений. На его борту размещена стабилизированная в двух осях цветная видеокамера с обзором любой точки нижней полусферы.

Дистанционное управление МРК осуществляется с помощью человеко-машинного интерфейса на основе визуальной информации, поступающей от собственной телевизионной системы подвижного аппарата или установленного навесного оборудования. Получаемая видеоинформация используется как для оценки окружающей обстановки, навигации и формирования управляющих команд оператором, так и для автоматической интерпретации видеоданных, полученных от телевизионных камер, с последующей идентификацией или классификацией объектов, наблюдаемых в контролируемом пространстве. Освобождение оператора от выполнения рутинных действий существенно повышает эффективность управления, однако при использовании автоматизированного (а не автономного) комплекса остается возможность вмешательства специалиста в экстренных или неоднозначных ситуациях. Этим объясняются повышенные требования, предъявляемые к качеству видеоизображения: система передачи видеоданных должна обеспечивать максимально достоверную и полную визуальную информацию при минимальных вносимых искажениях.

Ограниченная пропускная способность существующих радиоканалов связи не позволяет передавать без компрессии большие потоки видеоданных от камер наблюдения. установленных на борту аппаратно-программных комплексов. Это объясняет необходимость синтеза новых методов обработки и кодирования динамически меняющихся изображений, позволяющих адаптироваться к изменению радиоэлектронной обстановки и объему передаваемой информации.

При проектировании МРК выбор того или иного метода компрессии определяется не только его характеристиками сжатия, но и вычислительной сложностью реализации. Часто останавливаются на простейших алгоритмах видеокодирования, подразумевающих независимую покадровую обработку поступающей видеоинформации. Очевидно, что добиться высокой степени сжатия в этом случае не представляется возможным, однако подобный метод компрессии не требует больших вычислительных ресурсов и обеспечивает надежность передачи видеоданных: ошибка, возникшая при трансляции одного кадра, не влияет на корректность восстановления последующих кадров, что минимизирует задержку, возникающую в процессе декодирования при наличии помех в радиоканале. Примером такого подхода является метод Motion JPEG, в котором каждый кадр сжимается алгоритмом JPEG [72].

Распространенные стандарты видеокодирования, такие как MPEG-2 [73], MPEG-4 [74] и Н.264 [79], позволяют добиться лучшего соотношения качество/сжатие, используя хмеханизм компенсации движения, но построение прогнозных кадров, как правило, занимает более половины процессорного времени, затрачиваемого на обработку текущего кадра. Кроме того, данные алгоритмы основаны на дискретном косинусном преобразовании (ДКП), что при малых битовых затратах приводит к появлению на восстановленных видеоизображениях характерных блочных искажений, затрудняющих их визуальное восприятие и, следовательно, не позволяющих человеку-оператору адекватно оценить обстановку. Еще одним недостатком является невозможность изменения битовой скорости закодированного потока в режиме реального времени.

Специалисты в области прикладной теории передачи данных уделяют повышенное внимание увеличению эффективности существующих методов компрессии, стандарты которых определяют лишь формат битового потока и способ его декодирования, а не сами вычислительные процедуры. Кроме того, активно разрабатываются новые алгоритмы сжатия видеоинформации на базе вейвлет-преобразования: примерами исследований в этом направлении могут служить работы таких ученых как John W. Woods [141-143], Deepak S. Turaga и Mihaela van der Schaar [131—133]. Очевидно, что использование вейвлет-кодирования является перспективным направлением и со временем ляжет в основу новых стандартов видеокомпрессии.

Большинство из многочисленных публикаций по теме сжатия видеоданных, однако. либо содержат лишь общее описание методов кодирования, либо в них, наоборот, рассматривается только некоторая часть алгоритма компрессии (например, компенсация межкадрового движения), либо результаты соответствующих исследований на текущий момент не могут быть использованы на практике из-за слишком большой вычислительной сложности.

В связи с вышесказанным крайне актуальными являются как исследования, позволяющие повысить эффективность известных методов компрессии статических и динамических изображений, так п разработка новых алгоритмов кодирования, обладающих невысокой программной и аппаратной сложностью, которые могут быть успешно использованы в различных системах видеонаблюдения.

Способы кодирования, используемые для сжатия видеопотока в реальном времени, отличаются от тех, которые используются для архивного хранения видеоданных. Во-первых, такие алгоритмы должны обеспечивать возможность их реализации с быстродействием, достаточным для обработки видеокадров с нужной частотой. Также желательно, чтобы при необходимости они могли быть легко адаптированы под конкретную архитектуру вычислительного устройства (в том числе многопроцессорного или многоядерного), которое будет использовано в составе программно-аппаратного комплекса. Во-вторых, алгоритм компрессии должен учитывать особенности передачи видеопотока по каналам с переменной и/или ограниченной пропускной способностью, в частности, иметь возможность быстро и гибко регулировать объем генерируемого битового кода.

Другой актуальной задачей обработки данных, поступающих от телевизионной системы МРК, является компенсация перемещения видеодатчика для подавления нежелательного дрожания и последующего анализа видеоинформации на предмет наличия в кадре различных объектов, например, движущихся целей.

Целью диссертационной работы является разработка методов стабилизации и компрессии изображений, ориентированных на применение в системах видеонаблюдения мобильных робототехнических комплексов при различных характеристиках используемых в них вычислительных элементов и каналов передачи данных.

Основные задачи, решение которых требуется для достижения поставленной цели, следующие:

- исследование существующих подходов к сжатию динамических и статических изображений на основе различных декоррелирующих преобразований и анализ методов стабилизации видеоизображений;

- разработка JPEG-подобного алгоритма контекстного кодирования изображения на основе межблочных статистических связей между коэффициентами ДКП соседних блоков для использования в системах видеонаблюдения с невысокими вычислительными ресурсами;

- синтез алгоритма определения сдвига источника видеосигнала на основе блочного ДКП;

- разработка метода масштабируемого кодирования векторов перемещения блоков видеокадра;

- разработка алгоритма видеокомпрессии на основе иерархического кодирования коэффициентов ДВП и блочной компенсации движения в пространственной области для систем видеонаблюдения МРК, обладающих высокими вычислительными ресурсами;

- реализация предложенных методов и их оптимизация, создание программных средств для тестирования, оценка эффективности разработанных алгоритмов с помощью тестовых изображений и видеопоследовательностей;

- выработка рекомендаций по практической реализации разработанного видеокодера с использованием мультимедийных цифровых сигнальных процессоров и многопроцессорных элементов.

В процессе работы над диссертацией в качестве методов исследования использовались методы линейной алгебры, теории вероятностей и математической статистики, теории цифровой обработки и кодирования данных. Экспериментальные исследования проводились с помощью численного моделирования на персональном компьютере в средах разработки Microsoft Visual Studio и MATLAB. Научная новизна диссертации заключается в:

- создании нового метода контекстного кодирования на базе межблочной корреляции между модулями коэффициентов ДКП для использования в JPEG-подобной схеме компрессии, позволяющего повысить характеристики сжатия за счет несущественного повышения вычислительной сложности;

- разработке нового алгоритма определения сдвига видеоизображения, основанного на выделении в кадре характерных блоков с помощью анализа коэффициентов ДКП, который обеспечивает высокую точность даже при небольшом числе рассматриваемых блоков;

- разработке нового алгоритма видеокомпрессии на базе ДВП, который включает метод трехслойной обработки векторов движения, повышающий эффективность кодирования на низких битовых скоростях.

Практическая значимость результатов, полученных в диссертационной работе, заключается в том, что разработанные алгоритмы стабилизации и компрессии статических и динамических изображений позволяют повысить эффективность обработки видеоданных как в рамках специализированных систем управления МРК, так и в комплексах видеонаблюдения более широкого профиля.

Алгоритм видеокомпрессии [2] был разработан в рамках научно-исследовательской работы [5-7]. основанием для проведения которой являлся Государственный контракт от 18 мая 2007 г. № 02.514.11.4024, заключенный Роснаукой с МИЭТ — победителем конкурса на право заключения государственных контрактов на выполнение НИР для государственных нужд в рамках ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы» (мероприятие 1.4 Программы, II очередь) по лоту 2.2007-4-1.4-00-03 «Кодирование и передача динамически меняющихся изображений».

Разработанные алгоритмы видеокомпрессии внедрены в макетных образцах систем видеонаблюдения в НИИ ВСиСУ МИЭТ.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на 11-й, 12-й, 13-й и 14-й Всероссийских межвузовских научно-технических конференциях студентов и аспирантов «Микроэлектроника и информатика» (Москва, МИЭТ, 2004, 2005, 2006 и 2007 гг.), а также на 4-й Российско-Баварской конференции по биомедицинской инженерии (Москва, МИЭТ, 2008 г.).

Публикации. По теме диссертации опубликовано девять работ [2, 5-8, 16-20, 4143, 134] (среди них три статьи в ведущих рецензируемых журналах [2, 20, 43] и одна статья в трудах международной конференции [134]); результаты исследований отражены также в пяти отчетах о НИР [5—7, 41, 42]. Основные положения, выносимые на защиту:

- алгоритм сжатия изображений на основе контекстного кодирования коэффициентов ДКП с учетом межблочной корреляции, использующий многомодельный арифметический кодер;

- алгоритм глобальной компенсации движения, использующий векторы перемещения характерных блоков, выбор которых производится на основе анализа коэффициентов ДКП;

- метод трехслойного кодирования векторов движения, позволяющий повысить эффективность кодирования при низких битовых скоростях;

- алгоритм компрессии видеоизображений на основе двумерного ДВП и блочной компенсации с перекрытием, предназначенный для использования в составе МРК. Структура диссертации. Первая глава диссертации является вводной. В ней приведены основные понятия теории обработки цифровых сигналов, в частности, статических и динамических изображений. Рассмотрены различные методы устранения пространственной и временной избыточности, применяемые в алгоритмах кодирования видеоданных. Проанализированы недостатки существующих подходов.

Во второй главе детально рассмотрен предлагаемый алгоритм компрессии изображений, основанный на построении контекстного прогноза для модулей коэффициентов ДКП и использовании многомодельного арифметического кодера. Приведены результаты тестирования алгоритма, подтверждающие, что предложенный подход позволяет повысить качество сжатия изображений в .ТРЕО-подобиой схеме компрессии.

Третья глава посвящена методам глобальной и локальной компенсации движения. В первой ее части приводится описание разработанного алгоритма определения сдвига видеоисточника, суть которого заключается в использовании векторов движения части блоков, отобранных с помощью критерия, базирующегося на значениях коэффициентов ДКП. Дано экспериментальное обоснование эффективности предложенного метода.

Во второй части третьей главы рассмотрена трехслойная схема кодирования векторов перемещения и ее модификация, предназначенные для использования в рамках видеокодеров с блочной компенсацией движения.

В четвертой главе описан предложенный метод сжатия видеоданных, основанный на блочной компенсации движения с перекрытием, трехслойной схеме кодирования векторов перемещения, рассмотренной в третьей главе, а также алгоритме сжатия статических изображений путем разделения множества коэффициентов по иерархическим деревьям в области дискретного вейвлет-преобразования. Рассматриваются аспекты практического использования предложенного алгоритма видеокодирования в рамках системы видеонаблюдения МРК, в частности, анализируются возможности эффективной реализации алгоритма на основе современных цифровых сигнальных процессоров, а также распараллеливания основных вычислительных процедур.

В пятой главе обсуждаются полученные результаты экспериментального исследования характеристик разработанного алгоритма видеокомпрессии с трехслойной схемой кодирования векторов движения.

В заключении сформулированы основные результаты, полученные в ходе выполнения диссертационной работы; обозначены перспективы и направления дальнейших исследований.

В приложениях приведены стандартные тестовые изображения и кадры из видеопоследовательностей, которые были использованы при проведении экспериментальных исследований, описание алгоритма SPIHT [118], а также копия акта о внедрении результатов диссертационной работы.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Коплович, Евгения Александровна

5.4. Выводы

Реализация предложенного алгоритма видеокомпрессии и тестовых программ на языке С, а также создание вспомогательных приложений в МАТЬАВ позволили смоделировать поведение алгоритма при обработке реальных видеоданных и доказать его эффективность.

Разработанный видеокомпрессор показывает хорошие результаты по соотношению качество/битовые затраты: на одной из тестовых последовательностей выигрыш относительно видеокодера Ху1с1 стандарта МРЕО-4 составил 1 дБ, на других разница в качестве была порядка 0,2 дБ (в одном случае в пользу предложенного алгоритма, в другом — в пользу Ху1с1).

Существенным преимуществом разработанного алгоритма по сравнению с видеокодерами, основанными на ДКП (в том числе Хутс!). является возможность точно контролировать скорость битового потока, что особенно важно при передаче видеоданных от бортовой системы МРК в условиях изменяющейся радиоэлектронной обстановки. В частности, предложенный видеокомпрессор позволяет не допускать «скачков» битовой скорости, и, следовательно, избавляет от необходимости использовать буфер для выходного потока, вносящий дополнительную задержку в процесс передачи.

Если допустить неравномерность битового потока, возникающую в результате использования КО-критерия для кодирования разностного изображения, эффективность предложенного метода повышается.

Алгоритм обладает сравнительно большой вычислительной сложностью, однако его аппаратная реализация на современных ЦСП с использованием параллельных структур позволит повысить скорость обработки видеокадров по сравнению с характеристиками видеокодера, полученными в процессе моделирования.

Заключение

В процессе диссертационного исследования были получены следующие основные результаты.

1. Разработан метод, позволяющий повысить качество сжатия в JPEG-подобной схеме компрессии. В основе данного подхода лежит построение контекстного прогноза для модулей коэффициентов ДКП, выполненного над блоками обрабатываемого изображения. В качестве прогноза используется функция выборочной линейной регрессии, коэффициенты которой определяются с учетом межблочных статистических связей. На тестовых изображениях средний выигрыш относительно JPEG с арифметическим кодированием при фиксированном уровне качества составил 3 %, максимальный — 7,6 %. Алгоритм может быть использован для независимой покадровой обработки видеопоследовательности или кодирования ключевых кадров в видеокомпрессорах, основанных на использовании косинусных преобразований.

2. Разработан алгоритм глобальной компенсации движения, использующий для определения смещения кадра векторы движения характерных блоков размером 8x8 пикселов. Выбор характерных блоков производится на основе анализа коэффициентов ДКП. Проведенное тестирование на реальных видеоданных, полученных при различных погодных условиях, подтвердило эффективность алгоритма — было установлено, что при использовании метода полного перебора для нахождения векторов нулевая ошибка определения сдвига достигалась с использованием всего 30 блоков видеокадра размером 1024x768 пикселов, т. е. менее 0,3 % от общего числа блоков.

3. Предложена трехслойная схема компенсации движения, которая может быть встроена в любой видеокодер, основанный на вычислении поля векторов для блоков изображения. Метод позволяет генерировать вложенный код для поля векторов и перераспределять битовый бюджет между кодированием разностного изображения и информации о движении, а также улучшает характеристики сжатия на низких битрейтах. Алгоритм прост в реализации и может быть встроен в любую схему видеокомпрессии, основанную на блочной компенсации движения. Рассмотрена модификация метода, позволяющая снизить вычислительные затраты на поиск векторов движения за счет уменьшения области поиска на втором и третьем слоях.

4. Разработан алгоритм сжатия видеопотока для системы видеонаблюдения МРК, позволяющий быстро и точно регулировать битовую скорость в зависимости от состояния радиоканала передачи. Алгоритм основан на блочной компенсации движения с перекрытием и иерархическом кодировании коэффициентов ДВП и включает предложенную трехслойную схему кодирования векторов перемещения. Приведены рекомендации по его эффективной реализации на ЦСП и параллельных вычислительных структурах.

5. Проведено компьютерное моделирование разработанного видеокодера, позволившее экспериментально оценить его эффективность. Полученные характеристики сжатия находятся на уровне, соответствующем алгоритмам семейства МРЕС-4: по сравнению с видеокодером Ху1с1 максимальный выигрыш в качестве (по PSNR) составил 1 дБ. При этом выходной поток разработанного кодера в отличие от видеокомпрессоров, основанных на ДКП, имеет постоянную битовую скорость, которая в случае необходимости быстро и точно регулируется. Показано, что при, снятии ограничения на постоянство битового потока эффективность сжатия может быть дополнительно повышена за счет использования ЯО-оптггмизации не только при поиске векторов движения, но и при кодировании разностного изображения. Аппаратная реализация синтезированного алгоритма видеокомпрессии позволит успешно использовать его для обработки видеоданных в телевизионной системе МРК.

Разработанный метод видеокодирования имеет множество путей для последующего развития. При наличии достаточной вычислительной мощности эффективность предлагаемого алгоритма компрессии может быть повышена за счет использования двунаправленного предсказания при построении прогнозного кадра (В-кадров); внедрения схемы адаптивной расстановки ключевых кадров и перераспределения битового бюджета между полем векторов движения и разностным изображением, а также между кадрами внутри одной группы в зависимости от состояния канала передачи и характера видеосюжета; применения методов компенсации движения в области вейвлет-преобразования— эти задачи определяют возможные направления дальнейших исследований.

Результаты, полученные в процессе работы над диссертацией, использовались в ряде научно-исследовательских работ, проводимых в НИИ ВСиСУ МИЭТ, и внедрены в виде алгоритмов обработки видеоданных в макетных образцах специализированных МРК (см. копию акта о внедрении результатов в прил. 4).

Список литературы диссертационного исследования кандидат физико-математических наук Коплович, Евгения Александровна, 2008 год

1. Силы и средства для ликвидации чрезвычайных ситуаций с радиационными по-следствиями // Под ред. Агапова A.M.— М.: Издательство «Комтехпринт», 2000 г., 48 с. (Библиотека Департамента безопасности и чрезвычайных ситуаций Минатома России).

2. Александров А. А., Коплович Е. А., Умняшкин С. В. Алгоритм видеокомпрессии наоснове дискретного вейвлет-преобразования с трехслойной схемой кодирования векторов движения // Известия вузов. Электроника. — №5. — 2008. — С. 69-73.

3. Алпатов Б. А., Бабаян П. В. Оценивание параметров смещения изображения привыделении движущихся объектов // Цифровая обработка сигналов и ее применения. Доклады 8-й междунар. конф. Том 2. — М.: 2006. — С. 375-378.

4. Бабаян П. В. Методы и алгоритмы обнаружения и выделения объектов в информационно-управляющих системах при движущемся датчике изображений // Дисс. на соиск. уч. степ. канд. тех. наук. — Рязань, 2005.

5. Винберг Э. Б. Курс алгебры. — М.: Изд-во «Факториал». 1999. — 528 с.

6. Гонсалес Р., Вудс Р. Цифровая обработка изображений.— М.: Техносфера, 2005. — 1072 с.

7. Грузман И. С., Киричук В. С. и др. Цифровая обработка изображений в информационных системах: Учеб. Пособие. — Новосибирск: Изд-во НГТУ, 2002. — 352 с.

8. Патент 2137194 (РФ). Способ анализа векторов движения деталей в динамических изображениях / Дворкович А. В., Дворкович В. П., Зубарев Ю. Б., Соколов А. ЮЛ Б.И. — 1999.

9. Патент 2182727 (РФ). Способ поиска векторов движения деталей в динамических изображениях / Дворкович А. В., Дворкович В. П., Соколов А. ЮЛ Б.И. — 2002.

10. Дворкович А. В. Разработка и исследование высокоэффективных систем цифровой обработки динамических изображений и оценки ее качества // Дисс. на соиск. уч. степ. д. т. н. — М.: 2007.

11. Красильников H.H. Цифровая обработка изображений.— М.: Вузовская книга, 2001, —320 с.

12. Коплович Е. А. Алгоритм оценки смещения видеокадра на основе выбора характерных блоков с использованием коэффициентов ДКП // Интеллектуальные системы в производстве. — 2006. —№2(8). — С. 25-30.

13. Коплович Е. А., Умняшкин С. В. Контекстное кодирование коэффициентов дискретного косинусного преобразования с учетом межблочной корреляции // Известия вузов. Электроника. — №6. — 2004. — С. 78-83.

14. Лесин В. В., Лисовец Ю. П. Основы методов оптимизации: Учеб. пособие. — М.: Изд-во МАИ, 1998. — 344 с.

15. Малла С. Вэйвлеты в обработке сигналов: Пер. с англ. — М.: Мир, 2005. — 671 с.

16. Материалы сайта www.arturocampos.com/acqsm.html

17. Материалы сайта www.libsdl.org

18. Материалы сайга www.qccpack.sourceforge.net

19. Материалы сайта www.virtualdub.org

20. Материалы сайта www.ijg.org

21. Материалы сайта www.zala.aero

22. Материалы сайта www.xvid.org

23. Нуссбаумер Г. Быстрое преобразование Фурье и алгоритмы вычисления сверток: Пер. с. англ. — М.: Радио и связь, 1985. — 248 е., ил.

24. Пратт У. Цифровая обработка изображений, т. 1,2. — М.: Мир, 1982.

25. Ричардсон Я. Видеокодирование. Н.264 и МРЕС-4 — стандарты нового поколения. — М.: Техносфера, 2005. — 368 с.

26. Методы компьютерной обработки изображений. Под ред. В. А. Сойфера.— 2-е изд., испр. — М.: ФИЗМАТЛИТ, 2003. — 784 с.

27. Стрелков Ф. В., Умняшкин С. В. Контекстное кодирование коэффициентов дискретного косинусного преобразования (ДКП) в .ГРЕО-подобной схеме компрессии. // Цифровая обработка сигналов. — №2 — 2003. — С. 5-10.

28. Сэломон Д. Сжатие данных, изображений и звука.— М.: Техносфера, 2004.— 368 с.

29. Тернер Д. Вероятность, статистика и исследование операций. Под ред. А. А. Рывкина. — М.: Статистика, 1976. — 431 с.

30. Умняшкин С. В. Математические методы и алгоритмы цифровой компрессии изображений с использованием ортогональных преобразований // Дисс. на соиск. уч. степ, д-ра физ.-мат. наук. — М., 2002. — 382 с.

31. Умняшкин С. В. Теоретические основы цифровой обработки и представления сигналов: учеб. пособие. — М.: ИД «Форум»: ИНФРА-М, 2008. — 304 с.

32. Умняшкин С. В. О модификации дискретного косинусного преобразования // Изв. Тул. гос. ун-та. Сер. Математика. Механика. Информатика. Тула: ТулГУ, 1998. Т. 4. Вып. 1. С. 143-147.

33. Системы распознавания образов и сопровождения подвижных объектов в сложных условиях: Отчет о НИР / МИЭТ; руководитель С. В. Умняшкин. — № гос. per. 01200303723, инв. №02200402631. — М., 2004.

34. Системы распознавания образов и сопровождения подвижных объектов в сложных условиях: Отчет о НИР / МИЭТ; руководитель С. В. Умняшкин. — № гос. per. 01200303723, инв. № 02200501612. — М., 2005.

35. Умняшкин С. В., Безуглова Е. А. Контекстное кодирование коэффициентов дискретного косинусного преобразования на основе межблочной корреляции в JPEG-подобной схеме компрессии // Цифровая обработка сигналов. —- №3. — 2004. — С. 13-17.

36. Умняшкин С. В., Космач М. В. Оптимизация кодирования цифровых изображений по методу JPEG // Известия вузов. Электроника. — №4-5. — 2000. — С. 139-141.

37. Andrews Н. С., Hunt В. R. Digital Image Restoration. — Englewood Cliffs (NJ): Prentice Hall, 1977. —23 8 p.

38. Averbuch A., Keller Y. Fast global motion estimation for MPEG-4 video compression, Packet Video 2003, France, April 28-29, 2003.

39. Baglietto P., Maresca M., Migliaro A., Migliardi M. Parallel implementation of the full search block matching algorithm for motion estimation // Application Specific Array Processors, 1995. Proceedings, International Conference on. — 1995, pp. 182-192.

40. Cai W., Adjouadi M. Wavelet-domain shift invariant motion estimation and compensation // Intelligent Multimedia, Video and Speech Processing, 2004. Proceedings of 2004 International Symposium on, 20-22 Oct. 2004. — Page(s): 49-52.

41. Calderbank A. R., Daubechies I., Sweldens W., Boon-Lock Y. Wavelet transforms that map integers to integers // Appl. And Comput. Harmonic Analysis. — 1998. — Vol. 5, №3.—P. 332-369.

42. Ce Zhu, Xiao lin, and Lap-Pui Chau. Hexagon-based search pattern for fast block motion estimation // IEEE Trans. Circuit and Systems for Video Technology. — 2002. — Page(s): 349-355.

43. Chadha N. I., Cuhadar A., Card H. Scalable parallel wavelet transforms for image processing // Electrical and Computer Engineering, 2002. IEEE CCECE 2002. Canadian Conference on. — 2002, pp. 851-856.

44. Cham, W.-K. Development of integer cosine transforms by the principle of dyadic symmetry // Communications, Speech and Vision, IEEE Proceedings, Volume 136, Issue 4, Aug 1989. — Page(s): 276-282.

45. Chen Y., Hung Y., Fuh C. Fast Block Matching Algorithm Based on the Winner-Update Strategy // IEEE Transactions on Image Processing 10 (8), pp. 1212-1222. — 2001.

46. Chen C., Duluk J. F. System and Method for Cross Correlation with Application to Video Motion Vector Estimator // U. S. Patent 5535288. — 1996.

47. Cheng Po-Yuen, Li Jin, Jay Kuo C.-C. Rate control for an embedded wavelet video coder // Circuits and Systems for Video Technology, IEEE Transactions on. Volume 7, Issue 4, Aug. 1997. — Page(s): 696-702.

48. Chou P. A., Lookabaugh T., Gray R. M. Entropy-constrained vector quantization // IEEE Transactions on ASSP, vol.37, No.l, January 1989, pp.31-42.

49. Chun-Ho Cheung, Lai-Man Po. A novel cross-diamond search algorithm for fast block motion estimation // IEEE Trans. Circuits Syst. Video Techn., vol. 12, Dec. 2002, pp. 1168-1177.

50. Cohen A., Daubechies I., Feauveau J.-C. Biorthogonal bases of compactly supported wavelets // Comm. Pure and Appl. Math., vol. 45, pp. 485-560, 1992.

51. Daubechies I., Sweldens W. Factoring wavelet transform into lifting steps // Y. Fourier Anal. Appl. — 1998. — Vol. 4. — P. 247-269.

52. Feil M., Kutil R., Meerwald P., Uhl A. Wavelet Image and Video Coding on Parallel Architectures // Image and Signal Processing and Analysis, 2001. ISPA 2001. Proceedings of the 2nd International Symposium on. — 2001, pp. 24-35.

53. Feil M., Uhl A. Multicomputer Algorithms for Wavelet Packet Image Decomposition // Parallel and Distributed Processing Symposium, 2000. IPDPS 2000. Proceedings. 14th International. — 2000, pp. 793-798.

54. Fowler E., Ahalt S. C. Adaptive vector quantization using generalized threshold replenishment // Proceedings of the IEEE Data Compression Conference, J. A. Storer and M. Cohn, Eds., Snowbird, UT, March 1997, pp. 317-326.

55. Gao X. Q., Duanmu C. J., Zou C. R. Multilevel Successive Elimination Algorithm for Block Matching Motion Estimation // IEEE Transactions on Image Processing 9 (3), pp. 501-504.—2000.

56. Gray R. M. Vector Quantization // IEEE ASSP Magazine — April 1984, pp. 4-29.

57. Gunawan T. S., Tandjung S. S., Nang C. M. An Efficient Parallelization Scheme of Motion Estimation Algorithms on Myrinet-connected Workstations // Sixth International Conference on Control, Automation, Robotic and Vision. — Singapore, 2000.

58. He Dalce, Zhang Wenfang. The Parallel Algorithm of 2-D Discrete Wavelet Transform // Parallel and Distributed Computing, Applications and Technologies, 2003. Proceedings of the Fourth International Conference on. — 27-29 Aug. 2003, pp. 738-741.

59. Fleuer J., Kaup A. Global motion estimation in image sequences using robust motion vector field segmentation. Proc. ACM Multimedia, Nov. 1999, pp. 261-264.

60. Plua Yun, Hu Bo. A new parallel realization method of SPIHT for video compression // TENCON 2004. 2004 IEEE Region 10 Conference. — Volume A, 21-24 Nov. 2004. — Page(s): 343-346 Vol. 1.

61. Huffman D. A. A method for the construction of minimum-redundancy codes // Proceedings of the I.R.E., September 1952, pp. 1098-1102.

62. Hyun-Wook Park, Hyung-Sun Kim. Motion estimation using low-band-shift method for wavelet-based moving-picture coding // Image Processing, IEEE Transactions on, Volume 9, Issue 4, April 2000. — Page(s): 577-587.

63. ISO/IEC 10918-1. Information technology— Digital compression and coding of continuous-tone still images: Requirements and guidelines. 1994.

64. ISO/IEC 13818-2. Information technology Generic coding of moving pictures and associated audio information: Video. 2000.

65. ISO/IEC 14496-2. Information technology Coding of Audio-Visual Objects - Part 2: Visual (MPEG-4 Video). 2004.

66. ISO/IEC 14495-1. Information technology — Lossless and near-lossless compression of continuous-tone still images. 1999.

67. ISO/IEC 15444-1. Information technology— JPEG 2000 image coding system: Core coding system. 2004.

68. ISO/IEC 15444-3. Information technology — JPEG 2000 image coding system: Motion JPEG 2000. 2007.

69. ITU-R Recommendation BT.500-11. Methodology for the subjective assessment of the quality of television pictures. — ITU-R, 2002. — 48 p.

70. ITU-T Rec. H.264. Advanced video coding for generic audiovisual services. 2005.

71. Jo Yew Tham, Surendra Ranganath, Maitreya Ranganath, and Ashraf Ali Kassim. A novel unrestricted center-biased diamond search algorithm for block motion estimation // IEEE Trans. Circuits Syst. Video Technol., 8:369-277, Aug. 1998.

72. Karlekar J., Desai U. B. SPIHT video coder // TENCON *98. 1998 IEEE Region 10 International Conference on Global Connectivity in Energy, Computer, Communication and Control, Volume 1, 17-19 Dec. 1998. — Page(s): 45-48 vol.1.

73. Karunasekera S. A., Kingsbury N. G. A distortion measure for blocking artifacts in images based on human visual sensitivity // Image Processing. IEEE Transactions on, Volume 4, Issue 6, June 1995. — Page(s): 713-724.

74. Koga T., IinumaK., Hirano A., IijimaY., Ishiguro T. Motion-compensated interframe coding for video conferencing. IEEE NTC, pp. 531-534, 1981.

75. Kui Zhang, Josef Kittler. Global motion estimation and robust regression for video coding. Proc.Int'l Conf. Acoustics, Speech, and Signal Processing, Seattle, WA, May 1998: 241-244.

76. Lazar D., Averbuch A. Wavelet-based video coder via bit allocation // Circuits and Systems for Video Technology, IEEE Transactions on. Volume 11, Issue 7, July 2001. —Page(s): 815-832.

77. Lee C. L. Parallel implementation of motion-compensation for HDTV videodecoder // Proceedings of 1997 IEEE International Symposium on Consumer Electronics. — 1997, pp. 51-54.

78. Li R., Zeng B., Liou M. L. A new three-step search algorithm for block motion estimation // IEEE Trans. Circuits Syst. Video Technol., 4:438^142, Aug. 1994.

79. Li Y., Li Xu, Morrison G., Nightinggale C. and Morphett J. Robust panorama from MPEG video. Vol. I, p. 81-84, ICME, 2003.

80. Li Xin. Fast and efficient block motion estimation in the wavelet space // Information Technology: Coding and Computing Computers and Communications., 2003. Proceedings. ITCC 2003. International Conference on, 28-30 April 2003. — Page(s): 488-494.

81. Liu B., Zaccarin A. New fast algorithms for the estimation of block motion vectors // Circuits and Systems for Video Technology, IEEE Transactions on. —Volume 3, Issue 2. — Page(s): 148-157. — 1993.

82. Liu L. K., Feig E. A block-based gradient descent search algorithm for block motion estimation in video coding // IEEE Trans. Circuits Syst.Video Technol., 6:419^123, Aug. 1996.

83. Ma Siwei, Fan Xiaopeng, Gao Wen. Low Complexity Integer Transform and High Definition Coding // Applications of digital image processing. Conference No27, Denver CO, ETATS-UNIS (02/08/2004) 2004, vol. 5558 (2), pp. P2.547-554.

84. Magarey J., Kingsbury N. Motion estimation using a complex-valued wavelet transform // Signal Processing, IEEE Transactions on, Volume 46, Issue 4, April 1998. — Page(s): 1069-1084.

85. Malvar H. S. Low-Complexity length-4 transform and quantization with 16-bit arithmetic // ITU-T SG16, Sept. 2001, Doc. VCEG-N44.

86. Malvar H. S., Hallapuro A., Karczewicz M., Kerofsky L. Low-complexity transform and quantization in H.264/AVC // Circuits and Systems for Video Technology, IEEE Transactions on, Volume 13, Issue 7, July 2003. — Page(s): 598-603.

87. Marcenaro L., Vernazza G., Regazzoni C. S. Image stabilization algorithms for video-surveillance applications. Proc. Int. Conf. on Image Processing, vol. 1, pp. 349-352, 2001.

88. Marino F., Piuri V., Swartzlander E. E. A parallel implementation of the 2-D discrete wavelet transform without interprocessor communications // Signal Processing, IEEE Transactions on. — Volume 47, Issue 11, Nov 1999, pp. 3179-3184.

89. Marpe D., Cycon H. L. Very low bit-rate video coding using wavelet-based techniques // Circuits and Systems for Video Technology, IEEE Transactions on, Volume 9, Issue 1, Feb. 1999. —Page(s): 85-94.

90. Martin G. N. N. Range encoding: an algorithm for removing redundancy from a digitised message. Presented to the Video & Data Recording Conference, Southampton, July 24-27, 1979.

91. Marziliano P., Dufaux F., Winkler S., Ebrahimi T. A no-reference perceptual blur mctric // Proceedings of the International Conference on Image Processing, Vol. 3, Rochester, NY, 2002, pp. 57-60.

92. Marziliano P., Winkler S., Dufaux F., Ebrahimi T. Perceptual Blur and Ringing Metrics: Application to JPEG2000 // Elsevier Signal Processing: Image Communication, vol.19, no.2, pp. 163-172, Feb. 2004.

93. Martucci S. A., Sodagar I., Chiang T., Ya-Qin Zhang. A zerotree wavelet video coder // Circuits and Systems for Video Technology, IEEE Transactions on, Volume 7, Issue 1, Feb. 1997. —Pagc(s): 109-118.

94. Meyer Fr. G., Averbuch A. Fast Adaptive Wavelet Pocket Image Compression, Yale University School of Medicine, Department of Diagnostic Radiology, — 1999. — 31 p.

95. Muijs R., Kirenko I. A no-reference blocking artifacts measure for adaptive video processing // Proceedings of 13th European Signal Processing Conference (EUSIPCO), Sep. 2005.

96. Nasrabadi N. M., King R. A. Image coding using vector quantization: A review // IEEE Trans. On Communication. — 1988. — V. 36. — № 8. — P. 957-971.

97. Nelson M., Gailly J.-L. The Data Compression Book (Second Edition). New York: M&T Books, 1995. — 541 p.

98. Orchard M. T. Sullivan G. J. Overlapped block motion compensation: an estimation-theoretic approach Image Processing // IEEE Transactions on, Volume 3, Issue 5, Sept. 1994. — Page(s): 693-699.

99. Pennebaker W. B., Mitchell J. L. JPEG Still Image Data Compression Standard. New York: Van Nostrand Reinhold, 1992.

100. Po L. M., Ma W. C. A novel four-step search algorithm for fast block motion estimation // IEEE Trans. Circuits Syst. Video Technol., 6:313-317, June 1996.

101. Podilchuk C. I., Jayant N. S., Farvardin N. Three-dimensional Subband Coding of Video // IEEE Transactions on Image Processing, Volume 4, Issue 2, Feb. 1995, pp. 125-139.

102. Rao K. R., Yip P. Discrete Cosine Transform: Algorithms, Advantages, Applications. — Academic Press, Boston. — 1990).

103. Reddy B. S., Chatterji B.N. An FFT-based Technique for Translation, Rotation and Scale-Invariant Image Registration // IEEE Transactions on Image Processing, Volume 5, No. 8. — August, 1996, pp. 1266-1271.

104. Ribas-Corbera J., Shawmin Lei. Rate control in DCT video coding for low-delay communications // Circuits and Systems for Video Technology, IEEE Transactions on. Volume 9, Issue 1, Feb 1999. — Page(s): 172-185.

105. Rinaldo R., Calvagno G. Hybrid vector quantization for multiresolution image coding // IEEE Trans. Image Processing, vol. 6, pp. 753-758, May 1997.

106. Said A., Pearlman W. A. A New Fast and Efficient Image Codec Based on Set Partitioning in Hierarchical Trees // IEEE Transactions on Circuits and Systems for Video Technology, vol. 6, pp. 243-250, June 1996.

107. Sanghyun J., Kikuchi H. A new motion compensation on a wavelet transform domain // Image Processing, 2000. Proceedings. 2000 International Conference on, Volume 3, 10-13 Sept. 2000. — Page(s): 130-133 vol.3.

108. Shan Zhu, Kai-Kuang Ma. A new diamond search algorithm for fast block-matching motion estimation // IEEE Trans. Image Processing, 9:287-290, Feburary 2000.

109. Shizhong Liu, Bovik A. C. Efficient DCT-domain blind measurement and reduction of blocking artifacts // Circuits and Systems for Video Technology, IEEE Transactions on, Volume 12, Issue 12, Dec. 2002. — Page(s): 1139-1149.

110. Steliaros M. K., Martin G. R., Packwood R. A. Parallelisation of Block Matching Motion Estimation Algorithms // Technical Report: CS-RR-320 — 1997.

111. Sullivan G. J., Wiegand T. Rate-distortion optimization for video compression // Signal Processing Magazine, IEEE. — Volume 15, Issue 6, Nov 1998. — Page(s): 74-90.

112. Su J. K„ Mersereau R. M. Motion estimation methods for overlapped block motion compensation Image Processing // IEEE Transactions on, Volume 9, Issue 9, Sept. 2000. —Page(s): 1509-1521.

113. Sullivan G. J. Multi-hypothesis motion compensation for low bit-rate video coding // Proc. IEEE Int. Conf. Acoustics, Speech, Signal Processing, vol. 5, pp. 427-440, 1993.

114. Taubman D., Zakhor Z. Multirate 3-D subband coding of video // IEEE Trans. Image Processing, vol. 3, pp. 572-588, Sept. 1994.

115. TMS320DM642 Video/Imaging Fixed-Point Digital Signal Processor (Rev. L): Datasheet. 29 Jan 2007.

116. Toivonen T., Heikkila J., Silven O. A New Algorithm for Fast Full Search Block Motion Estimation Based on Number Theoretic Transforms // Proceedings of the 9th International Workshop on Systems, Signals, and Image Processing, pp. 90-94. — 2002.

117. Toyokura N., Kawasaki S., Kondo S. Wavelet coefficients motion compensation for image sequence encoding. Circuits and Systems, 1998. IEEE APCCAS 1998. The 1998 IEEE Asia-Pacific Conference on, 24-27 Nov. 1998. — Page(s): 53-56.

118. Turaga D. S., van der Schaar M., Pesquet-Popescu B. Complexity scalable motion compensated wavelet video encoding // Circuits and Systems for Video Technology, IEEE Transactions on, Volume 15, Issue 8, Aug. 2005. — Page(s): 982-993.

119. Turaga D. S., van der Schaar M. Reduced complexity spatio-temporal scalable motion compensated wavelet video encoding // Multimedia and Expo, Proceedings. 2003 International Conference on, Volume 2, 6-9 July 2003. —Page(s): 561-564.

120. Turaga D. S., van der Schaar M. Unconstrained motion compensated temporal filtering (UMCTF) framework for wavelet video coding // Multimedia and Expo, Proceedings. 2003 International Conference on, Volume 2, 6-9 July 2003. — Page(s): 581-584.

121. Umnyashkin S., Koplovich E., Alexandrov A. Layered Motion Compensation for a Low Bit Rate Embedded Wavelet Video Coder // Proceedings of the 4th Russian-Bavarian Conference on Biomedical Engineering. — Moscow: MIET, 2008. — pp. 97100.

122. Vlachos T. Simple method for estimation of global motion parameters using sparse translational motion vector fields // Electronics Letters, Vol. 34, No. 1, 8th January 1998.

123. Wallace G. K. The JPEG still-picture compression standard // Communications of the ACM, vol.34, pp. 30-40, April 1991.

124. Wang H., Mersereau R. Fast Algorithms for the Estimation of Motion Vectors // IEEE Transactions on Image Processing 8 (3), pp. 435-438. — 1999.

125. Wang Z., Bovik A. C., Sheikh H. R. and Simoncelli E. P. Image quality assessment: From error visibility to structural similarity // IEEE Transactions on Image Processing, vol. 13, no. 4, pp. 600-612, Apr. 2004.

126. Wang Y., Wenger S., Wen J., Katsaggelos A. Error Resilient Video Coding Techniques // IEEE Signal Process. Mag., July 2000.

127. Witten R. M., Neal J. G. Cleary. Arithmetic coding for data compression // Communications of the ACM, vol.30, no.6, pp. 520-540, June 1987.

128. Woods J. W., Peisong Chen. Bidirectional MC-EZBC with lifting implementation // Circuits and Systems for Video Technology, IEEE Transactions on, Volume 14, Issue 10, Oct. 2004. —Page(s): 1183-1194.

129. Woods J. W„ Bajic I. V. Domain-based multiple description coding of images and video // Image Processing, IEEE Transactions on, Volume 12, Issue 10, Oct. 2003. — Page(s): 1211-1225.

130. Woods J. W., Lilienfield G. A resolution and frame-rate scalable subband/wavelet video coder // Circuits and Systems for Video Technology, IEEE Transactions on, Volume 11, Issue 9, Sept. 2001. — Page(s): 1035-1044.

131. Xiao F. DCT-based video quality evaluation. Technical report, Stanford University, 2000.

132. Xiaohui Xue, Wen Gao. Context-based statistical model for DCT-based image coder. Proceedings of Picture Coding Symposium— 99. Oregon State Univ. 21-23 April 1999, pp.3 83-385. Corvallis, OR, USA.

133. Yong Sun; Hui Zhang; Guangshu I-Iu. Real-time implementation of anew low-memory SPIHT image coding algorithm using DSP chip // Image Processing, IEEE Transactions on, Volume 11, Issue 9, Sept. 2002. — Page(s): 1112-1116.

134. Yonghong Zeng, Lizhi Cheng, Guoan Bi. Kot A. C. Integer DCTs and fast algorithms // Signal Processing, IEEE Transactions on, Volume 49, Issue 11, Nov 2001.— Page(s): 2774-2782.

135. Zhang X.; Vetro A.; Sun H.; Shi Y-Q. Robust Decoding for Reduced Error Propagation of DC/AC Prediction Errors, Workshop and Exhibition on MPEG-4 (WEMP4), June 2001.

136. Zheng W. X., Quan Z. Y. Image sequence coding using wavelet transform // Digital Signal Processing Workshop Proceedings, 1996., IEEE, 1-4. — Sept. 1996. — Page(s): 97-100.