Разработка математического, алгоритмического и программного обеспечения специализированной САПР устройств сжатия изображений тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат технических наук Мишуровский, Михаил Наумович

• Мишуровский, Михаил Наумович
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Мишуровский, Михаил Наумович

ВВЕДЕНИЕ.

1. ИСПОЛЬЗОВАНИЕ ОСОБЕННОСТЕЙ ЗРИТЕЛЬНОГО ВОСПРИЯТИЯ ЧЕЛОВЕКА В ПОДСИСТЕМЕ ОЦЕНКИ ОТНОСИТЕЛЬНОГО КАЧЕСТВА ИЗОБРАЖЕНИЙ СПЕЦИАЛИЗИРОВАННОЙ САПР-УСИ.

1.1 Обзор современных методов сжатия изображений.

1.2 Описание особенностей зрительной системы человека.

1.3 Описание функциональной модели оценки относительного качества изображения.

1.4 Селективная фильтрация изображений с использованием вейвлет преобразований.

1 . 5 контроль искажений в методах сжатия изображений.

1.6 Выводы, постановка задачи.

2. РАЗРАБОТКА МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ СПЕЦИАЛИЗИРОВАННОЙ САПР-УСИ.

2.1 Разработка модели КЧХ зрительной системы человека в пространстве вейвлет - коэффициентов для системы цветопредставления YCbCr.

2.1.1 Особенности проведения измерений КЧХ в пространстве вейвлет - коэффициентов.

2.1.2 Условия проведения эксперимента.

2.1.3 Результаты измерений.

2.2 Определение интенсивности сигнала в пространстве вейвлет коэффициентов.

2.3 Разработка математической модели визуального маскирования шумоподобных сигналов в пространстве вейвлет - коэффициентов.

2.3.1 Измерение чувствительности ЗС человека в условиях присутствия маскирующего сигнала.

2.3.2 Разработка модели дискретного описания зрительного восприятия сигналов в условиях присутствия маскирующего сигнала.

2.4 р a3 работка метода численой оценки относительного качества изображений.

2.5 применение метода численной оценки относительного качества изображений в устройствах сжатия изображений.

2.5.1 Разработка модели квантования вейвлет - коэффициентов изображения, основанной на КЧХ ЗС человека.

2.5.2 Использование численной оценки искажений в методах сжатия, основанных на решении R (D) задачи.

2.6 Разработка метода расчета параметров модели кчх зрительной системы человека для систем цветопредставления, линейно связанных с YCBCR в пространстве вейвлет - коэффициентов.

2.7 Выводы.

3. РАЗРАБОТКА ПРОГРАММНОГО КОМПОНЕНТА СПЕЦИАЛИЗИРОВАННОЙ САПР-УСИ ДЛЯ ПРОВЕДЕНИЯ ПСИХОВИЗУАЛЬНЫХ ИЗМЕРЕНИЙ.

3.1 Требования, предъявляемые к создаваемому программному обеспечению.

3.2 Разработка сценария проведения психовизуального эксперимента.

3.3 Разработка структуры программного обеспечения.

3.4 Программная реализация процедуры адаптивной оценки порога по методу QUEST.

3.4.1 Краткое описание метода QUEST.

3.4.2 Программная реализация метода QUEST.

3.4.3 Разработка метода получения реакции пользователя в унифицированном виде.

3.5 Расширение функциональности разработанного программного обеспечения.

3.6 Выводы.

4. ЭКСПЕРИМЕНТАЛЬНАЯ ВЕРИФИКАЦИЯ ПОДСИСТЕМЫ ОЦЕНКИ ОТНОСИТЕЛЬНОГО КАЧЕСТВА ИЗОБРАЖЕНИЙ СПЕЦИАЛИЗИРОВАННОЙ

САПР-УСИ.

4.1 Анализ согласованности численных оценок относительного качества экспертным оценкам качества сжатых изображений.

4.2 Исследование качественных характеристик программной системы сжатия изображений f использующей разработанный метод оценки относительного качества изображений.

4 . 3 выводы.

Введение диссертации (часть автореферата) на тему «Разработка математического, алгоритмического и программного обеспечения специализированной САПР устройств сжатия изображений»

Прогресс в области разработки, технологии и производства полупроводниковых приборов привел к значительному расширению сферы применения вычислительной техники. Увеличение производительности вычислительных средств при одновременном снижении их себестоимости являются основными причинами массового использования устройств обработки видеоинформации, номенклатура которых включает в себя различные изделия от встроенных камер с ограниченными возможностями до профессиональных систем видеообработки, предоставляющих широкие возможности по преобразованию данных при высоком визуальном качестве.

Использование специализированных систем автоматизации проектирования устройств сжатия изображений является одним из способов повышения эффективности процесса разработки, а также качества проектных решений. Подобная система включает в себя программно - аппаратные средства, предназначенные для выполнения задач анализа, синтеза, оценки параметров, оптимизации характеристик разрабатываемых устройств. Одним из важнейших параметров, характеризующих устройство сжатия изображений, является качество сжатых изображений, формируемых этим устройством. Метрологические характеристики системы автоматизированного проектирования устройств сжатия изображений определяются, в частности, точностью оценки относительного качества сжатых изображений, которая должна быть согласована с особенностями зрительной системы человека.

Система автоматизированного проектирования устройств сжатия изображений (САПР-УСИ) (рис. 1) включает в себя среду проектирования устройств сжатия изображений, модели процессов преобразования данных, используемых при сжатии изображений, подсистему оценки относительного качества изображений, а также интерфейсные модули. ж

УСТРОЙСТВО СЖАТИЯ I

ОРИГИНАЛ устройство

СЖАТИЯ 2

УСТРОЙСТВО СЖАТИЯ N I

СЖАТОЕ ИЗОБРАЖЕНИЕ

Рис. 1. Функциональная схема специализированной САПР-УСИ.

Модели описывают следующие процессы преобразования данных на этапе сжатия изображений: кодирование цветовой информации, декорреляция данных, огрубление коэффициентов преобразования, оценка и/или контроль потерь, статистическое кодирование.

К настоящему моменту разработаны достаточно эффективные методы кодирования цветовой информации, декорреляции данных на основе вейвлет - преобразований, статистического кодирования - [1] •

Несмотря на важность визуальной информации для человека [2], существующие методы оценки относительного качества изображений недостаточно согласованы зрительному восприятию человека. Отсутствие адекватной модели зрительной системы человека [3] , адаптированной для эффективного использования в устройствах сжатия изображений, приводит к применению упрощенных моделей, следствием чего является ухудшение визуального качества сжатых изображений[4]. Специализированная САПР устройств сжатия изображений позволяет преодолеть эти проблемы. Таким образом, её разработка является актуальной задачей.

ЦЕЛЬ РАБОТЫ.

Целью диссертационной работы является разработка математического, алгоритмического и программного обеспечения для специализированной системы автоматизированного проектирования устройств сжатия изображений. Для достижения поставленной цели необходимо решить следующие научно-технические задачи:

1. Разработать структуру и функциональную схему специализированной САПР-УСИ.

2. Исследовать существующие математические модели зрительной системы человека с целью выявления основных этапов зрительного восприятия изображений.

3. Разработать математическое, алгоритмическое и программное обеспечение подсистемы оценки относительного качества изображений.

4. Разработать метод скалярного квантования вейвлет - коэффициентов, учитывающий особенности зрительной системы человека .

5. Разработать математическое, алгоритмическое и программное обеспечение для расчета параметров модели в системе цве-топредставления, линейно связанной с YCbCr.

6. Разработать программные средства, обеспечивающие возможность проведения исследования зрительной системы человека .

7. Провести анализ адекватности разработанной модели зрительному восприятию искажений человеком.

8. Провести практическую апробацию разработанной модели в составе системы сжатия неподвижных изображений.

НАУЧНАЯ НОВИЗНА РАБОТЫ.

1. Разработана структура специализированной САПР-УСИ, состоящая из среды проектирования, моделей процессов преобразования данных, подсистемы оценки относительного качества изображений, интерфейсных модулей.

2. Разработано математическое обеспечение специализированной САПР-УСИ, включающее в себя:

Метод численной аддитивной оценки относительного качества сжатых изображений в пространстве коэффициентов двумерного, дискретного, целочисленного, биортогонального (2, 2), разделяемого по строкам и столбцам вейвлет-преобразования Коэна - Добеши - Фово, основанный на системе цветопредставления YCbCr, учитывающий контрастно-частотную характеристику зрительной системы человека, эффекты визуального маскирования сигналов;

Метод скалярного квантования коэффициентов двумерного, дискретного, целочисленного, биортогонального (2, 2), разделяемого по строкам и столбцам вейвлет-преобразования Коэна - Добеши - Фово, обеспечивающий пороговый уровень зрительного восприятия искажений наблюдателем при заданных условиях наблюдения, являющийся моделью процесса огрубления коэффициентов изображений, входящий в специализированную САПР-УСИ;

Метод расчета параметров контрастно-частотной характеристики зрительной системы человека для систем цветопредставления, линейно связанных с YCbCr, являющийся частью среды проектирования специализированной САПР-УСИ;

Математическая модель контрастно-частотной характеристики зрительной системы человека в системе цветопредставления YCbCr для двумерного, дискретного, целочисленного, биортогонального (2, 2) , разделяемого по строкам и столбцам вейвлет - преобразования Коэна - Добеши - Фово.

Математическая модель визуального маскирования шумоподоб-ных сигналов, представленных своим вейвлет-спектром, учитывающая подобие тестового сигнала и сигнала-маски.

ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ РАБОТЫ.

Результаты работы используются в составе специализированной САПР-УСИ, разрабатываемой ООО «Юник Ай Сиз». Специализированная САПР-УСИ применена при создании цифровой пользовательской видеокамеры, включающей в себя разработанный в диссертационной работе метод внесения потерь, обеспечивающий пороговый уровень восприятия искажений.

ВНЕДРЕНИЕ РЕЗУЛЬТАТОВ РАБОТЫ.

На основе полученных в работе результатов разработана цифровая видеокамера, которая является прототипом однокристального конечного устройства. Работа выполнена в рамках плана работ ООО «Юник Ай Сиз» на 2004г. Разработанная специализированная САПР-УСИ внедрена в учебный процесс кафедры ПКИМС, в ФГУП «НИИФП им. Ф.В. Лукина», в компании ООО «Юник Ай Сиз». Акты внедрения приведены в приложении.

ПРЕДСТАВЛЯЕТСЯ К ЗАЩИТЕ:

1. Структура специализированной САПР-УСИ, состоящая из среды проектирования, моделей процессов преобразования данных, подсистемы оценки относительного качества изображений, интерфейсных модулей.

2. Математическое обеспечение специализированной САПР-УСИ, включающее:

- Метод численной аддитивной оценки относительного качества сжатых изображений, отличающийся тем, что основан на системе цветопредставления YCbCr, двумерном, дискретном, целочисленном, биортогональном (2, 2), разделяемом по строкам и столбцам вейвлет - преобразовании Коэна - Добеши -Фово, учитывает контрастно-частотную характеристику зрительной системы человека и эффекты визуального маскирования сигналов;

- Метод скалярного квантования коэффициентов двумерного, дискретного, целочисленного, биортогонального (2, 2), разделяемого по строкам и столбцам вейвлет-преобразования Коэна - Добеши - Фово, отличающийся тем, что обеспечивает пороговый уровень зрительного восприятия искажений при заданных условиях наблюдения;

- Метод расчета параметров контрастно-частотной характеристики зрительной системы человека для систем цветопредставления, линейно связанных с YCbCr;

- Математическая модель контрастно-частотной характеристики зрительной системы человека в системе цветопредставления YCbCr для двумерного, дискретного, целочисленного, биортогонального (2, 2) , разделяемого по строкам и столбцам вейвлет - преобразования Коэна - Добеши - Фово;

- Математическая модель визуального маскирования шумоподоб-ных сигналов, представленных своим вейвлет-спектром, особенностью которой является учет степени подобия тестового сигнала сигналу - маске и локальной интенсивности сигналов .

АПРОБАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ.

Результаты диссертационной работы докладывались и обсуждались на следующих конференциях:

7 международная конференция «Распознавание образов и анализ изображений: новые информационные технологии»: СПБ.

2 0 0 4 г;

6 Международная конференция и выставка «Цифровая обработка сигналов и ее применение»: М. 2004г;

11 Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и инфор-матика-2004»: М. 2004;

10 Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика- 2003»: М. 2003г;

5 международная конференция и выставка «Цифровая обработка сигналов и ее применение»: М. 2003г;

3 международная конференция «Телевидение: передача и обработка изображений»: СПБ. 2003г;

4 Международная конференция и выставка «Цифровая обработка сигналов и ее применение»: М. 2002г;

XLV научная конференция МФТИ: М. 2002г;

9 Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информати-ка-2002»: М. 2002г;

Всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика-98»: М. 1998г.

ПУБЛИКАЦИИ:

Основные результаты диссертационной работы опубликованы в 12 печатных работах [71-82].

ОБЪЕМ И СТРУКТУРА ДИССЕРТАЦИИ.

Диссертация состоит из введения, четырех глав, заключения, приложения, содержащего акты внедрения результатов работы, списка использованных источников из 82 наименований.

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Мишуровский, Михаил Наумович

4.3 ВЫВОДЫ.

1. Проведенный анализ адекватности разработанного метода зрительному восприятию искажений человеком с использованием средств специализированной САПР-УСИ выявил высокую степень его согласованности со зрительной системой человека. Разработанный метод существенно превосходит ныне используемые.

2. Проведена практическая апробация метода в составе системы сжатия неподвижных изображений, реализованной с использованием разработанной специализированной САПР-УСИ, выявившая значительное - до 30% - увеличение степени сжатия изображений при том же относительном визуальном качестве .

ЗАКЛЮЧЕНИЕ

В результате выполнения диссертационной работы все поставленные задачи полностью выполнены, при этом подробно рассмотрены вопросы автоматизации проектирования устройств сжатия изображений, моделирования зрительного восприятия изображений человеком, разработаны приближенные модели, описывающие основные этапы зрительного анализа. Проведена верификация разработанной подсистемы оценки относительного качества сжатых изображений специализированной САПР-УСИ с целью определения ее согласованности зрительному восприятию человека. Основные выводы:

1. Разработана структура специализированной системы автоматизированного проектирования устройств сжатия изображений, состоящая из среды проектирования, моделей процессов преобразования данных, подсистемы оценки относительного качества изображений, интерфейсных модулей.

2. Разработано математическое, алгоритмическое и программное обеспечение специализированной САПР-УСИ, включающее:

- Метод численной аддитивной оценки относительного качества сжатых изображений в пространстве коэффициентов двумерного, дискретного, целочисленного, биортогонального (2, 2), разделяемого по строкам и столбцам вейвлет-преобразования Коэна - Добеши - Фово, основанный на системе цветопред-ставления YCbCr, учитывающий контрастно-частотную характеристику зрительной системы человека, эффекты визуального маскирования сигналов, используемый в подсистеме оценки относительного качества изображений специализированной САПР-УСИ;

- Метод скалярного квантования коэффициентов двумерного, дискретного, целочисленного, биортогонального (2, 2),

разделяемого по строкам и столбцам вейвлет - преобразования Коэна - Добеши - Фово, обеспечивающий пороговый уровень зрительного восприятия искажений наблюдателем при заданных условиях наблюдения, являющийся моделью процесса огрубления коэффициентов преобразования изображений, входящий в специализированную САПР-УСИ;

Метод расчета параметров контрастно-частотной характеристики зрительной системы человека для систем цветопредставления, линейно связанных с YCbCr, являющийся частью среды проектирования специализированной САПР-УСИ. Проведенный анализ адекватности разработанного метода зрительному восприятию искажений человеком с использованием средств специализированной САПР-УСИ выявил высокую степень его согласованности со зрительной системой человека. Разработанный метод существенно превосходит ныне используемые.

Проведена практическая апробация метода в составе системы сжатия неподвижных изображений, реализованной с использованием разработанной специализированной САПР-УСИ, выявившая значительное - до 30% - увеличение степени сжатия изображений при том же относительном визуальном качестве.

Список литературы диссертационного исследования кандидат технических наук Мишуровский, Михаил Наумович, 2004 год

1. Ian Н. Witten, Radford М. Neal, and John G. Cleary. "Arithmetic Coding for Data Compression"// Communications of the ACM, 1987., VI.30, №.6, pp.520 540.

2. Д. Ватолин, А. Ратушняк, M. Смирнов, В.Юкин. «Методы сжатия данных» М.: «Диалог-МИФИ», 2003. - 384с.

3. Ingrid Daubechies, Wim Sweldens. «Factoring wavelet transforms into lifting steps»// J. Fourier Anal. Appl., 1998., VI.4, №.3, pp.247 269.

4. Умняшкин С.В. «Математические методы и алгоритмы цифровой компрессии изображений с использованием ортогональных преобразований».Диссертация на соискание степени д-ра физ.-мат.н.- М., 2002. 382с.

5. Wim Sweldens. «The lifting scheme: a new philosophy in biorthogonal wavelet constructions», «Wavelet Applications in Signal and Image Processing III»// Proceedings Wavelet Applications in Signal and Image Processing III, 1995., SPIE 2569, pp.68 79.

6. Умняшкин С.В. «Математические основы цифровой обработки и кодирования сигналов» М.: МИЭТ, 2004 - 176с.

7. Н.Н. Красильников. «Цифровая обработка изображений» -М.: «Вузовская книга», 2001. 320с.

8. Стандарт JPEG2000, ISO-IEC 10918.11. «I-R. R. 601-2. Encoding parameters of digital television fro studios» 1990., ITU, Geneva.

9. ISO/IEC 15444-1. Information technology JPEG2000, image coding system. Part 1: Core coding system.

10. A. Said, William A. Pearlman. «А New Fast and Efficient Image Codec Based on Set Partitioning in Hierarchical Trees,»// IEEE Transactions on Circuits and Systems for Video Technology, 1996., VI.6, pp.243-250, http://www.cipr.rpi.edu/research/SPIHT/.

11. J. M. Shapiro. «Embedded image coding using zerotrees of wavelet coefficients»// IEEE Transactions on Signal Processing, 1993., VI.41, №.12, p.3445-3462.

12. A. Stockman and L.T. Sharpe. «Human cone spectral sensitivities: a progress report»// Vision Research, 1998., VI.38, №21, pp.3193 3206.

13. Stefan Winkler. «Vision models and quality metrics from image processing applications»: диссертация №2313, 2000., EPFL, Lausanne, c.12.

14. G. Weistheimer. «The eye as an optical instrument» в «Handbook of perception and human performance» «John Wiley and suns», 1986., VI.1. ch.4.

15. P. Haubner, H. W. Bodmann, A. M. Marsden. «А unified relationship between brightness and luminance»// «Siemens Forschungs und Entwicklungsberichte», 1980., VI.9, №6, pp.315 - 318.

16. Eli Peli. «Contrast in complex images»// Journal of the optical society of America A, 1990., VI.7, pp.2032 -204 .

17. Eli Peli. «In search of a contrast metric: matching the perceived contrast of gabor patches of different phases and bandwidth»// Vision Research, 1997., VI.37, №23, pp.3217 3224.

18. Stefan Winkler, Pierre Vandergheyhst. «Computing isotropic local contrast from oriented pyramid decompositions»// «Signal Processing Lab» http://www.epfl.ch

19. Scott Daly. «The visible differences predictor-an algorithm of the assessment of image fidelity»: «Digital images and human vision»/editor A.B. Watson London: «The MIT Press», 1993. - pp.179 - 207.

20. Eli Peli. «Contrast sensitivity function and image discrimination»// Journal of optical society of America A., 2001., VI.18, №2, pp.283 293.

21. Peter J. Bex, Waller Makous. «Spatial frequency, phase and the contrast of natural images»// Journal of optical society of America A., 2002., VI.19, №6.

22. D. H. Kelly. «Spatiotemporal variation of chromatic and achromatic contrast thresholds»// Journal of the optical society of America, 1983., VI.73, №6, pp.742 750.

23. Peter G.J. Barten. «Contrast sensitivity of the human eye and its effects on image quality»: SPIE-International Society for Optical Engine., 1999., V1.PM72

24. G.E. Legge and J.M. Foley. «Contrast masking in human vision»// Journal of the optical society of America, 1980., №70, pp.1458 1471.

25. A. J. Ahumada, Jr., W. K. Krebs. «Signal detection in fixed pattern chromatic noise»: «Investigative Ophthalmology and Visual Science»

26. A. J. Ahumada, Jr., W. K. Krebs. «Masking in color images», «Proceedings of the SPIE-Human Vision and Electronic Imaging VI», VI.4299, pp.187 194.

27. Психологический словарь: http://psi.webzone.ru

28. И. Добеши. «Десять лекций по вейвлетам» М. : «Регулярная и хаотическая динамика», 2001. - 4 60с.

29. С. Valens. «А Really Friendly Guide to Wavelets», http://perso.wanadoo.fr/polyvalens/clemens/wavelets/wav elets.html. 1999-2004.

30. Yung Kai Lai, C-C. Jay Kuo. «New image compression artifact measure using wavelets», SPIE's Symposium on Visual Communications and Image Processing, San Jose, 1997.

31. Yung Kai Lai, C-C. Jay Kuo. «Perceptual fidelity measure of digital color images»// Human Vision and Electronic Imaging III, VI.3299, pp.221 231.

32. A. P. Bradley. « A wavelet visible difference predictor»// IEEE Transactions on Image Processing, 1999., VI.8, №.5, pp.717 730.

33. R. Safranek, Trac D. Tran. «А locally adaptive perceptual masking threshold model for image coding»// Proceedings ICASSP-95, 1995., VI.4, pp.1883 1886.

34. J. Malo, A.M. Pons, J.M. Artigas. «Subjective image fidelity metric based on bit allocation of the human visual system in the DCT domain»// A.l. Image and Vision Computing, 1997., VI.15, №7, pp.535 548.

35. A.M. Pons, J. Malo, J.M. Artigas, P. Capilla. «Image quality metric based on multidimensional contrast perception models»// «Displays Journal». 1999., VI.20, pp.93 110.

36. Christian J. van den Branden Lambercht, Joyce E. Far-rel. «Perceptual quality metric for digitally coded color images»// Proceedings European conference on signal processing, 1996.

37. Edmund M. Yeh, Anil K. Kokaram, and Nick G. Kingsbury. «Psychovisual Measurement and Distortion Metrics for Image Sequences»: «Signal Processing IX: Theories and

38. Applications»// Proceedings of the Ninth European Signal Processing Conference. Rhodes 1998., pp.1061 1064 .

39. Zhou Wang, Alan C. Bovik. «А universal image quality index»// IEEE Signal Processing Letters, 2002., Vl.9, №3, pp.81 84.

40. Alan C. Bovik, Hamid R. Sheikh, Eero P. Simoncelli. «Image quality assessment: from error measurement to structural similarity»// IEEE Transactions on Image Processing, 2004., VI.13, №4.

41. J. Lubin. «The use of psychophysical data and models in the analysis of display system performance»: «Digital images and human vision»/ Editor A.B. Watson, London: The MIT press, 1993., pp.123 178.

42. V 44. P.C. Teo, D.J. Heeger. «Perceptual image distortion»//proceedings ICIP-94, 1994., VI.2, pp.982 986.

43. Глассман К.Ф. и др. «Объективная оценка артефактов видео компрессии»// «Техника кино и телевидения», 2000., №2, сс. 40-43.

44. A.J. Ahumada, Jr. «Computational image quality metrics: a review»// International Symposium Digest of Technical Papers, SID, VI.24, pp.305 308.

45. Guido M. Schuster, Aggelos К. Katsaggelos. «Rate-Distortion based video compression» London: «Kluwer Academic Publishers» - 1997. - 288p.

46. B. Girod. «What's wrong with mean square error»: «Digital images and human vision»/Editor A.B. Watson, London: «The MIT press», 1993. pp.207 - 221.

47. Weibull W.A. «А statistical distribution function of wide applicability»// Journal of applied mechanics, 1951., VI.18, pp.292 297.

48. Stanly A. Klein. «Measuring, estimating, and understanding the psychometric function: a commentary»// «Perception and psychophysics», 2001., VI.63, №8, pp.1421 1455.

49. Б. Голд, Ч. Рэйдер. «Цифровая обработка сигналов с приложением Д. Кайзера «Цифровые фильтры» » М. : «Советское радио», 1973. - 368с.

50. А.В. Watson, G. Y. Yang, J. A. Solomon, and J. Vil-lasenor. «Visibility of wavelet quantization noise»// IEEE Transactions on Image Processing, 1997., VI.6, pp.1164 1175.

51. A.B. Watson. «QUEST: A Bayesian adaptive psychometric method»// «Perception and Psychophysics», 1983., VI.33, №2, pp.113 120.

52. David S. Taubman, Michael W. Marcellin. «Jpeg2000: Image Compression Fundamentals, Standards, and Practice» London: Kluwer Academic Publishers, 2002. - 773c.

53. A.R. Calderbank, Ingrid Daubechies, Wim Sweldens, Boon-lock Yeo. «Wavelet transforms that map integers to integers»// «Appl. Comput. Harmon. Anal.», 1998., VI. 5, №3, pp.332 369.

54. Sheila Hemmami. «Visual sensitivity considerations for subband coding»// Proc. of Asilomar Conf. on Signals, Sytems, and Computers, 1997.

55. Sheila S. Hemmami, Damon M. Chandler. «Additivity models for suprathreshold distortion in quantized wavelet-coded images»// Proc. Human Vision and Electronic Imaging 2002, 2002.

56. Marcia G. Ramos and Sheila Hemmami. «Perceptual quantization for wavelet-based image coding»// Proceeding IEEE international conference on image processing, Vancouver, 2000.

57. Sheila S. Hemmami, Marcia G. Ramos. «Quantifying visual distortion in low-rate wavelet-coded images»// Proceeding IEEE international conference on image processing, 2001.

58. Damon M. Chandler and Sheila S. Hemmami. «Contrast-based quantization and rate control for wavelet-coded images»// Proceeding IEEE international conference on image processing, 2002.

59. Marcia G.Ramos and Sheila S. Hemami. «Suprathreshold wavelet coefficient quantization in complex stimuli: psychophysical evaluation and analysis»// Journal of the Optical Society of America A, 2001.

60. A.B. Watson and J.A. Solomon. «А model of visual contrast gain control and pattern masking»// Journal of the optical society of America A, VI.14, 1997.

61. A.B. Watson, M. Taylor, R. Borthwick. «Image quality and entropy masking Proceedings»: «Human Vision, Visual Processing, and Digital Display VIII». SPIE, 1997., pp.2 - 12.

62. Marcus Nadenau. «Integration of human color vision models into high quality image compression»: Диссертация №2296, EPFL, Lausanne, 2000.

63. Heidi A. Peterson, Albert J. Ahumada, Jr. and A.B. Watson. «An improved detection model for DCT coefficient quantization»// SPIE, 1993., VI.1913, pp.191 201.

64. Г. Буч. «Объектно Ориентированное программирование с примерами применения» - М.: «Конкорд», 1992. - 519с.

65. База тестовых изображений для проведения верификации моделей объективной оценки артефактов «Live Quality Assessment Database»:http://live.ece.utexas.edu/research/quality/subj ective. htm.

66. Eduardo Miranda. «Improving subjective estimating used paired comparisons»// «IEEE Software», 2001., VI.18, pp.87 91.

67. Глассман К.Ф., Логунов A.H. «Оценка заметности артефактов видеокомпрессии»// «Техника кино и телевидения», 2003, №4.

68. Ч. Петзолд. «Программирование для Windows 95» 1,2 том. СПб.: «BHV - Санкт - Петербург», 1997. - 368с.

69. М.Н. Мишуровский. «Исследование свойств зрительной системы человека в пространстве вейвлет коэффициентов», Межотраслевой научно-технический журнал «Оборонный комплекс - научно-техническому прогрессу России», с. 15* 21, М. 2004/1.

70. М.Н. Мишуровский. «Построение системы квантования коэффициентов вейвлет преобразования, основанной на системе зрения человека», «Микроэлектроника и информатика-2003» // тезисы докладов, с.165, М. 2003г.

71. М.Н. Мишуровский, A.M. Фартуков, Д.И. Шерешевский. «Анализ чувствительности человека к шуму квантованиякоэффициентов биортогонального (2,2) целочисленного ► дискретного вейвлет преобразования Коэна - Добеши

72. Фово», 5 международная конференция и выставка «Цифровая обработка сигналов и ее применение»// доклады конф., с.442.444., М. 2003г.

73. М.Н. Мишуровский. «Адаптивное вейвлет кодирование неподвижных цветных изображений на основе математической модели восприятия визуальной информации человеком», «Телевидение: передача и обработка изображений»// мат. конференции с. 42-44, СПБ. 2003г.

74. И.М. Ковлига, Д.И. Шерешевский, М.Н. Мишуровский, А.Ю. Тишин, A.M. Фартуков. «Исследование влияния системы

75. V цветопредставления изображения на характеристики коэффициентов преобразования», 4-я Международная конференция и выставка «Цифровая обработка сигналов и ее приме• нение», с. 279-280, М. 2002г.

76. М.Н. Мишуровский, Д.И. Шерешевский, И.М. Ковлига, A.M. Фартуков, А.Ю.Тишин. «Автоматизированное построение нормированной оценки качества изображений», «XLV научная конференция МФТИ», М. 2002г.

77. М.Н. Мишуровский, A.M. Фартуков. «Автоматизированный метод оценки качества сжатых изображений», «Микроэлектроника и информатика-2002»// тезисы докладов, с. 102, М. 2002г.

78. М.Н. Мишуровский. «Об одном алгоритме сжатия цифровой информации», «Микроэлектроника и информатика-1998»// тезисы докладов, с. 196, М. 1998г.