Разработка методов и устройств сжатия с раздельным преобразованием составляющих спектра сигнала телевизионного изображения тема диссертации и автореферата по ВАК РФ 05.12.04, кандидат технических наук Седов, Михаил Олегович

• Седов, Михаил Олегович
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Седов, Михаил Олегович

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. ИССЛЕДОВАНИЕ МЕТОДОВ ОТНОСИТЕЛЬНОЙ ОЦЕНКИ КАЧЕСТВА ИЗОБРАЖЕНИЯ В СИСТЕМАХ ЦИФРОВОГО ТЕЛЕВИДЕНИЯ

1.1. Относительная оценка качества изображений в системах цифрового

телевидения

1.2. Эталонные методы оценки изображений

1.3. Оценка качества изображений, основанная на структурном подобии

1.4. Оценка качества изображений с использованием вейвлетов

1.5. Оценка качества изображений на основе дискретного косинусного

преобразования

1.5.1. Разработка алгоритма объективной оценки визуального качества

изображений с ДКП

1.6. Выводы

ГЛАВА 2. ХАРАКТЕРИСТИКИ ПРЕОБРАЗОВАНИЙ И МЕТОДЫ ЦИФРОВОГО СЖАТИЯ СПЕКТРА СИГНАЛОВ ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЙ

2.1. Анализ характеристик спектра структур внутрикадровой

дискретизации сигналов телевизионных изображений

2.2. Сжатие спектра сигналов изображений

2.3. Методы сжатия изображений

2.4. Вейвлет-преобразование

2.4.1. Непрерывное вейвлет-преобразование

2.4.2. Дискретное вейвлет-преобразование

2.5. Энтропийное кодирование

2.5.1. Кодирование Хаффмана

2.5.2. Арифметическое кодирование

2.5.1РЕ02000

2.7. Адаптивные методы сжатия спектра сигналов телевизионных изображений

2.8. Выводы

ГЛАВА 3. РАЗРАБОТКА УСТРОЙСТВА СЖАТИЯ ВИДЕОИНФОРМАЦИИ

3.1. Разработка метода сжатия с адаптивными преобразованиями пространственно-временной структуры текущего телевизионного сигнала.

3.1.1. Ограничение спектра ТВ сигнала по временному направлению. 104 3.1.2 Пространственно-частотная декомпозиции и сжатие сигнала

межкадровой разности

3.2. Разработка устройства межкадрового сжатия

3.3. Адаптивное дискретное вейвлет преобразование

3.3.1. Разработка алгоритма фильтрации изображения под углом 45°

3.3.2. Алгоритм фильтрации под углом 45°

3.4. Разработка устройства внутрикадрового сжатия

3.5. Выводы

ГЛАВА 4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ РАЗРАБОТАННОГО МЕТОДА СЖАТИЯ ИЗОБРАЖЕНИЯ

4.1. Выбор исходных изображений

4.2. Тестирование метода оценки качества изображений

4.3. Этапы работы алгоритма внутрикадрового сжатия

4.3. Объективные оценки качества ДВП и разработанного АДВП

4.4. Этапы работы алгоритма межкадрового сжатия

4.4. Оценка эффективности разработанного метода межкадрового сжатия

4.5. Выводы

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЯ

Приложение 1. Текст программного обеспечения для моделирования

адаптивного вейвлет-преобразования

Приложение 2. Текст программного обеспечения для моделирования

метода межкадрового сжатия

Приложение 3. Акты об использовании результатов диссертационной работы

Введение диссертации (часть автореферата) на тему «Разработка методов и устройств сжатия с раздельным преобразованием составляющих спектра сигнала телевизионного изображения»

ВВЕДЕНИЕ

Актуальность темы. Сегодня мировой и российский рынок систем вещательного и прикладного телевидения переживает переход на цифровые технологии и соответственно - от аналоговых систем к их цифровым вариантам. При этом постоянно расширяется сфера применения систем цифрового телевидения, и активно растут объёмы видеоинформации, которые следует хранить и передавать по сетям связи. С учётом последнего остаётся весьма актуальной задача разработки эффективных, адаптивного типа, методов и алгоритмов сжатия спектра сигналов телевизионных (ТВ) изображений.

При их разработке должно быть обеспечено, по возможности, жёсткое согласование качества ТВ изображения со спецификой функционирования, средой передачи и характеристиками приёмника переданной

видеоинформации.

В частности, для зрения человека характерен интегрально-дифференциальный принцип обработки видеоинформации. Режим функционирования зрительной системы определяется в текущем времени изменениями интегральных параметров изображений. Соответственно этому основной вклад в визуальное качество изображения реализуется восприятием достаточно протяженных в пространстве и во времени структурных элементов объектов видеоконтроля. В то же время зрительная система не воспринимает излишне протяженные (в пространстве и во времени) структурные элементы объектов видеоконтроля (например, протяженный по угловому размеру и медленно меняющийся фон). Заметность изменений структуры таких составляющих определяется трансформациями их спектра при сканировании протяжённых объектов в режиме видеоконтроля.

Поэтому при сжатии спектра видеоинформационных сигналов прикладного телевидения чаще всего основное внимание уделяется сохранению качества передачи относительно протяженных в пространстве кадра контуров, границ, структурных элементов изображения (внутрикадровое сжатие) и, в то же время, допускается деградация мелкоструктурных составляющих изображения, имеющих ограниченные размеры в пространстве кадра или по времени предъявления. При увеличении степени сжатия, например, по методу JPEG малоконтрастные точечные и подобного типа элементы объектов видеоконтроля фактически преобразуются в фоновые элементы размером 4x4 или 8x8 пикселей. Имеет место полное устранение мелкой (на фоне) малоконтрастной структуры изображения. Возникают значительные искажения мелкой структуры в пределах подвижных (в зоне видеоконтроля) объектов. При увеличении степени сжатия имеет место и деградация протяженных высококонтрастных границ, что связано с независимым сжатием кадров в пределах смежных, фиксированных по положению в пространстве блоков. Другим дефектом при увеличении степени сжатия является появление ступенчатости границ, что обусловлено анизотропией сквозной пространственно-частотной характеристики процесса обработки сигнала изображения по методу JPEG. Следовательно, данные методы не согласованы с основным требованием, предъявляемым к системам телевидения высокой и сверхвысокой чёткости, -высококачественное воспроизведение мелкой (тонкой) структуры изображений.

Для стандартов сжатия MPEG характерно к тому же появление пространственно- временных искажений, обусловленных смещениями подвижного контролируемого объекта по отношению к фиксированной по положению в пространстве кадров "сетке блоков" обработки структуры изображения при сжатии. Это отражается трансформациями тонких информационных элементов контролируемых подвижных объектов,

поблочными фазовыми искажениями в условиях передачи малоконтрастных подвижных объектов и другими существенными нелинейными искажениями изображения (укрупнения и пульсации структуры шумов, нарушения формы и положения границ и т.д.).

Несколько другими являются искажения в методах, основанных на вейвлет-преобразовании. Основным преимуществом данного метода является отсутствие блочной структуры. Однако, при увеличении степени сжатия, характерны существенные нелинейные (муарового типа) искажения высокочастотной структуры изображения в пределах внутрикадрового пространства, падение ее контраста или возникновение заметных структурных шумов, исчезновение чёткости в зависимости от уровня сигнала изображения и другие дефекты. К тому же здесь до сих пор не решена задача эффективного сжатия по межкадровому направлению, т.е. при передаче подвижных объектов.

В связи с этим в представленной диссертационной работе основное внимание было уделено актуальному на современном этапе направлению разработки алгоритмов сжатия спектра сигналов изображений с использованием вейвлет-преобразования, позволяющих раздельно и адаптивно обрабатывать в пределах многомерного пространства и заданного диапазона уровней различные составляющие в структуре изображений объектов видеоконтроля. Последнее определяет основу для развития полностью адаптивных методов сжатия, сочетающих в своей основе преимущества различных вариантов, методов и алгоритмов цифровой обработки структуры изображения в процессе сжатия.

Другим требованием, которое учитывалось при выполнении данной диссертационной работы, является ограничение объёма вычислений в процессе реализации предложенных алгоритмов на основе использования уже разработанных и перспективных алгоритмов реставрации сигнала

изображений с сопутствующим упрощением реализации кодирующих устройств.

Цель и задачи работы. Разработка новых методов, алгоритмов и устройств, обеспечивающих высокоэффективное сжатие спектра видеоинформации для систем цифрового телевидения, за счёт формирования многоуровневой пространственно-масштабируемой структуры изображения и соответствующего цифрового потока для её передачи по каналам связи.

Для достижения поставленной цели в работе решаются следующие научно-практические задачи:

1. Анализ современных метрик оценки качества изображений с целью выявления параметров, влияющих на субъективное восприятие искажений, но не учтённых в данных метриках.

2. Сравнительный анализ существующих методов, алгоритмов и существующих стандартов сжатия спектра сигналов ТВ изображений.

3. Разработка методов и устройств внутрикадрового и межкадрового сжатия.

4. Проведение экспериментальной оценки разработанных методов.

Методы исследования. При решении поставленных задач в работе использованы современные методы цифровой обработки изображений, статистической радиотехники, спектрального анализа и программирования.

Научная новизна работы.

1. Разработанный метод оценки качества изображений, учитывает степень заметности искажений на протяжённых границах изображения и на участках изображения, средняя яркость которых приблизительно эквивалентна текущему уровню адаптации зрительной системы человека.

2. Предложенная методика и форма испытательного сигнала, позволяет аналитически проанализировать влияние квантования коэффициентов дискретного косинусного преобразования (ДКП) при сжатии по стандарту JPEG на возникающие при этом искажения.

3. Для вариантов с вейвлет-преобразованием разработан метод увеличения степени сжатия, основанный на интегральном предсказании сигнала изображения текущего кадра, децимации по межкадровому направлению и эффективного кодирования возникающих ошибок предсказания.

4. Предложенная модификация сжатия на основе дискретного вейвлет-преобразования (ДВП), обеспечивает адаптивный учёт ориентации элементов пространственной структуры изображений в пределах растра.

Практическая ценность работы.

1. Разработан алгоритм оценки качества изображений, учитывающий большую заметность искажений на границах, а также отклонение яркости изображения от текущего уровня адаптации.

2. Разработаны структурные схемы устройств внутрикадрового и межкадрового сжатия.

3. Создана компьютерная модель разработанных методов внутрикадрового и межкадрового сжатия.

Реализация результатов работы. Результаты работы использованы при разработке систем передачи видеоинформации в в/ч № 2304 и ФГУП «Научно-исследовательский институт прикладной акустики».

Апробация результатов работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на научно-технических конференциях «Молодые ученые - науке, технологиям и профессиональному образованию в электронике», 2006 г., «Фундаментальные проблемы радиоэлектронного приборостроения», 2007 г., «Технологии информационного общества», 2007 ... 2012 гг.

Публикации. По материалам диссертации опубликовано 11 печатных работ, в том числе 4 - в журналах, соответствующих перечню ВАК.

Объём и структура работы. Диссертация состоит из введения, четырёх глав, заключения, списка литературы и приложения. Работа изложена на 178

страницах машинописного текста. Список литературы включает 107

наименований.

Основные положения, выносимые на защиту:

1. Разработан алгоритм объективной оценки качества изображений, совершенствующий метод, основанный на дискретном косинусном преобразовании, так как учитывает специфику видеоконтроля элементов пространственной структуры ТВ изображения и влияние адаптационных характеристик зрительного восприятия.

2. Разработанная методика анализа специфики искажений, обусловленных подавлением высокочастотных составляющих пространственного спектра при его квантовании, позволяет уменьшить уровень таких искажений при сжатии спектра ТВ изображений.

3. Разработан метод сжатия спектра ТВ сигнала во временном направлении на основе интегрального предсказания текущего кадра, позволяющий увеличить эффективность сжатия спектра видеосигнала.

4. Предложен вариант модифицированного дискретного вейвлет преобразования (ДВП) с адаптационным изменением направлений раздельной обработки в пределах внутрикадрового пространства, позволяющий увеличить эффективность сжатия изображений и уменьшить искажения, вызванные использованием ДВП.

и

Заключение диссертации по теме «Радиотехника, в том числе системы и устройства телевидения», Седов, Михаил Олегович

4.5. Выводы

1. Результат моделирования разработанного алгоритма внутрикадрового сжатия подтвердил прогнозируемую эффективность разработанного метода. На изображениях, где диагональных элементов примерно 50% метод показал увеличение качества сжатых изображений примерно на 1015%, при прочих равных условиях.

2. Эффективность метода межкадрового сжатия растёт соответственно с увеличением диагональных элементов на изображении.

3. Результат моделирования разработанного алгоритма межкадрового сжатия подтвердил прогнозируемую эффективность разработанного метода. На тестовых видеопоследовательность разработанный алгоритм показал свою эффективность.

4. Предварительная фильтрация изображений во временном направлении позволяет существенно улучшить визуальное качество сжатой видеопоследовательности.

ЗАКЛЮЧЕНИЕ

1. Существующие метрики оценки качества изображений не учитывают большую заметность искажений на протяжённых границах изображения, а также отклонение фоновой составляющей изображения от текущего уровня адаптации зрительной системы при сжатии последовательности изображений.

2. При квантовании коэффициентов ДКП вносятся искажения тонких вертикальных и горизонтальных линий на изображении, а также интегральные искажения малоконтрастных границ аналогичной ориентации. Для борьбы с такими искажениями предложены варианты адаптивного положения блоков, а также алгоритм для выявления малоконтрастных протяжённых границ.

3. Анализ выбранных для предварительной фильтрации фильтров показал, что вариант предварительного фильтра с 5 отсчётами существенно превосходит вариант фильтра с 4 отсчётами по степени подавления составляющих временного спектра в диапазоне частот от 12,5 до 30 Гц. Однако фильтр с чётными числом отсчётов является более простым в реализации.

4. Исходя из проведённых исследований, разработан метод межкадрового сжатия, использующий предварительную фильтрацию во временном направлении для улучшения качества сжатых изображений.

5. При сжатии изображений с использованием ДВП следует адаптивно менять направление фильтрации в зависимости от направления протяжённых границ на изображении.

6. Исходя из проведённых исследований, разработан адаптивный метод внутрикадрового сжатия.

Список литературы диссертационного исследования кандидат технических наук Седов, Михаил Олегович, 2013 год

ЛИТЕРАТУРА

1. A.c. 748903 СССР Способ передачи и воспроизведения сигнала изображения/ Безруков В.Н.-Заявл. 1976.-Опубл. 1980, Бюлл.№26.

2. A.c. 1149439 (СССР). Способ измерения амплитудно-частотной характеристики и характеристики относительного времени распространения фазы в телевизионной системе и устройство для его реализации / В.Н. Безруков.

3. A.c. 1211892 СССР Способ формирования телевизионного сигнала цветного изображения и устройство для реализации/Безруков В.Н. -Заявл. 1983.-Опубл.1986, Бюлл.№б.

4. Безруков В.Н. Анализ характеристик спектра ортогональных структур квазипериодической дискретизации в системах телевидения//Радиотехника. - 1989. - №12. - С.З - 7.

5. Безруков В.Н. Принципы построения и анализа характеристик спектра структур дискретизации телевизионных изображений/ЛГехника кино и телевидения. - 1990. - №7. - С.7-23.

6. Безруков В.Н. Разработка и применение элементов теории преобразования сигналов изображений в системах прикладного телевидения. Автореферат диссертации на соискание учёной степени д.т.н., М.: МТУ СИ, 1996. -С. 18-21.

7. Безруков В.Н., Комаров П.Ю., Шушкевич JI.A. Адаптивная коррекция сигнала телевизионного изображения. // Вестник связи. -№6-2010 г.-с. 42-45.

8. Безруков В.Н., Медведев A.A., Седов М.О. Анализ характеристик спектра структур внутрикадровой дискретизации сигналов ТВ-изображений. // T-Comm - Коммуникации и транспорт. -2009,

№ 5, с. 14-17.

9. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео.-М.:ДИАЛОГ-МИФИ, 2003. - 384с.

10. Власюк И.В., Романова Е.П., Сидорова А.И. Кодирование областей повышенного качества в стандарте сжатия изображений JPEG2000. // Труды Московского технического университета связи и информатики. - М.: «ИД Медиа Паблишер», - 2008 г.

11. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет -преобразования. - С.-Петербург: ВУС, 1999.

12. Гихман И.И., Скороход A.B. Введение в теорию случайных процессов. - М.: Наука, 1977. - 568 с.

13. Годен Жак. Колориметрия при видеообработке. - М.: Техносфера, 2008.-327 с.

14. Голубков A.B., Черкашин A.A., Седов М.О. Видеорегистратор ВР-РК-1. // Вестник связи. - М.: ИРИАС, - 2006, № 2 - с. 24.

15. Гонсалес, Вудс Р. Цифровая обработка изображений. - М.: Техносфера, 2005. - 1072 с.

16. Горбачёв В.В., Седов М.О. Опыт применения ADV202 JPEG2000-кодека от Analog Devices // CCTV Focus. - M.: «Ай-Эс-Эс Пресс», - 2005 г., № 3 - с. 46-49.

17. Горбачёв В.В., Седов М.О. Распределённые сети видеонаблюдения с использованием WiFi // CCTV Focus. -М.: «Ай-Эс-Эс Пресс», - 2006, № 2 - с. 10-17.

18. Дьяконов В.П. Вейвлеты. От теории к практике. - М.: Солон-Р, 2002.-448 с.

19. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов. М.: Мир, 1988. 488 с.

20. Дворкович В.П., Дворкович A.B. Новый подход к использованию вейвлет-фильтров при обработке изображений // Цифровая обработка сигналов. 2008. № 1. С. 37...42.

21. Дворкович В.П., Дворкович A.B. Расчет банков фильтров дискретного вейвлет-преобразования и анализ их характеристик // Цифровая обработка сигналов. 2006. № 2. С. 2... 10.

22. Дворкович В.П., Дворкович A.B. Цифровые видеоинформационные системы (теория и практика): Учеб. пособ. M.: Изд-во НИИР-КОМ, 2010. 208 с.

23. Добеши И. Десять лекций по вейвлетам. Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2004. 464 с.

24. Зараменский Д.А., Бекренев В.А., Соловьев В.Е. Оценка уровня размытия и звона в изображениях стандарта JPEG2000. // Международная конференция «Цифровая обработка сигналов и её применение». - 2009 г. - с. 470-473.

25. Зубарев Ю.Б., Кривошеев М.И., Красносельский И.Н. Цифровое телевизионное вещание. Основы, методы, системы. -М.: (НИИР-ИОИ), 2001.

26. Копенков В.Н. Эффективные алгоритмы локального дискретного вейвлет-преобразования с базисом Хаара. // Компьютерная оптика, том 32 - №1 - 2008 г. - с. 78-84.

27. Красильников H.H. Теория передачи и восприятия изображений. -М.: Радио и связь, 1986.-248 с.

28. Кривошеев М.И. На старте широкого внедрения цифрового телевизионного вещания в России. // 625 - №1 - 2008 г.

29. Кривошеев М.И. Основы телевизионных измерений. - М.: Радио и связь, 1989.-608 с.

30. Некрасов П. Л. Перспективы развития систем кодирования видеоинформации. // Третий международный конгресс HAT.

«Прогресс технологий телерадиовещания», тезисы докладов, -Москва - 1999 г.

31. Некрасов П. Л., Фокин Н. В., Квиринг Г. Ю. Методы субъективной оценки качества телевизионного изображения в системах с информационным сжатием. Телевизионная техника. -М.:МТУСИ, 2000. Деп. в ЦНТИ "Информсвязь".

32. Новиков И.Я., Стечкин С.Б. Основные конструкции всплесков. // Фундаментальная и прикладная математика. -т. 3, вып. 4. - 1997 г. - с. 999-1028.

33. Рабинович A.B. Оценка статистических характеристик преобразованных изображений // Материалы международного форума информатизации (МФИ-2003), "Телекоммуникационные и вычислительные системы", Москва, 26 ноября 2003.

34. Седов М.О. Вейвлеты и зрительная система человека. // Фундаментальные проблемы радиоэлектронного приборостроения. Материалы международной научно-технической конференции «INTERMATIC -2007». - М.:МИРЭА, -2007 г. - с. 245-246.

35. Седов М.О. Система сжатия с разделением спектра сигнала изображения на пространственно-временные составляющие. // Технологии информационного общества: Тезисы докладов московской отраслевой научно-технической конференции. - М.: Инсвязьиздат - 2007 г. - с. 103-104.

36. Седов М.О., Горбачёв В.В. Использование преимуществ стандарта JPEG2000 в беспроводных системах видеонаблюдения. // Материалы международной научно-технической школы-конференции «Молодые ученые - науке, технологиям и профессиональному образованию в электронике» - Часть 1. -М.:МИРЭА, - 2008 г. - с. 208-211.

37. Седов М.О., Горбачёв В.В. Система видеонаблюдения, построенная на коммуникационных линиях разной пропускной способности. // Труды Московского технического университета связи и информатики. - М.: «ИД Медиа Паблишер», - 2008 г. -T.l.-c. 447-450.

38. Сергиенко А. Б. Цифровая обработка сигналов. - СПб.: Питер, 2002.

39. Сидоров Д.В., Осокин А.Н., Марков Н.Г. Оценка качества изображений с использованием вейвлетов. // Известия Томского политехнического университета. 2009. Т. 315. № 5.

40. Смирнов А.В. Основы цифрового телевидения: Учебное пособие.-М.: "Горячая линия - Телеком", 2001.

41. Умняшкин С. В. Теоретические основы цифровой обработки

и представления сигналов: Учебное пособие. - М.: ИД «Форум», 2008. - 304 с.

42. Чобану М.К. Многомерные многоскоростные системы обработки сигналов. М.: Техносфера, 2009. 480 с.

43. Штойер Р. Многокритериальная оптимизация: теория, вычисления и приложения: пер. с англ. / под ред. А.В. Лотова. -М.: Радио и связь, 1992. - 504 с.

44. Aggarwal М., Naarayan A. Efficient Huffman decoding. // IEEE International Conference "Image Processing", vol. 1 - 2000 - p. 936939.

45. Anson L. F. Fractal Image Compression. /BYTE, v. 18, #11, 1993.

46. Barnsley M., Fractals Everywhere./ Academic Press Boston, 1988.

47. Barnsley M., Hurd L.P. Fractal Image Compression. / A.K. Peters Ltd., Wellesly, Massachusetts.

48. Barnsley M., Sloan A. A better way to compress images./ BYTE, v. 13, 1988.

49. Bamberger R. H., Smith M. J. T. A filter bank for the directional decomposition of images: Theory and design // IEEE Trans. Signal Proc.. 1992. V. 40. №. 4. P. 882...893.

50. Barnsley M.F., Demko S. Iterated function systems and the global construction of fractals // Proc. Roy. Soc. London A399. 1985. P. 243...275.

51. Berger T. Rate distortion theory for sources with abstract alphabet and memory // Inform. Contr. 1968. V. 13, P. 254...273.

52. Buades A., Coll B., Morel J.M. A review of image denoising methods, with a new one // Multiscale Modeling and Simulation. 2006. V. 4(2). P. 490...530.

53. Calderbank R., Daubechies I., Sweldens W., Yeo B.-L. Wavelet transforms that mapin tegers to integers // Appl. Comput. Harmon. Anal. 1998. V. 5. № 3. P. 332...369.

54. Candes E. J. Ridgelets: Theory and Applications. Ph.D. thesis. Department of Statistics, Stanford University. 1998

55. Candes E. J., Donoho D. Curvelets: a surprisingly effective nonadaptive representation for objects with edges // Curves and Surface Fitting: Saint-Malo. Vanderbilt Univ. Press.,Nashville. 1999. P. 105...120.

56. Cassereau P. A New Class of Optimal Unitary Transforms for Image Processing. Master's Thesis. Mass. Inst. Tech.. Cambridge. 1985.

57. Cham W.-K. Development of integer cosine transforms by the principle of dyadic symmetry // IEEE Communications, Speech and Vision. 1989. V. 136, № 4, P. 276...282.

58. Charith G., Abhayaratne K. Spatially adaptive wavelet transforms: an optimum interpolation approach // 3-rd International Workshop on Spectral Methods and Multirate Signal Processing (SMMSP). 2003. P. 155...162.

59. Chou P. A., Lookabaugh T., Gray R. M. Entropy-constrained vector quantization // IEEE Trans. Acoust., Speech, Signal Processing. 1989. V. 37. P. 31...42.

60. Chou P. A., Lookabaugh T., Gray R. M. Optimal pruning with applications to tree-structured source coding and modeling // IEEE Trans. Inform. Theory. 1989. V. 35. P. 299...315.

61. Claypoole R.L., Baraniuk R.G. Adaptive wavelet transforms via lifting // In Transactions of the International Conference on Acoustics, Speech and Signal Processing. 1998. № 5. P. 1513...1516.

62. Cohen A., Daubechies I., Feauveau J.C. Biorthogonal bases of compactly supported wavelets // Comm. Pure Appl. Math., 45. 1992. P. 485...560.

63. Daubechies I. Orthonormal bases of compactly supported wavelets // Commun. on Pure Appl. Math. 1988. V. 41, № 11. P. 909...996.

64. Daubechies I. Ten lectures on wavelets. CBMS-NSF conference series in applied mathematics. SIAM Ed., 1992.

65. Daubechies I, Sweldens W. Factoring wavelet transforms into lifting steps // J. Fourier Anal. Appl. 1998. V. 4, № 3. P. 245...267.

66. Daubechies I., Sweldens W. Factoring wavelet transforms into lifting steps // IEEE Trans. Image Processing. 2000. V. 9, № 3. P. 480...496.

67. Engelke U., Kusuma T.M., Zepernick H.-J. Perceptual Quality Assessment of Wireless Video Applications // Proc. the 4th International Symposium on Turbo Codes in connection with 6th International ITG-Conference on Source and Channel Coding. - 2006. -P. 92-96.

68. Ergude B., Weisheng L., Dongrui F., Xiaoyu M. A Study and lamentationion of the Huffman Algorithm Based on Condensed Huffman Table. // IEEE International conference "Computer Science and Software Engineering", Vol. 6 - 2008 - p. 42-45.

69. Feng Xiao. DCT-based Video Quality Evaluation. Final Project for EE392J. 2000r.

70. Geisler W. S. and Banks M. S. "Visual performance," in Handbook of Optics, M. Bass, Ed. New York: McGraw-Hill, 1995.

71. Grgic, S., Grgic, M. Picture quality measures in image compression systems // EUROCON 2003. Computer as a Tool. - 2003. - Vol. 1. - P. 233-236.

72. • Grgic S., Mrak M., Grgic M. Comparison of JPEG image coders.

Proceedings of the 3rd international symposium on video processing and multimedia communications, VIPromCom-2001, Zadar, 2001.

73. Grossman A, Morlet J. Decomposition of hardy functions into square integrable wavelets of constant shape. SIAM Journal on Mathematical Analysis, 15(4):723-736, July 1984.

74. Hilton M. L., Jawerth B., Sengupta A. Compressing Still and Moving Images with Wavelets // Multimedia Systems, vol. 2(3), 1994.

75. Horita Y., Arata S., Murai T. No-reference image quality assessment for JPEG/JPEG2000 coding // Proc. of the XII European Signal Processing Conference. - 2004. - P. 1301-1304.

76. Huffman D. A Method for the Construction of Minimum Redundancy Codes//Proceedings of the IRE 40(9): 1098-1101, 1952.

77. ISO/IEC 13818-2. Information Technology — Generic Coding of Moving Pictures and Associated Audio Information: Video, 1995.

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

79. ITU-R Rec. BT.500-11. Methodology for the subjective assessment of the quality of television pictures. - 2002.

80. ITU-T Rec. H.261. Video codec for audiovisual services at px64 kbit/s, 1993.

81. ITU-T Rec. H.263. Video coding for low bitrate communication, 1996.

82. ITU-T Rec. H.264. Advanced video coding for generic audiovisual services. - 2010.

83. ITU-T Rec. P.910. Subjective video quality assessment methods for multimedia applications. - 1999.

84. ITU-T Rec. T.81. Joint Photographic Experts Group. - 1993.

85. Jones P., Daly S., Gaborski R., Rabbani M., Comparative study of wavelet and DCT decompositions with equivalent quantization and encoding strategies for medical images, in: Proceedings of the SPIE, San Diego, CA, USA, February 1995, Vol. 2431, pp. 571-582.

86. Knuth, D.E. (1985) "Dynamic Huffman Coding," Journal of Algorithms 6:163-180.

87. Kiang S.-Z., Baker R. L., Sullivan G. J., Chiu C.-Y. Recursive optimal pruning with applications to tree structured vector quantizers // IEEE Trans. Image Processing. 1992. V. 1, P. 162... 169.

88. Kovacevic J., Vetterli M. Nonseparable, multidimension perfect reconstruction filter banks and wavelet bases for Rn // IEEE Trans, inform, th., special issue on Wavelet transforms and multiresolution signal analysis. 1992. V. 38, № 2. P. 533...555.

89. Le Pennec E., Mallat S. Sparse Geometrical Image Approximation with Bandelets // IEEE Trans. Image Proc. 2004. V. 14. № 4. P. 423...438.

90. Lewis A., Knowles G. Image coding using the 2-D wavelet transform // IEEE Trans, on image processing, vol. 1, 1992.

91. Lewis A. S., Knowles G. Video compression using 3D wavelet transforms // Electron. Lett. 1990. V. 26. № 6. P. 396...397.

92. Linde Y., Buzo A., Gray R. M.. An algorithm for vector quantizer design // IEEE Trans. Commun. 1980. V. COM-28, P. 84...95.

93. Lloyd S. P. Least squares quantization in PCM // unpublished Bell Lab. Tech. Note, portions presented at the Institute of Mathematical Statistics Meet. Atlantic City. NJ. 1957.

94. Mallat S. A theory for multiresolution signal decomposition: The wavelet representation // IEEE Transactions on pattern analysis and machine intelligence, 11(7), 1989.

95. Malvar H. S. Reduction of blocking effects in image coding with a lapped orthogonal transform // Proc. of Intl. Conf. on Acoust., Speech, Signal Processing. Glasgow, Scotland. 1988. P. 781...784.

96. Malvar H. S. Lapped transforms for efficient transform/subband coding // IEEE Trans. Acoust., Speech, Signal Processing, ASSP-38. 1990. P. 969...978.

97. Malvar H. S. Signal Processing with Lapped Transforms. Norwood, MA: Artech House. 1992.

98. Mandelbrot B. The Fractal Geometry of Nature./ W. H. Freeman, NY, 1983.

99. Monroe D., Dudbridge F. Fractal Block Coding of Images./ Electronics Letters, v.28, #11, 1992.

100. Park H., Son J.-C., Cho S.-R. Area efficient fast Huffman decoder for multimedia applications. // IEEE International Conference "Acoustic, Speech, and Signal Processing", vol. 5 - 1995 - p. 3279-3281.

101. Sultana, Z., Akter, S. A new approach of memory efficient Huffman tree representation technique. // IEEE International Conference "Informatics, Eletctronics & Vision (ICIEV)" - 2012 - p. 731 -736.

102. Wang Z., Bovik A.C. Embedded foveation image coding. IEEE Trans. Image Processing, vol. 10, pp. 1397-1410, Oct. 2001.

103. Wang Z., Bovik A.C. Modern image quality assessment. -N.Y.: Morgan & Claypool, 2006. - 157 p.

104. Wang Z., Bovik A.C., and Lu L. Why is image quality assessment so difficult // Proc. IEEE Int. Conf. Acoustics, Speech, and Signal Processing, vol. 4. - 2002. - P. 3313-3316.

105. Watson A.B. Toward a perceptual video quality metric. Human Vision, Visual Processing, and Digital Display VIII, 3299, 139-147 (1998)

106. Wei B.W.Y., Meng Teresa H.-Y. A programmable parallel Huffman decoder. // IEEE International Conference "Image Processing", vol. 3 -1994-p. 668-771.

107. Zhong Y., Richardson I. Qualitative and quantitative assessment in video compression. URL:

http://www.rgu.ac.uk/files/0ualitative%20and%20quantitative%20ass essment%20in%20video%20compression.pdf