Алгоритмы и программные средства для вейвлет-сжатия и оценки качества изображений

Сидоров, Дмитрий Владимирович

Системный анализ, управление и обработка информации (по отраслям)

автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Алгоритмы и программные средства для вейвлет-сжатия и оценки качества изображений

кандидата технических наук: Сидоров, Дмитрий Владимирович
город: Томск
год: 2011
специальность ВАК РФ: 05.13.01

Диссертация по информатике, вычислительной технике и управлению на тему «Алгоритмы и программные средства для вейвлет-сжатия и оценки качества изображений»

Автореферат диссертации по теме "Алгоритмы и программные средства для вейвлет-сжатия и оценки качества изображений"

На правах рукописи

Сидоров Дмитрий Владимирович

Алгоритмы и программные средства для вейвлет-сжатия и оценки качества изображений

05.13.01 — Системный анализ, управление и обработка информации (отрасль: промышленность)

Авторефе рат

диссертации на соискание ученой степени кандидата технических наук

Томск-2011

1 6 июн 2011

4850376

Работа выполнена на кафедре вычислительной техники ГОУ ВПО Нацио нальный исследовательский Томский политехнический университет

Научный руководитель:

доктор технических наук, профессо Заслуженный деятель науки РФ Марков Николай Григорьевич

Официальные оппоненты:

доктор технических наук, старш

научный сотрудник

Протасов Константин Тихонович

кандидат технических наук Сарайкин Андрей Витальевич

Ведущая организация:

Новосибирский государственнь технический университет

Защита состоится 28 июня 2011 г. в 15 часов на заседании Совета по защ] докторских и кандидатских диссертаций Д 212.269.06 при Национальном следовательском Томском политехническом университете по адресу 6340 г. Томск, ул. Советская, 84/3, Институт кибернетики НИ ТПУ, ауд. 214.

С диссертацией можно ознакомиться в библиотеке Национального иссле вательского Томского политехнического университета по адр 634034, г. Томск, ул. Белинского, 55.

Автореферат разослан мая 2011г. .

Ученый секретарь Совета по защите докторских и кандидатских диссертаций Д 212.269.(

кандидат технических наук, доцент

Общая характеристика работы

Актуальность темы.

Существующие алгоритмы сжатия изображений можно разделить на два класса: без потерь и с потерями. Класс алгоритмов сжатия без потерь редко используется для сжатия фотореалистичных изображений, т.к. обеспечивает малый коэффициент сжатия (обычно не более 5). Наиболее распространены алгоритмы сжатия с потерями, в основу которых положено предположение о том, что в исходном изображении содержится информация, которая слабо воспринимается зрительной системой человека (ЗСЧ). При сжатии эта часть информации безвозвратно теряется, что позволяет значительно увеличить коэффициент сжатия изображений при «неизменном», с точки зрения человека, качестве.

На основании анализа результатов отечественных и зарубежных исследований и прикладных проектов по сжатию изображений можно сформулировать основные требования (критерии оценки эффективности) к алгоритмам сжатия изображений с потерями, применяемым в промышленности:

1. малое время сжатия и распаковки (от 40 мс);

2. высокий коэффициент сжатия (до 150);

3. высокое качество восстановленного (распакованного) изображения (пиковое отношение сигнал/шум от 24-26 дБ и более, в зависимости от решаемой прикладной задачи).

На современном этапе развития алгоритмов сжатия изображений алгоритм JPEG2000, пришедший на смену алгоритму JPEG и основанный на вейвлетах, считается лучшим по второму и третьему критериям и принимается многими исследователями и разработчиками за эталон. Однако удовлетво-

рить первому критерию полностью не удается, т.к. этот алгоритм сложен реализации и достаточно требователен к вычислительным ресурсам. Всё ска занное указывает, что задача разработки нересурсоёмких алгоритмов сжати изображений, используемых в промышленности, до сих пор актуальна.

Отметим, что не все указанные критерии оценки эффективности алго ритмов сжатия легко поддаются численному измерению. Так измерение ско роста и коэффициента сжатия является простой задачей, а оценка качеств восстановленных (распакованных) изображений во многом зависит от чело веческого фактора (мнения экспертов), что делает актуальным вопрос о оценке качества восстановленных изображений без участия человека.

Существует два класса методов оценки качества изображений: субъек тивный (экспертный) и объективный (математический). Известно, что самы надежные оценки качества изображения обеспечивают субъективные мето ды, но их применение на практике требует большого количества подготов ленных людей и времени. Эффективным решением данной проблемы являет ся применение объективных методов (математических оценок). Историческ объективные методы для оценки качества изображений основывались на про стых математических выражениях, таких как среднеквадратичная ошибк или дисперсия (СКО, англ. название MSE) и пиковое отношение сигнал/ш) (ПОСШ, англ. название PSNR). Это объясняется сравнительно малой изуче: ностью вопроса о работе ЗСЧ и отсутствием соответствующих статистич ских данных. Относительно недавно были предложены более сложные в вь числительном плане алгоритмы - SSIM и CW-SSIM (авторы Z. Wang, Е. S moncelli, A. Bovik), которые в ряде приложений показывают хорошую согл сованность с экспертными оценками и обладают значительным потенциало модернизации, цель которой - повышение достоверности результатов оценк качества изображений. Термин достоверность здесь и далее, применительн к результатам математической оценки качества изображений, означает, ч: алгоритм должен давать оценку, максимально близкую к той, которая бьи получена в ходе экспертного метода. Анализ результатов исследований ро сийских и зарубежных ученых показал, что задача разработки новых и улу шения существующих алгоритмов оценки, например SSIM и CW-SSIM, i сих пор крайне актуальна.

Целью диссертационной работы является разработка алгоритмов программных средств, предназначенных для вейвлет-сжатия и оценки кач ства восстановленных фотореалистичных статических изображений в пр мышленности.

Для достижения поставленной цели необходимо последовательное р шение следующих задач.

1. Разработка алгоритмов математической оценки качества восстало ленных изображений. Решение этой задачи предполагает также исследоваш эффективности предлагаемых алгоритмов.

2. Разработка алгоритмов вейвлет-сжатия изображений. Решение данной задачи предполагает также исследование эффективности предлагаемых алгоритмов.

3. Создание для разработанных алгоритмов программных средств для вейвлет-сжатия и оценки качества восстановленных изображений, используемых в промышленности.

4. Апробация разработанных алгоритмов и программных средств при решении прикладных задач в промышленности.

Научную новизну полученных в работе результатов определяют.

1. Алгоритм QWC вейвлет-сжатия фотореалистичных изображений, отличающийся от алгоритма JPEG2000 большим быстродействием при сопоставимом качестве восстановленного изображения (коэффициент сжатия одинаков).

2. Алгоритм BF-QWC вейвлет-сжатия фотореалистичных изображений, разработанный для цифрового сигнального процессора ADSP-BF533 фирмы Analog Devices, отличающийся от алгоритма QWC модифицированным квазииррациональным вейвлет-преобразованием, сокращенной схемой сжатия и адаптированным под источник сигнала квантователем.

3. Модифицированные алгоритмы AWS и FAWS для математической оценки качества восстановленных фотореалистичных изображений, отличающиеся от классического алгоритма CW-SSIM большей достоверностью, а в случае алгоритма FAWS - ещё и большей скоростью вычисления оценки качества.

4. Модифицированные алгоритмы MSSIM и FMSSIM для математической оценки качества восстановленных фотореалистичных изображений, отличающиеся от классического алгоритма SSIM большей достоверностью, а в случае алгоритма FMSSIM - ещё и большей скоростью вычисления оценки качества.

Практическая ценность и реализация результатов работы.

Практически значимыми являются созданные алгоритмы и программные средства, организованные в виде комплекса программ. Программный комплекс предназначен для вейвлет-сжатия и оценки качества восстановленных фотореалистичных изображений и пригоден для решения практически важных задач в промышленности. Программы написаны на языках Си и ассемблер цифрового сигнального процессора (ЦСП) ADSP-BF533 с использованием сред разработки Microsoft Visual Studio 2008, Embarcadero RAD Studio 2010, VusualDSP++ 5.0 и Anjuta для IBM PC-совместимых компьютеров, суперкомпьютерного кластера (СКК) «СКИФ-политех» и ЦСП ADSP-BF533. Объём исходного кода программ 6700 строк. На программное средство оценки качества изображений получено свидетельство о государственной регистрации программы для ЭВМ №2011612637 от 31.03.2011.

Разработанный комплекс программ был использован для решения следующих практически важных задач в промышленности.

1.. Обеспечение видеоидентификации работников в системе контро доступа (СКД) на режимные объекты предприятий пищевой промышленно ста. Разработанный программный модуль для СКД обеспечивает оператив ный контроль в режиме верификации доступа работника на режимный объ ект (объекты), т.е. позволяет охраннику производить визуальное сравнени предъявителя пропуска, его фотографии из базы данных отдела кадров снимка с видеокамеры, который после сжатия сохраняется в базу снимко истории доступа на объект. На основании полученных данных охранник при нимает решение о допуске работника на режимный объект.

2. Обеспечение видеонаблюдения для электронных систем удаленног мониторинга и управления угле- и соледобывающими комбайнами. Разрабо танная видеоподсистема позволяет получать и передавать по цифровым ка налам сжатые полутоновые изображения рабочего органа комбайна от циф ровой камеры наблюдения к пульту управления, который отображает полу ченные изображения комбайнеру (оператору). На основании полученных ви деоданных комбайнер удаленно управляет и следит за процессом добычи уг ля (соли).

Разработанные алгоритмы и программные средства для вейвлет-сжат! и оценки качества изображений были внедрены в ОАО «Томское пиво» ООО «НПФ «Автоматика». Результаты внедрения подтвердили их эффе тивность при решении практически важных задач в пищевой и угольной о раслях промышленности.

Алгоритмы BF-QWC, AWS, MSSIM и их программные реализации и пользуются в учебном процессе Института кибернетики Национального и следовательского Томского политехнического университета.

Результаты внедрения подтверждены соответствующими актами.

Основные положения, выносимые на защиту.

1. Алгоритм QWC позволяет осуществлять сжатие/распаковку фоторе листанных изображений быстрее алгоритма JPEG2000 при сопоставимом к честве восстановленного изображения и одинаковом коэффициенте сжатия.

2. Алгоритм вейвлет-сжатия фотореалистичных изображений BF-QW для недорогого и малопроизводительного цифрового сигнального процессо{ ADSP-BF533 фирмы Analog Devices обеспечивает сопоставимые с алгори мом QWC время сжатия/распаковки, коэффициент сжатия и качество восст новленных изображений.

3. Модифицированные алгоритмы AWS и FAWS позволяют произв дить математическую оценку качества восстановленных фохореалистичнь изображений с большей достоверностью, чем классический алгоритм CV SSIM, а в случае алгоритма FAWS - ещё и с большей скоростью.

4. Модифицированные алгоритмы MSSIM и FMSSIM позволяют прои водить математическую оценку качества восстановленных фотореалисти ных изображений с большей достоверностью, чем классический алгорит SSIM, а в случае алгоритма FMSSIM - ещё и с большей скоростью.

Апробация работы.

Основные результаты работы докладывались и обсуждались на следующих конференциях: IV, V, VI и IX Всероссийских научно-практических конференциях студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии» (г. Томск, 2006,2007,2008, 2011 гг.); Х1П и XIV Международных научно-практических конференциях студентов и молодых ученых «Современная техника и технологии» (г. Томск, 2007, 2008 гг.); XII Международной научно-технической конференции и выставке «Цифровая обработка сигналов и ее применение» (г. Москва, 2009 г.), VII Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Технологии Microsoft в теории и практике программирования» (г. Томск, 2010 г.).

Результаты диссертационной работы оценивались на конкурсах и получили следующие награды: диплом I степени на IV и V Всероссийских научно-практических конференциях студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии» (г. Томск, 2006, 2007 гг.); диплом II степени на XIV Международной научно-практической конференции студентов и молодых ученых «Современные техника и технологии» (г. Томск, 2008 г.).

Работа была поддержана грантом программы «Участник Молодежного Научно-Инновационного Конкурса» («У.М.Н.И.К.») Фонда содействия развитию малых форм предприятий в научно-технической сфере (проект выполнялся в период 2007-2010 гг.).

По результатам диссертационных исследований опубликовано 10 работ, в том числе 3 статьи в рецензируемых изданиях, рекомендованных ВАК.

Личный вклад.

1. Постановка задач диссертационного исследования выполнена автором совместно с Н.Г. Марковым.

2. Разработка алгоритмов сжатия QWC и BF-QWC выполнена совместно с А.Н. Осокиным.

3. Разработка алгоритмов оценки качества восстановленных фотореалистичных статических изображений MSSIM, FMSSIM, AWS, FAWS и программных средств QWC, BF-QWC, ADSP-Reader, IMQ, QWC-A, BFQWC-A проведена автором.

4. Численные эксперименты по исследованию эффективности предложенных алгоритмов вейвлет-сжатия и оценки качества изображений проведены автором.

5. Разработка программного модуля видеоидентификации для системы контроля доступа на режимные объекты предприятий пищевой промышленности проведена автором. Внедрение модуля осуществлено в ОАО «Томское пиво» совместно с сотрудниками предприятия Бойко Е.Н и Насоновым А.С.

6. Разработка программного модуля видеоподсистемы в составе электронной системы мониторинга и удаленного управления угле- и соледобывающими комбайнами проведена автором. Внедрение программного модуля

в опытный образец системы мониторинга и удаленного управления угольными комбайном КП21ДР осуществлено в ООО «НПФ «Автоматика» совместно с сотрудниками предприятия Барановым А.Ю. и Ануфриевым A.C.

Объем и структура работы.

Диссертация состоит из введения, четырех глав, заключения, списка использованных источников из 100 наименований и трех приложений. Объем диссертации составляет 148 страниц машинописного текста, иллюстрированного 27 рисунками и 19 таблицами.

Содержание работы

Во введении обосновывается актуальность работы в данном научном направлении, формулируются цель и задачи диссертационного исследования.

Первая глава посвящена анализу существующих алгоритмов сжатия цветных и полутоновых фотореалистичных изображений и оценке их качества.

В первом разделе главы приведена классификация основных (наиболе распространенных) алгоритмов сжатия цветных и полутоновых фотореали стачных изображений. Приведены основные требования (критерии оценю эффективности) к алгоритмам сжатия изображений с потерями, используе мым в промышленности:

1. малое время сжатия и распаковки (от 40 мс);

2. значительный коэффициент сжатия (до 150);

3. высокое качество восстановленного изображения (ПОСШ от 24-26 д] и более, в зависимости от решаемой прикладной задачи).

Кроме этих требований в промышленности к таким алгоритмам част предъявляется дополнительное требование - простота программно аппаратной реализации алгоритмов сжатия изображений.

Проведен анализ основных наиболее распространенных алгоритмо сжатия цветных и полутоновых фотореалистичных изображений на соответ ствие этим требованиям (критериям). Показано, что на данный момент п< второму и третьему критериям лучшим алгоритмом сжатия изображена признан JPEG2000, основанный на вейвлетах. Однако этот алгоритм не удое легворяет первому и дополнительному критериям, т.к. он сложен в реализг ции и достаточно требователен к вычислительным ресурсам. Проведенны анализ показал, что задачи упрощения алгоритма сжатия JPEG2000, равн как и разработки новых алгоритмов вейвлет-сжатия, в том числе пригодны для программно-аппаратной реализации на современных недорогих вычш лительных средствах, продолжают оставаться актуальными.

Во втором разделе главы рассмотрена проблема получения достовернь: оценок качества изображений, т.к. она играет одну из ключевых ролей пр исследовании эффективности алгоритмов сжатия изображений. Приведи классификация методов оценки качества изображений и рассмотрены наиб' лее распространенные алгоритмы получения таких оценок. Известно, что с мыми надежными методами оценки качества изображения считаются субъе

тивные методы (экспертные оценки), но их применение требует большого количества подготовленных людей и значительного количества времени, и, как правило, поэтому они малопригодны для использования в реальных ситуациях. Эффективным решением данной проблемы является применение объективных методов (алгоритмов) для проведения математических оценок, дающих максимально приближенную к экспертному подходу оценку качества изображений. Выявлено, что алгоритмы, основанные на простых математических выражениях, таких как СКО или дисперсия (англ. название МЭЕ) и ПОСШ (англ. название РБ^), дают невысокую достоверность при оценке качества изображений. Это объясняется сравнительно малой изученностью вопроса о работе ЗСЧ и отсутствием соответствующих статистических данных. Широкая распространенность этих алгоритмов объясняется простотой их программной реализации. Относительно недавно были предложены более сложные в вычислительном плане алгоритмы - 581М (индекс структурного сходства) и С\У-881М (вейвлет-индекс структурного сходства), которые в ряде приложений показывают хорошую согласованность с субъективными оценками качества изображений и обладают значительным потенциалом для модификации! На основании проведенного анализа сделан вывод о том, что задача разработки новых и улучшения существующих, например ББИу! и С\У-881М, алгоритмов оценки качества изображений до сих пор актуальна.

На основании проведенного анализа состояния проблемы сформулированы цель и задачи диссертационного исследования.

Во второй главе рассмотрены алгоритмы оценки качества восстановленных фотореалистичных изображений, положенные в основу программного комплекса. Подробно описаны и рассмотрены известные алгоритмы ББМ и СШ-ББМ, дающие наиболее приближенные к экспертной оценке результаты оценки качества изображений. Выявлены основные недостатки указанных алгоритмов и предложены пути их преодоления. Поставлено два численных эксперимента, для проведения которых были разработаны специализированные программные средства. Первый численный эксперимент нацелен на подбор значений коэффициентов (параметров) комплексного дискретного ориентированного вейвлет-преобразования (количества шагов и ориентированных высокочастотных диапазонов) в алгоритме СХУ-БЗГМ с тем, чтобы повысить достоверность получаемых оценок качества изображений и скорость их вычисления. На основании полученных результатов предложены два модифицированных алгоритма оценки качества восстановленных изображений А\УБ и БАЭДБ. Цель второго эксперимента - поиск значений весовых коэффициентов (показателей степеней составляющих оценки для окна: яркости, контраста и структуры) алгоритма ББиЛ, также повышающих достоверность оценок качества изображений и скорость их вычисления. На основании полученных результатов предложены два модифицированных алгоритма оценки качества изображений МБЗШ и РМЗЭ1М.

Предложенные алгоритмы АШБ, РА\\^, МББШ и РМЗБМ были исследованы на скорость получения оценки качества двух изображений из набора

Calgary Corpus: Lena (файл lena.bmp, размер изображения 512x512 пикселей, полутоновое, глубина 8 бит на пиксель) и Butterfly (файл but.bmp, размер изображения 768x512 пикселей, полутоновое, глубина 8 бит на пиксель). Исследование проводилось на ПК со следующими основными характеристиками: ЦП - Athlon 4000+ (2,6 ГГц, одноядерный); ОЗУ - DDR2 800 МГц, 4 Гбайт; ОС - Windows ХР SP3 32 разрядная версия. Результаты исследования представлены на рис. 1 (показано минимальное замеренное время вычисления оценки). На основании этих результатов исследования сделаны следующие основные выводы:

1. алгоритм MSSIM значимо не уступает в скорости вычисления оценки своей исходной реализации (алгоритму SSIM);

2. алгоритмы AWS. FAWS и FMSSIM значительно превосходят в скорости вычисления оценки (относительное время сократилось не менее чем на 44%) свои соответствующие исходные реализации.

а - результаты исследования для алго- б - результаты исследования для алгорит-ритмов CW-SSIM, AWS и FAWS. мов SSIM, MSSIM и FMSSIM.

Рис. 1. Результаты исследования предложенных алгоритмов на скорость вычисления оценки Модифицированные алгоритмы оценки качества изображений AWS. FAWS, MSSIM, FMSSIM и их классические аналоги были исследованы на достоверность оценки качества на эталонном наборе изображений TID2008. Этот набор состоит из 1700 специально отобранных и сгенерированных изображений, позволяющих при тестировании (исследовании) на нем различны: алгоритмов оценки качества изображений определять наличие корреляции \ коэффициенты корреляции между значениями алгоритма и численной оцен

кой человеческого воспри ятия качества изображений Экспертные оценки качест ва для этого набора изобра жений были предоставлень вместе с набором. Досто верность оценок качеств! изображений определялаа с помощью непараметриче ских методов Спирмена i Рис. 2. Результаты исследования алгоритмов оценки Кендалла. Результаты пред качества изображений на достоверность ставлены на рис. 2.

| 0.9 ?

| о.а

г 5 Й

О 5 © ^ « ¡5 <о. ^ „ ^ л

II И

S Спирмен Кендалп

Согласно результатам исследования (рис. 2) все предложенные алгоритмы обеспечивают более достоверную оценку качества (не менее чем на 10% относительно аналогов), нежели их классические аналоги С\У-881М, ББШ и наиболее распространенные алгоритмы РЭМ*, и МБЕ.

Третья глава посвящена разработке алгоритмов вейвлет-сжатия изображений, пригодных для практического применения в промышленности.

Разработка алгоритма вейвлет-сжатия С^С осуществлялась посредством упрощения и исключения определенных этапов обработки изображения из алгоритма ЛРЕС2000, но с учётом предъявленных ранее требований (критериев оценки эффективности) к алгоритмам сжатия изображений в промышленности. Обобщённые схемы алгоритмов №ЕС2000 и С^С приведены

В ходе разработки алгоритма <3\УС предложена оригинальная схема квантования и упаковки вейвлет-коэффициентов, существенно упрощающая и ускоряющая выполнение аналогичного этапа квантования в алгоритме 1РЕ02000. При реализации схемы свертки вейвлет-коэффициентов сделано предположение о том, что эти коэффициенты на более высоких уровнях разложения обладают большей энергией, чем на нижних, следовательно, должны квантоваться менее грубо. Так как к разрабатываемому алгоритму предъявляется требование простоты реализации и, соответственно, высокой скорости работы, то коэффициенты квантования & Для каждого уровня вычисляются из коэффициента квантования нижестоящего уровня согласно формуле:

где / - уровень вейвлет-преобразования (начиная со второго), I - поправочный коэффициент (найден в ходе численного эксперимента), ~~ начальный коэффициент квантования (найден в ходе численного эксперимента).

В алгоритме сжатия (}\УС так же, как и в алгоритме 1РЕС2000, главным параметром при сжатии изображения, который указывает пользователь, является коэффициент сжатия Кс (размер сжатого файла). Но коэффициент сжатия Кс не единственный параметр, участвующий в процессе сжатия, начальный коэффициент квантования и поправочный коэффициент Ь также должны быть заданы. Так как пользователю удобно задавать только коэффициент сжатия Кс, то следует определить зависимость коэффициента кванто-

на рис. 3.

•1РЕ02000

Загрузить исходное изображение /

Предварительная обработка

Дискретное ' вей влет-преобразование

Блочное кодирование

Организация выходного потока

Записать ошто» изобретает« ,

/ Загрузить исходное изображение/

Предварительная обработка

Дискретное веивлет-преобразование

Пирамидальное юантование

Пирамидальное блочное кодирование

Записать сяатс« изобрю«чие ,

С Конец )

Рис. 3. Обобщённые схемы алгоритмов /РЕвгООО и

вания Q1 и поправочного коэффициента L от коэффициента сжатия Кс. Поиск коэффициентов Q\ и L для каждого конкретного сжимаемого изображения является достаточно длительным процессом. Поэтому для облегчения этого процесса зависимости начального коэффициента квантователя Q\ и поправочного коэффициента L от Кс были предварительно получены в ходе компьютерного численного эксперимента. Для проведения эксперимента по поиску этих коэффициентов, который проводился на СКК «СКИФ-политех», была разработана специальная программа на языке Си.

Разработанный алгоритм QWC для вейвлет-сжатия цветных и полутоновых изображений был исследован на эталонном наборе Calgary Corpus. На рис. 4 приведены усредненные диаграммы результатов исследования алгоритмов QWC и JPEG2000 на качество распакованных изображений для ряда цветных и полутоновых изображений (полутоновые изображения были получены путем конвертирования из цветных) из набора Calgary Corpus. Изображения сжимались в 20, 50, 100 и 150 раз. Оценка качества восстановленных изображений производилась с использованием предложенного алгоритма MS SIM.

На рис. 5 в качестве примера приведена часть результатов исследования разработанного алгоритма QWC на скорость сжатия/распаковки изображений в сравнении с алгоритмом JPEG2000. Для алгоритма JPEG2000 взята его программная реализация от Jasper, т.к. она доступна в исходном коде и позволяет провести профилирование. Исследуемое изображение -Flower из набора Calgary Corpus (файл fl.bmp, размер изображения 768x512 пикселей, цветное, глубина 24 бит на пиксель). Полутоновое изображение (глубина 8 бит на пиксель) было получено путем конвертирования из исходного цветного изображения. Методика замера времени сжатия/распаковки такая же, как при исследовании алгоритмов оценки качества изображений на скорость вычисления оценки (глава 2). Исследование проводилось на ПК со следующими основными характеристиками: ЦП - Athlon 3500+ (2,2 ГГц, одноядерный); ОЗУ - DDR2 800 МГц, 4 Гбайт; ОС - Windows ХР SP3 32 разрядная версия.

Рис. 4. Результаты исследования алгоритмов 1РЕС2000 и QWC на качество распакованных изображений

Результаты исследований (рис. 4 и 5) показали, что разработанный алгоритм QWC отличается от алгоритма JPEG2000 большим быстродействием при сопоставимом качестве восстановленного изображения (коэффициент сжатия неизменен) и поэтому в большей степени, чем алгоритм JPEG2000. удовлетворяет требованиям, которые предъявляются промышленностью к алгоритмам сжатия изображений.

6- для цветного изображения Во второй части гла-

Рис.5. Результаты исследования на скорость ежа- вы рассмотрена предло-тия/распаковки изображения Flower женная модификация ал-

горитма QWC - алгоритм BF-QWC, предназначенная для реализации на ЦСП ADSP-BF533 фирмы Analog Devices и отличающаяся модифицированным квазииррациональным вейвлет-преобразованием, сокращенной схемой сжатия и адаптированным под источник сигнала квантователем.

Схема алгоритма BF-QWC соответствует схеме алгоритма QWC (рис. 3) за исключением следующего:

1. отсутствует этап предварительной обработки;

2. используется квазииррациональное дискретное вейвлет-преобразование с целью повышения скорости его выполнения на ЦСП;

3. используются адаптированные под источник сигнала (аналоговая видеокамера стандарта PAL) коэффициенты квантователя.

Разработанный алгоритм BF-QWC был программно реализован на ЦСП ADSP-BF533, а его эффективность исследована с использованием отладочной платы ADSP-BF533 EZ-KIT Lite. Часть результатов исследований на качество восстановленных изображений при неизменном коэффициенте сжатия приведена на рис. 6. Исходные данные - четыре произвольные полутоновые изображения, оцифрованные с аналоговой видеокамеры стандарта PAL. Изображения сжимались в 20 и 50 раз. Оценка качества восстановленных изображений производилась с использованием алгоритма MSSIM. Значение коэффициента сжатия в исследовании было ограничено 50-ю, т.к. при его дальнейшем увеличении значения оценок качества изображений, сжатых и распакованных с помощью алгоритмов BF-QWC и QWC, значимо не отличаются.

140 132 132 132 — 133 132 132 120 ~ ~ 100 80 60

40 22 1в 1в 20 jl Irc j 1я1 In I Ir.

□Jasper □ QWC

л ^

Коэффициент сжатия

а - для полутонового изображения

, 378 зев 357 ззд 364 378 Э6б зе0 357 эв5

5- -- 100

127 IQ9 104 100 110 115 IOS 96 32 02

§ н й Я й н я Я Я Я

□owr

^ У J? J"

* SS//

Коэффициент сжатия

0.99 | 0,9а ! 0,97 0,96 0,95

5? J5 а

flflílflfl

□owc

□BF-QWC

1bmp 2.bmp 3í>np 4.bmp Среднее

Рис. 6. Результаты исследования алгоритмов <3\УС и ВР-<3\УС на качество распакованных полутоновых изображений

Результаты проведенного исследования показали, что модифицированный для ДСП ADSP-BF533 алгоритм BF-QWC не уступает исходному алгоритму QWC по качеству восстановленных цветных и полутоновых изображений (при неизменном коэффициенте сжатия). На рис. 7 в качестве примера, приведена часть результатов исследования алгоритма BF-QWC на скорость сжатия/распаковки произвольных полутоновых изображений размером 560x400 пикселей. Изображения были получены путём отбрасывания краевых пикселей от исходных изображений, которые были оцифрованы с аналоговой камеры стандарта PAL.

~~ Результаты исследования

предложенного алгоритма BF-QWC на скорость сжатия/распаковки изображений подтвердили, что этот алгоритм полностью удовлетворяет требованиям, которые предъявляются к аппаратно-ориентированным алгоритмам сжатия изображений в промышленности.

10 2 0 30 40

70 100 150

Коэффициент сж«шя

Рис. 7. Результаты исследования алгоритма BF-

QWC на скорость сжатия/распаковки

В четвертой главе рассмотрены созданные программные средства для вейвлет-сжатия и оценки качества восстановленных фотореалистичных изображений и приведены результаты их апробации при решении практически важных задач в промышленности. При разработке программных средств, с учетом их последующего применения в промышленности, предъявлялись следующие требования.

1. Обеспечить вейвлет-сжатие цветных (глубина 24 бита на пиксель) и полутоновых (глубина 8 бит на пиксель) изображений путем реализации алгоритма QWC. Тип интерфейса взаимодействия с пользователем - консольный.

2. Обеспечить вейвлет-сжатие цветных и полутоновых изображений на ЦСП ADSP-BF533, получаемых с аналоговой камеры стандарта PAL, путем реализации алгоритма BF-QWC. Тип интерфейса взаимодействия с пользователем (при программной реализации на ПК) - графический. Взаимодействие с пользователем, при реализации для ЦСП, осуществляется посредством специальной программы (на рис. 8 обозначена как ADSP-Reader).

3. Обеспечить возможность поиска такого соотношения коэффициентов квантователя алгоритмов QWC и BF-QWC, которые бы приводили к по-

вышениго качества восстановленного изображения при заданном коэффициенте сжатия. Тип интерфейса взаимодействия с пользователем - консольный.

4. Обеспечить возможность оценки качества восстановленных изображений путем реализации алгоритмов MSSIM, FMSSIM, AWS и FAWS. Тип интерфейса взаимодействия с пользователем - графический.

Согласно изложенным требованиям была предложена обобщенная структура программного комплекса для вейвлет-сжатия и оценки качества изображений, приведенная на рис. 8. Программный комплекс написан на языках Си и ассемблере ЦСП ADSP-BF533 с использованием сред разработки Microsoft Visual Studio 2008, Embarcadero RAD Studio 2010, VusualDSP++ 5.0 и Anjuta для IBM PC-совместимых компьютеров, суперкомпьютерного кластера (СКК) «СКИФ-политех» и ЦСП ADSP-BF533. Объём исходного кода программ 6700 строк. На программное средство оценки качества изображений получено свидетельство о государственной регистрации программы для ЭВМ №2011612637 от 31.03.2011 (на рис. 8 обозначено как IMQ).

Разработанный программный комплекс был использован при решении следующих практически важных задач в промышленности.

1. Обеспечение видеоидентификации в системе контроля доступа на режимные объекты пищевой промышленности. Разработанный программный модуль для СКД обеспечивает оперативный контроль в режиме верификации доступа работника на режимный объект (объекты), т.е. позволяет охраннику производить визуальное сравнение предъявителя пропуска, его фотографии из базы данных отдела кадров и снимка с видеокамеры, который в сжатом виде сохраняется в базу снимков истории доступа. Модуль позволяет вести историю произошедших событий видеоидентификации (событие описывается следующими данными: снимки с видеокамер, номер карты доступа работника, время доступа, номер пропускного пункта и тип режимного объекта) на период не менее 6 месяцев. Результаты апробации разработанного модуля на режимных объектах ОАО «Томское пиво»

Рис. 8. Обобщенная структура программного комплекса для вейвлет-сжатия и оценки каче-

ства восстановленных изображений

подтвердили эффективность разработанных алгоритмов <ЗУ/С и М8Б1М при этом значительно снизились требования к объёму хранилища данных о событиях (относительный объём сократился на 25%) и производительности персональных компьютеров, расположенных на пропускных пунктах предприятия.

2. Обеспечение видеонаблюдения для электронных систем удалённого мониторинга и управления угле- и соледобывающими комбайнами. Созданная видеоподсистема на основе ЦСП АВБР-ЕЖЗЗ позволяет получать и передавать (с частотой 1 кадр/с) по узкополосным цифровым линиям (максимальная скорость 28,8 кбод) сжатые полутоновые изображения рабочего органа комбайна от цифровой камеры наблюдения к пульту управления, который отображает полученное изображение комбайнеру (оператору) и позволяет удаленно управлять рабочим органом комбайна. Апробация разработанной видеоподсистемы производилась на опытном образце системы удаленного мониторинга и управления проходческим угольным комбайном КП21ДР, разрабатываемой в ООО «НПФ «Автоматика». Результаты апробации подтвердили, что алгоритм сжатия ВР-С^С позволяет осуществлять сжатие/распаковку изображений с требуемыми параметрами на малопроизводительной вычислительной аппаратуре, построенной на основе таких ЦСП как А08Р-ВР533.

Алгоритмы ВР-С^С, А\У8, МЗБМ и их программные реализации используются в учебном процессе Института кибернетики Национального исследовательского Томского политехнического университета.

В заключении приведены основные результаты и выводы по диссертационной работе.

В приложения вынесены копии актов о внедрении полученных результатов, копия свидетельства о государственной регистрации программы для ЭВМ и часть результатов численных экспериментов.

Основные результаты и выводы

Диссертационная работа посвящена созданию алгоритмов и программных средств для вейвлет-сжатия и оценки качества восстановленных фотореалистичных изображений в промышленности. Получены следующие основные научные и практические результаты.

1. Сформулированы основные требования, предъявляемые в промышленности к разрабатываемым алгоритмам сжатия фотореалистичных изображений. На основании этих требований проведен анализ наиболее распространенных алгоритмов сжатия изображений. По результатам анализа выбран наиболее перспективный для последующих исследований и разработок класс алгоритмов сжатия на основе вейвлетов.

2. Проведен анализ методов и алгоритмов оценки качества изображений. Согласно результатам анализа для дальнейших исследований выбран класс эталонных алгоритмов математической (объективной) оценки качества восстановленных изображений.

3. Разработан алгоритм QWC вейвлет-сжатия цветных и полутоновых изображений. Результаты исследований этого алгоритма показали, что он позволяет сжимать изображения с большей скоростью, чем алгоритм JPEG2000 при сопоставимом качестве восстановленного изображения (коэффициент сжатия одинаков).

4. Разработан алгоритм BF-QWC вейвлет-сжатия цветных и полутоновых изображений для недорогого и малопроизводительного цифрового сигнального процессора ADSP-BF533 фирмы Analog Devices. Результаты проведенного исследования этого алгоритма показали, что он не уступает алгоритму QWC по качеству восстановленных изображений при неизменном коэффициенте сжатия, а также полностью удовлетворяет требованиям, которые предъявляются к программно-аппаратным средствам сжатия изображений в промышленности.

5. Предложены модифицированные алгоритмы математической оценки качества восстановленных изображений AWS и FAWS. Результаты проведенных численных экспериментов показали, что предложенные модификации обладают большей скоростью получения оценок качества изображений, чем исходный алгоритм CW-SSIM.

6. Предложены модифицированные алгоритмы математической оценки качества восстановленных изображений MSSIM и FMSSIM. Результаты проведенных численных экспериментов показали, что предложенный модифицированный алгоритм MSSIM не уступает в скорости вычисления оценок качества изображений исходному алгоритму SSIM, а алгоритм FMSS1M значительно его превосходит.

7. Проведено исследование предложенных и наиболее распространенных алгоритмов оценки качества восстановленных изображений на достоверность получаемых оценок. Результаты исследования показали, что предложенные алгоритмы MSSIM/FMSSIM и AWS/FAWS эффективнее наиболее распространенных алгоритмов SSIM, CW-SSIM, PSNR (ПОСШ) и MSE (СКО).

8. Предложена структура программного комплекса для вейвлет-сжатия и оценки качества восстановленных изображений. Созданы программные средства и библиотеки функций на языках Си и ассемблер (для ЦСП ADSP-BF533), реализующие предложенные алгоритмы. Объём исходного кода программ составляет 6700 строк.

9. Проведена апробация разработанных алгоритмов и программных средств при решении практически важных задач в угольной и пищевой отраслях промышленности. Результаты решения этих задач подчеркивают практическую значимость работы и подтверждают эффективность созданных алгоритмов и программ для сжатия и оценки качества изображений.

10. Осуществлено внедрение разработанных алгоритмов и программных средств в ООО «НПФ «Автоматика», ОАО «Томское пиво» и учебный процесс Института кибернетики Национального исследовательского Томского

политехнического университета, о чём свидетельствуют полученные акты о внедрении.

Основные публикации по теме диссертации

Статьи, опубликованные в изданиях из перечня ВАК:

1. Сидоров Д.В., Осокин А.Н. Простой алгоритм вейвлет-сжатия полутоновых и цветных изображений // Известия Томского политехнического университета. - 2007 - Т. 311. - № 5. - С. 86-91.

2. Сидоров Д.В. Осокин А.Н. Марков Н.Г. Оценка качества изображений с использованием вейвлетов // Известия Томского политехнического университета. - 2009 - Т.315. - № 5.- С. 104-107.

3. Сидоров Д.В. Модификация алгоритма SSIM // Прикладная информатика. - 2010.-№ 4. - С. 55-57.

Статьи, тезисы докладов на международных и всероссийских конференциях:

4. Сидоров Д.В., Осокин А.Н. Исследование вейвлет-преобразований, ориентированных на аппаратную реализацию // Молодежь и совр. информ. технологии: Сб. трудов IV Всеросс. научно-практической конф. студентов, аспирантов и молодых ученых. - Томск, 2006. - С. 403-404.

5. Сидоров Д.В., Осокин А.Н. Аппаратно-ориентированный субполосный квантователь для вейвлет-сжатия полутоновых изображений // Молодежь и совр. информ. технологии: Сб. трудов V Всеросс. научно-практ. конф. студентов, аспирантов и молодых ученых. - Томск, 2007. - С. 446-448.

6. Сидоров Д.В., Осокин А.Н. Неравномерный субполосный квантователь для вейвлет-сжатия полутоновых и цветных изображений // Совр. техника и технологии: Труды XIII Междунар. научно-практ. конф. студентов, аспирантов и молодых ученых. - Томск, 2007 - Т. 2. - С. 431-433.

7. Сидоров Д. В., Осокин А.Н. Реализация алгоритма вейвлет-сжатия изображений для сигнального процессора BF533 фирмы ANALOG DEVICE // Совр. техника и технологии: Труды XIV Междунар. научно-практ. конф. студентов, аспирантов и молодых ученых. - Томск, 2008. - Т.2. - С. 431-433.

8. Сидоров Д.В. Программная реализация метода оценки качества изображений SSIM // Молодежь и совр. информ. технологии: Сб. трудов VI Всеросс. научно-практ. конф. студентов, аспирантов и молодых ученых. - Томск, 2008.-С. 151-152.

9. Сидоров Д.В. К вопросу оценки качества восстановленных изображений // Прикладная информатика, - 2008. - №4. - С. 1-4.

10. Сидоров Д.В. Осокин А.Н. QWC алгоритм вейвлет-сжатия изображений // Труды Российского научно-техн. общества радиотехники, электроники и связи имени A.C. Попова. Серия: Цифровая обработка сигналов и ее применение. - М, 2009. - Вып. XI-2. - С. 396-399.

Авторские свидетельства на программы для ЭВМ:

1. Свидетельство о государственной регистрации программы для ЭВМ «Оценка качества изображений» №2011612637 от 31.03.2011.

Оглавление автор диссертации — кандидата технических наук Сидоров, Дмитрий Владимирович

ВВЕДЕНИЕ .7.

ГЛАВА 1. ПРОБЛЕМА СЖАТИЯ И ОЦЕНКИ КАЧЕСТВА СТАТИЧЕСКИХ ИЗОБРАЖЕНИЙ.

1.1. Анализ алгоритмов сжатия статических изображений.

1.1.1. Алгоритм сжатия JPEG.

1.1.2. Фрактальный алгоритм сжатия.

1.1.3. Сжатие с использованием нейронных сетей.

1.1.4. Алгоритм сжатия JPEG2000.

1.1.5. Результаты анализа алгоритмов сжатия.

1.2. Анализ методов и алгоритмов оценки качества статических изображений.

1.2.1. Субъективные (экспертные) методы оценки.

1.2.2. Объективные (математические) методы оценки.

1.2.3. Результаты анализа методов и алгоритмов оценки качества изображений.

1.3. Цель и задачи исследования.

Введение 2011 год, диссертация по информатике, вычислительной технике и управлению, Сидоров, Дмитрий Владимирович

Последние два десятилетия характеризуются резким ростом числа использований цифровых видеотехнологий в промышленности: цифровые охранные системы видеонаблюдения за режимными промышленными объектами; видеосистемы мониторинга и удаленного управления процессами добычи угля и каменной соли в добывающей промышленности; системы хранения и передачи космических снимков для нужд нефтегазовой отрасли и т.д. Однако передача и хранение видеоинформации (статических изображений и видеорядов) до сих пор остается наиболее ресурсопотребляемой частью таких цифровых систем. На практике это приводит к достаточно жестким требованиям, например, на ширину канала передачи и, как следствие, на стоимость его аренды; вычислительную мощность и энергопотребление аппаратуры, что актуально для встраиваемых систем на взрывоопасных производствах; размер хранилища видеоданных, например для систем видеонаблюдения и т.д. Следует оговорить, что в промышленности наиболее распространен фотореалистичный класс изображений [15,64] (далее будет рассматриваться только этот класс изображений). К этому классу относятся цветные и полутоновые изображения с большой палитр ой цветов и полутонов (обычно не менее 256) и плавным изменением яркости, например, снимки людей с видеокамер, сканированные фотографии, пейзажи, космические снимки поверхности земли и т.п. [10].

Одной из важных задач хранения, передачи и обработки видеоинформации является задача сжатия статических изображений. Эта задача решается многими исследователями уже более 20 лет (Д. Ватолин, А. Ратушняк, G.K. Wallace, W.B. Pennebaker и др.),и, несмотря на относительно хорошие результаты (алгоритмы JPEG и JPEG2000), до сих пор остается актуальной (далее будут рассматриваться только статические изображения). Актуальность задачи подтверждается и недавними разработками, например, в 2009 в университете города Линкольна штата Небраска-(США) была защищена кандидатская диссертация (Ph. D.) на тему «Сжатие изображений и видео с адаптивным контролем затрат» [94]. Заказчиком научно-исследовательской работы являлось национальное управление США по аэронавтике и исследованию космического пространства (NASA). Сфера применения разработки — сжатие изображений астрономических объектов (планет, спутников, астероидов и т.д.), полученных с борта космического аппарата.

Существующие алгоритмы сжатия изображений можно разделить на два класса [10]:

• сжатие без потерь;

• сжатие с потерями.

Класс алгоритмов сжатия изображений без потерь редко используется для сжатия фотореалистичных изображений, например полученных с аналоговой видеокамеры системы охраны режимного объекта, т.к. обеспечивает невысокий коэффициент сжатия, обычно не более 5. Стоит заметить, что при решении практически важных задач в промышленности наиболее распространены цветные (с глубиной цвета 24 бит на пиксель) и полутоновые (глубина градации яркости 8 бит на пиксель) изображения [15,64]. В основном такие ограничения вызваны характеристиками применяемой видеоаппаратуры, например, подавляющее большинство цифровых видео и фотокамер предоставляют видеоинформацию в этих форматах.

Наиболее распространены алгоритмы сжатия изображений с потерями, в основу которых положено предположение о том, что в исходном изображении содержится информация, которая слабо воспринимается зрительной системой человека (ЗСЧ). При сжатии эта часть информации безвозвратно теряется, что позволяет значительно увеличить коэффициент сжатия изображений при «неизменном», с точки зрения человека, качестве. Степень потерь данной информации или коэффициент сжатия будет определять качество распакованного изображения. Очевидно, что к алгоритмам сжатия, например, для охранных систем видеонаблюдения режимных объектов будут предъявляться высокие требования к коэффициенту сжатия (необходимо хранить видеозаписи в ; течение длительного времени, например, не менее года), к качеству распакованных изображений (оператору или охраннику должна быть предоставлена возможность распознавать лица людей, номера автомашин и т.п.) и к скорости сжатия/распаковки изображений (необходимо наблюдать процесс доступа на объект в режиме реального времени, например, обеспечивать 1-3 видеокадра в секунду).

На основании анализа результатов отечественных и зарубежных исследований и прикладных проектов по сжатию изображений можно сформулировать основные требования (критерии оценки эффективности) к алгоритмам сжатия изображений * с потерями, применяемым в промышленности [10,15,51,64]:

1. малое время сжатия и распаковки (от 40 мс);

2: высокий коэффициент сжатия (до 150);

На современном этапе развития алгоритмов сжатия изображений алгоритм сжатия JPEG2000, пришедший на смену JPEG и основанный на вейвлетах, считается лучшим по второму и третьему критериям и принимается многими авторами собственных алгоритмов сжатия за эталон [9-11,49,82,97,100]. Однако удовлетворить первому критерию полностью не удается, т.к. этот алгоритм сложен в реализации и достаточно требователен к вычислительным ресурсам [42]. Поэтому задача разработки нересурсоёмких алгоритмов сжатия изображений, используемых в промышленности, до сих пор актуальна

Отметим, что не все указанные критерии оценки эффективности алгоритмов сжатия легко поддаются численному измерению. Так измерение скорости и коэффициента сжатия является простой задачей; а оценка качества восстановленных изображений во многом зависит от человеческого фактора (мнения экспертов), что делает, актуальным вопрос об оценке качества восстановленных изображений без участия человека [7-9,97].

Существует два класса методов оценки качества изображений:

• субъективный (экспертный);

• объективный (математический).

Известно, что самые надежные оценки качества изображения обеспечивают субъективные методы, но их применение на практике требует большого количества подготовленных людей и времени. Эффективным решением данной проблемы является применение объективных методов или "математических оценок [7,8,97].

Исторически объективные методы оценки качества изображений основывались на простых математических выражениях, таких как среднеквадратичная ошибка или дисперсия (СКО, англ. название МБЕ) и пиковое отношение сигнал/шум (ПОСШ, англ. название Р8КЕ1) [7,10,97]. Это объясняется сравнительно малой изученностью вопроса о работе зрительной системы человека (ЗСЧ). Также широкая распространенность данных алгоритмов объясняется простотой их программной реализации и высокой скоростью вычисления. Относительно недавно были предложены более сложные в вычислительном плане алгоритмы — индекс структурного сходства (англ. название ББГМ) и вейвлет-индекс структурного сходства (англ. название С\¥-881М), которые в ряде приложений показывают хорошую согласованность с экспертными оценками (значительно превосходят алгоритмы на основе СКО [96-98]) и обладают потенциалом для модернизации, цель которой — повышение достоверности результатов оценки [43-45,89,97]. Термин достоверность здесь и далее, применительно к результатам математической оценки качества изображений, означает, что алгоритм должен давать оценку максимально близкую к той, которая была получена в ходе экспертного метода. Поэтому задача разработки новых и -улучшения существующих, например SSIM и CW-SSIM, алгоритмов оценки качества изображений до сих пор актуальна.

Цель работы и задачи исследования. Целью диссертационного исследования является разработка алгоритмов и программных средств, предназначенных для вейвлет-сжатия и оценки качества восстановленных фотореалистичных статических изображений в промышленности.

Для достижения поставленной цели необходимо последовательное решение следующих задач.

1. Разработка алгоритмов математической оценки качества восстановленных изображений. Решение этой задачи предполагает также исследование эффективности предлагаемых алгоритмов.

2. -Разработка алгоритмов вейвлет-сжатия изображений. Решение данной задачи предполагает также исследование эффективности предлагаемых алгоритмов.

4. Апробация разработанных алгоритмов и программных средств при решении прикладных задач в промышленности.

Кратко изложим основное содержание работы.

Первая глава посвящена анализу существующих алгоритмов сжатия цветных и полутоновых фотореалистичных статических изображений и оценке их качества.

В первой части главы приведена классификация основных (наиболее распространенных) алгоритмов сжатия цветных и полутоновых изображений. Рассмотрены их основные преимущества и недостатки [9,11,18-20,3133,35,41,48,49,51,84,85,87,89]. Приведены основные требования (критерии оценки эффективности) к алгоритмам сжатия изображений с потерями, используемым в промышленности (рассмотрены выше). Кроме рассмотренных требований в промышленности к таким алгоритмам часто предъявляется дополнительное требование — простота программно-аппаратной реализации на недорогих современных программно-аппаратных вычислительных средствах.

Согласно работам [9,10,51,57] на данный момент по второму и третьему критериям (значительный коэффициент сжатия и высокое качество восстановленных изображений) лучшим алгоритмом сжатия изображений признан алгоритм 1РЕ02000, основанный на вейвлетах [10,13,14,41,49,51,82,89,100]. Однако этот алгоритм не удовлетворяет первому (малое время сжатия/распаковки) и дополнительному критериям, т.к. он сложен в реализации и достаточно требователен к вычислительным ресурсам. [49,89]. Поэтому задача модификации алгоритма сжатия 1РЕ02000 и разработки аналогичных простых алгоритмов, в том числе'пригодных для программно-аппаратной реализации на недорогих современных вычислительных средствах, продолжают оставаться актуальными.

Во втором разделе главы рассмотрена проблема получения достоверных оценок качества изображений, т.к. она играет одну из ключевых ролей при исследовании алгоритмов сжатия изображений. Приведена классификация методов оценки качества изображений и рассмотрены наиболее распространенные алгоритмы получения таких оценок. Согласно [7,8,89,90,94-98] самыми надежными методами оценки качества изображения считаются субъективные методы (экспертные оценки), но их применение требует большого количества людей и значительного количества времени, и, как правило, поэтому они малопригодны для использования в реальных ситуациях. Эффективным решением уменьшения трудоемкости и времени проведения экспертизы является применение объективных методов или математических оценок, дающих максимально приближенные к экспертному подходу результаты оценки качества изображений [9,97].

Согласно работам [96,97] выявлено, что оценки, основанные на простых математических выражениях, таких как СКО или дисперсия (англ. название М8Е) и ПОСШ (англ. название Р8ЫЯ), обладают малой достоверностью. Широкая распространенность данных алгоритмов объясняется простотой их программной реализации и высокой скоростью вычисления [7,97]. Показано, что более сложные в вычислительном плане алгоритмы индекс структурного сходства (англ. название 881М) и вейвлет-индекс структурного сходства (англ. название С\\^-881М) в ряде приложений показывают хорошую согласованность с экспертными оценками (значительно превосходят алгоритмы на основе СКО [96-98]) и обладают значительным потенциалом для модернизации, цель которой — повышение достоверности результатов оценки [43-45,89,97]. Поэтому задача разработки новых и улучшения существующих, например 881М и С\М-881М, алгоритмов оценки качества изображений до сих пор актуальна.

На основании приведенного анализа сформулированы цель и задачи диссертационного исследования.

Во второй главе рассмотрены алгоритмы оценки качества восстановленных изображений, положенные в основу программного комплекса. Подробно описаны и рассмотрены алгоритмы 881М и С\У-881М [39,43-45,97,98], дающие наиболее приближенные к экспертной оценке результаты. Выявлены основные недостатки указанных алгоритмов и предложены пути их преодоления. Поставлено два численных эксперимента, для проведения которых были разработаны специализированные программные средства (программы). Первый численный эксперимент нацелен на подбор значений коэффициентов (параметров) комплексного дискретного ориентированного вейвлет-преобразования (количества шагов и ориентированных высокочастотных диапазонов) в алгоритме С\¥-881М с тем, чтобы повысить достоверность получаемых оценок качества изображений и скорость их вычисления. На основании полученных результатов предложены два модифицированных алгоритма оценки качества восстановленных изображений AWS и FAWS. Цель второго эксперимента — поиск -значений весовых коэффициентов (показателей степеней составляющих оценки для окна: яркости, контраста и структуры) алгоритма SSIM, также повышающих достоверность оценок качества изображений и скорость их вычисления. На основании полученных результатов предложены два модифицированных алгоритма оценки качества изображений MSSIM и FMSSIM.

Предложенные алгоритмы AWS, FAWS, MSSIM и FMSSIM были исследованы на время вычисления оценки на двух изображениях из набора Calgary Corpus [67]. На основании результатов исследования предложенных алгоритмов можно сделать следующие выводы:

1. алгоритм MSSIM значимо не уступает в скорости вычисления своей исходной реализации (алгоритму SSIM);

2. алгоритмы AWS, FAWS и FMSSIM значительно превосходят в -скорости вычисления (относительное время сократилось не менее чем на 44%) свои соответствующие исходные реализации.

Проведено исследование с целью сравнения достоверности полученных оценок предложенных алгоритмов AWS, FAWS, MSSIM, FMSSIM и наиболее распространенных аналогов на наборе эталонном изображений TID2008 [36]. Согласно результатам исследования все предложенные алгоритмы обеспечивают более достоверную оценку качества изображений (не менее чем на 10% относительно аналогов), нежели их классические аналоги SSIM, CW-SSIM и наиболее распространенные алгоритмы PSNR и MSE.

Третья, глава посвящена разработке алгоритмов вейвлет-сжатия изображений, пригодных для применения в промышленности.

В первом разделе главы рассмотрен процесс разработки алгоритма QWC посредством упрощения и исключения определенных этапов обработки изображения из алгоритма JPEG2000* [10,49,78,82], но с учётом предъявленных ранее требований (критериев оценки эффективности), предъявляемых-промышленностью.

В ходе разработки алгоритма С>\¥С предложена оригинальная схема квантования и упаковки вейвлет-коэффициентов, существенно упрощающая и ускоряющая выполнение аналогичного этапа квантования в алгоритме ХРЕС2000 [48]. В основу схемы свертки вейвлет-коэффициентов положено предположение, что эти коэффициенты на более высоких уровнях разложения обладают большей энергией, чем на нижних, следовательно, должны квантоваться менее грубо. Так как к разрабатываемому алгоритму предъявляется требование простоты реализации и, соответственно, высокой скорости работы, то коэффициенты квантования для каждого уровня вычисляются из коэффициента квантования нижестоящего уровня согласно формуле: а где / - уровень вейвлет-преобразования (начиная со второго уровня), Ь — константа (поправочный коэффициент, найденный в ходе численного эксперимента), — начальный коэффициент квантования (также найденный в ходе численного эксперимента).

В алгоритме сжатия так же, как и в алгоритме 1РЕ02000, главным параметром при сжатии изображения, который указывает пользователь, является коэффициент сжатия Кс (размер сжатого файла). Но коэффициент сжатия Кс не единственный параметр, участвующий в сжатии, начальный коэффициент квантования и поправочный коэффициент Ь также должны быть заданы. Так как пользователю удобно задавать только коэффициент сжатия Кс, то следует определить зависимость коэффициента квантования 0,\ и поправочного коэффициента Ь от коэффициента сжатия Кс. Поиск коэффициентов <2\ т Ь для каждого конкретного сжимаемого изображения является достаточно длительным процессСм. Поэтому для облегчения этого процесса значения коэффициентов квантователя и I в зависимости от значений Кс были предварительно получены в ходе компьютерного численного эксперимента. Для проведения эксперимента по поиску этих коэффициентов, который проводился на СКК «СКИФ-политех»,- была разработана специальная программа.

Разработанный алгоритм QWC вейвлет-сжатия цветных и полутоновых статических изображений был исследован на эталонном наборе изображений Calgary Corpus [67]. Результаты исследования показали, что разработанный алгоритм отличается от JPEG2000 большим быстродействием, при сопоставимом качестве восстановленного изображения (коэффициент сжатия одинаков).

Во второй части главы рассмотрена предложенная модификация алгоритма QWC - алгоритм BF-QWC, предназначенная для реализации на цифровом сигнальном процессоре (ЦСП) ADSP-BF533 фирмы Analog Devices и отличающаяся модифицированным квазииррациональным вейвлет-• преобразованием, сокращенной схемой сжатия и адаптированным под источник сигнала квантователем.

Схема алгоритма BF-QWC соответствует схеме алгоритма QWC за исключением следующего:

Г. отсутствует этап предварительной обработки;

2. используется квазииррациональное дискретное вейвлет-преобразование с целью повышения скорости преобразования на ЦСП;

3. используются адаптированные под; источник сигнала (аналоговая, видеокамера стандарта PAL) коэффициенты квантователя;

Разработанный алгоритм BF-QWC был программно реализован на ЦСП ADSP-BF533, а его эффективность исследована с использованием отладочной платы ADSP-BF533 EZ-KIT Lite. Результаты проведенного исследования показали, что модифицированный для ЦСП ADSP-BF533 алгоритм BF-QWC не уступает исходному алгоритму QWC по качеству восстановленных цветных и полутоновых изображений (при неизменном коэффициенте сжатия). Исследования: алгоритма на скорость сжатия/распаковки изображений подтвердили, что алгоритм BF-QWC, реализованный для ЦСП АЕ)8Р-ВР533, полностью удовлетворяет требованиям, которые предъявляются к аппаратно-ориентированным -алгоритмам сжатия изображений в промышленности.

В четвертой главе рассмотрены созданные программные средства для вейвлет-сжатия и оценки качества изображений и результаты их апробации при решении практически важных задач в промышленности. Приведены требования к разработанным программным средствам (с учетом их применения в промышленности). Показана структура программного комплекса для вейвлет-сжатия и оценки качества восстановленных изображений. Описан выбор базовых средств разработки, использованных при создании комплекса. Указываются особенности программной реализации, дается описание разработанных оригинальных программных средств и особенностей созданных интерфейсов пользователя. Показано, что разработанный комплекс программ был использован для решения следующих практически важных задач в промышленности:

1. обеспечение видеоидентификации работников в системе контроля доступа на режимные объекты предприятий пищевой промышленности;

2. обеспечение видеонаблюдения для электронных систем удаленного мониторинга и управления угле- и соледобывающими комбайнами.

Проведена апробация и внедрение разработанных алгоритмов и программных средств при решении практически важных задач в угольной и пищевой отраслях промышленности. Результаты решения этих задач подчеркивают практическую значимость работы и подтверждают эффективность созданных алгоритмов и программ для сжатия и оценки качества изображений. Осуществлено внедрение разработанных алгоритмов и программных средств в учебный процесс.

Апробация работы. Основные результаты работы докладывались и обсуждались на следующих конференциях: IV, V, VI и IX Всероссийских научно-практических конференциях студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии» г. Томск, 2006, 2007, 2008, 2011 гг.); XIII и XIV Международных научно-практических конференциях студентов и молодых ученых «Современная техника и технологии» (г. Томск, 2007,2008 гг.); XII Международной научно-технической конференции и выставке «Цифровая обработка сигналов и ее применение» (г. Москва, 2009 г.), VII Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Технологии Microsoft в теории и практике программирования» (г. Томск, 2010 г.).

Результаты диссертационной работы оценивались на конкурсах и получили следующие награды: диплом I степени на IV и V Всероссийских научно-практических конференциях студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии» (г. Томск, 2006, 2007 гг.); диплом II степени на XIV Международной научно-практической - конференции студентов и молодых ученых- «Современные техника и технологии» (г. Томск, 2008 г.).

Научную новизну полученных в работе результатов определяют.

2. Алгоритм BF-QWC вейвлет-сжатия фотореалистичных изображений, разработанный для цифрового сигнального процессора ADSP-BF533 фирмы Analog Devices, отличающийся от алгоритма QWC модифицированным квазииррациональным вейвлет-преобразованием, сокращенной схемой -сжатия и адаптированным под источник сигнала квантователем.

Практическая ценность и реализация результатов работы.

Практически значимыми являются созданные алгоритмы и программные средства, организованные в виде комплекса программ. Программный комплекс предназначен для вейвлет-сжатия и оценки качества восстановленных фотореалистичных изображений и пригоден для решения практически важных задач в промышленности. Программы написаны на языках Си и ЦСП ADSP-BF533 с использованием сред разработки Microsoft Visual Studio 2008, Embarcadero RAD Studio 2010, VusualDSP++ 5.0 и Anjuta для IBM РС-совместимых компьютеров, суперкомпьютерного кластера (СКК) «СКИФ-политех» и ЦСП ADSP-BF533. Объём исходного кода программ 6700 строк. На программное средство оценки качества изображений получено свидетельство о государственной регистрации программы для ЭВМ №2011612637 от 31.03.2011.

Разработанный комплекс программ был использован для решения ряда следующих практически важных задач в промышленности.

1. Обеспечение видеоидентификации в системе контроля доступа (СКД) на режимные объекты предприятий пищевой промышленности. Разработанный программный модуль для СКД обеспечивает оперативный контроль в режиме верификации доступа работника на режимный объект (объекты), т.е. позволяет охраннику производить визуальное сравнение предъявителя пропуска, его фотографии из базы данных отдела кадров и снимка с видеокамеры, который после сжатия сохраняется в базу снимков истории доступа на объект. На основании полученных данных охранник принимает решение о допуске работника на режимный объект.

2. Обеспечение видеонаблюдения для электронных систем удаленного мониторинга и управления угле- и соледобывающими комбайнами. Разработанный программный модуль видеоподсистемы позволяет получать и передавать по узкополосным цифровым каналам сжатые полутоновые изображения рабочего органа комбайна от цифровой камеры наблюдения к пульту управления, который отображает полученные изображения комбайнеру (оператору). На основании полученных видеоданных комбайнер удаленно следит за процессом добычи угля (соли).

Разработанные алгоритмы и программные средства для вейвлет-сжатия и оценки качества изображений были внедрены в ОАО «Томское пиво» и ООО «НПФ «Автоматика». Результаты внедрения подтвердили их эффективность при решении практически важных задач в пищевой и угольной отраслях промышленности.

Алгоритмы BF-QWC, AWS, MS SIM и их программные реализации используются в учебном процессе Института кибернетики Национального исследовательского Томского политехнического университета.

Результаты внедрения подтверждены соответствующими актами.

Основные положения, выносимые на защиту.

1. Алгоритм QWC позволяет осуществлять сжатие/распаковку фотореалистичных изображений быстрее алгоритма JPEG2000 при сопоставимом качестве восстановленного изображения и одинаковом коэффициенте сжатия.

2. Алгоритм вейвлет-сжатия фотореалистичных изображений BF-QWC для недорогого и малопроизводительного цифрового сигнального процессора

ADSP-BF533 фирмы Analog Devices обеспечивает сопоставимые с алгоритмом QWC время сжатия/распаковки, коэффициент сжатия и качество восстановленных изображений.

3. Модифицированные алгоритмы AWS и FAWS позволяют производить математическую оценку качества восстановленных фотореалистичных изображений с большей достоверностью, чем классический алгоритм CW-SSIM, а в случае алгоритма FAWS — ещё и с большей скоростью.

4. Модифицированные алгоритмы MSSIM и FMSSIM позволяют производить математическую оценку качества восстановленных фотореалистичных изображений с большей достоверностью, чем классический алгоритм SSIM, а в случае алгоритма FMSSIM — ещё и с большей скоростью.

Личный вклад.

1. Постановка задач диссертационного исследования выполнена автором совместно с Н.Г. Марковым.

2. Разработка алгоритмов сжатия QWC и BF-QWC выполнена совместно с А.Н. Осокиным.

6. Разработка программного модуля видеоподсистемы в составе электронной системы мониторинга и удаленного управления угле-- и соледобывающими комбайнами проведена автором. Внедрение программного модуля в опытный образец системы мониторинга и удаленного управления угольными комбайном КП21ДР осуществлено в ООО «НПФ «Автоматика» совместно с сотрудниками предприятия Барановым А.Ю. и Ануфриевым A.C.

Автор выражает глубокую благодарность научному руководителю доктору технических наук, профессору Н.Г. Маркову за помощь в написании работы, ценные советы и замечания. Автор выражает особую благодарность за всестороннюю помощь и поддержку доценту кафедры вычислительной техники Института кибернетики Национального исследовательского Томского политехнического университета кандидату технических наук А.Н. Осокину.

Заключение диссертация на тему "Алгоритмы и программные средства для вейвлет-сжатия и оценки качества изображений"

4.5. Основные результаты и выводы по главе

1.-В соответствии с предъявленными требованиями (пп. 4.2) предложена обобщенная структура программного комплекса для вейвлет-сжатия и оценки качества восстановленных изображений, пригодного для решения практически важных задач в промышленности.

2. Согласно предъявленным требованиям создан программный комплекс для вейвлет-сжатия и оценки качества восстановленных изображений, который пригоден для решения практически важных задач в промышленности. Программы написаны на языках Си и ассемблер ЦСП ADSP-BF533 с использованием сред разработки Microsoft Visual Studio 2008, Embarcadero RAD Studio 2010, VusualDSP++ 5.0 и Anjuta для IBM PC-совместимых компьютеров, CKK «СКИФ-политех» и ЦСП ADSP-BF533. Объём исходного кода программ 6700 строк. На программное средство IMQ для оценки качества изображений получено свидетельство о государственной регистрации программы для ЭВМ1 №2011612637 от 31.03.2011.

3. Проведена апробация разработанных алгоритмов и программ комплекса при решении практически важных задач в угольной и пищевой отраслях промышленности. Результаты решения задач подчеркивают практическую значимость работы и подтверждают эффективность разработанных алгоритмов и программ.

4. Осуществлены внедрения разработанных алгоритмов и программных средств в ООО «НПФ «Автоматика», ОАО «Томское пиво» и в учебный процесс Института кибернетики Национального исследовательского Томского политехнического университета, о чем получены соответствующие акты.

ЗАКЛЮЧЕНИЕ

Диссертационная работа посвящена созданию алгоритмов и программных средств для вейвлет-сжатия и оценки качества восстановленных фотореалистичных статических изображений в промышленности.

Получены следующие основные научные и практические результаты.

1. Сформулированы основные требования, предъявляемые в промышленности к разрабатываемым алгоритмам сжатия изображений. На основании этих требований проведен анализ основных наиболее распространенных алгоритмов сжатия изображений с потерями. По результатам анализа выбран наиболее перспективный для последующих исследований и разработок класс алгоритмов сжатия на основе вейвлетов.

3. Разработан алгоритм QWC вейвлет-сжатия цветных и полутоновых изображений. Результаты исследований показали, что он позволяет сжимать изображения с большей скоростью, чем алгоритм JPEG2000 при сопоставимом качестве восстановленного изображения (коэффициент сжатия одинаков).

4. Разработан алгоритм BF-QWC вейвлет-сжатия цветных и полутоновых изображений для недорогого и малопроизводительного ЦСП ADSP-BF533 фирмы Analog Devices. Результаты проведенного исследования показали, что он не уступает алгоритму QWC по качеству восстановленных изображений при неизменном коэффициенте сжатия, а также полностью удовлетворяет требованиям, которые предъявляются промышленностью к программно-аппаратным средствам сжатия изображений.

6. Предложены модифицированные алгоритмы математической оценки качества восстановленных изображений MS SIM и FMSSIM. Результаты проведенных численных экспериментов показали, что предложенный модифицированный алгоритм MS SIM не уступает в скорости вычисления оценок качества изображений исходному алгоритму SSIM, а алгоритм FMSSIM значительно его превосходит.

8. Предложена структура программного комплекса для вейвлет-сжатия и оценки качества восстановленных изображений, пригодного для решения практически важных задач сжатия изображений в промышленности. Созданы программные средства и библиотеки функций на языке Си и ассемблер ЦСП ADSP-BF533, реализующие предложенные алгоритмы. Объём исходного кода программного комплекса 6700 строк.

9. Проведена апробация разработанных алгоритмов и программных средств при решении практически важных задач в угольной и пищевой отраслях промышленности. Результаты решения этих задач подчеркивают практическую значимость диссертационной работы и подтверждают эффективность созданных алгоритмов и программ для сжатия и оценки -качества фотореалистичных изображений.

10. Осуществлено внедрение разработанных алгоритмов и программных средств в ООО «НПФ «Автоматика», ОАО «Томское пиво» и в учебный процесс Института кибернетики Национального исследовательского Томского политехнического университета, о чём свидетельствуют полученные акты о внедрении.

Библиография Сидоров, Дмитрий Владимирович, диссертация по теме Системный анализ, управление и обработка информации (по отраслям)

1. Ахмед Н., Pao K.P. Ортогональные преобразования при обработке цифровых сигналов. М.: Связь, 1980. -248 с.

2. Бланшет Ж., Саммерфилд М. Qt 4: программирование GUI на С++. Пер. с англ. 2-е изд., доп. -М.: КУДИЦ-ПРЕСС, 2008. 736 с.

3. Блатгер К. Вейвлет-анализ. Основы теории: учебное пособие: пер. с нем. -М.: Техносфера, 2004. 273 с.

4. Буркатовская IQ-Б., Карагодин М.А., Осокин А.Н. Двумерные дискретные преобразования в алгоритмах сжатия видеопоследовательностей // Известия Томского политехнического университета. 2006. — Т. 309. — №2. -С. 17-22.i

5. Вальпа О. Разработка устройств на основе цифровых сигнальных процессоров фирмы Analog Devices с использованием VisualDSP++. — М.: Телеком, 2007. 270 с.

6. Ватолин Д. Description of methods of subjective video quality evaluation. URL: http://compression.ru/video/qualitymeasure/subjectivemetrics infoen.html (дата обращения: 10.10.2007).

7. Ватолин Д., Москвин А. Программный продукт MSU Video Quality Measurement Tool версия 1.4. URL: http://compression.ru/video/quality measure/videomeasurementtool.html (дата обращения: 08.01.2008).

8. Ватолин Д., Москвин А., Петров О. Сравнение кодеков изображений стандарта JPEG2000 и Windows Media Photo (новое название: Microsoft HD photo). URL: http://compression.ru/video/codeccomparison/wmp codecscomparison.html (дата обращения: 20.06.2007).

9. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений-и видео. — М.: ДИАЛОГ-МИФИ, 2002. 384 с.

10. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. СПб.: ВУС, 1999. - 208 с.

11. Вудс Р., Гонсалес Р. Цифровая обработка сигналов. — М;: Техносфера, 2005. — 1075 с.

12. Добеши И. Десять лекций по вейвлетам. — Ижевск: НИЦ Регулярная и хаотическая динамика, 2001. — С. 394-401.

13. Демьяновски В. СС ТУ; Библия видеонаблюдения. Цифровые и сетевые технологии. Пер. с англ. — М.: «Ай-Эс-Эс-Пресс», 2006. — 480 с.

14. Ильясов Б.Г., Мунасыпов P.A., Булаев В.И. Минимизация структуры нейронной; сети для. решения задачи сжатия данных // Нейрокомпьютеры: разработка; применение. — 2007. — №10. С. 31-35.

15. Карагодин М.А., Осокин А.Н. Алгоритм сжатия' изображений на основе функций Уолша//Материалы междунар. научно-техн. конф. Информ. системы и технологии ИСТ'2003. — Новосибирск, 2003. — Т. 2. — С.126-130. .

16. Карагодин М.А., Осокин А.Н. Сжатие полноцветных изображений с использованием функций Уолша // Доклады 6-й Междунар; конф.

17. Цифровая обработка сигналов и ее применение. М., 2004. - Т. 2. - С. 143146.

18. Касперски К. Техника оптимизации программ. Эффективное использование памяти. СПб.: БХВ-Питербург, 2003 — С. 17-48.

19. Копейский машиностроительный завод Комбайн проходческий КП21. URL: http://www.kopemash.ru/site/index/katalog/index.php?storeid=14 (дата обращения: 12.06.2010).

20. Культин Н. С++ Builder в задачах и примерах. СПб.: БХВ-• Петербург, 2010. - 700 с.

21. Мастрюков Д. Алгоритмы сжатия информации. Часть 2. Арифметическое кодирование // Монитор. — 1994. — №1. — С. 20-23.

22. Мастрюков Д. Алгоритмы группы LZ // Монитор. — 1994. — №2. — С. 10-13.

23. Мастрюков Д. Алгоритм LZW // Монитор. 1994. - №3. — С. 8-11.

24. Мастрюков Д. Алгоритмы сжатия в драйверах // Монитор. — 1994. — №4. — С. 24-27.

25. Мастрюков Д. Сжатие по Хаффмену // Монитор. — 1993. — №7-8.

26. Мэтью Н., Стоуне Р. Основы программирования в Linux, 4-е изд. — СПб.: БХВ-Петербург, 2009. 906 с.

27. Осовский С. Нейронные сети для обработки информации, пер. с польск. М.: ФиС, 2004. - 344 с.а

28. Пауерс Л., Снелл М. Microsoft Visual Studio 2008. СПб.: БХВ-Петербург, 2009. - 896 с.

29. Поляков С.Н. Модификация алгоритма RLE для дожатия коэффициентов ДКП в алгориме JPEG // Молодежь и совр. информ. технологии: Сб. трудов III Всеросс. научно-практ. конф. студентов, аспирантов и молодых ученых. Томск, 2005. — С. 274-276.

30. Пономаренко Н. Tampere image database 2008 TID2008, Version 1.0. URL: http://www.ponomarenko.info/tid2008.htm (дата обращения: 08.08.2009).

31. Секунов Н. Программирование на С++ в Linux. — СПб.: БХВ-Петербург, 2004. 368 с.

32. Сидоров Д.В. К вопросу оценки качества восстановленных изображений // Прикладная информатика. М., 2008. - №4. - С. 1-4.

33. Сидоров Д.В. Модификация алгоритма SSIM // Прикладная информатика. М., 2010. -№ 4. - С. 55-57.

34. Сидоров Д.В. Оценка качества изображений. — Свидетельство об официальной регистрации программы для ЭВМ №2011612637 от 31.03.2011.

35. Сидоров Д.В. Осокин А.Н. QWC алгоритм вейвлет-сжатия изображений // Труды Российского научно-техн. общества радиотехники, электроники и связи имени A.C. Попова. Серия: Цифровая обработка сигналов и ее применение. М., 2009. - Вып. XI-2. - С. 396-399.

36. Сидоров Д.В. Осокин А.Н. Марков Н.Г. Оценка качества изображений с использованием вейвлетов // Известия Томского политехнического университета. — 2009 — Т.315. — № 5. — С. 104-107.

37. Сидоров Д.В. Программная реализация метода оценки качества изображений SSIM // Молодежь и совр. информ. технологии: Сб. трудов VI Всеросс. научно-практ. конф. студентов, аспирантов и молодых ученых. -Томск, 2008. С.* 151-152.

38. Сидоров Д.В. Тестирование метрик. URL: http://imq.vt.tpu.ru (дата обращения: 21.06.2009).

39. Сидоров Д.В., Осокин А.Н. Простой алгоритм вейвлет-сжатия полутоновых и цветных изображений // Известия Томского политехнического университета. — 2007 — Т. 311. — № 5. — С. 86-91.

40. Системы контроля доступа (СКД) PERCo. URL: http:// www.perco.ru/products/sistemy-kontrolja-dostupa/ (дата обращения: 21.12.2010).

41. Соломон Д. Сжатие данных, изображений и звука. — М.: Техносфера, 2004. С. 25-76, 111-284.

42. Страуструп Б. Введение в язык С++. М.: ДИАЛОГ-МИФИ, 2000. -386 с.

43. Умняшкин C.B. Алгоритм компрессии неподвижных изображений на основе дискретного вэйвлет-преобразования // VII междунар. конф. Математика. Компьютер. Образование: Тез. док. — Москва: Прогресс-Традиция, 2000. С. 327.

44. Умняшкин C.B. О модификации дискретного косинусного преобразования // Теория приближений и гармонический анализ: Тез. докл. междунар. конф. Тула, 1998. - С. 264-265.

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

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

47. Уэлстид С. Фракталы и вейвлеты для сжатия изображений. — М.: Триумф, 2003. С. 135-210.

48. Хортон A. Visual С++ 2008: базовый курс. Visual Studio 2008. M.: ООО И.Д. Вильяме, 2007. - 1280 с.

49. Шеннон К. Работы по теории информации и кибернетике. — М.: Изд-во иностранной литературы, 1963. — 830 с.

50. Яковлев А.Н. Основы вейвлет-преобразования сигналов: учебное пособие. М.: САЙНС-ПРЕСС, 2003. - 80 с.

51. Analog Devices Corporation EZ-KIT Lite for the ADSP-BF533, ADSP-BF532, and ADSP-BF531 Blackfin Processors. URL: http://www.analog.corn/en/embedded-processing-dsp/blackfin/BF533-EARDWA RE/processors/product.html (дата обращения: 12.06.2009).

52. Analog Devices Corporation High Performance General Purpose Blackfin Processor. URL: http://www.analog.com/en/embedded-processing-dsp /blackfin/adsp-bf533.html (дата обращения: 12.06.2009.)

53. Anthony С. Caputo Digital Video Surveillance and Security. — UK.: Butterworth-Heinemann, 2010. — 352 p.

54. Anjuta DevStudio: Integrated Development Environment. URL: http://projects.gnome.org/anjuta/ (дата обращения: 01.04.2008).

55. Bleivik К. С++ Builder 2009 Professional Getting started. URL: http://www.kjellbleivik.com/ (дата обращения: 22.03.2009).

56. Calgary Corpus тестовые наборы изображений. URL: http://www.links.uwaterloo.ca/bragzone.base.html (дата обращения 01.03.2007).

57. Chakrapani Y., Rajan К. Genetic algorithm applied to fractal image compression // ARPN Journal of Engineering and Applied Sciences. 2009. — Vol. 4.-No. l.-P. 53-58.

58. Chatterjee P., Milanfar P. Image denoising using locally learned dictionaries // Conf. 7246 on Computational Imaging. San Jose, USA, 2009.

59. Dinesh S. Image compression and feature extraction with neural network // Allied Academies International Conference. — Jacksonville, USA, 2007. -Vol. 11.-No. l.-P. 33-37.

60. Duraisamy R., Valarmathi L, Ayyappan J. Iteration free hybrid fractal wavelet image coder // International Journal of Computation. — 2008. — Vol. 6. -No. 4.-P. 34-40.

61. Feng X. DCT-based Video Quality Evaluation, research implementation for project EE392J. URL: http://www.hpl.hp.com/personal/ JohnApostolopoulos/StanfordEE392J/project.ps (дата обращения: 2.05.2009).

62. Firebird — The RDBMS that's going where you're going. URL: http://www.firebirdsql.org (дата обращения: 12.12.2010).

63. Hassaballah M., Макку M.M., Youssef B.M. A Fast Fractal Image Compression Method Based Entropy // Electronic Letters on Computer Vision and Image Analysis. 2005. - Vol. 5. - No. 1. - P. 30-40.

64. Hollingworth J., Swart В., Cashman M., Gustavson P. Borland С++ Builder 6.0 Developers"s guide. Que, USA, 2003. - 520 p.

65. International Telecommunication Union ITU-T BT.500-11, ITU-R WP6Q standards. URL: http://www.itu.int/net/home/index.aspx (дата обращения: 2.04.2009).

66. Jampour M., Yaghoobi M., Ashourzadeh M., Fractal images compressing by estimating the closest neighborhood with using of schema theory // Journal of Computer Science. -2010. Vol. 6. -No. 5. -P. 591-596.

67. JPEG committee. URL: http://www.jpeg.org (дата обращения: 2.02.2008).

68. Kominek J. Algorithm for Fast Fractal Image Compression. —Waterloo: University of Waterloo, Canada, 1995. 10 p.

69. KT&C KP-HD38CZ. URL: http://www.ktnc.co.kr/russian/view topic.php?p=433&highlight=HD38CZCM#433 (дата обращения: 12.06.2009).

70. Lifeng X., Liangbin Z. A Study of Fractal Image Compression Based on an Improved Genetic Algorithm // International Journal of Nonlinear Science. -2007.-Vol.3.-No. 2.-P. 116-124.

71. Maj L., Lars F. Villemoes Image compression with adaptive Haar-Walsh tilings // SPIE. -2000. P. 911-921.

72. Maj id Rabbani, Diego Santa Cruz The JPEG2000 Still-Image Compression Standard. — Lausanne: Swiss Federal Institute of Technology of Lausanne, 2002. 246 p.

73. Michael D. Adams Coding of Still Pictures JBIG, JPEG. Vancouver: Dept. of Electrical and Computer-Engineering University of British Columbia ВС Canada, 2003.-21 p.

74. Muruganandham A. Effective MSE optimization in fractal image compression // International Journal of Computer Science and Information Security.-2010.-Vol. 8.-No. 2.-P. 238-243.

75. MySQL. URL: http://www.mysql.com (дата обращения: 12.12.2010).

76. Pandian A. A neural network approach for color image compression in transform domain // International Journal of Recent Trends in Engineering. 2009. -Vol. 2.-No. 2.-P. 152-154.

77. Qt Creator IDE and tools Qt — A cross-platform application and UI framework. URL: http://qt.nokia.com/products/developer-tools/developer-tools (дата обращения: 12.12.2010).

78. Santa-Cruz D. and Ebrahimi T. An analystic study of JPEG2000 functionalities // International Conference on Image Processing (ICIP). — Vancouver, Canada, 2000.

79. Starck J.L., Donoho D.L., Candes E. J. Very High Quality Image Restoration by combining Wavelets and Curvlets. Pasadena: California Institute of Technology, USA, 2005.

80. Steerable Pyramid: a translation and rotation-invariant wavelet representation for images. — URL: http://www.cns.nyu.edu/~eero/STEERPYR/index.html (дата посещения: 21.02.2008).

81. Software written by Filip Rooms. URL: http ://www.filiprooms.be/research/software/index.html (дата посещения: 22.03.2008).

82. VisualDSP++ Development Software. URL: http://www.analog.com/en/embedded-processing-dsp/blackfln/vdsp.html (дата обращения: 10.06.2010).

83. Wang H. Robust image and video coding with adaptive rate control: ph. D. in Engineering Science. Lincoln, Nebraska, 2009. - 170 p.

84. Wang Z., Simoncelli E., Bovik A. Multi-scale structural similarity for image quality assessment // 37th IEEE Asilomar Conf. on Signals. -N.Y., 2003. -P. 44-50.

85. Wang Z. Image quality assessment: from error visibility to structural similarity // IEEE transactions on image processing. — 2004. — Vol. 3. P. 600612.

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

87. Wang Z., Simoncelli E.P. Translation insensitive image similarity in complex wavelet domain // IEEE Inter. Conf. Acoustic, Speech and Signal Processing. Philadelphia, 2005. - Vol. 2. - P. 673-576.

88. Wickerhauser M.V. Lectures on wavelet packet algorithm. Missouri: Department of Mathematics, Washington University St. Louis, USA, 1991. — P. 65.

89. Zargari F. Reza Hashemi M.' An Improved Motion JPEG2000 Decoder for Error Concealment of Segmentation Symbol Faults. // Hindawi Publishing Corparation EURASIP, Journal on Advances in Signal Processing, 2008. 103 p.

Похожие работы

Информатика, вычислительная техника и управление
05.13.00