автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация выбора профилей сжатия изображений в системах технической диагностики

На правах рукописи

005003362

СЕМАШКО ЕВГЕНИЙ АЛЕКСАНДРОВИЧ

АВТОМАТИЗАЦИЯ ВЫБОРА ПРОФИЛЕЙ СЖАТИЯ ИЗОБРАЖЕНИЙ В СИСТЕМАХ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

АВТОРЕФЕРАТ

- 1 ДЕК 2011

диссертации на соискание ученой степени кандидата технических наук

Орел, 2011

005003362

Работа выполнена в федеральном государственном бюджетном образовательно учреждении высшего профессионального образования «Государственны' университет - учебно-научно-производственный комплекс».

Научный руководитель - кандидат технических наук, доцент,

Тютякин Александр Васильевич

Официальные оппоненты - доктор технических наук, профессор

Аверченков Владимир Иванович

Ведущая организация: ФГБОУ ВПО «Тульский государственный университет»

Защита состоится «20» декабря 2011 г. в 14-00 часов на заседании диссертационног совета Д212.182.01 при ФГБОУ ВПО «Госуниверситет - УНПК», ауд. 212, п адресу: 302020, РФ, г. Орел, Наугорское шоссе, д. 29.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Госуниверситет УНПК».

Автореферат разослан 18 ноября 2011 года.

Ученый секретарь

диссертационного совета Д212.182.01

кандидат технических наук, старший научный сотрудник

Архипов Олег Петрович

кандидат технических наук, доцент

Общая характеристика работы

Актуальность темы.

Разнообразные системы диагностики технических объектов и управления технологическими процессами по ее результатам широко распространены в различных областях промышленности. В частности, к ним относятся системы оптического контроля и диагностики печатных плат и изделий микроэлектроники, а также неразрушающего контроля и диагностики деталей и конструкций. Процессы контроля и диагностики в большинстве данных систем сводятся к анализу полутоновых монохромных изображений структуры изделий, получаемых такими методами, как микрофотография, рентгенография, ультразвуковая эхолокация и др., на предмет выявления таких дефектов, как микротрещины, неоднородности структуры и т. п. Для указанных систем характерны пространственное или временное разделение подсистемы получения диагностических изображений и подсистемы их анализа и принятия решений. Например, системы оптического контроля печатных плат обычно связаны посредством сета передачи данных с ремонтными станциями (такой подход используется, например, в ремонтных станциях типа \ЧТесЬпо^у УьЗООО). Это обусловливает необходимость хранения указанных изображений в архивах и банках данных и/или их передачи по сетям связи в случае пространственно распределенной системы диагностики.

Исходя из вышесказанного, хранение и пересылка диагностических изображений должны осуществляться в электронном виде. Однако их непосредственное представление в таком виде характеризуется большими объемами файлов (порядка одного и более мегабайт на один кадр). Во многих практических случаях, например, при необходимости хранения в архиве диагностических изображений всех изделий, что имеет место в критически важных производствах (оборонная промышленность, атомная и гидроэнергетика и т. п.), велико и общее количество кадров, подлежащих хранению или передаче. Для сокращения объема данных и/или увеличения скорости их передачи по сетям связи в подавляющем большинстве случаев необходимо применять сжатие (архивирование) диагностических изображений. При этом при его реализации, в отличие от сжатия, например, мультимедийных изображений, недопустимы потери информации, так как обусловленные ими артефакты могут привести к принципиально неверным диагностическим решениям.

Анализ ретроспективы предметной области показывает, что исследованию вопросов эффективного сжатия изображений без потерь посвящено большое количество работ отечественных и зарубежных ученых: Сэломона Д., Ватолина Д. (исследование методов сжатия); Прэтта У., Вудса Р., Гонсалеса Р. (модели представления изображений); Макхоула Дж., Барнсли М., Ратушняка А., Смирнова М. (разработка алгоритмов сжатия); Ефимова В.М., Колесникова А.Н., Линькова В.В. (исследование применимости ряда алгоритмов сжатия для некоторых классов изображений) и др. Однако существующие результаты исследований ограничены или каким-либо конкретным алгоритмом сжатия, или некоторым, достаточно узким классом изображений. До настоящего времени полностью не решена проблема выбора типа, параметров и опциональных возможностей алгоритма сжатия, т. е. его

профиля. В большинстве систем технической диагностики используется один, задаваемый на этапе их проектирования, профиль сжатия для всего множества изображений, вне зависимости от их параметров. Однако данный профиль может быть не предпочтительным, т. е. не обеспечивающим максимальный на множестве известных алгоритмов коэффициент сжатия для конкретного изображения даже н множестве изображений одного типа и назначения. Также существуют системы с выбором профиля сжатия из множества нескольких возможных. Однако данная задача при этом целиком возлагается на пользователя, обычно не являющегос специалистом в области сжатия изображений и, следовательно, не обладающег достаточной компетенцией для выбора предпочтительного профиля. Таю» образом, оба вышеуказанных подхода, в общем случае, не позволяют выбират предпочтительный профиль сжатия. Следовательно, актуальной задачей являете разработка подходов и алгоритмов, обеспечивающих его выбор для каждог конкретного диагностического изображения, независимо от опыта и интуиции ка разработчика, так и пользователя системы диагностики.

Указанные обстоятельства обусловили выбор объекта, предмета и цел! исследования.

Объектом исследования являются процессы сжатия полутоновы изображений без потерь.

Предметом исследования являются методы и алгоритмы выбора профиле сжатия изображений в системах технической диагностики.

Целью исследования является сокращение объема архивов диагностически изображений и времени их передачи по каналам связи в распределенных систем-технической диагностики за счет выбора предпочтительного профиля сжатия д каждого конкретного изображения.

Для достижения сформулированной цели были поставлены и решен следующие задачи:

1. Обзор и сравнительный количественный анализ основных известны алгоритмов сжатия полутоновых изображений без потерь, потенциальн применимых в системах технической диагностики.

2. Разработка подхода к выбору профилей сжатия диагностически, изображений.

3. Формирование критериев применимости и предпочтительности профиле сжатия диагностических изображений.

4. Разработка алгоритмов формирования базы предпочтительных профиле сжатия и их выбора.

5. Разработка архитектуры и программного обеспечения автоматизированно системы исследования процессов сжатия диагностических изображений и выбор его предпочтительных профилей.

Методы исследования. В качестве основных средств теоретически исследований использовались методы системного анализа, линейной алгебрь теории вероятностей и математической статистики, теории информации дискриминантного анализа и цифровой обработки изображений.

Научная новизна диссертационного исследования заключается в разработке:

1. Параметрического подхода к автоматизированному выбору профиле

сжатия изображений в системах технической диагностики, базирующегося на множестве параметров изображений и отличающегося критериями применимости и предпочтительности профилей.

2. Алгоритма поиска применимых профилей сжатия диагностических изображений, отличающегося критерием применимости, учитывающим допустимое время сжатия и декомпрессии, а также степень отклонения восстановленного изображения от исходного.

3. Алгоритма формирования базы предпочтительных профилей сжатия диагностических изображений, отличающегося критерием предпочтительности, базирующимся на оценке коэффициента сжатия и минимизации суммарного времени сжатия и декомпрессии.

4. Алгоритма выбора профиля сжатия конкретного диагностического изображения, отличающегося критерием выбора, базирующимся на методе линейного дискриминантного анализа и учитывающим совокупность параметров конкретного изображения.

5. Архитектуры автоматизированной системы исследования процессов сжатия диагностических изображений и выбора их предпочтительных профилей, базирующейся на разработанном подходе и алгоритмах, отличающейся правилами выбора.

Практическая значимость результатов исследований заключается в том, что разработанные теоретические положения реализованы в виде комплекса алгоритмов и программ (свидетельства о государственной регистрации программ для. ЭВМ №№ 2008611110 и 2011612958). Их применение в системах технической диагностики позволяет обеспечить снижение объема архивированных изображений при отсутствии потерь данных и сведении к минимуму субъективных ошибок выбора профиля сжатия. Указанное, в свою очередь, позволяет снизить объемы памяти, выделяемые для хранения архивов диагностических изображений, а также время их передачи по каналам связи.

Работа выполнена в рамках Государственного контракта №16.740.11.0041 «Разработка распределенных автоматически профилируемых средств обработки, архивирования и защиты диагностической информации» (Заказчик - Министерство образования и науки РФ), выполняемого по Федеральной целевой программе «Научные и научно-педагогические кадры инновационной России» на 2009 - 2013 гг.

Достоверность и обоснованность научных положений, результатов, выводов и рекомендаций, приведенных в диссертационной работе, достигнуты за счет: корректного применения известного математического аппарата; непротиворечивости и воспроизводимости результатов, полученных теоретическим путем; соответствия результатов теоретических и экспериментальных исследований.

Апробация работы. Основные положения диссертационной работы докладывались на следующих конференциях:

1. XIV - XVI ежегодных научных конференциях преподавателей ОрелГТУ (2009-2011, г.Орел).

2. IV Международной научно-технической конференции «Информационные технологии в науке, образовании и производстве (ИТНОП-2010)».

3. Международной научно-технической Интернет-конференци

«Информационные системы и технологии (ИСиТ-2011)».

Публикации. Основные научные результаты диссертации опубликованы в работах, в том числе в 1 монографии, 3 статьях в журналах, входящих в перечен ВАК РФ. По результатам исследований получено 2 свидетельства государственной регистрации программ для ЭВМ.

Положения, выносимые на защиту:

1. Параметрический подход к автоматизированному выбору профилей сжати изображений в системах технической диагностики.

2. Алгоритм поиска применимых профилей сжатия диагностически изображений.

3. Алгоритм формирования базы предпочтительных профилей сжати диагностических изображений.

4. Алгоритм выбора профиля сжатия конкретного диагностической изображения.

5. Архитектура автоматизированной системы исследования процессов сжати диагностических изображений и выбора их предпочтительных профилей.

Структура и объем работы. Диссертационная работа изложена на 15 страницах и состоит из введения, четырех глав, заключения, списка литературы и приложений. Библиографический список включает в себя 94 наименования. Работ содержит 40 рисунков и 15 таблиц.

СОДЕРЖАНИЕ РАБОТЫ:

Во введении обоснована актуальность исследуемых вопросов, определень цель и задачи диссертационного исследования, сформулированы основны положения, выносимые на защиту.

Первая глава содержит обзор и анализ основных существующих алгоритмо сжатия, потенциально применимых в системах технической диагностики, а такж известных подходов к выбору профилей сжатия изображений без потерь существующих программных средств их реализации.

Проведен обзор основных классов диагностических изображений, п результатам которого вьмвлено, что большинство из них относится к полутоновы монохромным, в частности, таковыми являются изображения систем оптического рентгеновского, ультразвукового контроля и диагностики и др.

В результате анализа известных алгоритмов сжатия полутоновы. изображений без потерь установлено, что они основаны на одном из следуюпц методов:

- энтропийное кодирование;

- спектральное кодирование;

- предсказание (прогнозирование) и контекстное моделирование;

- комбинация двух или более вышеперечисленных методов.

Проведен выборочный сравнительный анализ ряда профилей сжатия, основанных на распространенных алгоритмах кодирования. Результаты анализа представлены в таблице 1.

Таблица 1 - Результаты выборочного сравнительного анализа профилей сжатия для типовых примеров диагностических изображений_

Профиль Изображения и коэффициенты их сжатия

Алгоритм сжатия 3 p. s h я О i-f а §

с s Ж?. ■■ V-'i л «illiilllllii Ш «

PAQ 2 1,17 36,02 2,88 3,84

Microsoft-HD s X О ей С ~ е; о 0,93 0,86 2,47 1,80

GRALIC 1,05 2.20 3,78 4,41

BMF 1,07 4,26 3.28 3,51

На основании результатов анализа сделаны выводы о том, что, с одной стороны, различные профили обеспечивают существенно отличающиеся коэффициенты сжатия для одних и тех же изображений, а с другой стороны, для различных изображений предпочтительными являются различные профили сжатия.

Таким образом, для обеспечения эффективного сжатия изображения и, следовательно, эффективного использования памяти системы диагностики и каналов связи при передаче изображения необходим выбор профиля сжатия для каждого конкретного изображения.

Обзор и анализ существующих подходов к выбору профиля сжатия показали, что до настоящего времени наиболее распространенные из них основаны или на применении для всех изображений фиксированного профиля сжатия, задаваемого на этапе проектирования системы, или на выборе профиля пользователем системы в процессе ее эксплуатации для каждого конкретного изображения. Как указано ранее, оба данных подхода не обеспечивают выбор предпочтительного профиля сжатия для каждого конкретного изображения.

Известны также подходы, основанные на оценивании коэффициентов сжатия конкретных изображений, потенциально обеспечиваемых при использовании ряда алгоритмов из числа наиболее распространенных, на основании математической модели данного изображения. В частности, таковыми являются подходы, разработанные и развитые в работах В. М. Ефимова, А.Н. Колесникова, Ю.Н. Золотухина, C.B. Умняшкина, В.В. Линькова и различающиеся между собой характером применяемой математической модели. Однако данный подход возможен только при полностью раскрываемом разработчиком алгоритме сжатия, что далеко не всегда имеет место.

Таким образом, известные подходы не обеспечивают корректного выбора предпочтительного профиля сжатия для конкретного диагностического изображения.

На основании проведенных исследований сделан вывод, что наиболее рациональным решением задачи выбора профиля сжатия является его автоматизированный выбор из экспериментально сформированной базы, на основании параметров изображения, подвергаемого сжатию.

Вторая глава посвящена разработке подхода к автоматизированному выбору профилей сжатия.

На основании обзора и анализа типовых диагностических изображений и известных подходов к выбору профилей их сжатия разработан параметрический подход к их автоматизированному выбору, описываемый рис 1.

Множество параметров изображений

Множество тестовых изображений

Множество представительных вариантов

Подвергаемое

сжатою изображение

Исследователь

Профиль сжатия конкретного изображения; база предпочтительных профилей

1

АС

автоматизированная система исследования процессов сжатия диагностических изображений и выбора ах предпочтительных профилей Рис. 1 - Параметрический подход к автоматизированному выбору профилей сжатия

Разработаны основы реализации каждого из этапов предлагаемого подхода.

Исходя из вышеперечисленных методов кодирования, на которых основаны известные алгоритмы сжатия полутоновых изображений без потерь, определено! множество параметров изображений, потенциально влияющих на выбор профилей их сжатия: 1

1) геометрические параметры: размер изображения;

2) спектральные параметры: пространственный спектр и автокорреляционная функция;

3) гистограммные параметры: энтропия первого и второго порядка; ковариация; дисперсия; коэффициент эксцесса; энергия первого и второго порядка;

момент инерции; средняя абсолютная разность; коэффициент асимметрии гистограммы.

Сформулированы правила формирования множества тестовых изображений, которое использовалось при поиске применимых и предпочтительных профилей сжатия.

Для корректного определения предпочтительных профилей сжатия сформулированы критерии их применимости и предпочтительности. Первый из них имеет следующий вид:

'суд/ - 'г)ол 1

<w ^ N

(1)

где ¡сум = Кж + hex - суммарное время сжатия и декомпрессии изображения;

hon - максимально допустимое суммарное время сжатия и декомпрессии, которое определяется назначением системы диагностики и, исходя из практических соображений, не должно превышать нескольких секунд;

N - количество значащих двоичных разрядов при представлении интенсивностей пикселей изображения;

^тах - максимальное относительное отклонение интенсивности пикселя восстановленного изображения от интенсивности пикселя исходного изображения, определяемое по выражению:

max^O'J) -/(/,/) |}

с 'J

¿W =---, (2)

'тах

где K(i, j)j(ij) - интенсивность пикселя с координатами (ij) соответственно

восстановленного и исходного изображения;

Л»« ~ максимальная интенсивность пикселя исходного изображения.

В качестве критериев предпочтительности профилей сжатия,

удовлетворяющих критерию (1) предлагаются следующие:

Ксж= max {Kcxj}, (3)

MAPL)

где Ксж-j ~ коэффициент сжатия, обеспечиваемый j -м профилем из

множества {APL}, удовлетворяющих критерию (1), и определяемый как отношение объемов исходного и сжатого изображений;

'сумм= min Uсумм,}, (4)

где {PRF} - множество профилей сжатия, удовлетворяющих условию (3);

1суммк - суммарное время сжатия и декомпрессии, обеспечиваемое к-м

профилем.

Сформулированы правила поиска предпочтительного профиля. Показано, что при удовлетворении условия:

10

р

^•max X p - ¡n max . (5

P

где ¿max ~ максимально возможное число профилей исследуемого алгоритма; 1Ър - суммарное время сжатия/декомпрессии р -го тестового изображенш при профиле «по умолчанию»;

'и max - максимально допустимое время перебора возможных профиле! исследуемого алгоритма, определяемое исследователем;

что имеет место при сравнительно небольшом числе их вариантов предпочтительный профиль целесообразно определять методом перебора.

Сформулированные правила поиска описываются алгоритмом, блок-схем; которого представлена на рис. 2. При большом количестве вариантов профил: (например, если одним или несколькими его элементами являются некоторы: непрерывные переменные) целесообразным является выбор профиля методов поиска на основе несбалансированного дерева, позволяющим сократить числ<| вариантов перебора за счет исключения диапазонов значений параметров профил^ которые не удовлетворяют критериям (3) и (4).

X

vy

поиск потенциально

пред почтительны*

профилей

Множество потенциально / предпочтительных / ' профилей

поиск на основе несбалансированного дерева

занесение предпочтительною

профиля сжатия текущего изображения в базу профилей

Рис. 2 - Алгоритм формирования базы предпочтительных профилей сжатия

На основании предложенных критериев и алгоритмов осуществлялис формирование базы предпочтительных профилей сжатия диагностически изображений и разработка алгоритмов их выбора.

Третья глава посвящена формированию базы предпочтительных профиле сжатия диагностических изображений и разработке алгоритмов и автоматизированного выбора на основании предложенного подхода. Проведен!

поиск предпочтительных профилей сжатия на множестве тестовых изображений, группирование изображений по предпочтительным профилям и разработан алгоритм их автоматизированного выбора в процессе эксплуатации системы диагностики.

По результатам поиска, проведенного на множестве тестовых изображений, сделаны выводы, что критериям (1), (3) и (4), в зависимости от конкретного тестового изображения, удовлетворяют алгоритмы BMF с профилем «-S» (медленная эффективная компрессия), GRALIC (профиль по умолчанию) или PAQ с профилем «-1» (минимальный объем используемой памяти), составившие базу предпочтительных профилей сжатия.

По результатам поиска проведено группирование изображений по их параметрам в зависимости от предпочтительных профилей сжатия. В результате группирования сделаны следующие выводы. Значения каждого из параметров изображения в отдельности не оказывают существенного влияния на выбор профиля сжатия, т.к. имеет место значительное перекрытие их диапазонов у изображений, для которых предпочтительные профили различаются. В связи с этим, для построения правил выбора профиля сжатия на основании параметров изображений был проведен классификационный анализ исследованных тестовых изображений по предпочтительным профилям. Для интерпретации полученных результатов был применен метод линейного дискриминантного анализа.

На основе Л-статистики Уилкса при параметре Л, приблизительно равном 0,011 и коэффициентах канонической корреляции не менее 0,922 был сделан вывод о том, что с уровнем значимости менее 0,001 анализируемые изображения могут быть разделены на вышеуказанные три группы по предпочтительному профилю сжатия.

В результате классификационного анализа определены решающие правила выбора профиля сжатия изображения, имеющие следующий вид:

Sm = rnax{St}, (6)

где т - группа по предпочтительному профилю сжатия, к которой относят подвергаемое сжатию изображение;

Sk - дискриминантное значение (показатель классификации) для к-ой группы изображений, определяемое по выражению:

•V

St = bk0 + ^bvxJ, (7)

где Ьк0 и btJ - соответственно константа классифицирующей функции и

весовой коэффициент /-ого параметра изображения при вычислении дискриминантного значения для /-ой группы изображений, получаемые экспериментально по результатам дискриминантного анализа;

xj - значение/-ого параметра изображения, подвергаемого сжатию.

В результате экспериментальных исследований на множестве тестовых изображений установлено, что классификация по критерию (6) обеспечила 85 % совпадений предпочтительного профиля сжатия, полученного в результате классификации, с действительным предпочтительным профилем. Для изображений, у которых имело место несовпадение указанных профилей, отклонения

коэффициента сжатия, обеспечиваемого профилем, выбранным по результата>1 классификации, составило не более 12 % от максимально возможного, что являете! несущественным.

На основании результатов поиска предпочтительных профилей сжатия группирования изображений по указанным профилям разработан обобщенны! алгоритм автоматизированного выбора профилей сжатия диагностически; изображений, блок-схема которого представлена на рис. 4.

г

' изображение, подлежащее архивированию .

определение параметров

кпасскфлкаи^ад для каждого профит

= Ьм + £ V./

= шах {5,}

А

С конец ^

Рис. 4 - Блок-схема обобщенного алгоритма выбора профиля сжатия

Разработаны также алгоритмы реализации основных блоко] вышеприведенного обобщенного алгоритма.

В четвертой главе представлены результаты разработки архитектуры программного обеспечения автоматизированной системы исследования процессо сжатия диагностических изображений и выбора их предпочтительных профилей.

Архитектура разработанной автоматизированной системы представлена н рис. 5. Она включает в себя две основные подсистемы:

- подсистему анализа алгоритмов сжатия полутоновых изображений бе потерь и формирования базы предпочтительных профилей сжатия (подсистем: исследователя);

- подсистему сжатия диагностического изображения на основе база профилей сжатия (подсистема пользователя).

Входными данными первой из перечисленных подсистем являютс алгоритмы сжатия полутоновых изображений без потерь, по результатам анализ; которых на основе предложенных критериев, алгоритмов и множества тестовы, изображений они включаются или не включаются в базу предпочтительны; профилей сжатия.

Входной информацией подсистемы сжатия является изображение, полученное посредством диагностической аппаратуры и подлежащее сжатию без потерь. Он подвергается анализу и кодируется в соответствии с профилем сжатия, выбираемьпу по разработанному алгоритму на основе базы потенциально предпочтительны^ профилей сжатия. Результатом сжатия является файл, содержащий собственна

архивированное изображение, а также информацию о примененном профиле сжатия, необходимую для декомпрессии изображения на приемной стороне.

Необходимым условием функционирования как подсистемы анализа алгоритмов, так и подсистемы сжатия изображений является определение множества параметров изображений, являющихся критериями выбора профиля сжатия, возлагаемое на отдельный модуль системы.

Диагностическая аппаратура Диагностическая аппаратура

СПД - сеть передачи данных Рис. 5 - Архитектура автоматизированной системы исследования процессов сжатия диагностических изображений и выбора его предпочтительных профилей

На рис. 6 приведены коэффициенты сжатия, полученные для ряда типовых диагностических изображений при автоматизированном выборе профиля сжатия посредством разработанной системы. Там же для сравнения приведены коэффициенты их сжатия, получаемые при различных, заранее задаваемых профилях, без учета параметров изображений.

Экспериментальные исследования проводились в лабораториях «Госуниверситета - УНПК» на ПК типовой конфигурации Intel Pentium Celeron 2,6 ГГц/1 Мб/800 МГц/LGA 775/80 Гб/DDR-III DIMM 4Г6/ОС Windows ХР.

Коэффициент сжатия

О 5 10 15 20

* автоматический выбор Рис. 6 - Примеры значений коэффициентов сжатия при автоматизированном выбор профиля и заранее заданных профилях сжатия.

В заключении сформулированы основные выводы но работе.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ:

1. Установлено, что при различных профилях сжатия изображений без потер (т. е. сочетаниях типа, параметров и опциональных возможностей алгоритм сжатия) коэффициенты сжатия одного и того же изображения существенн различаются (до нескольких раз), а, с другой стороны, для различных изображени предпочтительными по коэффициенту сжатия являются различные профил^ Вследствие этого необходим выбор профиля сжатия в зависимости от параметре конкретного изображения.

2. Показано, что известные подходы к выбору профилей сжата, диагностических изображений, в общем случае, не обеспечивают выбе предпочтительного профиля для конкретного изображения, а наибол-рациональным решением данной задачи является их автоматизированный выбор 1| экспериментально сформированной базы на основании параметров изображени. подвергаемого сжатию.

3. Разработан параметрический подход к автоматизированному выбо^ профилей сжатия изображений в системах технической диагностики, базирующий на множестве параметров изображений и отличающийся критериями применимое™ и предпочтительности профилей.

4. Разработан алгоритм поиска применимых профилей сжата диагностических изображений, отличающийся критерием применимое^ учитывающим допустимое время сжатия и декомпрессии, а также степей отклонения восстановленного изображения от исходного.

5. Разработан алгоритм формирования базы предпочтительных профиле

сжатия диагностических изображений, отличающийся критерием предпочтительности, базирующимся на оценке коэффициента сжатия и минимизации суммарного времени сжатия и декомпрессии.

6. На основании разработанных алгоритмов проведены поиск профилей сжатия, применимых для архивирования диагностических изображений, и формирование базы предпочтительных профилей. Установлено, что предпочтительными для сжатия диагностических изображений без потерь являются, в зависимости от конкретного изображения, профили «BMF-S», «PAQ-1» или «GRALIC», составившие базу предпочтительных профилей.

7. Исследована зависимость предпочтительного профиля сжатия от параметров изображения с помощью линейного дискриминантного анализа. В результате получены классифицирующие функции, на основе которых разработаны критерии выбора предпочтительного профиля сжатия конкретного изображения, подвергаемого сжатию.

8. Разработан алгоритм выбора профиля сжатия конкретного диагностического изображения, отличающийся критерием выбора, базирующимся на методе линейного дискриминантного анализа и учитывающим совокупность параметров конкретного изображения.

9. Разработаны архитектура и программное обеспечение автоматизированной системы исследования процессов сжатия диагностических изображений и выбора их предпочтительных профилей, базирующиеся на разработанном подходе и алгоритмах, отличающиеся правилами выбора.

10. Применение предлагаемого подхода в системах диагностики печатных плат обеспечивает выигрыш в объеме архивированных изображений от 1,5 до 10 раз, в зависимости от их класса, по сравнению с известными подходами, при отсутствии потерь данных и сведении к минимуму субъективных ошибок выбора профиля сжатия.

Публикации по теме диссертации в журналах, входящих в перечень ВАК РФ

1. Семашко, Е.А. Способы и приемы повышения эффективности сжатия без потерь полутоновых изображений [Текст] / В.Т. Еременко, A.B. Тютякин, Е.А. Семашко // «Вопросы радиоэлектроники», общетехническая серия. Вып. 1 - Москва, июль 2010. - С. 152 - 159 (личное участие - 40 %)

2. Семашко, Е.А. Выбор операционных моделей обработки, архивирования и защиты изображений в распределенных системах технической диагностики [Текст] / В.Т. Еременко, A.B. Тютякин, Е.А. Семашко // «Информационные системы и технологии», №3 - Орел, «Госуниверситет - УНПК», май-июнь 2011. - С. 115 - 120 (личное участие - 20 %)

3. Семашко, Е.А. Функциональная модель исследования алгоритмов сжатия изображений в системах технической диагностики [Текст] / A.B. Тютякин, Е.А. Семашко, A.B. Демидов, П.П. Силаев // «Фундаментальные и прикладные проблемы техники и технологии», №5(289) - Орел, «Госуниверситет - УНПК», сентябрь-октябрь 2011. - С. 102-108. (личное участие - 30 %)

Публикации в журналах и материалах конференций, монографии, свидетельства о регистрации программ

4. Семашко, Е.А. Подсистема шкалирования нечетких данных дл автоматизации оценки технического состояния сложных технических объекто [Текст] / Ю.Б. Савва, Е.А. Семашко // Известия ОрелГТУ, труды III международно научно-технической конференции «Информационные технологии в наук образовании и производстве (ИТНОП - 2008)». Материалы конференции. Т.1 (3). Орел, 2008. - С. 179-190. (личное участие - 70 %)

5. Семашко, Е.А. Алгоритмы сжатия полутоновых изображений без потерь автоматизированных системах [Текст] / В.Т. Еременко, A.B. Тютякин, Е.А. Семашк // IV Международная научно-техническая конференция «Информационны технологии в науке, образовании и производстве (ИТНОП - 2010)». Материал конференции. Т.2 (5). - Орел, 2010. - С. 132 - 141 (личное участие - 40 %)

6. Семашко, Е.А. Компьютерная графика: методы, модели и средств преобразования графической информации: Монография в 2 т. [Текст] / А.П. Фису! И.С. Константинов, В.Т. Еременко, A.B. Коськин, Е.А. Семашко и др. - Орёл: ОГ ОрелГТУ, 2010.

Т. 1 : Введение в компьютерную графику и теоретические основ изображений. - 2010. - 364 с. : ил. - 500 экз. - ISBN 978-5-93932-198-3

Т. 2 : Теоретические основы обработки изображений и прикладные аспект компьютерной графики. - 2010. - 237 с. : ил. - 500 экз. - ISBN 978-5-93932-198-(личное участие - 15 %)

7. Семашко, Е.А., АСНИ методов сжатия полутоновых изображений без поте [Текст] / A.B. Тютякин, Е.А. Семашко // Международная научно-техническ Интернет-конференция «Информационные системы и технологии (ИСиТ - 2011) Материалы конференции. Т.2 (4). - Орел, 2011.-е. 95-99. (личное участие - 55 %)

8. Семашко, Е.А. Программное средство выбора метода сжатия растровь изображений в модульных структурах обработки данных АСУП // В.Т. Еременк A.B. Еременко, А.Н. Савенков, В.В. Линьков, Е.А. Семашко, С.И. Афонин, Е. Сендзюк - Свидетельство о государственной регистрации программы для ЭВМ 2008611110 Федеральной службы по интеллектуальной собственности, патентам товарным знакам от 29 февраля 2008 г. (личное участие - 27 %)

9. Семашко, Е.А. Автоматически профилируемое программное средс сжатия полутоновых изображений без потерь информации // В.Т. Еременко, А. Тютякин, Е.А. Семашко, A.B. Демидов, С.И. Афонин - Свидетельство государственной регистрации программы для ЭВМ № 2011612958 Федеральн службы по интеллектуальной собственности, патентам и товарным знакам от I апреля 2011 г. (личное участие - 30 %)

ЛР ИД № 00670 от 05.01.2000 г.

Подписано к печати «17 » ноября 2011 г.

Усл. печ. л. 1,5 Тираж 100 экз.

Заказ № 143

Полиграфический отдел ФГБОУ ВПО «Госуниверситет - УНПК» 302030, г. Орел, ул. Московская, 65

1 Обзор и анализ подходов к выбору профилей сжатия полутоновых изображений без потерь.

1.1 Изображения систем технической диагностики.

1.2 Основные методы сжатия изображений без потерь.

1.2.1 Методы энтропийного сжатия.

1.2.2 Методы спектрального сжатия.

1.2.3 Методы сжатия с предсказанием.

1.2.4 Методы контекстного моделирования.

1.3 Классификация и обзор алгоритмов сжатия полутоновых изображений без потерь.

1.4 Анализ известных подходов к выбору профиля сжатия и программных систем автоматизации выбора профиля сжатия полутоновых изображений без потерь.

1.5 Выводы.

2 Разработка подхода к автоматизированному выбору профилей сжатия изображений в системах технической диагностики.

2.1 Общее описание параметрического подхода к автоматизированному выбору профилей сжатия.

2.2 Множество параметров изображения, потенциально влияющих на выбор профиля его сжатия.

2.3 Формирование множества тестовых изображений.

2.4 Поиск применимых профилей сжатия.

2.5 Поиск предпочтительных профилей сжатия.

2.6 Группирование изображений по предпочтительным профилям и формирование правил выбора профиля.

2.7 Выводы.

3 Разработка алгоритмов автоматизированного выбора профилей сжатия диагностических изображений.

3.1 Поиск применимых в системах технической диагностики профилей сжатия и формирование базы предпочтительных профилей.

3.2 Группирование изображений по предпочтительным профилям сжатия

3.3 Классификация изображений по профилям сжатия. Метод линейного дискриминантного анализа.

3.3.1 Описание метода.

3.3.2 Функции классификации.

3.3.3 Результаты исследований при применении дискриминантного анализа

3.4 Разработка алгоритма выбора профилей сжатия изображений.

3.4.1 Разработка обобщенного алгоритма автоматизированного выбора профилей сжатия изображений.

3.4.2 Реализации основных блоков алгоритма автоматизированного выбора профилей сжатия.

3.5 Выводы.

4 Автоматизированная система исследования процессов сжатия диагностических изображений и выбора его предпочтительных профилей

4.1 Архитектура автоматизированной системы исследования процессов сжатия диагностических изображений и выбора его предпочтительных профилей.

4.2 Разработка модулей автоматизированной системы исследования процессов сжатия диагностических изображений и выбора его предпочтительных профилей.

4.3 Структура базы профилей и изображений.

4.3.1 Концептуальная схема БД.

4.3.2 Определение связей между сущностями.

4.4 Модуль анализа и оценки параметров изображений.

4.5 Модуль формирования тестовых изображений.

4.6 Подсистема формирования правил выбора профиля и подсистема сжатия на основе выбора профиля.

4.7 Пользовательский интерфейс программного обеспечения автоматизированной системы.

4.8 Результаты экспериментов.

4.9 Выводы.:.

Разнообразные системы диагностики состояния технических объектов и управления технологическими процессами по ее результатам широко распространены в различных областях промышленности. В частности, к ним относятся системы оптического контроля и диагностики печатных плат и изделий микроэлектроники, а также неразрушающего контроля и диагностики деталей и конструкций. Процессы контроля и диагностики в большинстве данных систем сводятся к анализу полутоновых монохромных изображений структуры изделий, получаемых такими методами, как микрофотография, рентгенография, ультразвуковая эхолокация, на предмет выявления таких дефектов, как микротрещины, неоднородности структуры и другие. Для указанных систем характерно пространственное или временное разделение подсистемы получения диагностических изображений и подсистемы их анализа и принятия решений. Это обусловливает необходимость хранения указанных изображений в архивах и банках данных и/или их передачи по сетям связи в случае пространственно распределенной системы диагностики [19]. Например, системы оптического контроля печатных плат обычно связаны посредством сети передачи данных с ремонтными станциями (такой подход используется, например, в ремонтных станциях типа У1ТесЬпо1о§у У1-3000).

Исходя из вышесказанного, хранение и пересылка диагностических изображений должны осуществляться в электронном виде. Однако их непосредственное представление в таком виде характеризуется большими объемами файлов (порядка одного и более мегабайт на один кадр). Во многих практических случаях, например, при необходимости хранения в архиве диагностических изображений всех изделий, что имеет место в критически важных производствах (оборонная промышленность, атомная и гидроэнергетика и т. п.), велико и общее количество кадров, подлежащих хранению или передаче. Для сокращения объема данных и/или увеличения скорости их передачи по сетям связи в подавляющем большинстве случаев необходимо применять сжатие диагностических изображений. При этом для его реализации, в отличие от сжатия, например, мультимедийных изображений, применимы только алгоритмы сжатия без потерь информации, так как обусловленные ими артефакты могут привести к принципиально неверным диагностическим решениям.

Место процедур получения, сжатия и анализа диагностических изображений, например, в процессе изготовления плат печатного монтажа электронных устройств иллюстрирует нижеприведенный рисунок 1. 0 с; о о о

Рисунок 1 - Технологический процесс изготовления печатных плат электронных средств)

Анализ ретроспективы предметной области показывает, что исследованию вопросов эффективного сжатия изображений без потерь посвящено большое количество работ отечественных и зарубежных ученых: Сэломона Д., Ватолина Д. (исследование методов компрессии); Прэтта У., Вудса Р., Гонсалеса Р. (модели представления изображений); Макхоула Дж., Барнсли М., Ратушняка А., Смирнова М. (разработка алгоритмов сжатия); Ефимова В.М., Колесникова А.Н., Линькова В.В. (исследование применимости ряда алгоритмов сжатия для некоторых классов изображений) и др. Однако существующие результаты исследований ограничены или каким-либо конкретным алгоритмом сжатия, или некоторым, достаточно узким классом изображений. До настоящего времени полностью не решена проблема выбора типа, параметров и опциональных возможностей алгоритма сжатия, т. е. его профиля. В большинстве систем технической диагностики используется один, задаваемый на этапе проектирования, профиль сжатия для всего множества изображений вне зависимости от их параметров. Однако данный профиль может быть не предпочтительным даже на множестве изображений одного типа и назначения. Также существуют системы с возможностью выбора профиля сжатия из множества нескольких возможных. При этом данная задача целиком возлагается на пользователя, обычно не являющегося специалистом в области сжатия изображений и, следовательно, не обладающего достаточной компетенцией для выбора предпочтительного профиля, т. е. обеспечивающего максимальный на множестве известных алгоритмов коэффициент сжатия, для конкретного изображения. Таким образом, оба вышеуказанных подхода, в общем случае, не позволяют выбирать предпочтительный профиль сжатия. Следовательно, актуальной задачей является разработка подходов и алгоритмов, обеспечивающих его выбор для каждого конкретного диагностического изображения, независимо от опыта и интуиции, как разработчика, так и пользователя системы диагностики.

Указанные обстоятельства обусловили выбор объекта, предмета и цели исследования.

Объектом исследования являются процессы сжатия полутоновых изображений без потерь.

Предметом исследования являются методы и алгоритмы выбора профилей сжатия изображений в системах технической диагностики.

Целью исследования является сокращение объема архивов диагностических изображений и времени их передачи по каналам связи в распределенных системах технической диагностики за счет выбора предпочтительного профиля сжатия для каждого конкретного изображения.

Для достижения сформулированной цели были поставлены и решены следующие задачи:

1. Обзор и сравнительный количественный анализ основных известных алгоритмов сжатия полутоновых изображений без потерь, потенциально применимых в системах технической диагностики.

2. Разработка подхода к выбору профилей сжатия диагностических изображений.

3. Формирование критериев применимости и предпочтительности профилей сжатия диагностических изображений.

4. Разработка алгоритмов формирования базы предпочтительных профилей сжатия и их выбора.

5. Разработка архитектуры и программного обеспечения автоматизированной системы исследования процессов сжатия диагностических изображений и выбора его предпочтительных профилей.

Методы исследования. В качестве основных средств теоретических исследований использовались методы системного анализа, линейной алгебры, теории вероятностей и математической статистики, теории информации, дискриминантного анализа и цифровой обработки изображений.

Научная новизна диссертационного исследования заключается в разработке:

1. Параметрического подхода к автоматизированному выбору профилей сжатия изображений в системах технической диагностики, базирующегося на множестве параметров изображений и отличающегося критериями применимости и предпочтительности профилей.

2. Алгоритма поиска применимых профилей сжатия диагностических изображений, отличающегося критерием применимости, учитывающим допустимое время сжатия и декомпрессии, а также степень отклонения восстановленного изображения от исходного.

3. Алгоритма формирования базы предпочтительных профилей сжатия диагностических изображений, отличающегося критерием предпочтительности, базирующимся на оценке коэффициента сжатия и минимизации суммарного времени сжатия и декомпрессии.

4. Алгоритма выбора профиля сжатия конкретного диагностического изображения, отличающегося критерием выбора, базирующимся на методе линейного дискриминантного анализа и учитывающим совокупность параметров конкретного изображения.

5. Архитектуры автоматизированной системы исследования процессов сжатия диагностических изображений и выбора их предпочтительных профилей, базирующейся на разработанном подходе и алгоритмах, отличающейся правилами выбора.

Практическая значимость результатов исследований заключается в том, что разработанные теоретические положения реализованы в виде комплекса алгоритмов и программ (свидетельства о государственной регистрации программ для ЭВМ №№ 2008611110 и 2011612958). Их применение в системах технической диагностики позволяет обеспечить снижение объема архивированных изображений при отсутствии потерь данных и сведении к минимуму субъективных ошибок выбора профиля сжатия. Указанное, в свою очередь, позволяет снизить объемы памяти, выделяемые для хранения архивов диагностических изображений, а также время их передачи по каналам связи.

Работа выполнена в рамках Государственного контракта №16.740.11.0041 «Разработка распределенных автоматически профилируемых средств обработки, архивирования и защиты диагностической информации» (Заказчик - Министерство образования и науки РФ), выполняемого по Федеральной целевой программе «Научные и научно-педагогические кадры инновационной России» на 2009 - 2013 гг.

Достоверность и обоснованность научных положений, результатов, выводов и рекомендаций, приведенных в диссертационной работе, достигнута за счет: корректного применения известного математического аппарата; непротиворечивости и воспроизводимости результатов, полученных теоретическим путем; соответствия результатов теоретических и экспериментальных исследований.

Апробация работы. Основные положения диссертационной работы докладывались на следующих конференциях:

1. XIV - XVI ежегодных научных конференциях преподавателей ОрелГТУ (2009-2011, г.Орел).

2. IV Международной научно-технической конференции «Информационные технологии в науке, образовании и производстве (ИТНОП-2010)».

3. Международной научно-технической Интернет-конференции «Информационные системы и технологии (ИСиТ-2011)».

Публикации. Основные научные результаты диссертации опубликованы в 9 работах, в том числе в 1 монографии, 3 статьях в журналах, входящих в перечень ВАК РФ. По результатам исследований получено 2 свидетельства о государственной регистрации программ для ЭВМ.

4.9 Выводы

1. Разработаны архитектура и программное обеспечение автоматизированной системы исследования процессов сжатия диагностических изображений и выбора его предпочтительных профилей, базирующиеся на разработанном подходе и алгоритмах, отличающиеся правилами выбора.

2. Предлагаемая автоматизированная система характеризуется следующими основными особенностями:

- модульный принцип организации;

- использование современных парадигм программирования в виде объектно-ориентированного подхода, механизма сигналов-слотов библиотеки С>Т, что дает возможность уменьшить затраты в случае необходимости изменения структуры вычислительного ядра;

- реализация механизма динамически подключаемых библиотек, позволяющих использовать в АС абсолютно любые алгоритмы сжатия полутоновых изображений без потерь;

- использование СУБД 8С>ЬЦе, которая не требует установки дополнительного сервера СУБД;

- возможность организации распределенных вычислений на основе локальной сети с автоматическим равномерным распределением нагрузки на ПК, реализуемой с помощью специального менеджера заданий на основе «пинг-понг» пакетов.

3. Экспериментальные исследования разработанной системы показали, что применение предлагаемого подхода в системах технической диагностики обеспечивает выигрыш в объеме архивированных изображений от 1,5 до 10 раз, в зависимости от их класса, по сравнению с известными подходами, при отсутствии потерь данных и сведении к минимуму субъективных ошибок выбора профиля сжатия.

Заключение

1. Установлено, что при различных профилях сжатия изображений без потерь (т. е. сочетаниях типа, параметров и опциональных возможностей алгоритма сжатия) коэффициенты сжатия одного и того же изображения существенно различаются (до нескольких раз), а, с другой стороны, для различных изображений предпочтительными по коэффициенту сжатия являются различные профили. Вследствие этого необходим выбор профиля сжатия в зависимости от параметров конкретного изображения.

2. Показано, что известные подходы к выбору профилей сжатия диагностических изображений, в общем случае, не обеспечивают выбор предпочтительного профиля для конкретного изображения, а наиболее рациональным решением данной задачи является их автоматизированный выбор из экспериментально сформированной базы на основании параметров изображения, подвергаемого сжатию.

3. Разработан параметрический подход к автоматизированному выбору профилей сжатия изображений в системах технической диагностики, базирующийся на множестве параметров изображений и отличающийся критериями применимости и предпочтительности профилей.

4. Разработан алгоритм поиска применимых профилей сжатия диагностических изображений, отличающийся критерием применимости, учитывающим допустимое время сжатия и декомпрессии, а также степень отклонения восстановленного изображения от исходного.

5. Разработан алгоритм формирования базы предпочтительных профилей сжатия диагностических изображений, отличающийся критерием предпочтительности, базирующимся на оценке коэффициента сжатия и минимизации суммарного времени сжатия и декомпрессии.

6. На основании разработанных алгоритмов проведены поиск профилей сжатия, применимых для архивирования диагностических изображений, и формирование базы предпочтительных профилей. Установлено, что предпочтительными для сжатия диагностических изображений без потерь являются, в зависимости от конкретного изображения, профили «ВМР-Б», «РАС>-1» или «ОИАЫС», составившие базу предпочтительных профилей.

7. Исследована зависимость предпочтительного профиля сжатия от параметров изображения с помощью линейного дискриминантного анализа. В результате получены классифицирующие функции, на основе которых разработаны критерии выбора предпочтительного профиля сжатия конкретного изображения, подвергаемого сжатию.

8. Разработан алгоритм выбора профиля сжатия конкретного диагностического изображения, отличающийся критерием выбора, базирующимся на методе линейного дискриминантного анализа и учитывающим совокупность параметров конкретного изображения.

9. Разработаны архитектура и программное обеспечение автоматизированной системы исследования процессов сжатия диагностических изображений и выбора их предпочтительных профилей, базирующиеся на разработанном подходе и алгоритмах, отличающиеся правилами выбора.

10. Применение предлагаемого подхода в системах диагностики печатных плат обеспечивает выигрыш в объеме архивированных изображений от 1,5 до 10 раз, в зависимости от их класса, по сравнению с известными подходами, при отсутствии потерь данных и сведении к минимуму субъективных ошибок выбора профиля сжатия.

1. Алексеев, К.А. Теоретические основы лифтинга Электронный ресурс. / К.А. Алексеев, Обработка сигналов и изображений, яз. рус. -Режим доступа: http://matlab.exponenta.ru/wavelet7book7/

2. Аоки, М. Основы теории обработки результатов измерений Текст. / Масанао Аоки. М.: Наука, 1977. - 344 с. - Библиогр.: 12000 экз.

3. Баскаков, С.И. Радиотехнические цепи и сигналы Текст. / С.И. Баскаков. М.: Высшая школа, 2000. - 462 е., ISBN 5-06-003843-2

4. Басс, J1. Архитектура программного обеспечения на практике Текст. / Басс Лен, Клементе Пол, Кацман Рик, 2-е изд. СПб.: Питер, 2006. -575 с. - ISBN 0-3211-5495-9/5-469-00494-5

5. Биргер, И.А. Техническая диагностика Текст. / И.А. Биргер. М.: Машиностроение, 1978. - 240 с. - Библиогр.: 17000 экз.

6. Блейхут, Р. Быстрые алгоритмы цифровой обработки сигналов Текст. / Ричард Блейхут М.: Мир, 1989. - 446 с. - ISBN 5-09-001009-2

7. Блохин, В.Г. Современный эксперимент: подготовка, проведение, анализ результатов Текст. / В.Г. Блохин, О.П. Глудкин, А.И. Гуров, М.А. Ханин. М.: Радио и связь, 1997. - 232 с.

8. Боев, В.Д. Понятие модели и моделирования Электронный ресурс. / В.Д. Боев, Р.Д. Сыпченко, лекции Интернет-университета информационных технологий Intuit.ru, яз. рус. Режим доступа: http://www.intuit.rU/department/calculate/compmodel/l/3.html

9. Боровиков, В.П. Нейронные сети Statistica Neural Networks. Методология и технологии современного анализа данных Текст. / Под ред. В.П. Боровикова. М.: Горячая линия - Телеком, 2008. - 392 е., ISBN - 9785-9912-0015-8

10. Ватолин, Д. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео Текст. / Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин. М.: Диалог-МИФИ, 2002. - 384 с. - Библиогрт: 3000 экз. ~ ISBN 586404-170-х

11. Верников, Г. Основные методологии обследования организаций. Стандарт IDEF0 Электронный ресурс. / Геннадий Верников, яз. рус. -Режим доступа: http://www.cfin.ru/vernikov/idef/idef0.shtml

12. Вудс, Р. Цифровая обработка изображений Текст. / Р. Вудс, Р. Гонсалес. М.: Техносфера, 2005. - 1072 с. - Библиогр.: 2000 экз. - ISBN 594836-028-8

13. Гончаров, Д. DirectX 7.0 для программистов. Учебный курс Текст. / Д. Гончаров, Т. Салихов СПб.: Питер, 2001. - 528 с. - ISBN 5-318-00173-4

14. Дуда, Р. Распознавание образов и анализ сцен Текст. / Р. Дуда, П. Харт М.: Мир, 1976. - 230с.

15. Еременко, В.Т. Способы и приемы повышения эффективности сжатия без потерь полутоновых изображений Текст. / В.Т. Еременко, A.B. Тютякин, Е.А. Семашко // «Вопросы радиоэлектроники», общетехническая серия. Вып. 1 Москва, июль 2010. - С. 152-159

16. Ефимов, В.М. Эффективность некоторых алгоритмов сжатия информации в двумерных массивах данных без потери точности при их восстановлении Текст. / В.М. Ефимов, А.Н. Колесников // Автометрия. -1997,-№6.-с. 93-97

17. Загоруйко, Н.Г. Прикладные методы анализа данных и знаний Текст. / Н.Г. Загоруйко. Новосибирск: ИМ СО РАН, 1999. 270 с.

18. Каримов, Р.Н. Основы дискриминатного анализа Текст. / Р.Н. Каримов // Учебно-методическое пособие. Саратов: СГТУ, 2002. - 108 с.

19. Ким, Дж.-О. Факторный, дискриминантный и кластерный анализ Текст. / Дж.-О. Ким, Ч.У. Мьюллер, У.Р. Клекка, М.С. Олдендерфер, Р.К.

20. Блэшфилд, под ред. И.С. Енюкова М.: Финансы и статистика, 1989. - 215 е., ISBN - 5-279-00247-Х

21. Линьков, B.B. Моделирование процессов сжатия цифровых изображений Текст. : дис. канд. техн. наук : 05.13.06 : защищена в 2008 г. / Линьков Вадим Вячеславович. ОрелГТУ., 2008. - 139с.

22. Никольский, Д.Б. Сравнительный обзор современных радиолокационных систем Электронный ресурс. / Д.Б. Никольский // «Геоматика» №1, 2008, яз. рус. Режим доступа: http://geomatica.ru/pdf/200801/200801002.pdf

23. Панков, А.Р. Практикум по математической статистике Текст. / А.Р. Панков, E.H. Платонов. М.: МАИ, 2006. - 87 с.

24. Пархомов, А.Г. Фликкер-шум Электронный ресурс. / А.Г. Пархомов // сайти института исследования природы времени, яз. рус. -Режим доступа: http://www.chronos.msu.ru/TERMS/parkhomovflikker.htm

25. Подмастерьев, К.В. Методические указания по выполнению расчетно-графических и курсовых работ по метрологическим дисциплинам Текст. / К.В. Подмастерьев, Е.В. Пахолкин, В.В. Мишин. ОрелГТУ, 2003. - 26 с. - Библиогр.: 100 экз.

26. Прэтт, Э. Цифровая обработка изображений Текст. / Э. Прэтт. М.: Мир, 1982.-312 с.

27. Рабинер, Л. Теория и применение цифровой обработки сигналов Текст. / Л. Рабинер, Б. Гоулд. М.: Мир, 1978. - 848 с.

28. Рихтер, Дж. Windows для профессионалов Текст. / Джеффри Рихтер, СПб.: Питер, 2001. - 752 с. - ISBN 5-272-00384-5

29. Робинсон, Дж. APT Version 1.0 Электронный ресурс. / Джон Робинсон, яз. рус. Режим доступа: http://www.intuac.com/useфort/john/apt

30. Сергеев, B.B. Основы теории цепей Электронный ресурс. / В.В. Сергеев // конспект лекций, часть 2, яз. рус. Режим доступа: http://dvo.sut.rU/libr/tec/l 17serg/4.htm

31. Сойфер, В.А. Методы компьютерной обработки изображений Текст. / Под ред. В.А. С-ойфера. М.: ФИЗМАТЛИТ, 2003. - 784 с. -"ISBN 59221-02702

32. Тимошенко, И. Сравнительный анализ компиляторов С++ Электронный ресурс. / Игорь Тимошенко, CITForum 2004, яз. рус. Режим доступа: http://citforum.ru/programming/Ccomp/

33. Умняшкин, C.B. Применение дискретного преобразования Крестенсона-Леви в цифровой обработке изображений Текст. : дис. канд. техн. наук : 05.13.01: защищена в 1997 г.

34. Умняшкин, C.B. Математические методы и алгоритмы цифровой компрессии изображений с использованием ортогональныхпреобразований Текст. : дис. докт. физ.-мат. наук : 05.13.11: защищена в 2001 г.

35. Фаулер, M. UML. Основы Текст. / Мартин Фаулер, Кендалл Скотт- СПб.: Символ-плюс, 2002. 192 с. - ISBN 5-93286-032-4

36. Чочиа, П.А. Пирамидальный алгоритм сегментации изображений Электронный ресурс. / П.А. Чочиа, яз. рус. Режим доступа: http://masters.donntu.edu.ua/2010/fknt/tsibulka/library/article9.htm

37. Шлее, M. Qt4.5. Профессиональное программирование на С++ Текст. / Макс Шлее СПб.: БХВ-Петербург, 2010. - 883 с. - ISBN 978-59775-0398-3

38. Canny, J. A computational approach to edge detection Текст. / J. Canny // «IEEE Transactions on Pattern Analysis and Machine Intelligence 8», 1986, c. 679-714.

39. Frigo, M. A fast Fourier transform compiler Электронный ресурс. / Matteo Frigo, яз. англ. Режим доступа: http://www.fftw.org/pldi99.pdf

40. Frigo, М. The design and implementation of FFTW3 Электронный ресурс. / Matteo Frigo, Steven G. Johnson, яз. англ. Режим доступа: http://fftw.org/fftw-paper-ieee.pdf

41. Johnson, S.G. A modified split-radix FFT with fewer arithmetic operations Электронный ресурс. / Steven G. Johnson, Matteo Frigo, яз. англ. -Режим доступа: http://www.fftw.org/newsplit.pdf

42. Howard, P.G. Fast and Efficient Lossless image compression Электронный ресурс. / Paul G. Howard, Jeffrey Scott Vitter, яз. рус. Режим доступа: http://algolist.manual.ru/compress/image/felics.zip

43. Mahoney, М. Data compression programs Электронный ресурс. / Matt Mahoney, яз. англ. Режим доступа: http://mattmahoney.net/dc/

44. Paul, J. The Piecewise-Constant Image Model Электронный ресурс. / Paul J. Ausbeck Jr., яз. англ. Режим доступа: http://www.compression.ru/download/articles/iplless/ausbeck2000pwcdoc.rar

45. Rabiner, L.R. The chirp z-transform algorithm and its application Текст. / Lawrence R. Rabiner, Ronald W. Schäfer, Charles M. Rader // Bell Syst. Tech. J. 48, 1969.

46. Robinson, J.A. Adaptive Prediction Trees for Image Compression Электронный ресурс. / J.A. Robinson яз. англ. Режим доступа: http://www.znu.ac.ir/data/members/fazlisaeid/DIP/Paper/ISSUE8/01658080.pdf

47. Rockmore, D.N. The FFT an algorithm the whole family can use Электронный ресурс. / Daniel N. Rockmore , яз. англ. - Режим доступа: http://www.cs.dartmouth.edu/~rockmore/cse-fft.pdf

48. Poskanzer, J. PGM format specification Электронный ресурс. / Jef Poskanzer, яз. англ. Режим доступа: http://netpbm.sourceforge.net/doc/pgm.html

49. Poskanzer, J. The PNM format Электронный ресурс. / Jef Poskanzer, яз. англ. Режим доступа: http://netpbm.sourceforge.net/doc/pnm.html

50. Salomon, D Data compression: The complete reference Текст. / David Salomon Springer-Verlag New York, 2004. - 920 c. - ISBN 0-387-40697-2

51. Stamm, Chr. PGF: a new progressive file format for lossy and lossless image compression Электронный ресурс. / Stamm Christoph, яз. рус. Режим доступа: http://libpgf.org/uploads/media/PGFOverviewV 101 .pdf

52. Thomas, L. Н. Using a computer to solve problems in physics Текст. / L. H. Thomas // Applications of Digital Computers, Ginn, Boston, 1963.

53. Tjalkens, Tj.J. A Context-Tree Weighting Method for Text-Generating Sources Текст. / P.A.J. Volf, F.M.J. Willems, Tj.J. Tjalkens // Proc. IEEE Data Compression Conf. Snowbird, Utah, USA, Mar. 25-27, 1997. - P. 472.

54. Vaseghi, S.V. Advanced digital signal processing and noise reduction Текст. / S.V. Vaseghi. Chischester.: John Wiley & Sons, 1996. - 493 c.

55. Willems, F.M.J. The Context-Tree Weighting Method: Extensions Текст. / F.M.J. Willems // IEEE Trans. Inform. Theory. 1998. - Vol. 44, N 2. -P. 792-798.

56. Wu, X. Piecewise 2D autoregression for predictive image coding Текст. / X. Wu, K.U. Barthel and W. Zhang // International Conference on Image Processing conference proceedings, Vol 3, 1998

57. Wu, Y. New FFT structures based on the Bruun algorithm Текст. / Yuhang Wu // IEEE Trans. ASSP 38 (1), 1990

58. Глава 2.3 БИС ЗУ для построения внутренней памяти Текст. / Под. ред. чл.-корр. АН УССР Б.Н. Малиновского // Справочник по персональным ЭВМ. К.: Тэхника, 1990. - 384 с. - ISBN 5-335-00168-2

59. Дефектоскопы как приборы неразрушающего контроля Электронный ресурс. / Сайт компании «Инвотекс» поставщика оборудования для неразрушающего контроля, яз. рус. - Режим доступа: http://www.invotecs.ru/spravka/defectoskop.html

60. Методология функционального моделирования IDEF0 Электронный ресурс. / Руководящий документ, официальное издание, яз. рус. Режим доступа: http://www.businessstudio.ru/files/idefDrus.pdf

61. Методы контекстного моделирования Электронный ресурс. / INTUIT.ru: Курс: Методы сжатия, яз. рус. Режим доступа: http://www.intuit.rU/department/graphics/compression/3/

62. Методы классификации и прогнозирования Электронный ресурс. / Лекции Интернет-университета информационных технологий Intuit.ru, яз. рус. Режим доступа: http://www.intuit.ru/department/database/datamining/10/datamining10.html

63. Описание и приложение компрессора BMF Электронный ресурс. / Сайт по методам сжатия, яз. англ. Режим доступа: http://www.compression.ru/ds/bmf201 .гаг

64. Описание инструкции rdtsc Электронный ресурс. / MSDN Library. Visual Studio 2010. Compiler Intrinsics, яз. англ. Режим доступа: http://msdn.microsoft.com/en-us/library/twchhe95.aspx

65. Описание функции QueryPerformanceCounter / MSDN Library. System information reference, яз. англ. Режим доступа: http://msdn.microsoft.com/en-us/library/ms644904%28v=VS.85%29.aspx

66. Технология «Фософматик» Электронный ресурс. / Группа компаний «Тестрон», яз: рус. Режим доступа: http ://testron. ru / ru/comments/278/

67. HD Photo Specification vl.O Электронный ресурс. / яз. англ. -Режим доступа: http://www.microsoft.com/whdc/xps/wmphoto.mspx

68. JBIG Алгоритмы сжатия и компрессии Электронный ресурс. / Сайт алгоритмов сжатия, яз. рус. Режим доступа: http://www.compression-pointers.com/compressl 84.html

69. ВТРС Version 5 Электронный ресурс. / Описание алгоритма ВТРС, яз. англ. Режим доступа: http://www.intuac.com/useфort/john/btpc5/

70. GraLIC new lossless image compressor Электронный ресурс. / Форум специалистов в области сжатия данных Encode.ru, яз. англ. - Режим доступа: http://encode.ru/threads/595-GraLIC-new-lossless-image-compressor

71. Lossless image coding using minimum-rate predictors Электронный ресурс. / Страница проекта MRP, яз. англ. Режим доступа: http ://itohws03. ее. noda. sut. ас .j p/~matsuda/mrp/

72. OpenCV v2.3 Documentation Электронный ресурс. / OpenCV API Reference, яз. англ. Режим доступа: http://opencv.itseez.com/modules/imgproc/doc/histograms.html?highlight=correlat ion

73. SQLite официальный сайт Электронный ресурс. / SQLite Home page, яз. англ. Режим доступа: http://www.sqlite.org/