автореферат диссертации по машиностроению и машиноведению, 05.02.13, диссертация на тему:Оптимизация информационного объема цифровых изображений в допечатных процессах полиграфии

На правах рукописи

ВАСИЛЬЕВ АЛЕКСЕЙ ЕВГЕНЬЕВИЧ

ОПТИМИЗАЦИЯ ИНФОРМАЦИОННОГО ОБЪЕМА ЦИФРОВЫХ ИЗОБРАЖЕНИЙ В ДОПЕЧАТНЫХ ПРОЦЕССАХ ПОЛИГРАФИИ

Специальность 05.02.13. - Машины агрегаты и процессы (полиграфического производства)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 2005

Работа выполнена в Московском государственном университете печати

Научный руководитель -

доктор технических наук профессор

Андреев Юрий Сергеевич

Официальные оппоненты -

доктор технических наук ст. научный сотрудник Каныгин Николай Иванович

кандидат технических наук Мухин Петр Николаевич

Ведущая организация -

НТЦ «Полиграфия»

Защита состоится: «6» апреля 2005 г. в 15.00 на заседании диссертационного совета Д 212.147.01 при Московском государственном университете печати по адресу: Москва, 127550, ул. Прянишникова, 2а.

С диссертацией можно ознакомиться в библиотеке МГУП по адресу: Москва, 127550, ул. Прянишникова, 2а.

Автореферат разослан « & » /ЛАУ1А 2005 г.

Ученый секретарь

диссертационного совета

1,10,61

30 то

1. Общая характеристика работы

1.1. Актуальность исследования

Современное развитие полиграфической отрасли в России и в мире тесно связано с проблемой оптимизации информационного объема цифровых изображений в системах допечатных процессов.

Тенденция роста объема информационных данных цифровых изображений предопределяет увеличение времени транспортировки и работы с цифровыми изображениями. В этой связи особую актуальность приобретают методы сжатия информационных данных цифровых изображений в системе допечатных процессов.

Основная сложность работы с цифровыми изображениями связана с ограниченными возможностями передачи информационных данных в рамках локальных сетей, Интернет и потребностью в формировании в системах допечатных процессов полиграфии цифрового графического материала необходимого качества.

Возможности и результаты обработки цифровой графической информации обусловливаются комплексом результатоформирующих факторов: методы сжатия информации; скоростные характеристики алгоритма компрессии, сетевые ограничения, формат графических объектов и др.

Оптимизация объема информации в полиграфической технологии -проблема, имеющая достаточно длинную историю, шедшую параллельно с развитием технологий кодирования информации. Алгоритмы оптимизации объема информации оперируют с входным потоком информации. Цель процесса компрессии - получение более компактного выходного потока информационных данных из некоторого изначально некомпактного входного потока при помощи преобразования его представления. Основными техническими характеристиками процессов сжатия и результатов их работы являются: степень сжатия, т.е. отношение объемов исходного и результирующего потоков; скорость сжатия - время, затрачиваемое на сжатие некоторого объема информации входного потока для получения из него компактного выходного потока; качество сжатого объекта, характеризующее отличие параметров выходного потока от параметров оригинального.

Существует несколько различных подходов к проблеме сжатия информации. Одни имеют весьма сложную математическую базу, другие основаны на свойствах информационного потока и алгоритмически достаточно просты. Любой алгоритм, реализующий компрессию данных, предназначен для сокращения объема выходного потока информации в битах при помощи ее обратимого или необратимого преобразования.

1.2. Цели и задачи работы

Цель работы состоит в поиске эффективной методики использования алгоритмов сжатия информационных данных цифровых изображений в системах допечатных процессов полиграфии.

В рамках избранной темы настоящей диссертационной работы поставлены следующие задачи:

- дать характеристику алгоритмам сжатия изображений с потерей качества;

- определить программное обеспечение, методику проведения эксперимента для оценки степени и качества сжатия;

- провести анализ результатов оптимизации информационных данных цифровых изображений в допечатных процессах полиграфии с использованием методов математического анализа и экспертных оценок;

- разработать рекомендации по применению алгоритмов сжатия информационных данных цифровых изображений в допечатных процессах полиграфии.

1.3. Научная новизна

Научная новизна настоящего диссертационного исследования состоит:

- в анализе методов сжатия информационных данных цифровых изображений, оптимальных для использования в допечатных процессах полиграфии;

- в разработке методологии и проведении анализа результатов оптимизации информационных данных цифровых изображений в полиграфических процессах.

- в создании рекомендации по применению алгоритмов сжатия информационных данных цифровых изображений в допечатных процессах полиграфии.

1.4. Практическая ценность

Разработанные в результате проведения настоящего исследования рекомендации по применению алгоритмов оптимизации информационных данных цифровых изображений могут быть использованы для повышения эффективности обработки и транспортировки цифровых изображений в локальных сегментах комплекса допечатных процессов и возможно приведут к снижению затрат на использование носителей информации.

Предложения по созданию программного обеспечения, находящего оптимальный коэффициент сжатия для конкретного изображения при вы-

полнении сжатая по алгоритмам JPEG и JPEG2000, будут использованы в программных разработках фирмы «ЮникАйСиз».

1.5. Основные положения, выносимые на защипу

1. Обоснование необходимости сжатия цифровых изображений и выбор алгоритмов сжатия изображений для оптимизации информационных потоков в допечатных процессах.

2. Методика определения зон качества и определение оптимальной степени сжатия для конкретного изображения.

3. Рекомендации по технологии проведения оптимизации информационных потоков алгоритмами сжатия изображений.

1.6. Апробация работы

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение на заседаниях кафедры технологии допечатных процессов Московского государственного университета печати.

1.7. Публикации

По материалам диссертации опубликованы 3 печатные работы.

1.8. Структура работы

Работа состоит из 3 глав, выводов по каждой главе, общего заключения и приложений. Диссертация имеет 138 страниц текста. Библиографический список содержит 87 наименований. Приложение содержит 43 страницы, включая акт о внедрении результатов диссертационной работы.

2. Содержание работы

В главе 1 проводится анализ схем информационных потоков. В схемах установлено наличие каналов обмена данных с большой нагрузкой. В обычной схеме таковыми являются: «станция обработки изображений— файл-сервер», «файл-сервер—станция верстки», «станция верстки—RIP», выходной канал передачи информации с RIP. В схеме, созданной по OPI-технологии: «станция обработки изображений—OPl-сервер», «OPI-сервер— R1P», выходной канал передачи информации с RIP. Информационные потоки в этих каналах являются объектами для оптимизации.

Установлено, что оптимизировать информационные потоки можно сжатием их основной составляющей, т.е. сжатием тоновых изображений.

Существует два метода сжатия: с потерей информации и без нее. К последнему относятся алгоритмы, построенные по принципу исключения повторений в битовой цепочке, такие, как RLE, LZW и Huffman. Они хоро-

шо зарекомендовали себя при сжатии текстовой информации и штриховых изображений. Цветные и ахроматические изображения плохо подвергаются сжатию этим методом.

Алгоритмы, работающие по методу сжатия данных с потерей информации, были специально разработаны для сжатия тоновых изображений. Установлено, что целесообразно для сжатия тоновых изображений использовать алгоритмы сжатия с потерей информации.

На современном этапе развития научных и технических разработок имеется три различных алгоритма сжатия цифровых изображений с потерей информации. Они основаны на дискретно-косинусном (JPEG), вейвлет (JPEG2000) и аффинном (фрактальном) преобразовании.

При анализе математических моделей алгоритмов сжатия с потерей информационного объема графических объектов установлено:

- Принцип работы алгоритмов построен на поиске избыточности в структуре изображений;

- В JPEG и JPEG2000 имеются механизмы управления потерей информации;

- JPEG2000 и фрактальный алгоритм являются несимметричными, т.е. время декодирования меньше времени кодирования.

- Фрактальный алгоритм не обрел законченной структуры и имеет перспективы дальнейшего развития.

Так как JPEG, JPEG2000 и фрактальный алгоритм являются конкурирующими алгоритмами, то выбор алгоритма, наиболее подходящего для оптимизации потоков, возможен только после сопоставления алгоритмов по степени сжатия и формируемому ими визуальному качеству сжатого изображения

Во 2 главе представлена методика постановки эксперимента, подбор тестового материала, выбор программного обеспечения, проведение эксперимента по определению степени и качественных результатов сжатия информационного объема графических объектов и анализ экспериментальных данных

Возможность оптимизировать информационные потоки в системе поэлементной обработай информации (СПОИ) различными алгоритмами сжатия с потерей информации ставит задачу исследовать алгоритмы по качественным показателям. Следует выяснить, соответствует ли выходной поток алгоритмов требованиям, предъявляемым к качеству изображения в полиграфической репродукции. Для того, чтобы определить пригодность этих алгоритмов по качественным показателям и возможную степень сжатия изображений, необходимо провести экспериментальное исследование.

Выбор тест-объектов Использование тестовых изображений позволит всесторонне рассмотреть работу тестируемого алгоритма в том случае, если набор тестов будет с различной семантикой. Желательно использовать тесты как из стандартного набора, так и подобрать дополнительные тесты, которые должны отвечать определенным требованиям. Тест-объекты должны включать:

- цветные тоновые оригиналы с высоким цветовым охватом, содержащие мелкие детали и области с малым приращением тона;

- оригиналы не должны бьггь ранее подвергнуты сжатию, пространственной дискретизации и переводу в модель CMYK;

- размер оригиналов должен быть примерно равен одному из самых распространенных в издательско-полиграфической практике;

- оригиналы должны иметь разрешение, позволяющее производит, пространственную дискретизацию - растрирование с частотой 150 Ipi. Этим критериям удовлетворяют выбранные тест-объекты. Это цифровые файлы в цветовом формате Grayscale (ахроматические оригиналы — 7 шт.) и RGB (цветные оригиналы — 12 шт.).

В тест-объектах присутствуют 2 пары цветных изображений, размер которых одинаков, что будет способствовать объективной оценке работы алгоритма с изображениями, одинаковыми по объему, но с различной семантикой.

Критерии оценки результатов сжатия. На основе анализа различных возможных методов оценки качества сжатого изображения объективным показателем качества нами определено пиковое отношение сигнал/шум (PSNR).

ravB = 20iog[Jj|),

где уз - координаты пикселя по вертикали и горизонтали; /(хг> У3) - яркостъ_пикселя исходного изображения в точке с координатами х„у3; I{х,,Уяркость пикселя измененного изображения в точке с координатами N. М - количество пикселей в изо-

бражении по вертикали и горизонтали. Для оценки качества изображения используется метод экспертных оценок, т.е. субъективный показатель оценки качества изображений множеством наблюдателей.

s

Методика экспериментальных исследований

1 Оценка PSNR тестовых изображений. Производилось попарное сравнение сжатых изображений с оригиналом. Находились значения PSNR и сопоставлялись с остаточным объемом файла в битах на пиксель (Ьрр).

2 Экспертная оценка выборки. Для проведения эксперимента были созданы 2 группы участников: "не специалисты" — 25 чел. и "специалисты" — 10 чел. Эксперты оценивали качество изображений по аналоговым цве-топробам и формировали группы качества.

3 Автоматизированная оценка результатов сжатия изображений (имитация экспертной оценки). В программе имитации экспертной оценки тест-объекты попарно сравнивались с оригиналом изображений. Программой выдавались значения отклонения данных сжатого объекта от данных оригинала в интервале от 0 до 1.

4. Сопоставление данных, полученных на предыдущих этапах.

Сформированная методика определения зон качества может быть применена для определения тех коэффициентов сжатия информационного объема графических объектов с потерей информации, которые д ают результаты, оптимальные для полиграфического воспроизведения.

Выбор программной среды. Программное обеспечение (ПО), используемое при проведении экспериментального исследования, было отобрано нами по следующим критериям:

- готовый к использованию программный продукт;

- возможность интеграции с программами обработки изображений;

- наличие кроссплатформенного исполнения;

- наличие графического интерфейса.

На текущий момент основным программным комплексом для обработки графических данных является программа обработки растровой графики Photoshop фирмы Adobe. В этой связи было логичным выбрать программы оптимизации информационного объема графических объектов, интегрируемые в систему Adobe Photoshop.

Adobe Photoshop имеет встроенный модуль сжатия изображений алгоритмом JPEG. Для выполнения сжатия графического материала алгоритмом JPEG 2000 выбран коммерческий продукт LuraWave компании Algo Vision LuraTech. Сжатие фрактальным алгоритмом производилось в модуле Genuine Fractals Print Pro фирмы LizardTech.

В ходе анализа ПО было установлено, что в алгоритме JPEG фирма Adobe установила диапазон значений коэффициентов сжатия от 0 до 12 и условно поделила его на поддиапазоны качества. В программах других производителей коэффициенты сжатия находятся в диапазоне от 0 до 100. Про-

ведено сопоставление коэффициентов сжатия JPEG в Photoshop и программе просмотра графических изображений ACDSee (Табл.1 ).

Следует отметить, что поддиапазоны качества алгоритма JPEG в Adobe Photoshop, предложенные разработчиками, не отражают требования к качеству сжатой информации, предназначенной для полиграфического воспроизведения. Это было подтверждено проведенным в дальнейшем исследованием.

_______________ Таблица 1.

Поддиапазоны Adobe Коэффициенты Adobe Коэффициенты ACDSee

I- низкое качество 0-4 0-40

И- среднее качество 5-7 40-75

III- высокое качество 8-9 75-90

IV- максимальное качество 10- 12 90-100

Анализ экспериментальных данных

Как и следовало ожидать зависимости PSNR от степени сжатия (Ьрр) по алгоритму JPEG и JPEG2000 свидетельствуют об увеличении приращения значений PSNR при приращении аргументов Ьрр.

В алгоритме JPEG для изображений с различной семантикой установлено: чем выше коэффициент качества, тем шире диапазон Ьрр, при которых значения PSNR мало изменяются. При уменьшении коэффициента качества диапазон значений PSNR сильно изменяется при малом изменении Ьрр. Значения Ьрр и PSNR при одинаковом коэффициенте сжатия группируются в определенном диапазоне.

В алгоритме JPEG2000 уровень Ьрр при одинаковых коэффициентах сжатия для большинства изображений принимает одинаковые значения, т.е. алгоритм является биториентированным. Широта диапазона изменения PSNR при разных коэффициентах сжатия мало меняется, за исключением значений при максимальном коэффициенте качества.

Зависимость PSNR от степени сжатия (Ьрр) по фрактальному алгоритму для изображений с различной семантикой свидетельствует об уменьшении значений PSNR при приращении аргументов Ьрр во всей выборке. С высокой степенью достоверности (R2=0,92) область работы алгоритма описывается следующей зависимостью PSNR от Ьрр:

PSNR = a-b- bg(bpp) где а = 46, b = 5.4 - для цветных изображений;

а = 50, b = 11.4 - для ахроматических изображений

Пример зависимостей изображен на рисунке 1. Следует сказать, что данные зависимости наблюдаются во всех тест-объектах. Отличия состоят только в масштабе осей и наклоне кривых.

В ходе анализа также установлено:

- степень сжатия не зависит от геометрических размеров изображения;

- РвЫЯ ахроматических изображений находится на более высоком уровне по сравнению с ЯСВ-объектов;

- при одинаковом значении Ьрр показатели РБ^ у алгоритма .ГРЕ02000 выше, чем у других, что может свидетельствовать о лучшем качестве сжатой информации.

Также выделена тенденция зависимости изображений, сжатых анализируемыми алгоритмами, от их сюжета (семантики). Для этого были использованы пары тест-объектов, одинаковые по размеру. Это тест-объекты: «Камера» - «Гараж», «Ковбой» - «Цепи».

Как следует из рисунка 2, имеет место четко выраженная параллельность зависимости PSNR/bpp. Кроме того, отдельно следует отметить качественные характеристики пар тест-объектов. В 1 паре уровень качества по Рв^ выше у тест-объекта "Гараж", во второй - у объекта "Цепи". Таким образом, мы можем сделать вывод о том, что степень сжатия объекта зависит от семантических характеристик изображения.

В тест-объекте "Гараж" в отличие от тест-объекта "Камера" выше содержание низкочастотной составляющей, т.к. присутствует значительное количество крупных областей однородного содержания.

Ьрр

JPEG 2000 —О—JPEG • Фрактальный

Рисунок 1.

Ьрр

-о—Камера JPEG —Гараж JPEG -û— Камера JPEG2000 -х- Гараж JPEG2000 Рисунок 2.

81 121 161 201

— Ковбой ........Цепи

Рисунок 3.

В паре "Ковбой"-"Цепи" радикальные признаки отличия отсутствуют. Для характеристики семантики изображений был применен метод пространственного спектрального анализа. Для простоты оценки спектры характеризовались с помощью гистограмм двумерных 241Л отображений спектров (рис.3). Смещение гистограммы в зону меньших яркостей свидетельствует о более низкочастотном спектре изображения. Естественно, что более низкочастотное изображение лучше поддается сжатию до более высокой степени. Гистограмма тест-объекта «Цепи» по сравнению с «Ковбой» показывает более высокую долю низкочастотных составляющих и, следовательно, при равном сжатии обеспечивает лучший PSNR, а при одинаковом РБЫЯ - меньшее значение Ьрр. Таким образом, подтверждено предположение о том, что степень сжатия зависит от семантических характеристик изображения. Также данный анализ показал, что семантику изображений можно определить с применением пространственного спектрального анализа.

Итак, в одинаковых по размеру изображениях динамика уменьшения размера файла и ухудшение качества одинаковы. Чем ближе изображения по семантике, т.е. ближе по соотношению высокочастотной и низкочастотной составляющих в пространственном спектре, тем ближе будут при одном и том же коэффициенте сжатая остаточные размеры файла и качественные показатели.

Объектами экспертной оценки результатов действия алгоритмов сжатия были определены 10 изображений: объекты, сжатые фрактальным алгоритмом; алгоритмом JPEG с коэффициентами сжатия 7, 3, 1; алгоритмом JPEG2000 с коэффициентами сжатия 98,95,90, и оригинал.

На первом этапе экспертной оценки было проведено исследование ранжирования тест-объектов по ухудшению качества. Мнения групп экспертов совпали мезвду собой (корреляция средних ответов r^^^l ).

Экспертная оценка установила, что наиболее близким к оригиналу с точки зрения визуальных характеристик являются изображения, обработанные фрактальным алгоритмом.

Ранги в группе распределись следующим образом:

Ахроматические изображения

1. Фрактальный алгоритм

2. JPEG с коэф-том сжатия 3

3. JPEG 2000 с коэф-том сжатия 98.

4. JPEG с коэф-том сжатия 7

5. JPEG 2000 с коэф-том сжатия 95

6. JPEG с коэф-том сжатия 1

7. JPEG 2000 с коэф-том сжатия 90.

Цветные изображения

1. Фрактальный алгоритм

2. JPEG с коэф-том сжатия 7

3. JPEG 2000 с коэф-том сжатия 98.

4. JPEG с коэф-том сжатия 3

5. JPEG с коэф-том сжатия 1.

6. JPEG 2000 с коэф-том сжатия 95

7. JPEG 2000 с коэф-том сжатия 90.

Второй этап анализа распределяет алгоритмы и соответствующие им коэффициенты сжатия по группам пригодности для полиграфического воспроизведения в сравнении с оригиналом.

Общая корреляция средних значений ответов групп Го&ц=0,99 для цветных тестов и г^^Ю для ахроматических тестов, что говорит о совпадении мнений групп экспертов. Корреляция оценок групп по алгоритму JPEG в ахроматических тестах го6щ=0,54 (это может быть объяснено преобладанием в этой группе необычных тест-объектов, в том числе с периодическими штриховыми структурами). Поэтому в дальнейшем использованы итоговые средние оценки по алгоритму JPEG2000 для всех типов изображений, а по алгоритму JPEG при сжатии только цветных изображений. При анализе ахроматических тестов, сжатых алгоритмом JPEG, использовались средние оценки экспертов отдельно по каждому тесту. Распределение итоговых средних оценок алгоритмов оптимизации цифровых изображений показано в табл. 2. Распределение средних оценок ахроматических тестов, сжатых алгоритмом JPEG, сведено в табл. 3.

Таблица 2.

Алгоритм/Тип Оригинал j Цветные 1.31 ±0.09 Ахроматические 1.36 ±0.21

Фрактальное сжатие i 1.34 ±0.10 1.39 ±0.05

JPEG2000 (98) 1.57 ±0.14 1.66 ±0.27

JPEG2000 (95) 2.07 ±0.13 2.37 ±0.37

JPEG2000 (90) 2.49 ±0.14 2.81 ±0.04

JPEG (7) j 1.41 ±0.08

JPEG (3) 1.88 ±0.20

JPEG (1) 2.38 ±0.18

Таблица 3.

Коэффициент / № теста 7 8 9 10 i

JPEG (коэф. сжатия = 7) 1.29 1.63 2.09 1.63 i

JPEG (коэф. сжатия = 3) 1.63 1.46 1.54 1.74 I

JPEG (коэф. сжатия = 1) 1.91 1.91 2.03 2.66 !

Как видно из результатов этого этапа экспертных оценок, данные по фрактальному алгоритму практически совпадают с оценкой оригинала экспертами как для цветных, так и для ахроматических тестовых изображений. Отсюда следует, что фрактальный алгоритм создает остаточный поток данных уверенно отличного качества.

Далее были проанализированы показатели качества по алгоритмам JPEG и JPEG2000 по соотношению коэффициентов сжатия и соответствующих им оценок экспертов. Тенденция приращения качества оценивалась построением линий тренда. Для ахроматических изображений, сжатых алгоритмом JPEG, в связи с большим расхождением результатов определить зону отличного/хорошего качества не представилось возможным. Учитывая доверительные интервалы, определены «гарантированные» коэффициенты сжатия, соответствующие зонам качества (Таблица 4).

Таблица 4.

Фрактальный алгоритм Цветные оригиналы | Отличное/хорошее Всегда Допустимое i

Ахроматические оригиналы ' JPEG 2000 Цветные оригиналы ; ______Всегда Отличное/хорошее 100—99 !_ - J Допустимое 98—94

Ахроматические оригиналы ! 100—99 98—97

JPEG 1 Отличное/хорошее Допустимое '

Цветные оригиналы Ахроматические оригиналы 12—6 1 5—2 1 12—5

Также установлено, что при использовании алгоритма JPEG и JPEG2000 для обработки цветных изображений при определенном коэффициенте сжатия изображение по визуальным характеристикам не отличается от оригинала. Такими коэффициентами являются 10 - 12 в алгоритме JPEG и 100 в JPEG 2000.

Программный анализ (имитация экспертной оценки) Программа была предоставлена фирмой ЮникАйСиз. Патент на изобретение № 223413 зарегистрирован 10.08.04. Данные, полученные на этом этапе, свидетельствуют о близком соответствии оценок, полученных в результате имитационного моделирования и экспертных оценок, поэтому программу имитации экс-

пертной оценки возможно использовать для определения зон качества при сжатии изображений, а также как основу для разрабатываемого в дальнейшем ПО. Также были получены выходные показатели программы для гарантированных «зон качества».

Заключением экспериментальных исследований послужило сведение зависимостей PSNR от Ьрр и показателей экспертной оценки, как совмещение субъективного и объективного критерия. В результате получено:

Алгоритм JPEG

Цветные изображения Зона отличного/хорошего качества принадлежит диапазону Ьрр от 9,2—1,2, что соответствует изменению PSNR интервале со—31,4 ДБ. Зона допустимого качества находится в диапазоне Ьрр от 3,1—0,3, что соответствует изменению PSNR интервале 45,6—26,6 ДБ. Следует заметить, что дня алгоритма JPEG зоны качества можно определить только при условии, когда значения Ьрр и PSNR известны.

Ахроматические изображения. Предполагаемая допустимая зона находится в диапазоне Ьрр от 6,2 до 0,9, что соответствует изменению PSNR интервале œ—34,5 ДБ.

Алгоритм JPEG2000.

Цветные изображения Зона отличного/хорошего качества принадлежит диапазону Ьрр от 10,7—4, что соответствует изменению PSNR в интервале со—38,1 ДБ. Зона допустимого качества находится в диапазоне Ьрр от 4 -0,8, что соответствует изменению PSNR интервале 48,5—24,1 ДБ.

Ахроматические изображения Зона отличного/хорошего качества принадлежит диапазону Ьрр от 8,1 до 1,3, что соответствует изменению PSNR в интервале <х>—27,5 ДБ. Зона допустимого качества находится в диапазоне Ьрр 0,7—0,5, что соответствует изменению PSNR в интервале 37,7— 22 ДБ. Отметим, что при наибольшем коэффициенте (100) происходит увеличение размера полученного файла по сравнению с исходным.

Фрактальный алгоритм принадлежит к зоне отличного/хорошего качества. Диапазон Ьрр для цветных изображений составил 8,2-2,9, что соответствует изменению PSNR в интервале <х>—40,5 ДБ. Диапазон Ьрр для ахроматических изображений от 6 до 0,3, что соответствует изменению PSNR в интервале 55,7—42,2 ДБ

Как видно из результатов, при одинаковых значениях PSNR зоны визуального качества у разных алгоритмов отличаются. Отсюда следует вывод: сравнение алгоритмов по PSNR является лишь количественным, и не в полной мере отражает качество, оцениваемое визуальной системой. Нами уста-

иовлено - алгоритм JPEG при большем (в сравнении с JPEG2000) количественном отличии пикселей производит поток лучшего визуального качества.

Далее были определены алгоритмы, оптимальные в каждой зоне.

В зоне «отличного/хорошего» качества лучшим по степени сжатия для цветных изображений является алгоритм JPEG (сжимает до 20,2 раз). Для ахроматических изображений - JPEG2000 с коэффициентом «99» (сжимает в 6 раз).

В зоне «допустимого» качества для цветных изображений лучшим по степени сжатия является алгоритм JPEG (сжимает до 96 раз). Для ахроматических изображений - JPEG2000 (сжимает в 16 раз).

Подчеркнем, что алгоритм JPEG обладает большей гибкостью по сравнению с JPEG2000, т.к., как правило, имеет возможность использовать большее количество коэффициентов сжатия в любой «зоне качества».

Также рассмотрены возможности сжатия изображений без потери информации во фрактальном алгоритме и в алгоритме JPEG2000. В результате сравнения потоков, выдаваемых данными алгоритмами, с потоком, созданным упаковкой изображений методом сжатия без потерь (алгоритм LZW при сохранении в формат TIFF в программе Adobe Photoshop) был сделан вывод о том, что использование исследуемых алгоритмов сжатия более эффективно по сравнению с методом LZW. Наилучшим алгоритмом при сжатии изображений «без потерь» является JPEG2000. В среднем он сжимает цветные изображения на 24%, а ахроматические на 21% эффективнее, чем LZW.

При сопоставлении полученных данных с показателями алгоритмов сжатия при работе в режиме «с потерей информации» (с коэффициентами, при которых сжатое изображение неотличимо от оригинала) был сделан вывод о нецелесообразности использования этих методов сжатия без потерь для цветных изображений, подготавливаемых для полиграфического воспроизведения, так как алгоритм JPEG с коэффициентом сжатия «10» сжимает сильнее не менее, чем в 2.6 раза при одинаковом визуальном качестве.

Установлено, что фиксированный коэффициент сжатия не является универсальным для различных изображений. Из-за различной семантики некоторые изображения будут сжаты не оптимально. Поэтому ставится задача создания ПО, которое будет находил, оптимальный коэффициент сжатия выбранного алгоритма в выбранной зоне качества в зависимости от семантики изображения.

Глава 3 посвящена возможное™ применения в СПОИ технологии сжатия изображений с потерей качества. При анализе установлено, что оптимальным является применение сжатия на файл-сервере в обычной схеме и применение сжатия на ОР!-сервере в схеме, основанной на OPI-технологии. Внедрение автоматического сжатия изображений на серверах не увеличивает время обработки информации операторами и позволяет оператору использовать сжатые изображения, как правило, практически сразу, после поступления на сервер оригинальных изображений, что ведет к существенной экономии времени.

Автоматизация реализуется методами автоматизации управления массивами данных. К ним относятся метод «Hot Folder» и метод «Droplets». Метод «Hot Folder» отслеживает изменения в указанной директории. Как только в данной директории появляется файл, он обрабатывается с помощью заранее указанных процедур. Метод «Droplets» является расширением метода «Hot Folder» — программы с созданным пользователем набором управляющих команд для обработки файла (скрипт).

Эти решения задачи автоматизации построены на базе предварительной настройки ПО на определенный алгоритм с фиксированным коэффициентом сжатия. Недостаток такого подхода - применение одинаковых условий ко всей совокупности изображений, что приведет к появлению файлов, сжатых не эффективно. Исследования же показали, что оптимальным решением является вычисление индивидуального коэффициента сжатия для каждого изображения.

Поэтому нами предлагается создание ПО, находящего оптимальный коэффициент сжатия для конкретного изображения при выполнении сжатия по алгоритмам JPEG и JPEG2000. Кроме того, программа сможет анализировать уже сжатое изображение на предмет его пригодности для полиграфического воспроизведения.

Основой для поиска коэффициента будут полученные нами диапазоны «зон качества»; значения PSNR и Ьрр, либо коэффициенты программы имитации экспертной оценки. Автоматизированный поиск оптимального коэффициента сжатия возможен только при решении задачи автоматического определения семантики произвольного изображения. Реализация данного ПО может быть основана как на технологии «Hot Folders», так и на OPI-технологии и может быть самостоятельным продуктом или программным расширением для автоматизированных комплексов.

Принципы работы программы.

I. Нахождение оптимального коэффициента сжатия. Выбранное изображение подвергается предварительному анализу. Находится малый фрагмент внутри изображения, наиболее полно характеризующий его целиком. По выбранному пользователем алгоритму и зоне качества фрагмент подвергается сжатию с коэффициентами в некотором диапазоне значений. Сжатые фрагменты анализируются на предмет соответствия критериям качества. Установленный фрагмент, наиболее соответствующий критериям, несет в себе информацию об оптимальном коэффициенте сжатия. Он и принимается оптимальным для целого изображения. Выбранным алгоритмом с установленным оптимальным коэффициентом сжимается целое изображение.

2 Установление пригодности сжатого изображения. На основе линейных размеров и объема файла рассчитывается остаточный объем данных в бит на пиксель. По этим данным, согласуясь с результатами экспериментальных исследований, возможно оценить пригодность изображения для полиграфического воспроизведения.

Анализ интеграции алгоритмов сжатия в СПОИ■ обычная схема. При существующем развитии ПО применение технологий сжатия изображений в обычной схеме последняя останется не полностью оптимизированной. Кроме того, создание PDF файлов станет недопустимым. Для автоматизации здесь можно применить метод «Hot Folder». Также рекомендуется использовать программу подбора оптимальных коэффициентов сжатия.

Для полной оптимизации информационных потоков в обычной схеме требуется модификация языка PostScript и модификация ПО. В языке PostScript необходимо ввести изменение в организацию данных тела файла таким образом, чтобы битовый ресурс был в конце страницы и при цветоделении не разделялся на разные страницы, а в странице была лишь ссылка на конкретное место ресурса. Программам верстки и программам дизайна необходимо создавать выходные данные со сжатыми изображениями без декодирования. При выполнении указанных модификаций удастся полностью оптимизировать обычную схему.

Анализ интеграции алгоритмов сжатия в СПОИ: схема, построенная по технологии OPI Наиболее оптимальной будет реализация сжатия изображений на OPl-сервере. Т.к. в основном все OPI-серверы содержат в своей структуре модули, позволяющие сжимать изображение, то оптимизация данной схемы сводится к активизации этой функции. Для повышения эффективности сжатия рекомендуется ввести в состав OPI-сервера модуль подбора оптимальных коэффициентов сжатия. В случае создания PDF фай-

лов на станции верстки в этой схеме также необходима модификация ПО.

После реализации автоматического сжатия структура информационных потоков в существующих схемах не претерпит никаких изменений. На файл-сервере при этом будут храниться два файла: оригинальный и сжатый. Это означает увеличение занимаемого дискового пространства на размер сжатого файла по сравнению с традиционной схемой построения. В работе операторов на всех структурных этапах производственной цепочки ничего технологически не измениться.

3. Выводы и рекомендации

Определены зоны устойчивого качества для алгоритмов сжатия изображений. В зоне «отличного/хорошего» качества лучшим для сжатия цветных изображений является алгоритм JPEG (сжимает изображения до 20,2 раз). Для ахроматических изображений лучшим является JPEG2000 с коэффициентом сжатая «99» (сжимает изображения в 6 раз). В зоне «допустимого» качества для цветных изображений - алгоритм JPEG (сжимает изображения до % раз). Для ахроматических изображений JPEG2000 (сжимает изображения в 16 раз).

В результате проведенного в работе исследования рекомендуется-

Производить оптимизацию информационных потоков в структуре до-печатных процессов, используя алгоритмы JPEG и JPEG2000, посредством автоматизированного сжатия на файл-сервере в обычной схеме и на OPI-сервере в схеме основанной на OPI-технологии. Для получения отличного/хорошего качества целесообразно использовать для цветных изображений алгоритм JPEG с коэффициентами сжатия Adobe не менее «6», для ахроматических JPEG2000 с коэффициентом сжатия LuraWave не менее «99». Для получения удовлетворительного качества использовать для цветных изображений алгоритм JPEG с коэффициентами сжатия не менее «2», для ахроматических JPEG2000 с коэффициентом сжатия не менее «97».

Использовать разработанную методику для определения коэффициентов алгоритмов сжатия информационного объема графических объектов с потерей информации, оптимальных для полиграфического воспроизведения.

Решить задачу автоматизированного определения семантики произвольного изображения и создать программу автоматического определения оптимального коэффициента сжатия.

По материалам диссертации опубликованы следующие работы:

1. «Исследование алгоритма сжатия JPEG программы Adobe Photoshop на базе оценки пикового отношения сигнал/шум» //Известия ВУЗов. Проблемы полиграфии и издательского дела. -2004. -№3. (0,23 пл.).

2. «Аспекты применения алгоритмов сжатия изображений» //Полиграфия. -2004. ~№6. (0,4 пл.).

3. Алгоритмы сжатия изображений с потерей информации. Коэффициенты сжатия, оптимальные для полиграфического воспроизведе-ния//Вестник технологии в области полиграфии и печатной рекламы. -2005. -№1.(0,62 ал.).

Соискатель

Васильев А.Е.

Подписано к печати «0\ » 2005 г.

Заказ №КМ/&. Формат 60x84/16. Объем 1 п. л. Тираж 100 экземпляров.

Типография МГУП. 127550, г. Москва, ул. Прянишникова, д. 2а.

РНБ Русский фонд

2005-4 42962

Введение

Глава 1. ИНФОРМАЦИОННЫЕ ПОТОКИ В СИСТЕМЕ ПОЭЛЕМЕНТНОЙ ОБРАБОТКИ ИНФОРМАЦИИ (СПОИ). МЕТОДЫ ОПТИМИЗАЦИИ ИНФОРМАЦИОННЫХ МАССИВОВ ДАННЫХ.

1.1. Анализ информационных потоков в СПОИ.

1.1.1. Классификация информационных потоков.

1.1.2. Структурная схема информационного потока.

1.1.3. Структурная схема информационного потока по технологии OPI.

1.2. Концептуальная характеристика алгоритмов сжатия цифровых изображений.

1.2.1. Алгоритм JPEG (Joint Photographic Expert Group).

1.2.1.1. Изменение цветового пространства.

1.2.1.2. Сегментация изображения.

1.2.1.3. Дискретное косинусное преобразование.

1.2.1.4. Квантование.

1.2.1.5. "Зигзаг"-сканирование.

1.2.1.6. Свертка полученных векторов алгоритмом RLE.

1.2.1.7. Свертка полученных пар методом Хаффмана с фиксированной таблицей.

1.2.2. Рекурсивный (волновой) алгоритм JPEG2000 (LuraWave).

1.2.2.1. Предварительная обработка.

1.2.2.2. Изменение цветового пространства.

1.2.2.3. Двумерное дискретное вейвлет-преобразование (ДВП).

1.2.2.4. Квантование.

1.2.2.5. Энтропийное кодирование.

1.2.2.6. Организация закодированных последовательностей.

1.2.3 Алгоритм фрактального сжатия (LizardTech).

1.2.3.1. Дробление массива данных на ранговые области.

1.2.3.2. Аффинное преобразование.-.

1.2.3.3. Кодирование цветных изображений.

1.2.3.4. Упаковка данных.

Выводы по главе 1.

Глава 2. МЕТОДИКА ПРОВЕДЕНИЯ ЭКСПЕРИМЕНТА.

АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ.

2.1.Технико-методологические основы проведения эксперимента.

2.1.1. Методика проведения эксперимента.-.

2.1.2. Подбор и описание тест-объектов для оценки степени и качества сжатия.

2.1.3. Выбор программного обеспечения.

2.1.4. Анализ элементов управления программ.

2.2 Анализ результатов эксперимента.

2.2.1 Объективная оценка (PSNR).

2.2.2. Экспертная оценка.

2.2.3. Программный анализ (имитация экспертной оценки).

2.2.4. Анализ результатов эксперимента.

2.2.5. Определение пригодности сжатого файла для полиграфического воспроизведения

2.2.6 Сопоставление методов сжатия.

Выводы по главе 2.

Глава 3. ПРИМЕНЕНИЕ АЛГОРИТМОВ СЖАТИЯ В СПОИ.

3.1. Локализация процесса сжатия изображений в информационных потоках.

3.2. Методы автоматизации сжатия изображений.

3.3. Анализ способов интеграции алгоритмов сжатия.

Выводы по главе 3.

Актуальность темы диссертационного исследования. Современное развитие полиграфической отрасли в России и в мире тесно связано с проблемой оптимизации информационного объема цифровых изображений в системах допечатных процессов.

Тенденция роста объема информационных данных цифровых изображений предопределяет увеличение времени транспортировки и работы с цифровыми изображениями. В этой связи особую актуальность приобретают методы сжатия информационных данных цифровых изображений в системе допечатных процессов.

Основная сложность работы с цифровыми изображениями связана с ограниченными возможностями передачи информационных данных в рамках локальных сетей, Интернет и потребностью в формировании в системах допечатных процессов полиграфии цифрового графического материала необходимого качества.

Возможности и результаты обработки цифровой графической информации обусловливаются комплексом результатоформирующих факторов: методы сжатия информации; скоростные характеристики алгоритма компрессии, сетевые ограничения, формат графических объектов и др.

Оптимизация объема информации в полиграфической технологии -проблема, имеющая достаточно длинную историю, шедшую параллельно с развитием технологий кодирования информации. Алгоритмы оптимизации объема информации оперируют с входным потоком информации. Цель процесса компрессии - получение более компактного выходного потока информационных данных из некоторого изначально некомпактного входного потока при помощи преобразования его представления. Основными техническими характеристиками процессов сжатия и результатов их работы являются: степень сжатия, т.е. отношение объемов исходного и результирующего потоков; скорость сжатия - время, затрачиваемое на сжатие некоторого объема информации входного потока для получения из него компактного выходного потока; качество сжатого объекта, характеризующее отличие параметров выходного потока от параметров оригинального.

Существует несколько различных подходов к проблеме сжатия информации. Одни имеют весьма сложную математическую базу, другие основаны на свойствах информационного потока и алгоритмически достаточно просты. Любой алгоритм, реализующий компрессию данных, предназначен для сокращения объема выходного потока информации в битах при помощи ее обратимого или необратимого преобразования.

Степень изученности проблемы. Вопросам оптимизации информационного объема изображений, в том числе и цифровых, посвящено значительное количество научных работ и монографий российских и зарубежных ученых: Jacquin А.Е., Fisher Y., Reusens E., Menlove S., Davoine F., Antonini M., Chassery J.-M., Barlaud M., Svensson J., Thomas L., Deravi F., Saupe D., Hartenstein H., Ruhl M., Hamzaoui R., Grandi L., Marini D., Serrano N., Schilling D., Cosman P.C., Rogers J.K., Shirani S., Shirani J., Kossentini F., Shapiro J., Sherwood P.G., Zeger K., Bli E.O., Cen S., Persson H., Вепу C., Просис Г., Прэтт У., Бендат Дж., Шлихт Г.Ю., Тайц А.М., Тайц А.А., Борисов М., Брудный А .Я., Мельников J1.A., Ватолин Д.С., Ефимов М.В., Самсонов Д., Колесников А.Н., Сушко JI.C., Головин В.Ф., Романов В.Ю., Ярославский Л.П. и др. Для различных методов оптимизации информационного объема графических данных выявлены определяющие факторы и получены уравнения, характеризующие зависимость объема получаемого изображения от его параметров.

Однако, существующие методики сжатия информационного ббъегсга. цифровых изображений мало изучены в контексте использования в системах допечатных процессов.

Все вышеизложенное и обусловило выбор темы настоящего диссертационного исследования "Оптимизация информационного объема цифровых изображений в допечатных процессах полиграфии"

Цели и задачи исследования. Цель работы состоит в поиске эффективной методики использования алгоритмов сжатия информационных данных цифровых изображений в системах допечатных процессов полиграфии.

В рамках избранной темы настоящей диссертационной работы поставлены следующие задачи:

- дать характеристику алгоритмам сжатия изображений с потерей качества;

- определить программное обеспечение, методику проведения эксперимента для оценки степени и качества сжатия;

- провести анализ результатов оптимизации информационных данных цифровых изображений в допечатных процессах полиграфии с использованием методов математического анализа и экспертных оценок;

- разработать рекомендации по применению алгоритмов сжатия информационных данных цифровых изображений в допечатных процессах полиграфии.

Научная новизна настоящего диссертационного исследования состоит:

- в анализе методов сжатия информационных данных цифровых изображений, оптимальных для использования в допечатных процессах;

- в разработке методологии и проведении анализа результатов оптимизации информационных данных цифровых изображений в полиграфических процессах. в создании рекомендации по применению алгоритмов сжатия информационных данных цифровых изображений в допечатных процессах полиграфии.

Практическая значимость диссертационной работы. Разработанные в результате проведения настоящего исследования рекомендации по применению алгоритмов оптимизации информационных данных цифровых изображений могут быть использованы для повышения эффективности обработки и транспортировки цифровых изображений в локальных сегментах комплекса допечатных процессов и возможно приведут к снижению затрат на использование носителей информации.

Предложения по созданию программного обеспечения, находящего оптимальный коэффициент сжатия для конкретного изображения при выполнении сжатия по алгоритмам JPEG и JPEG2000, будут использованы в программных разработках фирмы «ЮникАйСиз».

Апробация исследования. По результатам исследования опубликованы следующие материалы:

1. «Исследование алгоритма сжатия JPEG программы Adobe Photoshop на базе оценки пикового отношения сигнал/шум» //Известия ВУЗов. Проблемы полиграфии и издательского дела. -2004. -№3. 0,23 п.л.

2. «Аспекты применения алгоритмов сжатия изображений» //Полиграфия. -2004. -№6. 0,4 п.л.

3. Алгоритмы сжатия изображений с потерей информации. Коэффициенты сжатия, оптимальные для полиграфического воспроизведения. Часть 1//Вестник технологии в области полиграфии и печатной рекламы. -2005. -№1. 0,62 п.л. .

Основные положения, выносимые на защиту.

1. Обоснование необходимости сжатия цифровых изображений и выбор алгоритмов сжатия изображений для оптимизации информационных потоков в допечатных процессах.

2. Методика определения зон качества и определение оптимальной степени сжатия для конкретного изображения.

3. Рекомендации по проведению оптимизации информационных потоков алгоритмами сжатия изображений.

ВЫВОДЫ ПО ГЛАВЕ 3.

1. Оптимизация информационных потоков в СПОИ возможна.

2. При использовании технологии сжатия с потерей информации, как метода оптимизации, необходимо сохранять оригинальный файл изображения.

3. Наиболее оптимальным является применение автоматического сжатия на файл-сервере в обычной схеме и на OPI-сервере в схеме основанной на ОР1-технологии.

4. При существующем развитии программного обеспечения применение технологий сжатия изображений обычная схема останется не полностью оптимизированной. Кроме того, создание PDF файлов станет недопустимым.

5. Для полной оптимизации информационных потоков в обычной схеме требуется модификация языка PostScript и модификация программного обеспечения.

6. Оптимизация схемы, реализованной на OPI-технологии, не требует дополнительного программного обеспечения.

7. Эффективность оптимизации может быть повышена созданием программы подбора оптимальных коэффициентов сжатия, и ее применении в составе рассмотренных комплексов автоматизации.

8. В результате применения оптимизации информационных потоков в СПОИ в работе персонала не произойдет никаких изменений.

ЗАКЛЮЧЕНИЕ

Проведенные в работе исследования показали:

Наличие в схемах информационных потоков каналов обмена данных с большой нагрузкой;

Объектами для оптимизации схем являются информационные потоки каналов связи. Оптимизация информационных потоков возможна преобразованием битовой карты тоновых изображений алгоритмами сжатия с потерей информации.

Оптимальным является применение автоматического сжатия на файл-сервере в обычной схеме и на OPI-сервере в схеме основанной на OPI-технологии.

При существующем развитии программного обеспечения и применении технологий сжатия изображений обычная схема останется не полностью оптимизированной, а создание PDF файлов в этой схеме станет недопустимым. Оптимизация схемы, реализованной на ОР1-технологии, не требует дополнительного программного обеспечения. ~

Для полной оптимизации информационных потоков в обычной схеме требуется модификация языка PostScript и модификация программного обеспечения СПОИ.

Методика исследования, применяемая в работе, может быть использована для определения коэффициентов любых алгоритмов сжатия информационного объема графических объектов с потерей информации, оптимальных для полиграфического воспроизведения.

Изображения, сжатые JPEG, JPEG2000 и фрактальным алгоритмами удовлетворяют требованиям, предъявляемым к оригиналам для полиграфического воспроизведения. Форматы файлов алгоритмов сжатия имеют большие возможности и содержат все необходимые параметры и структуру. Алгоритм JPEG обладает большей гибкостью по сравнению с JPEG2000.

Для цветных изображений, подготавливаемых для полиграфического воспроизведения нецелесообразно использовать метод сжатия изображений «без потери информации», т.к. алгоритм JPEG с коэффициентом сжатия «10» сжимает эффективнее и не менее чем в 2.6 раза при одинаковом визуальном качестве.

Наилучшие по качеству результаты показывает фрактальное сжатие, как для цветных, так и для ахроматических изображений.

Алгоритм JPEG с коэффициентами сжатия 10-12 и алгоритм JPEG2000 с коэффициентом сжатия 100 создают изображения, не отличимые от оригинала.

Определены зоны устойчивого качества для алгоритмов сжатия изображений.

В зоне «отличного/хорошего» качества лучшим для сжатия цветных изображений является алгоритм JPEG (сжимает изображения до 20,2 раз). Для ахроматических изображений лучшим является JPEG2000 с коэффициентом сжатия «99» (сжимает изображения в 6 раз).

В зоне «допустимого» качества для цветных изображений — алгоритм JPEG (сжимает изображения до 96 раз). Для ахроматических изображений JPEG2000 (сжимает изображения в 16 раз).

Определить оптимальный коэффициент сжатия алгоритма в зоне качества возможно используя диапазоны «зон качества»; значения PSNR и Ьрр либо значения программы имитации экспертной оценки. Фиксированный коэффициент сжатия не является универсальным для различных изображений.

Наиболее удобной программной реализацией алгоритмов сжатия в допечатных процессах полиграфии являются модули для Photoshop.

Сжатие алгоритмом JPEG 2000 рекомендовано модулем LuraWave фирмы Algo Vision LuraTech, фрактальным алгоритмом - модулем Fractals Print Pro фирмы LizardTech.

Зоны качества алгоритма JPEG в Adobe Photoshop не отражают качество сжатой информации предназначенной для полиграфического воспроизведения.

Одна из исследуемых в работе программ имитации экспертной оценки может - быть использована для определения зон качества при сжатии изображений.

Эффективность оптимизации может быть повышена созданием программы поиска оптимальных коэффициентов сжатия для изображений, и ее применения в составе комплекса автоматизации.

В результате проведенного в работе исследования предложено: Производить оптимизацию информационных потоков в структуре допечатных процессов посредством автоматизированного сжатия на файл-сервере в обычной схеме и на OPI-сервере в схеме основанной на OPI-технологии используя алгоритмы JPEG и JPEG2000. Для получения отличного/хорошего качества использовать для цветных изображений алгоритм JPEG с коэффициентами сжатия Adobe не менее «6», для ахроматических JPEG2000 с коэффициентом сжатия LuraWave не менее «99». Для получения удовлетворительного качества использовать для цветных изображений алгоритм JPEG с коэффициентами сжатия не менее «2», для ахроматических JPEG2000 с коэффициентом сжатия не менее «97».

Использовать разработанную методику для определения коэффициентов любых алгоритмов сжатия информационного объема графических объектов с потерей информации, оптимальных для полиграфического воспроизведения.

Решить задачу автоматизированного определения семантики произвольного изображения.

Создать программу автоматического определения оптимального коэффициента сжатия для алгоритмов сжатия с потерей информационного объема файла.

1. Айриг С., Айриг Э. «Сканирование. Профессиональный подход»/Пер. с анг. -К.: Поппури, 1997 -169 с.

2. Айриг Э., Айриг С. «Подготовка цифровых изображений для печати»/Пер. с анг. -К.: Поппури, 1997 -189 с.

3. Амангельдыев А. «Переводы с языка PostScript: быстро, дословно, с высоким качеством. // Курсив-1996-№2-С. 34-36.

4. Бендат Дж. и др. «Применение корреляционного и спектрального анализа»/Пер. с анг. Кочубинского А.Н., Привольского Е.Е. под ред. Коваленко И.Н. -М.: Мир, 1983 -312 с.

5. Бли Э.О. «О PostScript 3» //КомпьюАрт-1997-Октябрь-С 18-22

6. Блохин А.С. Восприятие киноизображений зрительным анализатором человека // Техника кино и телевидения , № 6 2002 г.

7. Борисов М. "Новые форматы изображений: требование времени" Publish, №2, 2001

8. Борисов М. «Сжатие изображений: JPEG и JPEG2000». //Publish, 2002-№2.

9. Брудный А .Я., Мельников Л.А. «Электронная обработка черно-белых и цветных иллюстраций в комплексе с лазерным выводным устройством ФЛП 300 //Современная полиграфия-1994-ЖЗ

10. Васильев А.Е. «Аспекты применения алгоритмов сжатия изображений» //Полиграфия, 2004-№6-С 66-68

11. Васильев А.Е. «Алгоритмы сжатия изображений с потерей информации. Коэффициенты сжатия, оптимальные для полиграфического воспроизведения»//Вестник технологии в области полиграфии и печатной рекламы, 2005-№1

12. Васильев А.Е. «Исследование алгоритма сжатия JPEG программы Adobe Photoshop на базе оценки пикового отношения сигнал/шум» //Известия высших учебных заведений. Проблемы полиграфии и издательского дела., М., №4 2004. с. 11-14

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

14. ВендровскийК.В., Вейцман А.И. «Фотографическая " структурометрия»-М.: Искусство, 1982.

15. Волков П.Н. «Математические методы в экспериментальных исследованиях. Планирование и статистический анализ многофакторных экспериментов» Конспект лекций. Ч. 3 -М.: Изд-во МПИ «Мир книги», 1992-131 с.

16. Волков П.Н. «Математические методы в экспериментальных исследованиях. Таблицы математической статистики и другие справочные материалы» Конспект лекций. 4.4 -М.: Изд-во МПИ «Мир книги», 1992-145 с.

17. Гиленсон П.Г. «Справочник художественного и технического редакторов» -М.: Книга, 1998 -526 с.

18. Джонсон Н., Лион Ф. «Статистика и планирование эксперимента в технике и науке. Методы обработки данных» Пер. с англ./ под ред. Лецкого Э.К. -М.: Мир, 1980 -610 с.

19. Зельдович Б.З. «Менеджмент в полиграфии» ~ М.: Изд-во МГАП «Мир книги», 1997 -238 с.

20. Капелев В.В. «Программные средства обработки информации. Учебное пособие по выполнению самостоятельной работы». -М.: МГУП, 2001-219 с.

21. Касьянова З.К., Чернуха Н.В. «Проблемы сжатия полиграфической изобразительной информации». Известия высших учебных заведений. Проблемы полиграфии и издательского дела., М., №1-2 2000. С 50-58

22. П. Киволовиц "Сжатие изображений по стандарту JPEG" //Мир ПК, №4, 1992

23. Киппхан Г. Энциклопедия по печатным средствам информации. М:-МГУП, 2003, 522-524 с.

24. Кузнецов Ю.В. «Основы подготовки иллюстраций к печати. Растрирование.: Учебное пособие» -М.: МГУП Изд-во «Мир книги», 1998-173 с.

25. Маркус В.А. «Нормативные материалы по издательскому делу. Справочник», -М.: Книга, 1987 -480 с.

26. Митролин Е.М. «Измерения отрасли печати» //КомпьюАрт-1998-№6-С 31-37

27. Мишуровский М.Н "Исследование свойств зрительной системы человека в пространстве вейвлет коэффициентов", Межотраслевой научно-технический журнал "Оборонный комплекс - научно-техническому прогрессу России", №1 2004.

28. Мишуровский М.Н., Ковлига И.М. "Анализ влияния эффекта маскирования на пороговую чувствительность человека к искажениям вейвлет -коэффициентов", 6-я Международная конференция и выставка "Цифровая обработка сигналов и ее применение" М. 2004.

29. Мюррей Д.Д., Ван Райпер «Энциклопедия форматов графических файлов». 2-е изд. пер. с англ. - К.: Изд. Группа BHV, 1997

30. Нуждин П. "Алгоритмы компрессии пиксельных изображений" КомпьюАрт, №2, 2000

31. Просис Д. «Файлы растровой графики: взгляд внутрь» //PC Magazine №3 1996. с. 21-27.

32. Прэтт, Уильям «Цифровая обработка изображений». В 2-х кн., Кн. 1/Пер. с анг. Лебедев Д.С. -М.: Мир, 1987 -182 с.

33. Прэтт, Уильям «Цифровая обработка изображений». В 2-х кн., Кн. 2/Пер. с англ. Лебедев Д.С. -М.: Мир, 1987 -310 с.

34. Самошкин М.А. Автоматизация преобразования и обработки графической информации М: Мир, 1991.

35. Самсонов Д. «Растрирование, конвертирование и передача файлов на расстоянии»//РиЬНзЬ -№6-2000, 70 с.

36. Старинец В.В. «Теория вероятностей и математическая статистика: Конспект лекций» -М: МГУП, 2001 -171 с.

37. Тайц A.M., Тайц А.А. «Adobe Photoshop 5.5.» СПб.: БХВ-Санкт-Петербург, 200040. «Технические средства переработки текста и иллюстраций» /под общей ред. Ефимова М.В. -М.: Изд-во МГАП «Мир книги», 1994

38. Шлихт Г.Ю. «Цифровая подготовка изображений. Сканирование, печать, видео, мультимедиа под Windows». -М.: Эком, 1997 -335 с.

39. Шульмейстер М.В., Таль Г.А. «Справочник технолога-полиграфиста» ~М.: Книга, 1981

40. Л. Янсон, М. Барнсли "Фрактальное сжатие изображений" Мир ПК, №4, 1992

41. Ярославский Л. П. "Введение в цифровую обработку изображений" -М.: Советское радио, 1979 -312 с.

42. М. Barnsley, Fractals Everywhere, Academic Press, San Diego, CA, USA, 1988.

43. J. M. Beaumont "Advances in block based fractal coding of still pictures," in Proceedings IEE Colloquium: The Application of Fractal Techniques in Image Processing, Dec. 1990, pp. 3.1-3.6.

44. T. Bedford, F. M. Dekking, M.S. Keane "Fractal image coding techniques and contraction operators," Nieuw Archief Voor Wiskunde, vol. 10, no. 3, pp. 185-217, Nov. 1992.

45. D. J. Bone "Orthonormal fractal image encoding using overlapping blocks," Fractals, vol. 5 (Supplementary Issue), pp. 187-199, Apr. 1997.

46. G. Caso, P. Obrador, C.-C. J. Kuo "Fast methods for fractal image encoding," in Visual Communications and Image Processing '95, L. T. Wu, Ed., Taipei, Taiwan, May 1996, vol. 2501 of SPIE Proceedings, pp. 583594.

47. Delta Technology. Workflow Manual Linotype-Hell AG Kiel, 1996

48. EP 2000 Adaptive Workflow Optimization for Digital Printing and Publishing. Version 2.1: Technical data from Imprinta '97 Harleguin Grouppe Ltd. 4.07.1997

49. Y. Fisher, Ed., Fractal Image Compression: Theory and Application, Springer-Verlag, New York, NY, USA, 1995.

50. C. Frigaard, J. Gade, T. Hemmingsen, T. Sand "Image compression based on a fractal theory," Internal Report S701, Institute for Electronic Systems, Aalborg University, Aalborg, Denmark, 1994.

51. A. Gersho, R. M. Gray Vector Quantization and Signal Compression, Communications and Information Theory. K-luwer Academic Publishers, Norwell, MA, USA, 1992.

52. R. Hamzaoui "Codebook clustering by self-organizing maps for Fractal image compression," Fractals, vol. 5 (Supplementary Issue), pp. 27-38, Apr. 1997.

53. B. Hurtgen, P. Mols, S. F. Simon «Fractal transform coding of color images» //Visual Communications and Image Processing, SPIE'94, Chicago

54. A. E. Jacquin "A novel fractal block-coding technique for digital images," in Proceedings ICASSP-90 (IEEE International Conference on Acoustics, Speech and Signal Processing), Albuquerque, NM, USA, Apr. 1990, vol. 4, pp. 2225-2228.

55. M. Kawamata, M. Nagahisa, T. Higuchi "Multi-resolution tree search for iterated transformation theory-based coding," in Proceedings ICIP-94 (IEEE International Conference on Image Processing), Austin, TX, USA, Nov. 1994, vol. Ill, pp. 137-141.

56. J. Kominek "Algorithm for fast fractal image compression," in Digital Video Compression: Algorithms and Technologies 1995, A. A. Rodriguez, R. J. Safranek, and E. J. Delp, Eds., San Jose, CA, USA, Feb. 1995, vol. 2419 of SPIE Proceedings, pp. 296-305.

57. E. Kreyszig "Introductory Functional Analysis with Applications", John Wiley & Sons, New York, NY, USA, 1978.

58. N. Lu "Fractal Imaging", Academic Press, San Diego, С A, USA, 1997.

59. J.L. Mannos, D.J. Sakrison "The Effects of Visual Fidelity Criterion on the Encoding of Images" // IEEE Transactions on Information Theory IT-20(4) 1974, pp. 525-536

60. D. M. Monro "Class of fractal transforms," Electronics Letters, vol. 29, no. 4, pp. 362-363, Feb. 1993.

61. M. Novak "Attractor coding of images," in Proceedings PC-S'93 (International Picture Coding Symposium), Lausanne, Switzerland, Mar. 1993, p. 15.6.

62. G. E. Oien, S. Lepsoy, T. A. Rarnstad, "An inner product space approach to image coding by contractive transformations," in Proceedings ICASSP-91

63. EE International Conference on Acoustics, Speech and Signal Processing), Toronto, Canada, May 1991, vol. 4, pp. 2773-2776.

64. F. P. Preparata, M.I. Shamos, Computational Geometry, Texts and Monographs in Computer Science. Springer-Verlag, New York, NY, USA, 1985.

65. E. Reusens "Partitioning complexity issue for iterated functions systems based image coding," in Proceedings EUSIP-CO'94 (European Signal Processing Conference), Edinburgh, Scotland, Sept. 1994, vol. 1, pp. 171174.

66. J.K. Rogers, P.C. Cosman. "Wavelet zerotree image compression with packetization". IEEE Signal Processing Letters, 5(5): 105-107, May 1998.

67. J. K. Rogers, P.C. Cosman «Robust wavelet zerotree image compression with fixed-length packetization» Dept. of Electrical and Сотр. Engineering, Univ. of California at San Diego La Jolla, CA 92037-0407

68. H. Samet, "The Design and Analysis of Spatial Data Structures", Addison-Wesley Series in Computer Science. Addison-Wesley, Reading, MA, USA, 1989.

69. D. Saupe, H. Hartenstein, "Lossless acceleration of fractal image compression by fast convolution," in Proceedings ICIP-96 (IEEE International Conference on Image Processing), Lausanne, Switzerland, Sept. 1996, vol. I, pp. 185-188.

70. D. Saupe, R. Hamzaoui, "Complexity reduction methods for fractal image compression," in Proceedings of the IMA Conference on Image Processing: Mathematical Methods and Applications, J. M. Blackledge, Ed., Oxford, England, Sept. 1994, pp. 211-229.

71. D. Saupe "Breaking the time complexity of fractal image compression," Tech. Rep. 53, Institut fur Informatik, University of Freiburg, Freiburg, Germany, 1994.

72. D. Saupe "Lean domain pools for fractal image compression," in Still-Image Compression II, R. L. Stevenson, A. I. Drukarev, and T. R. Gardos, Eds., San Jose, С A, USA, Jan. 1996, vol. 2669 of SPIE Proceedings, pp. 150-157.

73. K. Sayood "Introduction to data compression", San Francisco: Morgan Kaufmann, first edition, 1996.

74. N. Serrano, D. Schilling, P.C. Cosman «Quality Evaluation for Robust Wavelet Zerotree Image Coders». Dept. of Electrical and Сотр. Engineering, Univ. of California at San Diego La Jolla, CA 92093-0407

75. J. Shapiro. Embedded image coding using zerotrees of wavelet сое cients. IEEE Transactions on Signal Processing, 41(12):3445-3462, December 1993.

76. P.G. Sherwood, K. Zeger. "Progressive image coding on noisy channels". In J. A. Storer and M. Cohn, editors, Proceedings of the 1997 IEEE Data Compression Conference (DCC), pages 72-81, Snowbird, Utah, March 1997. IEEE Computer Society Press.

77. J. Shirani, S. Shirani, F. Kossentini. «On RD Optimized Progressive Image Coding Using JPEG». Department of Electrical and Computer Engineering, University of British Columbia, Vancouver ВС V6T 1Z4, Canada

78. J. Signes, "Geometrical interpretation of IFS based image coding," Fractals, vol. 5 (Supplementary Issue), pp. 133-143, July 1997.

79. E. Taft, S. Chernicoff, C. Rose "PostScript LANGUAGE REFERENCE. Third edition". Library of Congress Cataloging-in-Publication Data PostScript language reference manual/ Adobe Systems Incorporated. Wesley Publishing. 1999.

80. N. T. Thao, "A hybrid fractal-DCT coding scheme for image compression," in Proceedings ICIP-96 (IEEE International Conference on Image Processing), Lausanne, Switzerland, Sept. 1996, vol. I, pp. 169-172.

81. L. Thomas, F. Deravi "Region-based fractal image compression using heuristic search," IEEE Transactions on Image Processing, vol. 4, no. 6, pp. 832-838, June 1995.1. ИНТЕРНЕТ РЕСУРСЫ

82. Программные комплексы СПОИ.http://www.adobe.comhttp://www.quark.comhttp://www.kodak.comhttp://www.apple.comhttp://www.microsoft.com

83. Автоматизация схем информационных потоков СПОИ.http://www.heidelberg.comhttp://www.creo.comhttp://www.agfa.comhttp://www.heidelberg.comhttp://www.cyansoftware.comhttp://www.dsea.com