автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Повышение эффективности применения методов сжатия цифровых изображений

ВВЕДЕНИЕ.

1. АНАЛИЗ ШИРОКО ИСПОЛЬЗУЕМЫХ МЕТОДОВ СЖАТИЯ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ, ПОДХОДОВ К ОЦЕНКЕ ИХ ЭФФЕКТИВНОСТИ И ПРОГРАММНЫХ СРЕДСТВ ЕЕ ПОВЫШЕНИЯ.

1.1. Способы представления цифровых растровых изображений.

1.2. Классификация методов сжатия цифровых изображений.

1.3. Анализ подходов к оценке потерь качества.

1.4. Описание и анализ основных широко используемых методов сжатия.

1.4Л. Статистическое (энтропийное) кодирование.

1.4.2; Групповое кодирование, или кодирование серий (RLE)

1.4.3. Кодирование одинаковых последовательностей (LZ-подобные алгоритмы, LZW).

1.4.4. Кодирование на основе преобразования: алгоритмы Л,ЕОиЛ>Е02000;.

1.5. Классы изображения.

1.6. Анализ подходов к оценке эффективности методов сжатия.

1.7. Анализ программных средств повышения эффективности применения методов сжатия цифровых изображений.

1.81 Постановка задач на исследование.

1.9. Выводы

2. САМООРГАНИЗАЦИЯ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ КОЭФФИЦИЕНТА И ПАРАМЕТРОВ СЖАТИЯ ДЛЯ РАЗЛИЧНЫХ МЕТОДОВ > КОМПРЕССИИ:.

2.1. Определение набора признаков изображений; оказывающих влияние на коэффициент и параметры сжатия.

2.1.1. Анализ влияния гистограммных признаков первого и второго порядка на сжимаемость изображения различными методами,.

2.1.2. Методика оценки неоднородности изображения с помощью квадродерева.

2.1.3. Прочие признаки, оказывающие влияние на сжимаемость изображений:.

2.2. Применение метода группового учета аргументов (МГУА)

2.3: Построение моделей для оценки максимально возможного коэффициента сжатия и параметров для различных классов методов компрессии.

2.4: Выводы.

3.РАЗРАБОТКА МАТЕМАТИЧЕСКОГО И ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ЭФФЕКТИВНОГО СЖАТИЯ ИЗОБРАЖЕНИЙ.

311. Математическое описание системы эффективного сжатия? изображений;.

3.2. Разработка алгоритма комплексного определения признаков изображения с наименьшей вычислительной сложностью.

3.2.1. Оценка вычислительной сложности алгоритмов сжатия.

3;2.2. Синтез алгоритмов определения признаков изображения' оценка и их вычислительной сложности.

3.2.3. Сравнение суммарной вычислительной сложности алгоритмов сжатия и определения признаков изображения.

3.3. Алгоритм многорядного МГУА с исключением незначимых элементов.

314. Алгоритм выбора метода и параметров сжатия с использованием моделей изображений ■.

3.5. Выводы.

4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ЭФФЕКТИВНОГО СЖАТИЯ РАСТРОВЫХ ИЗОБРАЖЕНИЙ.

4.1. Программное обеспечение для получения и использования» многорядных моделей оценок коэффициентов и параметров сжатия различными методами.

4.1.1. Структура программного обеспечения:.

4.1.2. Разработка подсистемы сбора экспериментальных данных.

4.1.3. Разработка подсистемы моделирования.

4.2. Исследование эффекта применения процедуры исключения, незначимых элементов на основе анализа коэффициента множественной детерминации в многорядном МГУА.

4.3; Анализ многорядных моделей; получаемых на различных наборах данных.

414. Формирование архивов медицинских диагностических изображений с использованием разработанного ПО.

4.5; Применение разработанного ПО в системах видеонаблюдения.

4.6. Выводы.

В диссертации разработано математическое: и программное обеспечение для; построения подсистемы, позволяющей повысить эффективность применения методов сжатия изображений в различных системах обработки, хранения и передачи цифровых изображений.

Актуальность темы. С развитием ш разработкой новых технических средств получения растровых цифровых изображений в различных отраслях науки и промышленности, они все чаще используются в качестве данных об обрабатываемых и исследуемых объектах в системах, создаваемых на базе вычислительных машин; комплексов и компьютерных сетей. Представление цифровых изображений в виде; двумерных матриц требует больших объемов данных и предъявляет высокие требования к сетевому оборудованию при передаче их по каналам связи и к емкости внешних носителей при хранении. Так скромная, не очень качественная иллюстрация на обложке книги размером 500 х 800 точек занимает 1.2 Мб— столько же, сколько художественная книга из 400 страниц (60 знаков в строке, 42 строки на странице) [5]. Этим объясняется актуальность задачи создания, сопровождения и эксплуатации программных средств эффективного сжатия изображений. Особенно остро эта задача стоит перед системами, в которых необходимо обеспечить хранение большого количества изображений в автономном режиме: бортовые системы фотографирования поверхности Земли, спутниковые системы получения метеоснимков, медицинские базы данных, хранящие диагностические снимки, фотографии, результаты томографических исследований, охранные системы видеонаблюдения' с возможностью видеорегистрации.

В последние годы решению проблемы эффективного кодирования цифровых изображений уделяется серьезное внимание как у нас в стране, так и за6 рубежом [8]. Разработано большое количество различных методов сжатия цифровых изображений. Среди них есть как видоизмененные универсальные, так и абсолютно новые методы, ориентированные исключительно на сжатие изображений; Более того, разрабатываются методы, ориентированные на конкретный класс изображений, например отпечатки пальцев, медицинские снимки: Практика использования различных методов кодирования, изображений; реализованных в существующих программных средствах, показывает, что нет универсального метода, который был бы одинаково эффективен для? всех видов изображений. Как правило, любой. из существующих методов обеспечивает высокий коэффициент сжатия при сохранении хорошего качества для одного вида изображений; а для других высокий коэффициент сжатия достигается ценой значительных потерь, заметных при визуальной оценке, а в худшем случае метод не применим [54]. Кроме того, методы сжатия с потерями, как правило, имеют параметры, позволяющие управлять соотношением между объемом и качеством: чем меньше объем, тем ниже качество и наоборот. Для? одних изображений допускаются значительные потери, которые не заметны при визуальной оценке, и за счет этого максимально возможный коэффициент сжатия для них высок. Для других же изображений даже небольшие потери приводят к заметным искажениям, и как следствие, максимально допустимый коэффициент сжатия для)них небольшой. Пользователь, который имеет опыт использования? методов сжатия цифровых изображений; может по виду изображения определить, какой; метод и с какими параметрами является наиболее подходящим или подобрать их экспериментально. Но часто необходимо обеспечить«эффективную компрессию' изображений i в автономном режиме и в масштабе реального времени. Это = делает актуальной задачу разработки методики создания программных средств, осуществляющих для конкретного изображения выбор подходящего метода кодирования и определение его параметров, которая, и решается в данной работе.

Указанные обстоятельства определили направление исследований диссертационной работы. 7

Объектом исследования являются программные средства повышения эффективности применения методов сжатия цифровых изображений.

Предметом исследования являются методы определения, максимально возможного коэффициента и параметров сжатия; для ? различных методов компрессии цифровых изображений по его признакам.

Цель и задачи диссертации. Целью является уменьшение объема данных для хранения цифровых изображений и передачи их по каналам связи за счет повышения эффективности применения существующих методов сжатия; и использования для кодирования подходов, обеспечивающих минимальный объем данных при сохранении приемлемого качества.

В соответствии с указанной целью былипоставлены и решены следующие задачи:

1. Анализ существующих методов сжатия и подходов к оценке их эффективности с целью выделения признаков, оказывающих влияние на максимально возможный коэффициент сжатия.

2. Анализ существующих программных инструментальных средств, позволяющих сократить объемы данных для хранения * цифровых изображений и передачи их по каналам связи.

У. Разработка методики построения? моделей изображений, дающих оценки максимально возможного коэффициента и параметров сжатия, для различных методов кодирования.

4. Разработка программного инструментального средства "Моделирование изображений" для построения на основе экспериментальных данных моделей; позволяющих по вектору признаков изображения вычислить оценки максимально возможного коэффициента сжатия и параметров для различных методов сжатия. Разработка динамически загружаемой библиотеки для интеграции полученных с помощью инструментального средства оценивающих моделей в системы обработки, хранения и передачи цифровых изображений для повышения эффективности применения методов сжатия. 8

Методы исследования: В качестве основного инструмента теоретического исследования использовались методы функционального анализа, линейной алгебры, теории вероятностей и математической статистики; теории случайных процессов, теории информации, методы самоорганизации моделей сложных систем.

Научная новизна; В диссертационной: работе получены следующие новые научные результаты:

Is. Выделены признаки цифровых растровых изображений; от которых зависит его сжимаемость, для построения моделей оценкиi; максимально возможного коэффициента сжатия для различных методов компрессии.

2. Разработана методика анализа неоднородности поля изображения с использованием квадродерева с черно-белыми вершинами, позволяющего выдел ить однородные и неоднородные области; и описать их с помощью геометрических и топологических признаков.

3: Для самоорганизации математических моделей' оценки максимально возможного коэффициента сжатия и соответствующих параметров; применен метод группового учета аргументов (МГУА), который позволяет получить достаточно адекватные модели на выборках малого размера. Использование предложенной процедуры исключения незначимых элементов частных моделей на основе анализа коэффициента множественной детерминации < позволяет улучшить качество синтезируемых моделей и уменьшить их сложность, определяемую как наивысшая степень полинома.

4. Разработана методика построения многорядных моделей изображения, дающих оценку максимально возможного коэффициента» сжатия» и соответствующих параметров для различных классов методов сжатия.

На защиту выносятся следующие основные результаты:

- форма представления изображения в виде набора характеристик, включающего наряду со статистическими (гистограммными) предложенные признаки, характеризующие неоднородность изображения, что позволяет про9 граммно построить более точные модели для оценки максимально возможного коэффициента и параметров сжатия для различных методов кодирования;

- методика и программное обеспечение оценки степени неоднородности поля изображения на основе квадродерева, позволяющего обозначить однородные (с плавным изменением характеристик пикселей) и неоднородные (содержащие резкие переходы, детали) области, и описать их с помощью геометрических и топологических признаков;

- методика и« программное обеспечение построения моделей для оценки максимально возможного коэффициента и параметров сжатия для различных методов кодирования на основе МГУА, который позволяет получить их на экспериментальной выборке малого размера;

- методика создания- программного обеспечения эффективного• применения имеющегося набора методов компрессии изображений за счет выбора; на основе оценок, даваемых полученными моделями изображения, такого метода и таких его параметров, которые обеспечивают минимальный объем данных при сохранении приемлемого качества.

Практическая ценность Разработанные: методики и алгоритмы позволяют создавать программные средства эффективного» применения имеющихся методов сжатия в системах обработки, хранения и передачи изображений, работающих с большим количеством цифровых изображений в автономном; режиме. Их использование целесообразно в том; случае, если вычислительная сложность оценки максимально возможного коэффициента - сжатия; не превышает оценки сложности используемых алгоритмов сжатия. Полученные программные средства эффективного применения имеющихся ; методов сжатия позволяют:

- сократить время разработки систем обработки, хранения и передачи цифровых изображений, за счет эффективного использования существующих методов сжатия, вместо разработки специализированного метода сжатия;

- в системах передачи цифровых изображений за счет эффективного применения методов сжатия разгрузить более чем на 10.20% канал связи, и,

10 следовательно, повысить достоверность полученной информации, сократить время и/или снизить мощность и вес передающей аппаратуры;

- в системах регистрации и хранения цифровых* изображений за счет эффективного применения методов сжатия снизить количество и объем внешних накопителей более чем на 10.20%, благодаря чему сократить расходы на хранение и поиск информации в архиве.

Реализация и внедрение результатов работы. Предложенные алгоритмы иf методы реализованы в виде пакета программ на языке: С++ для? машин ЮМ ■ PC AT. Пакет программ. включает в себя программное обеспечение "Моделирование изображений" и динамически загружаемую библиотеку для операционной системы MS Windows 9x/Me/NT2000/XP.

Программное обеспечение "Моделирование изображений" позволяет собирать экспериментальные данные, включающие характеристики изображений и максимально возможные коэффициенты сжатия отдельно по каждому методу, и строить по ним многорядные полиномиальные модели, дающие оценку максимального коэффициента сжатия < и; параметров: изображения;. На данный момент включены и исследованы методы JPEG, LZW, RLE (групповое кодирование) и JPEG2000, но набор методов может быть легко расширен.

Динамически загружаемая библиотека включает в себя функции, которые позволяют по многорядным моделям, полученным ш сохраненным в файле с помощью ПО "Моделирование изображений", для конкретного изображения* определить метод, обеспечивающий максимально возможный коэффициент сжатия^ и его параметры.

Разработанное программное обеспечение было использовано при построении ! системы обработки, передачи и хранения • медицинских цифровых диагностических изображений в ГУП "НИИ новых медицинских технологий" (г. Тула). В результате внедрения разработанного программного обеспечения iудалось снизить объем архивов диагностических изображений на 20%. Также оно было использовано в системах видеонаблюдения с возможностью ведения видеорегистрации в НЛП "Альфа-прибор" (г. Тула), что привело к сокращению и объема видеоинформации и соответственно ?количества внешних носителей на 10%.

Разработанные методики и алгоритмы; используются - в учебных курсах "Теория сигналов" и "Программирование на языке высокого уровня" на кафедре ЭВМ Тульского государственного университета.

Внедрение результатов диссертационной работы и достигнутый при этом эффект подтверждены соответствующими актами.

Апробация работы. Основные положения и результаты диссертационной; работы докладывались XV Международной научной конференции "Математические методы в технике и технологиях" в 2002 г. (г. Тамбов), 5-й Международной конференции "Распознавание-200 1" и 6-й Международной конференции "Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание-2003" соответственно в 2001, 2003 гг. (г.Курск), XXVI, XXVIII Молодежных Международных научно-технических конференциях 'Тагаринские чтения" в 2000, 2002 гг. (г.Москва), XVII,XVIII научной сессии РНТОРЭС им. Л.С.Попова в 2000,2001 гг. (г.Тула), 7-й ВсероссийскойНТК студентов, молодых ученых и специалистов, посвященная; 50-летию РГРТА "Новые информационные технологии^ научных исследованиях и в образовании" в 2002 г. (г. Рязань), 4-й Международной НТК: "Космонавтика. Радиоэлектронника. Геоинформатика." в 2003 г. (г.Рязань), Межрегиональных научно-технических конференциях "Интеллектуальные и информационные системы" в 2000, 2003 гг. (г. Тула), XL Всероссийской конференции по проблемам математики, информатики, физики и химии. Секция «Оптические, математические и электронные методы обработки изображений и сигналов» в 2004 г. (г. Москва, РУДН).

По результатам исследований опубликовано 17 работ [24-33, 37-43], в том числе 7 статей [25-31] и 10 тезисов докладов.

Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы и четырех приложений.

4.6. Выводы

1. Разработано программное обеспечение, которое включает в себя инструментальное средство сбора экспериментальных данных и синтеза по ним многорядных полиномиальных моделей для оценки максимально возможного коэффициента сжатия и библиотеку, позволяющую использовать полученные модели для организации автоматической эффективной архивации цифровых изображений с помощью имеющегося в системе набора методов сжатия.

2. Приведены структура программного обеспечения и пользовательский интерфейс и описаны функциональные возможности программного инструментального средства синтеза много рядных моделей. январь февраль март апрель

При сжатии с фиксированными параметрами

При сжатия с оцененными параметрами

Рис. 4.23. Объемы видеоархивов

135

3. Для экспериментальных данных и многорядных моделей разработаны структуры данных, представляющие их в программе, и форматы файлов для хранения их на внешнем носителе.

4. Результаты экспериментальных исследований моделей, получаемых стандартным многорядным МГУА и МГУА с исключением незначимых элементов на основе анализа коэффициента множественной детерминации на каждом ряду селекции показали большую эффективность и практическую ценность последнего. Полиномиальный МГУА с исключением незначимых элементов на каждом ряду селекции позволяет получить более простые модели» с лучшими показателями и за меньшее количество итераций;

5: Результаты экспериментальных исследования качества моделей, полученных на базе отдельных видов признаков и их сочетаний; подтвердили теоретическое предположение о том, что признаки, характеризующие изображение как случайное изотропное стационарное поле, должны быть дополнены признаками, характеризующими г неоднородность поля изображения для получения: более качественных моделей. К последним относятся такие признаки, как обилие мелких деталей, средняя площадь и периметр областей< с плавным изменением цвета илиравномерным фоном, т.е. те, которые вычисляются по черно-белому образу, соответствующего ярусу квадродерева.

6. Внедрение разработанного ПО в системах обработки, передачи и хранения медицинских диагностических изображений; а именно УЗИ и снимков глазного дна; показало его эффективность в выборе для конкретного цифрового изображения метода, обеспечивающего максимальный коэффициент сжатия, и позволило сократить размеры архива, включающего в себя 60 ООО диагностических изображений; в целом на 20%.

7. Внедрение разработанного ПО в системах видеонаблюдения с возможностью систематической записи цифрового видео, использующих видеореги-старторы на базе микросхемы ADV601, показало, что разработанное программное обеспечение позволяет повысить эффективность применения не только рассмотренных в диссертации методов сжатия, но и любых других.

136

ЗАКЛЮЧЕНИЕ

В целом; по диссертационной работе можно сформулировать следующие основные выводы и результаты.

1. Показано, что каждый из известных методов сжатия файлов растровой графической информации ориентирован на некоторый вид растровых изображений. Существующие подходы к оценке эффективности методов сжатия, основанные на представлении изображений нормальным изотропным стационарным полем и на обыкновенных теоретических подсчетах, непригодны для получения адекватных моделей изображений для оценки коэффициента сжатия вследствие неадекватности этого представления.

2. Показано, что существующие программные средства позволяют только в интерактивном режиме для конкретного изображения выбрать метод и параметры кодирования, которые обеспечивают минимальный объем данных при сохранении приемлемого качества.

3. Выделены признаки изображений, определяющие сжимаемость, его различными методами. Полученный набор признаков включает в себя гисто-граммные признаки первого и второго порядков, топологические и геометрические характеристики стационарных (однородных) областей и ряд дополнительных признаков. Приведенный, набор признаков, позволяет синтезировать более адекватные модели изображения, дающие оценку максимально возможного коэффициента сжатия, по сравнению с набором признаков, вычисляемых из представления о том, что изображение является реализацией случайного нормального стационарного процесса.

4. Разработана методика количественного описания неоднородности изображения с помощью топологических и геометрических признаков однородных областей по квадродереву с черно-белыми вершинами, что позволило составить

137 более адекватное описание изображения по сравнению со статистическим описанием соответствующего ему однородного изотропного поля и более компактное по сравнению с детерминированным описанием в виде матриц значений пикселей;

5. Разработана методика синтеза моделей для оценки максимально возможного коэффициента и параметров; сжатия; для различных методов кодирования на основе МГУА, которая позволяет учесть как специфику метода, так и особенности; конкретного изображения и требования пользователя; к качеству восстановления. Использование в МГУА предложенной процедуры исключения незначимых элементов квадратичных частных моделей; на основе анализа коэффициента множественной детерминации позволило повысить точность получаемых моделей в среднем на 20% и понизить их сложность.

6. Разработано программное инструментальное средство для синтеза моделей оценки коэффициента и параметров сжатия с помощью МГУА с предложенной процедурой исключения незначимых элементов * квадратичных частных моделей на основе анализа* коэффициента множественной' детерминации. Разработана также динамически загружаемая библиотека, интерфейс которой позволяет при; помощи полученных моделей организовать сохранение растровых изображений с использованием; метода, обеспечивающего максимальный коэффициент сжатия при сохранении требуемого качества, т.е. повысить эффективность применения имеющихся методов сжатия.

7. G помощью полученного инструментального средства- и; динамически загружаемой библиотеки разработаны программные средства для системы обработки, передачи и хранения» медицинских цифровых диагностических изображений в ГУП "НИИ новых медицинских технологий" (г. Тула). В результате внедрения полученных программных средств объемы архивов диагностических изображений; снизились более чем на 20%. Также разработано программное обеспечение для систем видеонаблюдения с возможностью ведения видеорегистрации в АОА НЛП "Альфа-прибор", внедрение которого позволило сократить

138 объем хранимой видеоинформации и соответственно количество внешних носителей на 10%.

8. Методика анализа неоднородности изображения на основе квадроде-рева с черно-белыми вершинами и метод МГУА с процедурой исключения незначимых элементов квадратичных частных моделей на основе анализа коэффициента множественной детерминации внедрены в учебный процесс в рамках дисциплин "Теория сигналов" и "Программирование на языке высокого уровня" на кафедре ЭВМ ТулГУ.

139

1. Александров В.В., Горский Н.Д. Представление и обработка изображений: Рекурсивный подход. / Отв. ред. В.М. Пономарев. - Л.: Наука, 1985. -192с.

2. Александров В.В., Горский Н. Д. Алгоритмы и программы структурного метода обработки данных. — JL: Наука, 1983; 205с.

3. Александров В.В., Горский Н.Д., Поляков А.О. Рекурсивные алгоритмы представления и обработки данных // Алгоритмы и исследования автоматизации исследований и проектирования. Mi: Наука, 1980, с.40-78

4. Ватолин Д.С. Сжатие статических изображений. // Открытые системы сегодня. 1995.-№ 8 (29). - с.25-30

5. Ватолин Д.С. Применение фракталов; в машинной графике. // ComputerWorld-Россия. 1995. - №15. - с.8-12

6. Ватолин. Д.С. Тенденции развития алгоритмов архивации графики. // Открытые системы. 1995. — №4. - с. 10-13

7. Ватолин. Д.С. Фрактальное сжатие изображений. // ComputerWorld-Россия. 1996. - № 6 (23). - с.21-28

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

9. П.Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. -СПб: ВУС, 1999.-203 с.140

10. Гольцов А.Г. Разработка и исследование метода для сжатия полутоновых изображений, обеспечивающего быстрое восстановление. Дис. к. т. н.: 05.13.13-М., 199813;Джайн А.К. Сжатие видеоинформации: Обзор // ТИИЭР. 1981. - Т.69. -№3.-С. 71-117.

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

12. Ульяновск, 28 августа 1 сентября 1995): Тезисы докладов. ч.1. -Ульяновск: УГТУ, 1995. - с. 122-125.

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

14. Ивахненко А.Г., Зайченко Ю.П., Дмитров В.Д. Принятие решений на основе самоорганизации. — М.: "Сов.радио", 1976. 280 с.

15. Ивахненко А.Г. Системы эвристической самоорганизации в технической кибернетике. Киев: "Техника", 1971. —102 с.141

16. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. — Киев: Техника, 1975. 312с.

17. Ивахненко AT., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М;:Радио и Связь, 1987. — 120 с.

18. Ивахненко А.Г. Моделирование сложных систем: Информационный подход/Под общ. ред. Павлова В.В. Киев: Вшца.шк., 1987. - 62с.

19. Ильин А.А., Коршунова Н.П. Методика выбора формата файла для хранения растровой графической информации. //Сборник материалов 5-и междунароной конференции "Распознавание-2001". Часть I. —Курск 2001 С. 153 155.

20. Серия: Вычислительная техника. Автоматика. Управление. Том 3. Выпуск 1. Вычислительная техника. Тула 2002. С. 21-30.

21. Ильин А.А., Коршунова Н:П. Повышение эффективности использования методов сжатия: с потерями JPEG и JPEG2000 //Изв. ВУЗов Приборостроение. 2003. т.46. №1 Г. С. 21 24.

22. Индуктивный метод самоорганизации моделей сложных систем./ Ивахненко А.Г. и др. — Киев: Наук, думка, 1981 -296 с.

23. Климов А.С. Форматы графических файлов. С.-Петербург: ДиаСофт, 1995.-480с.143

24. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров: Пер. с англ. М.: Наука, 1970. - 720 с.

25. Коршунова Н.П. Методика! сжатия графических файлов; на основе параметров цветности изображения. // XXVI Гагаринские чтения. Тезисы докладов. Том 1. М.: ЛАТМЭС, 2000. С. 454 -455.

26. Коршунова Н.П. Получение оценки коэффициента сжатия файлов растровой графической информации на основе интегральных признаков. // Материалы конференции "XVIII! научная сессия, посвященная дню радио РНТОРЭС им А.С. Попова" ТулГУ .Тула:, 2001. С. 29.

27. Коршунова Н.П. Система эффективной архивации растровой графической информации // XXVI!Гагаринские чтения. Тезисы ,докладов. Том 1. М:: ЛАТМЭС, 2003. С. 454 - 455.

28. Коршунова Н.П. Интеллектуальная система сжатия растровых изображений // ИНТЕЛЛЕКТУАЛЬНЫЕ И ИНФОРМАЦИОННЫЕ СИСТЕМЫ: Материалы межрегиональной научно-технической144конференции 7 Тульский государственный университет. Тула, 2003. С. 84-86.

29. Мастрюков Д. Алгоритмы сжатия информации. // Монитор. — 1994. №1. -с. 15-20

30. Мастрюков Д. Алгоритмы сжатия информации. // Монитор. 1994. - №3; - с.5-19

31. Матвеев С. Форматы графических файлов. // Открытые системы. — 1997 — №4.- с.12-15.

32. Орловский ЕЛ. Передача факсимильных изображений. — М.: Связь, 1980. -125с.

33. Поспелов В.В., Кислицина М.А. Использование преобразования Хаара для модификации алгоритма JPEG — сжатия изображений. Тезисы доклада III конференции «Распознавание образов и анализ изображений».ч.1. — Н.Новгород: РОАИ, 1997. с. 210 - 212:

34. Прэтт У. Цифровая обработка изображений: Пер. с англ. -М.: Мир, 1982-Кн. 1 -257с.

35. ПрэттУ. Цифровая обработка изображений: Пер. с англ.-М.: Мир, 1982-Кн.2- 480с.

36. Просис Д. Файлы растровой графики: взгляд внутрь. // PC Magazine. -1996. December 3.- с. 3-21

37. Птачек М. Цифровое телевидение. Теория и техника / Пер. с чешек, под ред. Л.С.Виленчика. М.: Радио и связь, 1990. -528 с.145

38. Рабинович Е.В; Использование кусочно-полиномиальной аппроксимации для сжатия изображений // Автометрия. 1996. -№ 2. - с.56-60

39. Розенфельд А. Распознавание и обработка изображений. М;: Мир, 1972. -256 с.

40. Романов В.Ю. Популярные форматы файлов для хранения графических изображений на IBM PC. Москва: Унитех, 1992. - 320с.

41. Сван Т. Форматы файлов Windows. М.: Бином, 1995. - 258с.

42. Теория информации и кодирование / Самсонов Б.Б., Плохов Е.М., Филоненко А.И., Кречет Т.В. Ростов н/Д, 2002. - 288 с.

43. Уинтц П.А. Кодирование изображений посредством преобразований.-ТИИЭР. тематический вып; «Обработка изображений при помощи цифровых вычислительных машин.». - 1972. - т. 60. - №7. - с. 69-48

44. Умняшкин С.В. Применение дискретного преобразования Крестенсона-Леви в цифровой обработке изображений Дис. к. т. н^: 05.13.01 М., 1997

45. Умняшкин С.В. Математические методы и алгоритмы цифровой компрессии изображений с использованием ортогональных преобразований; Дис. д.ф-м.н: 05.13.11 -М., 2001

46. Умняшкин С.В: Оценка; эффективности использования унитарных преобразований для сжатия данных // Информатика и связь: Сб. Научных трудов под ред. В.А. Бархоткина. М.ЖМИЭТ. -1997 С.73-78

47. Умняшкин С.В., Кочетков М.Е. Анализ эффективности использования дискретных ортогональных преобразований для. цифрового кодирования коррелированных данных // Известия вузов; Электроника. №6. - 1998-С.79-84

48. Уэлстид С. Фракталы и вейвлеты для сжатия изображений в действии. Учебное пособ. -М: Издательство Триумф, 2003 -320 с.

49. Цифровая обработка телевизионных и компьютерных изображений. / А.В. Дворкович, В.П. Дворкович, Ю.Б. Зубарев и др. -М.: Радио и связь, 1997. -212 с.146

50. Цифровое кодирование телевизионных изображений / И.И;Цуккерман, Б.М. Кац, Д.С. Лебедев и др.; Под ред. И.И. Цуккермана. М.: Радио и связь, 1981.-240 с.

51. Шеннон К. Работы по теории информации и кибернетике./Пер. с англ. под ред. Р.Л. Добрушина и О.Б. Лупанова. М.: Иностранная литература, 1963. - 106 с.

52. Яншин В.В. Анализ и обработка изображений: Принципы и алгоритмы: Учебное пособие для студентов вузов -М.: Машиностроение, 1995. — 111 с.71 .Ярославский Л.П. Введение в цифровую обработку изображений. — М.:Сов.радио, 1979. -312 с.

53. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии. Введение в цифровую оптику. М.: Радио и связь. - 1987. - 296 с.

54. Antonini М., Barlaud М., Mathieu P., Daubechies I. Image Coding Using Wavelet Transform // IEEE Transactions on Image Processing. 1992. -Vol.1. - № 2. - pp. 205-220

55. Bisignani W.T., Richards G.P., Whelan J.W. The Improved Grey Scale and the Coars-Fine PCM Systems: Two New Digital TV Bandwidth Reduction Technics // Proc. IEEE. 1966. - Vol. 54. - № 3; - pp. 376-390.

56. Duda R.O. Image Data Extraction (неопубликованные данные), July 1975

57. Duda R.O., Image Segmentation and Description (неопубликованные данные), 1975

58. Equitz W.H. Fast Algorithms for Vector Quantization Picture Coding. M.S. Thesis, MIT, June 1984

59. Fischler M.A. Machine Perception and Description of Pictorial Data. Proceeding International Joint Conference on Artificial Intelligence. / Walker D.E., Norton L.M., Eds. May 1969. - pp. 629-639.

60. Gray S.B., Local Properties of Binary Images in Two Dimensions. // IEEE Trans. Computes. 1971. - Vol. 5. -№ 20. - pp. 551-561147

61. Gray R.M: Vector Quantization // IEEE ASSP Magazine. April 1984. - P. 429.

62. Haralik RIM. , Shanmugan K., Dinstein I. Texture Featers for Image Classification // IEEE Trans. Systems. Man and Cybernetics. SMG-31. 1973. -№11 - pp. 610-621

63. Harrison C.W. Experiments with Linear Predication; in Television; // Belli Systems Technique Journal. 1952. — Vol: 31. - № 4. - pp. 746 - 783.

64. Huffman D.A. A method for the construction of minimum redundancy codes. In processing. // IRE. 1962. - vol.40. - pp. 1098-110 li

65. Jacquin A.E., Image coding Based on a Fractal Theory of Iterated Contractive Image Transformations. // IEEE Transactions on Image Processing. 1992. — Vol.1.- №l.-pp.45-51

66. ISO/IEC DIS 10918-1 Information Technology. Digital Compression and Coding Of Continuous tone Still Images: Requirements and Guidelines/Ed. 1, JTS l/sc29, 1994:

67. ISO/IEC DIS 10918-1 Information Technology. Digital Compression and Coding Of Continuous tone Still Images: Compliance Testing /Ed.l, JTS l/sc29, 1994.

68. ISO/IEC DIS 10918-1 Information Technology. Digital. Compression and Coding Of Continuous tone Still Images: Extensions/Ed. 1, JTS l/sc29, 1994

69. ISO/IEC FCD 15444-1:2000(V 1.0, 16 March 2000) JPEG 2000 Part I Final Committee Draft Version 1.0/ JTC1/SC29 WG1, JPEG 2000:

70. Linde Y., Buzo A., Gray R. An Algorithm for Vector Quantization Designs // IEEE Transactions On Communications. COM — 28. - 1980. — January.

71. Patent 2-605-361 (USA) Differential Quantization Of Communication Signals Cutler C.C.-Application June 1950, Issuance July 1952.

72. Pennebaker W.B., Mitchell J.L. JPEG Still Image Data Compression Standard Van Nostrand Reinhold, 1993. - 638 pp.

73. Rosenfeld A., Connectivity in Digital Pictures. // JACM. 1970. - Vol. 17. -№1. - pp. 146-160148

74. Rosenfeld A., Pflatz J.L. Distance Functions on Digital Pictures. // Pattern Recognition. 1968. - № 1. - pp. 33-62

75. Saupe D. The Fatility of Square Isometrics In Fractal Image Compression. // IEEE International Conference of Image Processing. 1996. - Vol.1. - № 3. -pp. 60-67

76. The Recognition of Handwritten Numerals by Contour Analysis. // Greanis E.C., et al. IBM J Res. Devel. - № 1. - c. 14-21

77. Welch T.A. Technique for High-Performance Data Compression. // Computer. -1984. Vol. 17. -№ 6. - pp. 35 - 54

78. Wallace G. K. The JPEG Still Picture Compression Standard. // Communications of the ACM. 1991. - Vol. 34. - № 4. - pp. 30-44.

79. Vetterli M:, Kovacevic J. Wavelets and Subband Coding. New Jersey: Prentice Hall, 1995. - 327 pp.

80. Yang F., Liao W. Modeling and Decomposition of HRV Signals with Wavelet Transforms // IEEE Engineering in Medicine and Biology. 1997. - Vol. 16. -№ 4. - pp. 17-22

81. Ziv J., Lempel A. An Universal Algorithm for Sequential Data Compression.// IEEE Transactions on Information Theory. 1977. - Vol. 23. -№3. - pp. 125-153

82. Ziv J., Lempel A. Compression of Individual Sequences via Variable Rate Coding.// IEEE Transactions on Information Theory. 1977. - Vol. 23. -№ 3. - pp. 234 - 247149