Метод компрессии картографических изображений на основе иерархической переиндексации тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Баврина, Алина Юрьевна

• Баврина, Алина Юрьевна
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Баврина, Алина Юрьевна

ВВЕДЕНИЕ.

1. ЗАДАЧА КОМПРЕССИИ ПАЛИТРОВЫХ ИЗОБРАЖЕНИЙ.

1.1. Основные характеристики методов компрессии изображений.

1.2. Обоснование необходимости разработки метода компрессии.

1.2.1. Краткий обзор методов безошибочной компрессии изображений.

1.2.2. Оценка степени пригодности методов безошибочной компрессии изображений для ГИС.

1.3. Общая схема метода компрессии.

1.3.1. Идея метода.

1.3.2. Компрессия изображения.

1.3.3. Декомпрессия изображения.

1.4. Задачи, возникающие при разработке метода компрессии на основе иерархической переиндексации.

1.4.1. Задача выбора количества иерархических уровней.

1.4.2. Задача выбора способа формирования иерархических уровней.

1.4.3. Задача представления данных изображения для эффективного применения метода компрессии.

1.4.4. Задача статистического кодирования списков уровней.

1.4.5. Задача выбора размеров блоков.

1.4.6. Задача разработки архивного формата.

1.4.7. Задача выбора размеров фрагментов, обрабатываемых независимо.

1.4.8. Задача проведения вычислительного эксперимента.

1.5. Выводы и результаты.

2. АЛГОРИТМЫ, РЕАЛИЗУЮЩИЕ МЕТОД КОМПРЕССИИ НА ОСНОВЕ ИЕРАРХИЧЕСКОЙ ПЕРЕИНДЕКСАЦИИ.

2.1. Выбор количества иерархических уровней.

2.2. Алгоритмы формирования иерархических уровней.

2.2.1. Базовый алгоритм.

2.2.2. Использование общего индекса для однократно встречающихся блоков.

2.2.3. Обеспечение работоспособности для длинных списков.

2.2.4. Адаптивный выбор параметра Т.

2.3. Алгоритмы обработки цветовых плоскостей.

2.3.1. Использование взаимосвязей между цветовыми плоскостями.

2.3.2. Порядок рассмотрения цветовых плоскостей.

2.3.3. Кодирование контурных цветовых плоскостей.

2.4. Алгоритм статистического кодирования данных уровня.

2.5. Выбор размеров блоков.

2.6. Выводы и результаты.

3. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МЕТОДА НА ОСНОВЕ ИЕРАРХИЧЕСКОЙ ПЕРЕИНДЕКСАЦИИ.

3.1. Архивный формат.

3.2. Исследовательский программный комплекс.

3.2.1. Организация программного обеспечения.

3.2.2. Консольная программа компрессии изображения.

3.3. Экспериментальные исследования.

3.3.1. Выбор размеров фрагментов.

3.3.2. Сравнение эффективности компрессии методом на основе иерархической переиндексации и другими методами.

3.4. Выводы и результаты.

Введение диссертации (часть автореферата) на тему «Метод компрессии картографических изображений на основе иерархической переиндексации»

Диссертация посвящена разработке, исследованию и программной реализации численного метода безошибочной компрессии цифровых картографических изображений на основе иерархической переиндексации.

Актуальность темы

В настоящее время в связи с бурным развитием информационных технологий широкое распространение получили геоинформационные системы (ГИС) [17, 20]. Большинство ГИС использует векторное представление данных. Информация об объектах хранится по тематическим слоям и состоит из описания местоположения (координат) объектов, а также способа отображения объектов в зависимости от масштаба карты. Однако в некоторых случаях, например, при передаче по сети Интернет, векторные данные необходимо преобразовывать в растровую форму.

Можно выделить следующие причины необходимости такого преобразования:

1) слабость средств отображения векторной графики Web-браузера клиента (распространенные Web-браузеры не могут, к примеру, нарисовать полигон по координатам его вершин и заполнить его площадь некоторым условным знаком или регулярной текстурой);

2) конфиденциальность векторных данных (передача векторных данных означает передачу значений координат объекта, что может быть недопустимым в силу секретности этих данных и возможности их несанкционированного использования).

Выходом является формирование геоинформационной системой растрового картографического изображения и передача его клиенту по каналу связи, что делает актуальной задачу компрессии.

Требования к методу компрессии и к структуре компрессированных данных определяются способом использования картографических изображений в ГИС: при удаленном доступе к картографическим данным (через Интернет).

Удаленный доступ к картографическим данным выполняется согласно следующей схеме. При каждом изменении содержимого экрана клиента посылается запрос на требуемый фрагмент карты, включающий координаты фрагмента, масштаб и набор тематических слоев. Картографический Web-сервер обеспечивает формирование изображения из векторных данных. Компрессированное изображение помещается в папку общего пользования, а его имя передается клиенту. Клиент выкачивает архив, выполняет его декомпрессию и отображает на экране. В случае, когда клиент скроллирует карту, сервером посылается дополнительный фрагмент карты. Если же клиент изменяет масштаб или включает (выключает) показ тематического слоя, то необходимо обновление всего изображения на экране клиента, так как, к примеру, в новом масштабе некоторые слои могут поменять стиль отображения. «Узким местом» в этой схеме является пропускная способность канала связи, поэтому задача разработки метода компрессии с высоким коэффициентом компрессии является актуальной.

Исходя из этого, можно выделить следующие основные требования к методу компрессии:

1) высокая степень компрессии (позволяет значительно сократить время передачи компрессированных данных по сети и уменьшить дисковое пространство, необходимое для хранения этих данных);

2) высокая скорость декомпрессии (обеспечивает отсутствие ощутимой задержки при декомпрессии изображения на клиенте).

Скорость компрессии, как правило, не имеет принципиального значения, так как в случае удаленного доступа компрессия выполняется на сервере, обладающем мощными ресурсами.

Работа с картографическими изображениями большого размера (составляющими, к примеру, базу данных картографических изображений) обуславливает требование к структуре компрессированных данных: возможность декомпрессии фрагмента изображения. Так как размеры информационного поля отображающего устройства, как правило, меньше размеров изображения карты, на экране пользователя показывается небольшой фрагмент. В случае возможности декомпрессии фрагмента визуализация будет происходить быстрее, так как не нужно декомпрессировать все изображение, чтобы вырезать из него требуемый фрагмент.

Картографические изображения обладают рядом особенностей:

1) небольшое количество цветов (обычно 4-30);

2) отсутствие плавных изменений цвета;

3) наличие областей, очерченных контуром и залитых одним цветом (некоторой регулярной текстурой), линий, текста.

В силу этих особенностей, картографические изображения удобно хранить в палитровом формате. Этот формат предполагает, что точка изображения является ссылкой на элемент таблицы (палитры), определяющий цвет этой точки. Следует заметить, что палитровый формат не предназначен для хранения исключительно картографических изображений. К нему можно преобразовать любое изображение.

К настоящему времени разработано много методов компрессии изображений [12, 18, 19, 26, 45, 68]: статистические, словарные методы, методы кодирования с преобразованием, методы кодирования с предсказанием, методы с сегментацией, фрактальные методы и др. Изучению различных аспектов проблемы компрессии посвящены труды российских ученых: Д. С. Лебедева, Н. Н. Красильникова, Ю. М. Штарькова, В. В. Сергеева, Ю. Г. Васина и др., а также зарубежных: Р. Грехема (R. Graham), Дж. О. Лимба (J. О. Limb), У. Претта (W. К. Pratt), А. Джайна

А. К. Jain), М. Кунта (М. Kunt). Однако известные методы не в полной мере учитывает специфику картографических изображений.

Диссертационная работа посвящена разработке нового метода компрессии картографических изображений. Разработанный метод может быть применен и к более широкому, классу изображений - классу палитровых изображений. Однако основные алгоритмы, входящие в состав метода, построены исходя из специфики картографических изображений и наиболее эффективны именно для них.

Работы по тематике диссертации были поддержаны грантами Российского фонда фундаментальных исследований (проект № 04-01-96507), Министерства образования РФ и Американского фонда гражданских исследований и развития (CRJDF Project SA-014-02), Министерства образования и науки Самарской области (проект 266Е2.3 К).

Цель и задачи исследований

Целью диссертации является разработка и исследование метода безошибочной компрессии картографических изображений и входящих в его состав алгоритмов преобразования данных. Для достижения этой цели в диссертации решаются следующие задачи.

1. Анализ известных методов безошибочной компрессии изображений и их характеристик. Определение этапов разработки и исследования нового метода безошибочной компрессии.

2. Разработка нового численного метода безошибочной компрессии на основе иерархической переиндексации и входящих в его состав алгоритмов преобразования данных: формирования иерархических уровней, представления данных изображения для эффективного применения метода компрессии и др.

3. Разработка нового архивного формата представления компрессированных данных, создание исследовательского программного комплекса, реализующего разработанный метод и' поддерживающего возможности нового формата.

4. Экспериментальное исследование эффективности разработанного метода компрессии, его сравнение с известными методами безошибочной компрессии изображений.

Методы исследований

В диссертационной работе используются методы алгебры, статистического анализа, теории информации, теории цифровой обработки сигналов и изображений, теории оптимизации.

Научная новизна работы

Предложен новый численный метод безошибочной компрессии картографических изображений, основанный на представлении изображения в виде набора иерархических уровней индексов.

Разработаны алгоритмы формирования иерархических уровней индексов. Предложен критерий оптимального выбора параметра алгоритма формирования уровней, основанный на оценке объема компрессированных данных. Предложен быстрый рекуррентный алгоритм вычисления значения критерия.

Показана целесообразность применения метода к цветовым плоскостям изображения. Предложен алгоритм выбора порядка обработки цветовых плоскостей. Разработаны алгоритмы предварительной обработки плоскостей, учитывающие взаимосвязи между ними и позволяющие дополнительно повысить эффективность работы метода компрессии. Предложен алгоритм обработки преимущественно контурных цветовых плоскостей, основанный на дифференциальном цепном кодировании и соединении цепочек индексов на цветовой плоскости.

Разработан новый архивный формат представления компрессированных данных, поддерживающий возможность декомпрессии фрагмента изображения. Разработан исследовательский программный комплекс, реализующий метод компрессии, поддерживающий архивный формат и позволяющий проводить экспериментальные исследования метода компрессии.

С помощью разработанного программного комплекса получены результаты исследований, показавшие преимущество нового метода перед известными методами безошибочной компрессии.

Практическая ценность работы

Разработанный численный метод безошибочной компрессии на основе иерархической переиндексации, входящие в его состав алгоритмы преобразования данный и реализующее их программное обеспечение могут быть использованы в геоинформационных системах, базах картографических изображений, интернет-приложениях и в других компьютерных системах хранения, обработки и передачи визуальной информации.

Реализация результатов работы

Результаты диссертации использованы при выполнении ряда госбюджетных и хоздоговорных НИР в Институте систем обработки изображений РАН и ЗАО «Самара-Информспутник», что подтверждено актами внедрения (см. Приложение 2).

Апробация работы

Основные результаты диссертации докладывались на следующих конференциях:

- на международной конференции «Automation, Control and Information Technologies» (ACIT), Новосибирск, 2005;

- на 3-й летней школе по дифракционной оптике и обработке изображений, Самара, 2005;

- на 12-ой Всероссийской конференции «Математические методы распознавания образов» (ММРО), Москва, 2005;

- на научно-технической конференции с международным участием «Перспективные информационные технологии в научных исследованиях, проектировании и обучении» (ПИТ), Самара, 2006.

Публикаций

По теме диссертации опубликовано шесть работ. Работа [6] выполнена автором единолично. В работах [3, 37] автору принадлежит формальное описание метода компрессии и алгоритмов формирования иерархических уровней. В работах [4, 5, 7] кроме формального описания метода компрессии и алгоритмов формирования уровней автору принадлежат алгоритм выбора порядка обработки цветовых плоскостей и алгоритмы обработки цветовых плоскостей. Во всех работах автору принадлежат программная реализация и экспериментальные исследования метода и входящих в его состав алгоритмов.

Ниже в тексте диссертации ссылки на работы автора помечены звездочками (*).

Структура диссертации

Диссертация состоит из введения, трех разделов, заключения, списка использованных источников и двух приложений. Она изложена на 90 страницах машинописного текста (без приложений), содержит 26 рисунков, 10 таблиц, список использованных источников из 82 наименований.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Баврина, Алина Юрьевна

Основные результаты диссертационной работы

1. Предложен новый численный метод безошибочной компрессии картографических изображений, основанный на представлении изображения в виде набора иерархических уровней индексов.

2. Разработаны алгоритмы формирования иерархических уровней индексов. Предложен критерий выбора параметра алгоритма формирования уровней, основанный на минимизации объема компрессированных данных. Предложен быстрый рекуррентный алгоритм вычисления значения критерия. .

3. Показана целесообразность применения метода к цветовым плоскостям изображения. Предложен алгоритм выбора порядка обработки цветовых плоскостей. Разработаны алгоритмы предварительной обработки плоскостей, учитывающие взаимосвязи между ними и позволяющие дополнительно повысить эффективность работы метода компрессии. Предложен алгоритм обработки преимущественно контурных цветовых плоскостей, основанный на дифференциальном цепном кодировании и соединении цепочек индексов на цветовой плоскости.

4. Разработан новый архивный формат представления компрессированных данных, поддерживающий возможность декомпрессии фрагмента изображения.

5. Разработан исследовательский программный комплекс, реализующий метод компрессии, поддерживающий архивный формат и позволяющий проводить экспериментальные исследования метода компрессии.

6. С помощью разработанного программного комплекса получены результаты исследований, показавшие преимущество нового метода перед известными методами безошибочной компрессии.

ЗАКЛЮЧЕНИЕ

В диссертации разработан и исследован численный метод безошибочной компрессии изображений на основе иерархической переиндексации, а также входящие в состав метода алгоритмы преобразования данных. Разработанный метод может применяться в различных областях, связанных с обработкой и передачей визуальной информации, но прежде всего нацелен на применение в ГИС для компрессии картографических изображений.

Список литературы диссертационного исследования кандидат технических наук Баврина, Алина Юрьевна, 2006 год

1. Александров В.В., Горский Н.Д. Представление и обработка изображений: Рекурсивный подход. JL: Наука, 1985, 192 c.s

2. Ахмед Н., Рао К. Р. Ортогональные преобразования при обработке цифровых сигналов. Пер. с англ. М.: Связь, 1980, 248 с.

3. БавринаА. Ю., Глумов Н. И., Сергеев В. В., ТимбайЕ. И. Метод иерархической компрессии индексных изображений // Компьютерная оптика, Самара, 2005, вып. 26, с. 125-129.

4. БавринаА.Ю., Глумов Н.И., Сергеев В.В., ТимбайЕ.И. Метод иерархической компрессии . картографических изображений // Автометрия, 2006, том 42, № 5, с. 35-44.

5. Балашов К.Ю. Сжатие информации: анализ методов и подходов. Минск, 2000, 42 с.

6. Блох Э.Л. О передаче бинарной последовательности равномерным кодом //Проблемы передачи информации, № 5, 1960, с. 12-22.

7. Васин Ю.Г., БакареваВ.П. Рекуррентные алгоритмы адаптивного сжатия с использованием хорошо приспособленных локальныхвосстанавливающих функций // Математическое обеспечение САПР: Межвуз. сб., Горький: ГГУ, вып. I, 1978.

8. Васин Ю.Г., Жерздев С.В. Эффективное кодирования усеченных двойчных деревьев в задаче сжатия изображений // 6-я Всероссийская конференция "Методы и средства обработки сложной графической информации ", г. Нижний Новгород, 25-27 сентября 2001, с.31-33.

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

10. Введение в контурный анализ; приложения к обработке контурных изображений и сигналов. Под ред. Фурмана Я.А. 2-е изд., исп. - М.: ФИЗМАТЛИТ, 2003, 592 с.

11. ВиттихВ.А., Сергеев В.В., СойферВ.А. Обработка изображений в автоматизированных системах научных исследований. М.: Наука, 1982, 214с.

12. Воробьев В.И., ГрибунинВ.Г. Теория и практика вейвлет-преобразования. С.-Петербург: ВУС, 1999, 204 с.

13. ГонсалесР., Вудс Р. Цифровая Обработка Изображений. М.: Техносфера, 2005, 1072 с.

14. ЗейлерМ. Моделирование нашего мира. Пер. с англ. Redlands: ESRI, 1999, 254 с.

15. Методы компьютерной обработки изображений. Под редакцией Сойфера В.А: М.: Физматлит, 2001, 784 с.

16. Методы передачи изображений. Сокращение избыточности ПрэттУ.К., Сакрисон Д.Д., Мусманн Х.Г.Д. и др. М.: Радио и связь, 1983, 264 с.

17. Основы геоинформатики: Кн. 1 :Учебное пособие для студ. вузов; под ред. Тикунова B.C. М.: Издательский центр «Академия», 2004, 352 с.

18. Павлидис Т. Алгоритмы машинной графики и обработки изображений. Пер. с англ. М.: Радио и Связь, 1986.

19. ПрэттУ.К. Цифровая обработка изображений. Пер. с англ. М.: Мир, 1982, кн. 2, 480 с.

20. Сергеев В.В., Сойфер В.А. Имитационная модель изображения и метод сжатия данных // Автоматика и вычислительная техника, №3, 1978, с.76-78.

21. Субботин Д., http://www.compression.ru/sh/aridemo6.rar.

22. Сэломон Д. Сжатие данных, изображений и звука. М.: Техносфера 2004, 368 с.

23. Хаффмен Д.А. Метод построения кодов с минимальной избыточностью // Кибернетический сборник, Москва, 1961, вып. 3.

24. Шеннон К. Работы по теории информации и кибернетике. М.: Изд-во иностр. лит-ры, 1963.

25. Шкарин Д. BMF утилита беспотерьного сжатия изображений, http://compression.graphicon.ru/ds/bmfl10.rar.

26. Шкарин Д. PPMd, http://www.compression.ru/download/sources/cm/ ppmdil.rar.

27. Штарьков Ю.М., Бабкин В.Ф. Кодирование длин серии в условиях априорной неизвестности // Аппаратура для космических исследований. Кодирование, сжатие данных, М.: Наука, 1973, с.3-9.

28. Ageenko Е., Franti P. Lossless compression of large binary images in digital spatial libraries // Computers & Graphics, 24 (1), Elsevier Science, February 2000, pp.91-98.

29. Allen J.D. An approach to fast transform coding in software // Signal Processing: Image Communication, 1996, vol. 8, issue 1, pp. 10-15.

30. AusbeckP. Context models for palette images // Proceedings Data Compression Conference, March 1998, IEEE Press, Los Alamitos, California, pp. 309-318.

31. Ausbeck P. The Piecewise-Constant Image Model // Proceedings of the IEEE, vol. 88, no. 11, 2000, pp. 1779-1789

32. Battiato S., Gallo G., Impoco G., Stanco F. An Efficient Re-Indexing Algorithm for Color-Mapped Images // IEEE Transactions on Image Processing, vol. 13, no. 11, November 2004, pp. 1419-1423.

33. Bavrina A.Yu., GlumovN.L, Sergeyev V.V., TimbayE.I. Hierarchical compression method for palettized images // Proceedings of international conference ACIT-SIP, Novosibirsk, Russian Federation, 20-24 June 2005, pp. 83-87.

34. Bockstein I.M. A method of lossless image compression // Pattern Recognition and image analysis, vol. 3, №2, 1993, pp. 92-98.

35. Calderbank A.R., Daubechies Ingrid, Sweldens Wim, Boon-Lock Yeo Wavelet transforms that map integers to integers // Appl. Comput. Harmon. Anal., vol. 5, no. 3, 1998, pp. 332-369.

36. CCITT, Standardization Of Group 3 Facsimile Apparatus For Document Transmission, ITU Recommendation T. 4, 1980

37. ClearyJ.G., Wittenl.H. Data compression using adaptive coding and partial string matching // IEEE Transactions on 'Communications, vol. 32(4), April 1984, pp.396-402.

38. Digital compression and coding of continuous tone still images Requirements and guidelines //ISO/IEC 10918-1, ITU T.81, Sept. 1993.

39. Ersoy О. K. Transform image enhancement // Optical Engineering, vol. 31, no 3, 1992, pp. 614-626.

40. Gashnikov M.V., Glumov N.I., Sergeyev V.Y. Compression Method for RealTime Systems of Remote Sensing // Proceedings of 15th International Conference on Pattern Recognition, Barselona 2000, September 3-7, vol.3, pp. 232-235.

41. Glen G., LangdonJr. Lossless Image Compression General Overview // cmpe 263 Winter 2001.

42. Golomb S.W. Run-length encodings // IEEE Trans. Inform. Theory, vol. IT-12, July 1966, pp. 399-401.

43. Gormish M.J.Compression of palettized images by color // Proc. IEEE Int. Conf. Image Processing, 1995, Washington D.C., pp. 274-277.

44. Gray F. Pulse code communication, March 17, 1953, U.S. Patent 2,632,058.

45. Ichiro Matsuda, Hirofumi Mori, Susumu Itoh. Lossless coding of still images using minimum-rate predictors // Proceedings of 2000 IEEE International Conference on Image Processing (ICIP 2000), Vol.1, Sep. 2000, pp. 132-135.

46. Information technology JPEG 2000 image coding system // ISO/IEC FCD15444-1,2000.

47. Information technology Lossless and near-lossless compression of continuous-tone still images // ISO/IEC 14495-1, ITU T.87, 1999.

48. JBIG, Progressive Bi-level Image Compression, ISO/IEC International Standard 11544, ITU Recommendation T.82, 1993.

49. KocherM., KuntM. A contour-texture approach to image coding // ICASSP Proc, vol. 7, 1982, pp. 436-440.

50. Kopylov P, Franti P. Context tree compression of multi-component map images // Proceedings of the Data Compression Conference, Snowbird Utah, March 2003, pp. 212- 221.

51. Kortman C.M. Redundancy Reduction A Practical Method of Data Compression // IEEE, Vol. 55, No. 3, 1967, pp. 253-263.

52. Kuhn Marlcus JBIG-KIT library, http://www.cl.cam.ac.uk/~mgk25/jbigkit/.

53. Kuroki N, Nomura T, Tomita, Hirano K. Lossless Image Compression by Two-Dimensional Linear Prediction with Variable Coefficients // IEICE Trans. Fundamentals, vol. E75-A, no. 7, 1992, pp. 882-889.

54. LiX., Orchard M.T. Edge Directed Linear Prediction for Lossless Compression of Natural Images // Proc. IEEE ICIP'99, pp. 147-151.

55. Limb J.0. Picture Coding: The use of a Viewer Model in Source Encoding //The Bell System Technical Jornal, vol. 52, no. 6, 1973.

56. LOCO-I/JPEG-LS Home Page, HP Labs, http://www.hpl.hp.com/loco.

57. LuraTech, http://www.luratech.com.

58. Mallat S.G. A Theory for multiresolution signal decomposititon: the wavelet representation // IEEE Trans, on Pattern Anal, and Mach. Intell, vol. 11, no. 7, 1989, pp. 674-693.

59. Martin G.N. Range encoding: an algorithm for removing redundancy from a digitised message // Video & Data Recording Conference, Southampton, 1979, pp. 24-27.

60. Martins В., Forchhammer S. Tree coding of bilevel images // Image Processing, IEEE Transactions, vol. 7, issue 4, April 1998, pp. 517-528.

61. MemonN., Venlcateswaran A. On ordering color maps for lossless predictive coding // IEEE Tran. Image Proc., vol. 5, no. 11, Nov. 1996, pp. 1522-1527.

62. Moffat A., Bell Т., Witten I. Lossless Compression for Text and Images // International Journal of High Speed Electronics and Systems, 8(1), March 1997, pp. 179-231.

63. Moffat A., NealR., Witten I.H, Arithmetic coding revisited // ACM Transactions on Information Systems, July 1998, 16 (3), pp. 256-294.

64. Netravali A.N., Limb J.O. Picture Coding: A. Review // Proceedings of the IEEE, vol. 68, no. 3, pp. 366-406.

65. Penrtebaker W.B., Mitchell J.L., Langdon G.G., Arps R.B. An overview of the basic principles of the Q-coder adaptive binary arithmetic coder // IBM Journal of Research, Development, 32 (6), pp. 717-726.

66. Rissanen J. Fast universal coding with context models // IEEE Trans. Inform. Theory. 1999, 45,no.4, pp. 1065-1071.

67. Rissanen J.J., Langdon G.G. Arithmetic coding // IBM Journal of Research, Development 23: 146-162.

68. Sweldens W. The lifting scheme: A construction of second generation wavelets // Technical Report 1995:6, Industrial Mathematics Initiative, Department of Mathematics, University of South Carolina, 1995.

69. Sweldens W. The lifting scheme: A custom-design construction of biorthogonal wavelets // Appl. Comput. Harmon. Anal., 3(2), 1996, pp. 186200.

70. Ueno I., Ono F. "Proposed modification of LOCO-I for its improvement of the performance" ISO/IEC JTC1/SC29/WG1 doc. N297, Feb. 1996.

71. Weinberger M.J, Seroussi G, Sapiro G., From LOCO-I to the JPEG-LS Standard // Proc. 1999 Int. Conf. Image Processing, Kobe, Japan, Oct. 1999, pp. 68-72.

72. Weinberger M.J, Seroussi G, Sapiro G. LOCO-I: A Low Complexity, Context-Based Lossless Image Compression Algorithm // Proc. IEEE Data Compression Conference, Snowbird, UT, 1996, pp. 140-149.

73. Witten I.H, Neal R.M, Cleary J.G. Arithmetic coding for data compression // Communications of the ACM, vol. 30, № 6, 1987, pp. 520-540.

74. Wu X, Barthel K.U. Piecewise 2D Autoregression for Predictive Image Coding // Proc. IEEE ICIP'98, pp. 901-904.

75. Ye H, Deng G, Devlin J.C. Adaptive linear prediction for lossless coding of greyscale images // Proc. IEEE International Conference on Image Processing, vol. 1, (Vancouver, Canada), Sept. 2000, pp. 128-131.

76. Zeng W, Li J, LeiS. An efficient color re-indexing scheme for palette-based compression // Proc. IEEEInter. Conf. Image Proc, Vancouver, Canada, 2000, vol III, pp. 476-479.

77. Ziv J, LempelA. A universal algorithm for sequential compression //IEEE Trans. Inf. Theory, vol. 23, no. 3, 1977, pp. 337-343.82. 7-zip file archiver, http://www.7-zip.org/.