Структурные представления и методы кодирования графических изображений в интеллектуальных телекоммуникационных системах тема диссертации и автореферата по ВАК РФ 05.12.13, кандидат технических наук Кузнецов, Андрей Геннадьевич

  • Кузнецов, Андрей Геннадьевич
  • кандидат технических науккандидат технических наук
  • 2008, Ижевск
  • Специальность ВАК РФ05.12.13
  • Количество страниц 168
Кузнецов, Андрей Геннадьевич. Структурные представления и методы кодирования графических изображений в интеллектуальных телекоммуникационных системах: дис. кандидат технических наук: 05.12.13 - Системы, сети и устройства телекоммуникаций. Ижевск. 2008. 168 с.

Оглавление диссертации кандидат технических наук Кузнецов, Андрей Геннадьевич

Введение.

Глава 1. ОБЗОР МОДЕЛЕЙ И МЕТОДОВ КОДИРОВАНИЯ И СЖАТИЯ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ.

1.1. Структурно-графические свойства изображений.

1.2. Обработка изображений на основе центроидной фильтрации.

1.3. Основные цветовые модели и цветовые координатные системы

1.4. Представление графической информации.

1.4.1. Основные типы данных изображений.

1.5. Методы обработки цифровой графической информации.

1.6. Полученные результаты и выводы.

Глава 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОСТРАНСТВЕННОЙ СТРУКТУРЫ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ С УЧЕТОМ ИХ ПЛАНА ПОСТРОЕНИЯ И ГРАФИЧЕСКИХ ФАКТОРОВ ИХ ВОСПРОИЗВЕДЕНИЯ.

2.1. Представление плана построения изображения.

2.2. Определение инвариантов структуры изображений относительно группы преобразований.

2.3. Пространственно-структурные свойства изображений.

2.4. Структурно-контурная модель графических изображений.

2.5. Учет искажающих факторов формирования графических изображений, маскирующие и усложняющие структуру изображений.

2.6. Полученные результаты и выводы.

Глава 3. МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ АДАПТИВНОГО ЦВЕТОТОНОВОГО

И ЦЕНТРОИДНОГО ПРЕОБРАЗОВАНИЙ И ПРЕОБРАЗОВАНИЯ

ЦЕПНОГО КОДИРОВАНИЯ.

3.1. Система адаптивного цветотонового преобразования изображений.

3.1.1. Математические характеристики кластеров.

3.1.2. Выделение габаритных экстентов, содержащих проекцию цветового кластера.

3.2. Цветокоррекция графических изображений.

3.3. Структурно-цветовой анализ изображений.

3.3.1. Сжатие цветовых кластеров изображения и подавление межкластерной диффузной среды с помощью центроидного фильтра.

3.3.2. Стохастические искажения характеристик кластеров цветовых компонент.

3.3.3. Стратификация изображений с помощью методики структурно-цветового анализа.

3.4. Эффективное представление и кодирование графических изображений с использованием преобразований.

3.5. Линейные и планарные операторы формирования растра.

3.6. Показатели степени сжатия графической информации методом дифференциального цепного кодирования на основе оценки плотности структурных элементов изображений.

3.7. Полученные результаты и выводы.

Глава 4. СХЕМЫ РЕАЛИЗАЦИИ МЕТОДОВ, АЛГОРИТМЫ, ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ И ТЕХНОЛОГИЯ ОБРАБОТКИ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ.

4.1. Алгоритмы, программное обеспечение и технология.

4.2. Обработки изображений на основе использования настраиваемых окон.

4.3. Алгоритмические средства селекции структурных элементов графических изображений.

4.3.1. Программная реализация селекции структурных элементов методом центроидной фильтрации.

4.3.2. Программное обеспечение для адаптивного цветотонового преобразования изображений.

4.3.3. Перспективные направления повышения эффективности разработанных алгоритмов и программ.

4.3.4. Оценка эффективности модифицированного алгоритма обработки данных при центроидной фильтрации изображений.

4.4. Полученные результаты и выводы.

Рекомендованный список диссертаций по специальности «Системы, сети и устройства телекоммуникаций», 05.12.13 шифр ВАК

Введение диссертации (часть автореферата) на тему «Структурные представления и методы кодирования графических изображений в интеллектуальных телекоммуникационных системах»

Актуальность темы. Проблема передачи больших объемов информации по каналам связи телекоммуникационных систем (ТКС) продолжает сохранять свою актуальность. Решение этой проблемы в значительной мере осложняется тем, что передаваемая информация имеет сложную структуру и разнообразные формы организации.

В настоящее время отчетливо наметилась вполне определенная тенденция «интеллектуализации» представления информации при решении задач ее обработки, хранения и передачи (т.н. интеллектуальные ТКС - ИТКС). Эта тенденция проявляется в том, что существующие хорошо развитые методы кодирования (сжатия, упаковки) информации начинают постепенно вытесняться более сложными (но, одновременно, и более эффективными) методами, основанными на анализе содержательной стороны информации об объектах, процессах и явлениях, в отличие от формальной стороны, слабо учитывающей их специфику. Такие методы представления информации в той или иной мере воспроизводят семантику объектов соответствующей предметной области. Можно сказать, что такие информационные системы обеспечивают определенный уровень «понимания» смысла обрабатываемой, хранимой и передаваемой информации. Это позволяет им, опираясь на базы знаний, описывающие соответствующие предметные области, оперировать объектами (компонентами объектов, агрегатами объектов), что и определяет их высокую эффективность.

Эффект здесь определяется тем различием, которое существует между кодированием первичной информации об объектах и воспроизведением полезной (семантической) информации о них, подобно тому различию, которое существует между растровым изображением текста и его символьно-кодовым представлением.

Одной из наиболее актуальных на сегодняшний день задач представления сложной информации в ИТКС является задача представления графической информации, в первую очередь - изображений, ввиду их разнообразия, сложности структуры и большой информационной емкости.

Разработке эффективных представлений и моделей изображений, методов их обработки и кодирования уделено большое внимание в работах отечественных и зарубежных ученых: Бонгарда М.М., Васина Ю.Г., Журавлева Ю.И., Ковалевского В.А., Лебедева Д.С., Мучника И.Б., Файна B.C., Цуккермана И.И., Ярославского Л.П., Нарасимхана Р., Павлидиса Т., Прэтта У., Розенфельда А., Стокхэма Т., Фримена X., Фу К., Харалика P.M., и др.

Графические изображения (карты, схемы, планы, чертежи и т.д.), для которых характерно априорное их структурирование, образуя обширный подкласс всего многообразия изображений, не слишком эффективно обрабатываются существующими методами кодирования изображений. Причина этого в том, что присущие им внутренние корреляции чрезвычайно сильно и избирательно связаны с их упорядоченной и организованной структурой. Поэтому отсутствие учета этой структуры приводит к существенному снижению показателей сжатия графической информации, определяющих эффективную пропускную способность каналов связи ТКС, а также к снижению производительности процедур кодирования и декодирования, либо к возрастанию их ресурсозатратности.

В связи с этим весьма актуальной становится проблема разработки таких методов представления и кодирования графической информации, которые, с одной стороны, учитывали бы специфику графических изображений, а с другой стороны, повысили бы уровень эффективности их представления в ИТКС, что, в свою очередь, обеспечило бы возможность расширения круга решаемых практических задач обработки, хранения и передачи информации.

Объектом исследования являются графические изображения, их структура, свойства и характеристики, способы их представления и их математические модели, преобразования этих представлений, возможности их передачи по цифровым каналам связи телекоммуникационных систем и использования в системах обработки графической информации.

Предметом исследования являются способы и методы моделирования, представления и кодирования структуры графических изображений, ее математические модели, основанные на этих моделях методы формирования структурных описаний изображений, реализующие эти методы алгоритмы, программы и технологии обработки графических изображений, а также оценки их эффективности и возможности практической реализации при передаче графической информации по каналам связи телекоммуникационных систем и использовании в системах обработки графической информации.

Целью работы является разработка новых эффективных структурных представлений графических изображений, их математических моделей и методов кодирования, применение которых качественно повышает возможности передачи и использования видеоинформации в интеллектуальных телекоммуникационных системах.

Для достижения поставленной цели в работе решаются следующие задачи: разработка и исследование модели пространственной структуры графического изображения, обеспечивающей полноту и точность описания всех его структурных элементов и их взаимосвязей; разработка структур данных и форматов данных для передачи структуры графических изображений по цифровым каналам связи телекоммуникационных систем; разработка и исследование метода и алгоритмов распознавания цвета и тона на графических изображениях и последующего кодирования преобразованных изображений; разработка и исследование метода и алгоритмов эффективного препарирования графических изображений для выделения их структурных элементов и взаимосвязей этих элементов; разработка и исследование структурного метода и алгоритмов анализа и кодирования графических изображений, обеспечивающих полноту и точность воспроизведения их структуры; установление взаимосвязи между характеристиками графического изображения и достижимыми показателями сжатия графической информации;

- разработка эффективных вычислительных схем форсирования алгоритмов обработки графической информации;

- разработка технологии и создание программного обеспечения обработки графической информации, реализующих разработанные структурные представления и методы кодирования графических изображений;

- проведение экспериментальных исследований разработанных средств и методов структурного представления и кодирования графических изображений по оценке характеристик качества воспроизведения графических изображений и сжатия графической информации для определения их эффективности и возможностей их использования в интеллектуальных телекоммуникационных системах.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования.

Теоретические исследования основаны на использовании функционального анализа, топологии, теории графов, основ машинной графики, теории обработки и анализа изображений, распознавания образов.

В экспериментальных исследованиях разработанных моделей, методов и алгоритмов использовались методы моделирования структур, системного анализа, цифровой обработки изображений и машинной графики, системного программирования.

Достоверность и обоснованность изложенных положений работы подтверждается результатами практического применения разработанных методов, алгоритмов, программных средств и технологии обработки графической информации, научными. трудами и апробациями созданного научно-технического продукта на представительных научных форумах. Достоверность и обоснованность полученных в работе результатов и выводов подтверждается при их сравнительном анализе с известными результатами современных исследований и разработок.

Теоретические положения, установленные в работе, обосновываются последовательным и корректным применением математического аппарата при получении выводов из исходных посылок, а также аналитической проверкой этих посылок и выводов результатами систематического исследования.

Достоверность результатов экспериментального исследования подтверждается их согласованностью с результатами теоретического исследования и воспроизводимостью на больших объемах экспериментального материала, обоснованностью построения алгоритмов обработки графической информации, наглядностью интерпретации полученных практических результатов.

На защиту выносятся результаты разработки и исследования новых эффективных структурных представлений графических изображений, их математических моделей, методов и алгоритмов их кодирования, а также результаты практической реализации этих моделей, методов и алгоритмов - технология и программные средства структурного представления и кодирования графической информации для ее передачи и использования в интеллектуальных телекоммуникационных системах, в том числе:

- структурно-контурная модель пространственной структуры графического изображения, обеспечивающая полноту и точность описания всех его структурных элементов и их взаимосвязей, основанная на определении контуров этих элементов, сегментации этих контуров на разделяющие элементы участки и формировании графа, вершинам которого соответствуют элементы, а ребрам - отношения транзитивной смежности между ними;

- структуры данных и форматы данных для передачи структуры графических изображений по цифровым каналам связи телекоммуникационных систем, построенные на основе структурно-контурной модели;

- результаты анализа эффективности различных схем совместного применения адаптивного цветотонового преобразования и центроидного преобразования изображений для определения оптимальных параметров преобразований при обработке изображений;

- метод и алгоритмы распознавания цвета и тона на графических изображениях на основе их адаптивного цветотонового преобразования и последующего кодирования преобразованных изображений, устраняющего их избыточность, а также результаты исследования метода и алгоритмов;

- метод и алгоритмы эффективного препарирования графических изображений на основе центроидного преобразования для выделения их структурных элементов и взаимосвязей этих элементов, а также результаты исследования метода и алгоритмов;

- структурный метод и алгоритмы анализа и кодирования графических изображений, основанные на использовании цепных кодов для описания структуры изображений, обеспечивающие полноту и точность ее воспроизведения, а также результаты исследования метода и алгоритмов;

- функциональные взаимосвязи между характеристиками плотности структурных элементов графического изображения и достижимыми показателями сжатия графической информации;

- дифференциальные вычислительные схемы форсирования алгоритмов обработки графической информации, обеспечивающие существенное повышение производительности вычислений, основанные на исключении однотипных вычислений, повторяющихся при обработке изображений, и их замене на вычисления значений корректирующих функций;

- технология и программное обеспечение обработки графической информации, реализующие разработанные структурные представления и методы кодирования графических изображений;

- результаты экспериментальных исследований разработанных средств и методов структурного представления и кодирования графических изображений по оценке характеристик качества воспроизведения графических изображений и сжатия графической информации для определения их эффективности и возможностей их использования в интеллектуальных телекоммуникационных системах.

Научная новизна полученных результатов определяется впервые проведенными исследованиями, в результате которых разработаны новые эффективные структурные представления и математические модели графических изображений, на основе которых разработаны методы, построены алгоритмы и созданы технология и программные средства структурного представления и кодирования графических изображений, что качественно повышает возможности передачи и использования видеоинформации и, тем самым, вносит существенный вклад в решение задач создания интеллектуальных телекоммуникационных систем, в ходе которых: разработана и исследована структурно-контурная модель пространственной структуры графического изображения, обеспечивающая полноту и точность описания всех его структурных элементов и их взаимосвязей, основанная на определении контуров этих элементов, сегментации этих контуров на разделяющие элементы участки и формировании графа, вершинам которого соответствуют элементы, а ребрам - отношения транзитивной смежности между ними;

- предложены и обоснованы структуры данных и форматы данных, обеспечивающие эффективную передачу структуры графических изображений по цифровым каналам связи телекоммуникационных систем, построенные на основе структурно-контурной модели; выполнен анализ эффективности различных схем совместного применения адаптивного цветотонового преобразования и центроидного преобразования изображений для определения оптимальных параметров преобразований при обработке изображений; установлено, что эквализация цвета и тона на изображениях, реализуемая нелинейным пространственно-частотным фильтром, обеспечивает как повышение качества адаптивного цветотонового преобразования изображений, так и получение их контурных препаратов, обеспечивающих высокое качество последующего центроидного преобразования изображений;

- разработаны и исследованы метод и алгоритмы распознавания цвета и тона на графических изображениях на основе их адаптивного цветотонового преобразования и последующего кодирования, устраняющего избыточность преобразованных изображений, основанные на кластеризации векторов цветовых компонент в цветовом пространстве, обеспечивающие возможности существенного шумоподавления, выравнивания цветовых и тоновых контрастов, компенсации пространственно-частотных искажений, цвето- и тонокоррекции, а также возможность сжатия видеоинформации на 1-2 порядка, а сравнительно с показателями сжатия используемых графических растровых форматов изображений - как минимум на порядок выше; разработаны и исследованы метод и алгоритмы эффективного препарирования графических изображений на основе центроидного преобразования для выделения их структурных элементов и взаимосвязей этих элементов, обеспечивающие возможности исключение из поля изображения неинформативных областей, а также оценки границ структурных элементов изображения;

- разработаны и исследованы структурный метод и алгоритмы анализа и кодирования графических изображений, основанные на использовании модифицированных дифференциальных цепных кодов для описания структуры изображений, обеспечивающие полноту и точность ее воспроизведения, а также эффективное сжатие видеоинформации на 2-4 порядка выше относительно результатов центроидного преобразования изображений;

- установлены функциональные взаимосвязи между характеристиками плотности структурных элементов графического изображения и достижимыми показателями сжатия графической информации, что позволяет оценить степень сжатия информации при обработке и кодировании графических изображений различных видов; построены дифференциальные вычислительные схемы форсирования алгоритмов обработки графической информации, обеспечивающие существенное повышение производительности вычислений, основанные на коррекции значений вычисляемых на изображении локальных функционалов при сканировании изображения областью определения этих функционалов с целью исключения повторных вычислений; предложена и обоснована технология обработки графической информации, основанная на разработанных структурных представлениях и методах кодирования графических изображений, создано программное обеспечение, реализующее эту технологию и использованное при выполнении экспериментальных исследований, результаты которых позволили определить оценки эффективности и возможностей применения разработанных средств и методов структурного представления и кодирования графических изображений в интеллектуальных телекоммуникационных системах.

Практическая полезность работы заключается в применении новых эффективных структурных представлений и методов кодирования структуры графических изображений в телекоммуникационных системах.

Разработан комплекс программ, реализующий методы и технологию обработки графической информации на основе использования преобразований графических изображений.

Разработанный комплекс программ обеспечивает реализацию эффективных вычислительных схем и алгоритмов обработки графических изображений, эффективное их кодирование, поддержку растровых форматов графических данных, форматов данных препарированных изображений и их дифференциальных цепных кодов, что позволяет использовать комплекс в интеллектуальных телекоммуникационных системах и при совместном функционировании с другими существующими программными средствами обработки графической информации.

Результаты экспериментальных исследований разработанных средств и методов и оценки их эффективности и возможностей использования в интеллектуальных телекоммуникационных системах, а также результаты их внедрения подтверждают целесообразность их использования для качественного повышения возможностей передачи и использования видеоинформации в интеллектуальных телекоммуникационных системах.

Реализация и внедрение результатов работы.

Полученные результаты использованы и апробированы для опытно-производственной эксплуатации системы терминальной обработки данных о пространственных объектах, их представления и кодирования для повышения коммуникативных возможностей в телекоммуникационных системах в ОАО «Уралсвязьинформ».

Полученные результаты использованы в учебном процессе ГОУ ВПО ИжГТУ при изучении дисциплин «Компьютерная графика» и «Интерактивные графические системы».

Апробация работы. Основные положения и результаты диссертации докладывались на российских и международных научно-технических конференциях и конгрессах: Международном Самарском симпозиуме телекоммуникаций для руководящих работников отрасли связи (Самара, 1998-2003); 7-й Международной конференции «Цифровая обработка сигналов и ее применение» (Москва, 2005); Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2005); VI и VII Международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций» (Самара, 2006); Актуальные проблемы математики, механики, информатики: Междунар. науч.-метод. конф., посвященная 90-летию высшего математического образования на Урале (Пермь, 2006 г.); 7-й и 8-й Междунар. форум «Поддержка бизнеса и операций в телекоммуникационных компаниях. Billing and OSS Telecom Forum» (Москва, 2006, 2007 г.); 8-й Всеросс. Симпозиум «Стратегическое планирование и развитие предприятий» (Москва, 2007 г.); 35-й Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2008); IX Международной научно-технической конференции «Искусственный интеллект - 2008. Интеллектуальные системы - 2008» (пос. Кацивели, АР Крым, Украина, 2008).

Публикации. Основные научные результаты по теме диссертации опубликованы в 15 научных работах в региональных журналах, сборниках научных трудов и материалов конференций. Автор имеет 5 научных трудов в изданиях, выпускаемых в РФ и рекомендуемых ВАКом для публикации основных результатов диссертаций.

Структура диссертационной работы. Диссертация содержит введение, 4 главы и заключение, изложенные на 167 стр. машинописного текста. В работу включены 60 рис., 5 табл., список литературы из 121 наименования. В приложении представлен акт об использовании результатов работы.

Похожие диссертационные работы по специальности «Системы, сети и устройства телекоммуникаций», 05.12.13 шифр ВАК

Заключение диссертации по теме «Системы, сети и устройства телекоммуникаций», Кузнецов, Андрей Геннадьевич

ЗАКЛЮЧЕНИЕ

В результате проведенных исследований сформулированы следующие выводы.

1. Разработана структурно-контурная модель пространственной структуры графического изображения, обеспечивающая полноту и точность описания всех его структурных элементов и их взаимосвязей, основанная на определении контуров этих элементов, сегментации этих контуров на разделяющие элементы участки и формировании графа, вершинам которого соответствуют элементы, а ребрам — отношения транзитивной смежности между ними.

2. Предложены и обоснованы структуры данных и форматы данных, обеспечивающие эффективную передачу структуры графических изображений по цифровым каналам связи телекоммуникационных систем, построенные на основе структурно-контурной модели.

3. Выполнен анализ эффективности различных схем совместного применения адаптивного цветотонового преобразования и центроидного преобразования изображений для определения оптимальных параметров преобразований при обработке изображений; установлено, что эквализация цвета и тона на изображениях, реализуемая нелинейным пространственно-частотным фильтром, обеспечивает как повышение качества адаптивного цветотонового преобразования изображений, так и получение их контурных препаратов, обеспечивающих высокое качество последующего центроидного преобразования изображений.

4. Разработаны и исследованы метод и алгоритмы распознавания цвета и тона на графических изображениях на основе их адаптивного цветотонового преобразования и последующего кодирования, устраняющего избыточность преобразованных изображений, основанные на кластеризации векторов цветовых компонент в цветовом пространстве, обеспечивающие возможности существенного шумоподавления, выравнивания цветовых и тоновых контрастов, компенсации пространственно-частотных искажений, цвето- и тонокоррекции, а также возможность сжатия видеоинформации на 1-2 порядка, а сравнительно с показателями сжатия используемых графических растровых форматов изображений - как минимум на порядок выше.

5. Разработаны и исследованы метод и алгоритмы эффективного препарирования графических изображений на основе центроидного преобразования для выделения их структурных элементов и взаимосвязей этих элементов, обеспечивающие возможности исключение из поля изображения неинформативных областей, а также оценки границ структурных элементов изображения.

6. Разработаны и исследованы структурный метод и алгоритмы анализа и кодирования графических изображений, основанные на использовании модифицированных дифференциальных цепных кодов для описания структуры изображений, обеспечивающие полноту и точность ее воспроизведения, а также эффективное сжатие видеоинформации на 2-4 порядка выше относительно результатов центроидного преобразования изображений.

7. Установлены функциональные взаимосвязи между характеристиками плотности структурных элементов графического изображения и достижимыми показателями сжатия графической информации, что позволяет оценить степень сжатия информации при обработке и кодировании графических изображений различных видов.

8. Построены дифференциальные вычислительные схемы форсирования алгоритмов обработки графической информации, обеспечивающие существенное повышение производительности вычислений, основанные на коррекции значений вычисляемых на изображении локальных функционалов при сканировании изображения областью определения этих функционалов с целью исключения повторных вычислений.

9. Предложена и обоснована технология обработки графической информации, основанная на разработанных структурных представлениях и методах кодирования графических изображений.

10. Создано программное обеспечение, реализующее разработанные модели, методы, алгоритмы и технологию обработки графической информации на основе разработанных структурных представлений и методов кодирования графических изображений.

11. Выполнены экспериментальные исследования разработанных средств и методов обработки графической информации, результаты которых подтвердили их эффективность и перспективность их использования для качественного повышения возможностей передачи и использования видеоинформации в интеллектуальных телекоммуникационных системах; в результате экспериментов установлены высокие показатели качества воспроизведения графических изображений и высокая степень сжатия графической информации.

Список литературы диссертационного исследования кандидат технических наук Кузнецов, Андрей Геннадьевич, 2008 год

1. Айфичер Э., Джервис Б. Цифровая обработка сигналов: практический подход, 2-е издание.: Пер. с англ. — М.: Издательский дом «Вильяме», 2004. - 992 с.

2. Александров В.В., Горский Н.Д. Представление и обработка изображений: Рекурсивный подход. Л.: Наука, 1985. - 188 с.

3. Александрян P.A., Мирзаханян Э.А. Общая топология. М.: Высшая школа, 1979. - 336 с.

4. Андреев Г.А., Базарский О.В., Глауберман A.C. и др. Анализ и синтез случайных пространственных текстур // Зарубежная радиоэлектроника, 1984, №2.-С. 3-33.

5. Артюшенко В.М., Шелухин О.И., Афонин М.Ю. Цифровое сжатие видеоинформации и звука. М.: Дашков и К°, 2003. - 426 с.

6. Бакут П.А., Колмогоров П.С., Варновицкий И.Э. Сегментация изображений: методы пороговой обработки // Зарубежная радиоэлектроника. 1988. — № 4. - С. 6-24.

7. Белов И.А., Парамонов П.П., Сидиков В.С.Применение метода регуляризации для коррекции искаженных изображений в измерительных системах. // Датчики и системы, 2001. №8, с. 20-23.

8. Бокштейн И.М., Мерзляков С.Н., Попова Н.Р. Обнаружение и локализация малоразмерных объектов на неоднородном фоне // Цифровая оптика. Обработка изображений и полей в экспериментальных исследованиях. М.: Наука, 1990.-С. 164-173.

9. Бронштейн И.Н., Семендяев К.А. Справочник по математике. М.: Наука, Главная редакция физико-математической литературы, 1986.

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

11. Гашников С. Методы компьютерной обработки изображений. М.: ФИЗМАТЛИТ, 2004. - 784 с.

12. Горелик С.А., Кац Б.М., Киврин В.И. Телевизионные измерительные системы. -М.: Связь, 1980. 189 с.

13. Горлов С.К., Корыстен A.B., Родин В.А. Об одной реализации метода сжатия отображений с помощью нелинейной аппроксимации сумм Фурье-Хаара // Теор. функций и прибл.: Тр. 7-й Саратов, зим. шк. (1994 г.). Ч. 2.- Саратов: Изд.-во СГУ, 1995.

14. Горячев А.И.Некоторые методы обработки изображений в системах технического зрения. Саратовский гос. ун-т. Саратов, 1999, 9 с.

15. Грабарник П.Я., Комаров A.C. Статистический анализ пространственных структур: Методы, использующие расстояния между точками // Материалы по математическому обеспечению ЭВМ. Вып. 4. Пущино: НЦБИ АН СССР, 1980.-48с.

16. Журавлев Ю.И., Гуревич И.Б. Распознавание образов и анализ изображений // Искусственный интеллект. Кн. 2. Модели и методы. М.: Радио и связь, 1990. - 304с.

17. Золотарёв В., Овечкин Г. Помехоустойчивое кодирование. Методы и алгоритмы. Справочник. — М.: Горячая линия Телеком, 2004. — 126 с.

18. Казанский H.JL, Мясников В.В., Хмелев Р.В. Алгоритмы поиска расстояний до объектных пикселов на бинарных изображениях. //Компьютер. Оптика. 2000. №20. С. 134-139.

19. Карасев A.A. Векторно-топологическое представление данных // Мир ПК, 1995, № 12.-С. 3-8.

20. Кийко В.М., Шлезингер М.И. Алгоритм выделения отрезков осевых линий на графических изображениях. — Киев: АН УССР. — 1983. 117с.

21. Кобаяси ИГ, Номидзу К. Основы дифференциальной геометрии. -Т. 1.-М.: Наука, 1981.-344 с.

22. Козлов В.Н. О зрительном образе, математических подходах к определению этого понятия и о распознавании изображений // ЖВМиМФ,Т. 39, 1999, № 11, с. 1919-1936.

23. Козлов В.Н. Способ оценки похожести изображений, основанный на преобразованиях подобия // ЖВМиМФ,Т. 40, 2000, № 5, с. 797-808.

24. Колмогоров А.Н., Фомин C.B. Элементы теории функций и функционального анализа. М.: Наука, 1981. - 544 с.

25. Кондратьев В.В., Утробин В.А. Основы теории активного восприятия изображений. Н. Новгород, 1977. - 249 с.

26. Корриган Дж. Компьютерная графика. М.: Энтроп, 1995. - 352 с.

27. Кошкарев A.B., Тикунов B.C. Геоинформатика М.: Картгеоцентр -Геодезиздат, 1993. - 213с.

28. Кузнецов А.Г. Построение математических моделей структурных описаний изображений // Вестник Московской Академии рынка труда и информационных технологий. 2004. - № 3 (11). - С. 103-112.

29. Кузнецов А.Г., Уфимкин А.Я. Использование преобразований для сжатия графической информации // Вестник Московской Академии рынка труда и информационных технологий. 2004. - № 4 (12). - С. 62-73.

30. Липовецкий Ю.М. Метод измерения ширины малоразмерных протяженных элементов на статистически однородном фоне // Разраб. систем тех-нич. зрения и их примен. в промышл. Тез. докл. научно-технич. конф. Ижевск, 1988. ч. 2.-С. 40-41.

31. Лурье И., Косиков А. Теория и практика цифровой обработки изображений. М. Научный Мир, 2003. — 176 с.

32. Лялин В.Е., Кузнецов А.Г. Использование цепных кодов для кодирования графических изображений // Вестник Московской Академии рынка труда и информационных технологий. 2004. - № 4 (12). - С. 74-80.

33. Мартышевский Ю.В., Гурков Ю.Ф. Метод сегментации изображений / Докл. Томского гос. унив-та систем управления и радиоэлектроники. 1997. 1, С. 25-34.

34. Миано Д. Форматы и алгоритмы сжатия изображений в дейстивии. — М.: Триумф, 2003. 336 с.

35. Морзев Ю. Зачем компьютеру зрение? // Компьютер Пресс, 2002, № 5. -С. 187-190.

36. Морзев Ю. Технологии машинного зрения Сделано в России. // Компьютер Пресс, 2002, № 7. С.50-54.

37. Мурынов А.И. Анализ растровых изображений на основе центроидной фильтрации. // Тез. докл. V Российской университетско-академической научно-практической конференции. Ч. 8. Ижевск: Изд-во УдГУ, 2001. С. 39-40.

38. Мурынов А.И. Векторизация картографических изображений на основе центроидной фильтрации // Труды Международного форума по проблемам науки, техники и образования. Т. 2. М.: Академия наук о Земле, 2000. - С. 125-127.

39. Мурынов А.И. Конфигурационные модели изображений и оценка параметров структурных элементов их деталей // Химическая физика и мезоско-пия. Т.4, 2002, №1. с. 128-144.

40. Мурынов А.И. Математические модели и методы анализа пространственных структур для экспертных геоинформационных систем. Дисс. на соиск.уч. степ. докт. техн. наук. Ижевск: ФТИ УрО РАН, 2002. - 307 с.

41. Пеев Е., Боянов К., Белчева О. Методи и средства за компрессия на изображения // Автоматика и информатика.-1994.-28, №3. С. 3-14.

42. Пивоваров И.В. Алгоритм структурно-цветового анализа графических изображений // Наукоемкие технологии и интеллектуальные системы 2005: Сб. научн. тр. VII Молодежной НТК Москва: Изд-во МГТУ им. Н.Э. Баумана, 2005.-С. 79-83.

43. Пивоваров И.В. Метод адаптивной цветовой стратификации графических изображений // Проблемы техники и технологии телекоммуникаций: Материалы 5-й Междунар. НТК.- Самара: Изд-во ПГАТИ, 2004.- С. 149-151.

44. Пивоваров И.В., Кузнецов А.Г. Эффективное кодирование цветных графический изображений для передачи по каналам связи телекоммуникационных систем // Ж. АН Украины «Искусственный интеллект» №3, 2005. - Донецк: Изд-во Наука i освгга, 2005. - С. 641-648.

45. Пименов В.И., Козлов Ю.М. Распознавание изображений малоразмерных объектов // Проблемы создания систем обработки, анализа и распознавания изображений. Ташкент: АН УзССР, 1989. - С. 27-28.

46. Позняк Э.Г., Шикин Е.В. Дифференциальная геометрия. М.: Изд-во МГУ, 1990.-384 с.

47. Пономаренко С.И. Пиксел и вектор. Принципы цифровой графики. -СПб.: БХВ-Петербург, 2002. 496 с.

48. Прэтт У. Цифровая обработка изображений. Кн. 1. - М.: Мир, 1982. -312с. - Кн. 2. - М.: Мир, 1982. - 480 с.

49. Прэтт У., Кэйн Д., Эндрюс X. Кодирование изображений посредством преобразования Адамара // ТИИЭР. 1969. - Т.57. - №1. - С. 66-77.

50. Садыков С.С., Самандаров И.Р. Скелетизация бинарных изображений // Зарубежная радиоэлектроника. 1985. - № 11. - С. 30-37.

51. Сидорова B.C. Текстурный анализ аэрокосмических изображений на ЭВМ // Математические и технические проблемы обработки изображений.

52. Новосибирск: ВЦ СОАН СССР, 1980. С. 30-36.

53. Соболев Н. Общая теория изображений. — М.: Архитектура-С, 2004. —672 с.

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

55. Тарантино К. Цифровая фотография. Компьютерная обработка изображений. -М.: Омега, 2005. 142 с.

56. Уэлстид С. Фракталы и вейвлеты для сжатия изображений. Учебное пособ. М.: Издательство «Триумф», 2003. - 320 с.

57. Фризер X. Фотографическая регистрация информации. М.: Мир, 1978.-670 с.

58. Фурман Я. Введение в контурный анализ. Приложения к обработке изображений и сигналов. М.: ФИЗМАТЛИТ, 2002. - 592 с.

59. Харалик P.M. Статистический и структурный подходы к описанию текстур // ТИИЭР, т. 67, 1979, № 5. С. 98-120.

60. Хюккель М. Оператор нахождения контуров на кодированных изображениях // Интегральные роботы. Вып. 1. М.: Мир, 1973. - С. 225-240.

61. Шикин Е.В., Боресков A.B. Компьютерная графика. Динамика, реалистические изображения. -М.: ДИАЛОГ-МИФИ, 1995. 288с.

62. Шрейдер Ю.А., Шаров A.A. Системы и модели. М.: Радио и связь, 1982.- 152 с.

63. Эйнджел Э. Интерактивная компьютерная графика. М.: Вильяме, 2001.-592с.

64. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007. - 583 с.

65. Agate Graig S., Iltis Ronald A. Statistics of the RSS estimation algoritm for Gaussian measurement noise. IEEE Trans. Signal Process. 1999 47, №1, C. 22-32.

66. Antoni M. et al. Image coding using wavelet transform // IEEE Trans. Image Proc. 1992. -V.l. -№2. - P. 205-220.

67. Barlaud M. et al. Pyramidal lattice vectior quantization for multiscale image coding// IEEE Trans. Image Proc. 1994. -V.3. -№4. - P. 367-381.

68. Beaumont J.M. Image data compression using fractal techniques // BT Technological Journal. 1991. - V. 9 - №4. - P. 92-109.

69. Buhman J., K?nel H. Vector quantization with complexity costs // IEEE Trans, on Information Theory. 1993. -V.39. - №4. - P. 1133-1145.

70. Cenedese A., Pocecco A. Querzoli G. Effects of image compression on PIV and PTV analysis // Opt. and Laser Technol. -1999-31. №2. C. 141-149.

71. Chan Ch.-K., Po L.-M. A complexity reduction technique for image vector quantization // IEEE Trans. Image Proc. 1992. -V.l. -№3. - P. 312-321.

72. Chan Tony F., Shen J. Image Processing and analysis: variational, PDE, wavelet, and stochastic methods, 2005. 402 c.

73. Corners R. W., Vasguez-Espinosa R. E. A Theory of texture measurement definition // Proc. 6th Int. Conf. Pattern Recogn., Munich, Oct. 19-22, 1982. P. 286-288.

74. Cosman P.C. et al. Using vector quantization for image processing // Proc. IEEE. 1993.-V.81.-№9.-P. 1326-1341.

75. Eliott D.F., Rao K.R. Fast transforms: algorithms, analyses, applications. -London: Academic Press inc., 1982. 488 p.

76. Gopinath R.A., Burrus C.S. On cosine-modulated wavelet orthogonal bases // IEEE Trans. Image Proc. 1995. -V.4. -№2. - P. 162-177.

77. Gray R.M. Vector Quantization // IEEE ASSP Magazine. April 1984. -P. 4-29.

78. Harlow C., Trivedi M., Conners R., Phillips D. Scene analysis of high resolution aerial scenes // Optical Engineering, 1986, 25, № 3. P. 347-355.

79. Huang C.-M. et al. Fast full search equivalent encoding algorithms for image compression using vector quantization // IEEE Trans. Image Proc. 1992. -V.l. -№3.- P. 413-416.

80. Huang C.-M., Hams R.W. A comparison of several vector quantization code book generation approaches // IEEE Trans. Image Proc. 1993.- V.2.- №1.-P. 108-112.

81. ISO/IEC JTC1 Committee Draft 10918-1. Digital compression and coding of continuous-tone still images. Part 1. Requirements and guidelines. 1991.

82. ISO/IEC JTC1 Committee Draft 10918-2. Digital compression and coding of continuous-tone still images. Part 2. Compliance Testing. 1991.

83. Jaquin A.E. Image coding based on a fractal theory of iterated contractive image transformations // IEEE Trans. Image Proc. 1992. -V.l. -№1. - P. 18-30.

84. Kim E.H., Modestino J.W. Adaptive entropy coded subband coding of images // IEEE Trans. Image Proc. 1992. -V.l. -№1. - P. 31-48.

85. Kim T. Side match overall match vector quantizers for images // IEEE Trans. Image Proc. 1992. -V.l. -№2. - P. 170-185.

86. Kossentini F., Chung W.C., Smith M. Subband image coding using entropy-constrained residual vector quantization // Information Processing and Management. 1994. -V.30. -№6. - P. 887-896.

87. Kovachevich J. Subband coding system incorporating quantizer models // IEEE Trans. Image Proc. 1995. -V.4. -№5. - P. 543-553.

88. Kurosaki M., Waki H. A JPEG-compliant colorimage compres-sion/decompresssion LSI // Mitshubisi Elec. Adv. -1994. -V.68, Sept. P.17-18.

89. Kwok P. Customising thinning algorithms // 3rt Int. Conf. Image Proc. and Appl., Warwick, 18-20 July, 1989, London, 1989. P. 633-637.

90. Kondratyev V.V., Utrobin V.A. Uncovering of indeterminacy in identification problem // Pattern Recognition and Image Analysis. 1996. - №2. - PP. 250 - 259.

91. Lam L., Lee S.-W. Thinning methodologies A comprehensive survey // IEEE Trans. Pattern Anal, and Mach. Intell, 1992, 14, № 9. - P. 869-885.

92. Lepihov Y.N., Telegina M.V., Pivovarov I.V. The adaptive color and tone transformation of images // VI International congress on mathematical modeling / Сборник тезисов докладов. Нижний Новгород: Изд-во ННГУ, 2004. - С. 253.

93. Lewis A.S. Knowles G. Image Compression using the 2-D wavelet transform // IEEE Trans. Image Proc. 1992. -V.l. -№2. - P. 244-250.

94. Luán Xin, Zhu Tiey //Gingdao haiyang daxue xuabao= J. Ocean Univ.

95. Gingdao. 1999-29, №1. С. 107-111. Кит.

96. Mathews V.J. Multiplication free vector quantization using LI distortion measure and its variants // IEEE Trans. Image Proc.- 1992. -V.l. -№1. P. 11-17.

97. Nanda S., Pearlman W.A. Tree coding of image subbands // IEEE Trans. Image Proc. 1992. - V.l. - №2. - P. 133-147.

98. Ngan K.N., Koh H.C. Predictive classified vector quantization // IEEE Trans. Image Proc. 1992. -V.l. - №3. - P. 269-280.

99. Paven K., Deepak B. Pseudo one thinning algorithm // Pattern Recogn. Lett., 1991, 12, №9.-P. 543-555.

100. Pearson D.E., Methods for Scaling Television Picture Quality, in: Picture Bandwidth Compression, Huang T.S., Tretiak О .J., Eds., Gordon -and Breach, New York, 1972.

101. Pennec E.L., Mallat S. Image compression with geometrical wavelets. In Proc. Of IEEE ICIP, Volume 1, 2000, p. 661-664.

102. Pratt W.K., Andrews H.C. Application of Fourier-Hadamard transformation to bandwidth compression // Picture bandwidth compression / Ed.: Huang T.S., Tretiak O.J. New York: Gordong and Breach, 1972. - P. 515-554.

103. Pratt W.K., Chen W.H., Welch L.R. Slant transform image coding // IEEE Trans. Commun. -1974. -V. COM-22. P.1075-1093.

104. Ramachandran K., Vetteri M. Best wavelet packet bases in a ratedistortion sense // IEEE Trans. Image Proc. 1993. -V.2. -№2. - P. 160-175.

105. Rao K.R., Yip P. Discrete cosine transform algorithms, advantages, applications. - London: Academic Press inc., 1990.

106. Scarpace F.L., Quirk B.K. Land-cover classification using digital processing of aerial imageiy // Photogramm. Eng. and Remote Sens, 1980, v. 46, № 8 P. 1059-1065.

107. Schan. H.C .Statistical filter for image feature extraction // Applied Optics, v. 19, № 13, 1 July 1980. P. 2182-2190.

108. Schulze H. G., Greek L. S., Barbosa C. J., Blades M. W., Turner R. F. B. Signal detection for data sets with a signal-to-noise ratio of 1 or less with the use of a moving product filter///Appl. Spectrosc. -1998-52. №5, C. 621-625.

109. Senoo T., Giord B. Vector quantization for entropy coding of image subbands // IEEE Trans. Image Proc. 1992. -Y.l. -№4. - P. 526-532.

110. Stefanoiu D. Introduction to signal processing with wavelets // Studies on Information and Control. -1994. V.3. - №1. - P. 97-110.

111. Tan K.H., Ghanbari M. Layered image coding using the DCT pyramid // IEEE Trans. Image Proc. 1995. -V.4. -№4. - P. 512-516.

112. Tanimoto S., Pavlidis T. A hierarchical data structure for picture processing // Comp. Graph, and Image Proc. 1975, v. 4, № 4. P. 320-328.

113. Taubman D., Zakhor A. Orientation adaptive subband coding of images // IEEE Trans. Image Proc. 1994. -V.3. -№4. - P. 421-437.

114. Verhagen C. J. D. M. Applications of Pattern Recognition and Processing to Physical and Related Problems // Pattern Recognition in Practice, 1980. P. 189-206.

115. Wallace G.K. Overview of the JPEG (ISO/CCITT) still image compression: image processing algorithms and techniques // Proceedings of the SPIE. 1990. - V. 1244.-P. 220-233.

116. Wallace G.K. The JPEG algorithm for image compression standard // Communications of the ACM. 1991. -V.34. -№4. - P. 30-44.

117. Woods J.W. Subband image coding of images // IEEE Trans, on ASSP. -1986. -V.34. -№5. P. 1278-1288.

118. Woods J.W., Huang T.S. Picture bandwidth compression by linear transformation and block quantization // Picture bandwidth compression / Ed.: Huang T.S., Tretiak O.J. New York: Gordong and Breach, 1972. - P. 555-573.

119. Zhuravlev Yu. I., Gurevitch I.B. Pattern Recognition and Image Recognition // Pattern Recognition and Image Analysis, 1991, v. 1, № 2. P. 149-181.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.