Помощь в написании студенческих работ
Антистрессовый сервис

Обработка изображений двумерными нерекурсивными цифровыми фильтрами

Диссертация: Обработка изображений двумерными нерекурсивными цифровыми фильтрами
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Результаты диссертационной работы внедрены в соответствующие разработки ЗАО «МНИТИ» (Московский научно-исследовательский телевизионный институт), г. Москва, ООО «Технодиамант» г. Москва, ЗАО «Фирма НТЦ КАМИ» г. Москва, ОАО «Ростовский оптико-механический завод» г. Ростов Ярославской области, что подтверждено соответствующими актами. Отдельные результаты внедрены в учебный процесс ЯрГУ в рамках… Читать ещё >

Обработка изображений двумерными нерекурсивными цифровыми фильтрами (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. ДВУМЕРНАЯ ЦИФРОВАЯ ФИЛЬТРАЦИЯ И СЖАТИЕ 20 ИЗОБРАЖЕНИЙ НА ОСНОВЕ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЙ
    • 1. 1. Двумерные цифровые сигналы
      • 1. 1. 1. Периодические последовательности
      • 1. 1. 2. Линейные системы, инвариантные к сдвигу
      • 1. 1. 3. Разделимые системы
      • 1. 1. 4. Устойчивые системы
    • 1. 2. Частотные свойства ЛИС-систем
      • 1. 2. 1. Определение импульсного отклика по частотному 27 отклику
      • 1. 2. 2. Двумерное преобразование Фурье
      • 1. 2. 3. Представление прямоугольно-периодических 30 последовательностей в виде дискретных рядов Фурье
      • 1. 2. 4. Двумерное г-преобразование
      • 1. 2. 5. Обратное г-преобразование
    • 1. 3. Банки фильтров и вейвлет-фильтрация
      • 1. 3. 1. Вейвлет-преобразование
      • 1. 3. 2. М-полосные банки фильтров
    • 1. 4. Сжатие изображений на основе вейвлет-преобразования
      • 1. 4. 1. Алгоритм БРШТ
      • 1. 4. 2. Стандарт 1РЕв
    • 1. 5. Восстановление изображений на основе схем субполосной фильтрации
    • 1. 6. Критерии оценки качества восстановленного изображения
      • 1. 6. 1. Оценка качества цифровых изображений с 84 использованием метрики
      • 1. 6. 2. Оценка качества цифровых изображений с 85 использованием метрики иС)
    • 1. 7. Выводы к главе
  • Глава 2. ИССЛЕДОВАНИЕ И ПРИМЕНЕНИЕ ДВУМЕРНЫХ НЕРЕКУРСИВНЫХ ЦИФРОВЫХ ФИЛЬТРОВ ВТОРОГО ПОРЯДКА ДЛЯ ОБРАБОТКИ ИЗОБРАЖЕНИЙ
    • 2. 1. Исследование частотных свойств двумерных 89 нерекурсивных цифровых фильтров второго порядка
      • 2. 1. 1. Математическое описание двумерных 89 нерекурсивных цифровых фильтров второго порядка и их реализация
      • 2. 1. 2. Лопастной фильтр
      • 2. 1. 3. Линия среза фильтра
      • 2. 1. 4. Синтез двумерных нерекурсивных фильтров с 117 < линейной фазочастотной характеристикой
    • 2. 2. Применение для обработки изображений двумерных 122 нерекурсивных цифровые фильтров второго порядка с различными видами симметрии коэффициентов
      • 2. 2. 1. Вариант диагональной симметрии №
      • 2. 2. 2. Диагональная симметрия. Вариант №
      • 2. 2. 3. Диагональная симметрия. Вариант №
      • 2. 2. 4. Диагональная симметрия. Вариант №
      • 2. 2. 5. Диагональная симметрия. Варианты № 5, 6, 7,
      • 2. 2. 6. Примеры обработки изображений двумерными 148 нерекурсивными цифровыми фильтрами с симметричными коэффициентами
    • 2. 3. Выводы к главе
  • Глава 3. СИНТЕЗ ВЕЙВЛЕТ-ФИЛЬТРОВ ДЛЯ ОБРАБОТКИ ИЗОБРАЖЕНИЙ
    • 3. 1. Синтез ортогональных и биортогональных вейвлет- 158 фильтров кратности 2×2 для обработки изображений
      • 3. 1. 1. Разработка алгоритма параметризации одномерных 158 вейвлет-фильтров
      • 3. 1. 2. Синтез одномерных вейвлет-фильтров с заданной 163 частотной избирательностью
      • 3. 1. 3. Предпосылки параметризации и синтеза двумерных 166 вейвлет-фильтров
      • 3. 1. 4. Разработка алгоритма параметризации двумерных 171 неразделимых вейвлет-функций
      • 3. 1. 5. Синтез двумерных вейвлет-фильтров с заданной 177 частотной избирательностью
    • 3. 2. Синтез двумерных цифровых вейвлет-фильтров кратности разложения Nx-N
      • 3. 2. 1. Дискретное двумерное вейвлет-преобразование 183 кратности NxN
      • 3. 2. 2. Параметризация ортогональных ВФ субполосного 187 разложения кратности N^Nna примере кратности разложения 3x
      • 3. 2. 3. Синтез ортогональных вейвлет-фильтров с дополнительными условиями
      • 3. 2. 4. Параметризация биортогональных ВФ субполосного 198 разложения кратности ТУхТУ
      • 3. 2. 5. Расчет ИХ по заданной ДЧХ. Модифицированный 204 алгоритм Файнапа
      • 3. 2. 6. Связь частотных характеристик ВФ и 210 соответствующих им вейвлет-функций
      • 3. 2. 7. Расчет банка ортогональных вейвлет-фильтров по 213 данному низкочастотному ВФ
      • 3. 2. 8. Нахождение банка биортогональных вейвлет- 225 фильтров по данным низкочастотным ВФ анализа/синтеза
    • 3. 3. Выводы к главе
  • Глава 4. ПРИМЕНЕНИЕ ДВУМЕРНЫХ НЕРЕКУРСИВНЫХ ЦИФРОВЫХ ФИЛЬТРОВ ДЛЯ СЖАТИЯ И ФИЛЬТРАЦИИ ИЗОБРАЖЕНИЙ
    • 4. 1. Усовершенствование алгоритмов сжатия изображений
    • 8. Р1НТ и 1РЕв2000 на основе адаптивного изменения вейвлет-фильтров синтеза
      • 4. 1. 1. Сжатие изображений на основе вейвлетпреобразования
      • 4. 1. 2. Расчет вейвлет-фильтров восстановления
      • 4. 1. 3. Модифицированный алгоритм БРШТ
      • 4. 1. 4. Результаты тестирования модифицированного 244 алгоритма БРШТ
      • 4. 1. 5. Дальнейшее усовершенствование
      • 4. 1. 6. Новый вид продолжения сигнала за границы при ортогональном вейвлет-преобразовании
      • 4. 2. Восстановление изображений на основе вейвлет- 257 преобразования кратности 3x
      • 4. 2. 1. Модель процесса искажения / восстановления 257 изображения
      • 4. 2. 2. Вейвлет-преобразование без децимации
      • 4. 2. 3. Нелинейные методы фильтрации, основанные на 260 принципе кратномасштабного представления изображений
      • 4. 2. 4. Восстановление изображений, зашумленных АБГШ, 261 на основе вейвлет-преобразования кратности 2x
      • 4. 2. 5. Восстановление изображений, зашумленных АБГШ, 267 на основе вейвлет-преобразования кратности 3x
      • 4. 2. 6. Восстановление изображений, зашумленных АБГШ, 271 на основе вейвлет-преобразования кратности 3×3 с динамической пороговой обработкой коэффициентов
      • 4. 2. 7. Восстановление изображений, зашумленных 278 комбинированным шумом, на основе схемы 3-полосного разложения с динамической пороговой обработкой коэффициентов
      • 4. 3. Выводы к главе
  • Глава 5. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ АЛГОРИТМОВ ЦИФРОВОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ДВУМЕРНЫМИ НЕРЕКУРСИВНЫМИ ФИЛЬТРАМИ
    • 5. 1. Среда обработки изображений Р1сЬа
      • 5. 1. 1. Представление изображений
      • 5. 1. 2. Параметры алгоритмов
      • 5. 1. 3. Представление алгоритмов обработки цифровых 290 изображений в среде PicLab
      • 5. 1. 4. Двумерные нерекурсивные цифровые фильтры 291 второго порядка в среде PicLab
    • 5. 2. Программа для сжатия и воспроизведения видеоданных 293 YarVC
    • 5. 3. Программа для выполнения процедуры сканирования 297 объектов методом оптической лазерной триангуляции SolScan
    • 5. 4. Модернизация тепловизионного наблюдательного прибора 303 ТПВ-1М
    • 5. 5. Выводы к главе

Актуальность ~ темы. Цифровая обработка, кодирование и передача статических и динамических изображений стали основой реализации новых высококачественных систем видеосвязи, видеовещания, повышения эффективности систем подвижной связи, радиолокации и др. При этом большую роль играет цифровая фильтрация, применение которой решает множество проблем (подавление шумов и помех различной природы, выделение контуров и т. п.). Для двумерной цифровой фильтрации разработан широкий спектр алгоритмов, и темпы разработки новых алгоритмов не замедляются. Применение неразделимых двумерных фильтров в обработке изображений позволяет представить их не как набор строк и столбцов, а как единый объект. Наряду с обычными нерекурсивными фильтрами (или фильтрами с конечной импульсной характеристикой — КИХ-фильтрами) в цифровой обработке изображений широкое применение находят банки вейвлет-фильтров (ВФ), имеющие ряд существенных преимуществ, но и требующие больших вычислительных затрат.

В большинстве радиотехнических систем полученное изображение сжимается перед передачей через канал связи. Для эффективного использования полосы пропускания необходимо отфильтровать изображение на этапе, предшествующем сжатию. Например, в системах видеонаблюдения и лазерной триангуляции необходимо высокое качество изображения на выходе системы, хотя условия съемки могут быть самыми различными. Поэтому решение проблем сжатия и фильтрации до настоящего времени остается весьма актуальной радиотехнической задачей. Без этих взаимосвязанных процессов невозможно организовать эффективную систему получения, обработки и передачи цифровых изображений и видеопоследовательностей.

Таким образом, проблема разработки новых алгоритмов обработки изображений на основе двумерных нерекурсивных цифровых фильтров является актуальной.

Степень разработанности проблемы. Основополагающие работы по цифровой фильтрации одномерных сигналов связаны с именами таких известных ученых, как Гоулд Б., Кайзер Д., Рабинер JL, Оппенгейм А., Шафер Р., Карташев В. Г., Гольденберг JI.M.

В области двумерных цифровых систем широкое распространение получила фильтрация статических и динамических изображений на основе двумерных КИХ-фильтров, в том числе КИХ-фильтров 2-го порядка (в силу низкой вычислительной сложности). При этом важной нерешенной задачей является исследование частотных свойств таких фильтров.

В настоящее время в радиотехнике широкое распространение получили также методы цифровой обработки сигналов и изображений, использующие различные виды вейвлет-преобразования. Это объясняется теми возможностями, которые обеспечивают вейвлет-функции: частотную и временную локализацию, а так же возможность обрабатывать сигнал на разных масштабах. В этой области широко используются работы Добеши И., Малла С., Чуй К., Ковачевич Д., Ваттерли М., Стренга Г.

Большой вклад в создание различных банков фильтров (БФ) внесли отечественные и зарубежные ученые: Витязев В. В., Чобану М. К., I.

Nguyen T.Q., Vaidyanathan P.P., Moulin P., Lawton W.

Наряду с «классическим» вейвлет-преобразованием кратности разложения 2 используется и вейвлет-преобразование кратности М выше, чем 2 (например, кратности 3). В развитии теории М-полосных банков вейвлет-фильтров большую роль сыграли работы таких авторов, как Дворкович В. П., Дворкович А. В, Gopinath R.A., Bums C.S., Vetterli М., Moulin P., Zou H., Tewfik A.H. Однако задача синтеза неразделимых.

БФ произвольной кратности с широким диапазоном частотных свойств остается нерешенной.

Теории и практической реализации методов цифровой обработки изображений посвящено много работ. Наиболее известными в данной области являются (работы Ярославского Л. П., Зубарева Ю. Б., Сойфера В. А., Прэтта У., Гонсалеса Р., Вудса Р.

Сжатию изображений и видео посвящены работы российских ученых: Дворковича В. П., Дворковича A.B., Умняшкина C.B., Чобану М. К., Радченко Ю. С., а также зарубежных авторов: Shapiro J.M., Said A., Pearlman W.A., Wheeler F.W., Taubman D., Xiong Z., Ramchandran K.

Наряду со сжатием, классической задачей в области цифровой обработки и передачи изображений является подавление шума в изображениях. Подавление шума естественных изображений, зашумленных гауссовским шумом, с использованием вейвлет-фильтров является эффективным из-за их высоких декоррелирующих свойств. Этой тематике посвящены работы Donoho D., Johnstone I., Chang S., Vetterli M., Coifman R., Бехтина Ю.С.

Рост производительности систем обработки изображений позволяет применять более сложные и эффективные алгоритмы. В этом контексте необходимо проведение исследований применимости банков неразделимых вейвлет-фильтров для подавления шумов в изображениях и видеопоследовательностях.

Необходимым условием эффективной работы систем фильтрации и сжатия статических и динамических изображений является применение широкого спектра соответствующих алгоритмов их обработки. Данная работа посвящена исследованию ряда задач, связанных с решением проблемы разработки теоретических положений, методов, и алгоритмов обработки изображений двумерными нерекурсивными цифровыми фильтрами. Реализация данного направления цифровой обработки видеоинформации имеет большое научное и практическое значение.

Целью работы является разработка и исследование методов синтеза и анализа разделимых и неразделимых двумерных цифровых систем, состоящих из двумерных цифровых фильтров, децимирующих/интерполирующих устройств, систем кодирования и восстановления, позволяющих эффективно решать задачи фильтрации и сжатия цифровых изображенийI.

В соответствие с указанной целью в работе поставлены и решены следующие основные задачи:

— анализ частотных свойств двумерных нерекурсивных цифровых фильтров второго порядка применительно к задачам обработки изображений;

— классификация полученных в ходе исследования типов двумерных фильтров и выявление возможности их применения к обработке изображений с различными видами аддитивных помех;

— разработка методики параметризации и синтеза двумерных цифровых вейвлет-фильтров для обработки изображений;

— разработка методики синтеза двумерных цифровых разделимых и неразделимых вейвлет-фильтров произвольной кратности разложения для повышения качества обработки изображений;

— увеличение степени сжатия современных алгоритмов кодирования изображений, основанных на вейвлет-преобразовании;

— совершенствование существующих методик фильтрации аддитивного белого гауссовского шума в изображениях;

— разработка новых пороговых функций для динамической пороговой обработки вейвлет-коэффициентов с целью повышения качества восстановленных изображений.

Методы исследования. При решении поставленных задач использованы методы цифровой обработки изображений, цифровой обработки одномерных и многомерных сигналов, теории? вейвлет-преобразований, линейной алгебры, теории функций комплексной переменной, теории вероятностей и математической статистики. Широко использовались также методы компьютерного моделирования.

Объектом исследования являются двумерные цифровые фильтры с конечной импульсной характеристикой, применяемые для цифровой обработки изображений с целью сжатия, подавления шумов и различного вида помех, выявленных в процессе их формирования и передачи.

Предметом исследования являются методы синтеза и анализа двумерных нерекурсивных цифровых фильтров, в том числе и вейвлет-фильтров, а также банков фильтров на их основе, используемые в задачах фильтрации и сжатия цифровых изображений.

Научная новизна.

1) Разработана методика исследования частотных свойств двумерных нерекурсивных цифровых фильтров второго порядка, базирующаяся на анализе квадрата амплитудно-частотной характеристики (АЧХ) и позволяющая синтезировать фильтры для подавления помех в частотной области.

2) Исследованы частотные свойства двумерных нерекурсивных цифровых фильтров второго порядка общего вида и с различными вариантами симметрии коэффициентов для обработки изображений и видеопоследовательностей.

3) Разработан метод синтеза ортогональных банков вейвлет-фильтров кратности вейвлет-разложения 2×2 с конечной импульсной характеристикой, заданным числом нулевых моментов и возможностью коррекции амплитудно-частотной характеристики для применения в устройствах цифровой обработки изображений и видеопоследовательностей.

4) Разработан метод синтеза ортогональных и биортогональных неразделимых банков вейвлет-фильтров произвольной кратности разложения, удовлетворяющих свойству точного восстановления сигнала, с заданным размером двумерной импульсной характеристики, числом нулевых моментов, возможностью коррекции АЧХ и введения дополнительных условий для улучшения характеристик устройств сжатия и фильтрации изображений.

5) Разработан алгоритм, улучшающий характеристики стандарта сжатия изображений 1РЕС2000 и алгоритма сжатия БРШТ, позволяющий поднять визуальное качество декодированных изображений.

6) Разработан метод фильтрации цифровых изображений на основе применения вейвлет-преобразования кратности 3×3.

7) Введена новая динамическая пороговая функция, использование которой для обработки вейвлет-коэффициентов позволяет повысить качество восстановленного изображения на 0.5−1 дБ по сравнению с другими способами пороговой обработки.

Практическая значимость. Анализ рассмотренных в диссертационной работе частотных свойств двумерных нерекурсивных цифровых фильтров второго порядка позволяет выбрать тип и параметры фильтрующей системы в соответствии с требуемыми результатами обработки двумерных сигналов и изображений в частотной области.

Полученная таблица амплитудно-частотных и импульсных характеристик двумерных нерекурсивных цифровых фильтров может быть использована при выборе фильтра для обработки изображений, а так же начального приближения в задачах синтеза двумерных цифровых фильтров.

Предложенный алгоритм синтеза двумерных нерекурсивных цифровых фильтров с заданными частотными свойствами позволяет реализовывать фильтры с низкой вычислительной сложностью, предназначенные для обработки изображений, в том числе и в реальном масштабе времени, в частности, в системах оптической лазерной триангуляции.

Разработанные алгоритмы вейвлет-обработки позволяют осуществлять эффективную фильтрацию и сжатие цифровых изображений. Использование вейвлет-преобразования кратности 3×3 позволяет повысить качество восстановленного изображения на 0.5−1.5 дБ по шкале ПОСШ и на 0.1−0.25 по шкале 1Ю1 по сравнению с классической схемой вейвлет-преобразования (кратности 2×2).

Полученные результаты применены при выполнении указанных ниже научных программ и грантов:

Программа «Университеты России». Проект «Нелинейные колебания в дискретных и цифровых системах» (1993;97 гг.).

Единый заказ-наряд Минобразования России. Тема «Нелинейная динамика электронных систем дискретного времени» (1995;99 гг.).

Грант РФФИ № 96−02−17 388. Проект «Нелинейная динамика цифровых колебательных систем» (1996;98 гг.). 1.

Грант РФФИ № 99−02−17 939. Проект «Нелинейная динамика I электронных систем дискретного времени» (1999;2001 гг.).

Федеральная целевая программа «Государственная поддержка интеграции высшего образования и фундаментальной науки на 19 972 000 годы». Проект №К0702 «Ярославский объединенный учебно-научный центр информатики, электроники и телекоммуникаций» (1998— 99 гг.).

Результаты диссертационной работы внедрены в соответствующие разработки ЗАО «МНИТИ» (Московский научно-исследовательский телевизионный институт), г. Москва, ООО «Технодиамант» г. Москва, ЗАО «Фирма НТЦ КАМИ» г. Москва, ОАО «Ростовский оптико-механический завод» г. Ростов Ярославской области, что подтверждено соответствующими актами. Отдельные результаты внедрены в учебный процесс ЯрГУ в рамках дисциплин «Цифровые фильтры» и «Цифровая обработка изображений». На их основе изданы соответствующие учебные пособия. Часть результатов диссертационной работы использована при реализации программно-алгоритмических продуктов цифровой обработки изображений, которые использовались в учебной деятельности в Санкт-Петербургском университете телекоммуникаций им. проф. М.А. Бонч-Бруевича и в Московском энергетическом институте (техническом университете).

Личный вклад автора. Выносимые на защиту положения предложены и реализованы автором в ходе выполнения научно-исследовательских работ на кафедре динамики электронных систем Ярославского государственного университета им. П. Г. Демидова. Практическая реализация методов и моделирование на ЭВМ проводились коллективом исследователей при личном участии автора.

Достоверность материалов диссертационной работы подтверждена результатами компьютерного моделирования, демонстрирующими эффективность синтезируемых двумерных нерекурсивных цифровых фильтров в задачах обработки визуальной информации, использованием адекватного математического аппарата и совпадением ряда результатов с результатами, известными из литературы.

Апробация работы. Результаты работы обсуждались на следующих научных и научно-технических семинарах и конференциях:

Международная научно-техническая конференция «Цифровая обработка сигналов», Ярославль, 1994; 2-я-5-я международные конференции «Теория и техника передачи, приема и обработки информации», Харьков-Туапсе, 1996, 1997, Харьков, 1998, 1999; II—V вв.сероссийские научно-технические конференции «Динамика нелинейных дискретных электротехнических и электронных систем», Чебоксары, 1997, 1999, 2001, 2003; 1-я-12-я международные конференции и выставки «Цифровая обработка сигналов и ее применение», Москва, 1998;2010; Международная научно-техническая конференция «Современные методы цифровой обработки сигналов в системах измерений, контроля, диагностики и управления», Минск, 1998; 2-я-5-я, 7-я, 8-я, 10-я международные научно-технические конференции «Радиолокация, навигация, связь», Воронеж, 1996;99, 2001, 2002, 2004; LIV, LVI-LXV научные сессии, посвященные Дню радио, Москва, 1999, 2001;2010; З-я-4-я, 6-я всероссийские научно-технические конференции «Информационные технологии в электротехнике и электроэнергетике», Чебоксары, 2000, 2002, 2006; Международная конференция по телекоммуникациям, Санкт-Петербург, 2001; IV, VII международные научно-практические конференции «Перспективные технологии в средствах передачи информации», Владимир-Суздаль, 2001, 2007; VIII всероссийская конференция «Нейрокомпьютеры и их применение» (НКП'2002), М., 2002; Всероссийские научные конференции «Проектирование научных и инженерных приложений в среде MATLAB», М., 2002, 2004; Всероссийская научная конференция, посвященная 200-летию Ярославского государственного университета им. П. Г. Демидова, Ярославль, 2003; Научно-технический семинар «Системы синхронизации, формирования и обработки сигналов для связи и вещания», Ярославль, 2003, 2008; 14-я-15-я международные научно-техническая конференция «Проблемы передачи информации в сетях и системах телекоммуникаций», Рязань, 2005, 2008; 13-я—15-я международные научно-технические конференции «Информационные средства и технологии», М., 2005;2007; VII международная научно-техническая конференция «Физика и радиоэлектроника в медицине и экологии — ФРЭМЭ 2006», Владимир, 2006; lst-2nd IEEE International Conference on Circuits and Systems for Communications, St. Petersburg, Russia, 2002, Moscow, Russia, 2004; 4th European Congress on Computational Methods in Applied Sciences and Engineering (ECCOMAS-2004), Jyvaskyla, Finland, 2004; International Scientific Conference Informatics, Mathematical Modelling & Design in the Techniques, Controlling & Education (IMMD'2004), Vladimir, Russia, 2004; IEEE International Conference on Image Processing (ICIP-2005), Genoa, Italy, 2005; Proceedings of the Eighth International Conference «Pattern Recognition and Information Processing», Minsk, Belarus, 2005; International IEEE Conference Devoted to the 150-anniversary of Alexander S. Popov (EUROCON 2009), St. Petersburg, Russia, 2009; International Conference «Wavelets and Applications», St. Petersburg, Russia, 2009; International Conference on Image Processing, Computer Vision & Pattern Recognition, Las Vegas, Nevada, USA, 2010.

Публикации. Основное содержание диссертации отражено в 112 печатных работах. Из них 28 статей в журналах из перечня ВАК.

Структура и объем работы. Диссертация состоит из введения, 5 глав, заключения, списка литературы, содержащего 286 наименований, и 2-х приложений. Основная текстовая часть изложена на 352 страницах (120 рис., 19 табл.). В приложении 2 приведены копии документов, подтверждающие внедрение результатов работы.

5.5. Выводы к главе 5.

На основе проведенных теоретических и практических исследований при непосредственном участии автора был разработан ряд устройств и программных продуктов для проведения автоматизированных исследований алгоритмов обработки изображений, фильтрации и сжатия видеоданных, оптической лазерной триангуляции, а так же тепловизионных наблюдений.

К новым разработкам относится программный продукт PicLab, позволяющий удалять шумы из изображений с помощью имеющихся фильтров, масштабировать и поворачивать изображения, анализировать статистические характеристики изображений, оценивать качество работы алгоритмов по ряду предложенных критериев, автоматизировать проведение исследований, экспортировать результаты исследований в виде документов и таблиц Microsoft Word и Microsoft Excel. Указанный программный продукт используется в учебном процессе по курсу «Цифровая обработка изображений» на кафедре динамики электронных систем Ярославского государственного университета им. П. Г. Демидова.

Программный продукт YarVC представляет собой реализацию базового профиля стандарта видеокодирования Н.264, содержащую все основные элементы данного стандарта, обладая при этом рядом новых алгоритмических решений для задач фильтрации шумов, контроля битовой скорости, компенсации движения и др.

Программный продукт SolScan представляет собой готовое решение для выполнения процедуры сканирования объектов методом оптической лазерной триангуляции с минимальным набором компонентов. Применение алгоритмов калибровки видеокамеры по специальным калибровочным шаблонам, фильтрации фона во входной видеопоследовательности, алгоритма пространственно-временной обработки, классических алгоритмов цифровой фильтрации входной видеопоследовательности, методов определения положения гауссова видеоимпульса, цифровой фильтрации выходных моделей, а также специальных алгоритмов вычисления трехмерных координат и построения трехмерной сетки позволили создать на практике систему сканирования объектов для получения их трехмерных цифровых моделей с минимальным набором компонентов.

Разработанная с применением указанных алгоритмов система обладает высокой точностью и не требует специализированных механических устройств позиционирования лазера и видеокамеры. Система полноценно работает в случае, когда источник лазерного излучения на весу держит в руках оператор, осуществляющий сканирование. Алгоритм автоматически в реальном времени вычисляет положение руки оператора и определяет трехмерные координаты точек поверхности сканируемого объекта. Даже при значительном уровне шумов во входной видеопоследовательности алгоритм остается работоспособным, например при использовании в регистрирующей видеокамере низкокачественной КМОП-матрицы.

На основе серийно выпускаемого ОАО «Ростовский оптико-механический завод» наблюдательного прибора ТПВ-1М был разработан и реализован программно-аппаратный комплекс «тепловизор», существенными отличиями которого от ТПВ-1М являются: цифровой блок обработки сигналовсвязь с ПК по USBвозможность отображения, хранения и дальнейшей цифровой обработки термограмм на ПК.

Программные продукты PicLab, YarVC и SolScan защищены свидетельствами о государственной регистрации [7, 52, 121].

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе решена крупная научная проблема разработки теоретических положений, методов и алгоритмов обработки статических и динамических изображений, имеющих большое значение для теории и практики современной цифровой 1 обработки сигналов. Результаты исследований использования для этих целей двумерных нерекурсивных цифровых фильтров имеют важное хозяйственное значение для отраслей радиопромышленности и связи.

1. Исследованы частотные свойства двумерных нерекурсивных цифровых фильтров второго порядка. Получены аналитические выражения для коэффициентов фильтра, определяющие его вид. Выведены условия существования монотонных фильтров верхних и нижних частот. Для этого типа фильтров получены уравнение линии среза во втором приближении, обеспечивающее приемлемую ее аппроксимацию, и уравнения максимального подавления. Выведены условия существования двумерных немонотонных систем: фильтров нижних и верхних частот, полосовых и режекторных фильтров. Для немонотонных ФНЧ и ФВЧ получены уравнения вычисления максимальной пульсации через коэффициенты фильтра. Для полосовых и режекторных фильтров выведены области их существования, а также проведена их классификация. I.

2. Разработан алгоритм синтеза двумерных цифровых КИХ-фильтров второго порядка, учитывающий полученные в работе ограничения на коэффициенты фильтра и позволяющий получить фильтр с заданными свойствами: положением экстремумов, линией среза, подавлением на высоких (для ФНЧ и полосовых фильтров) и низких (для ФВЧ) частотах, типом симметрии коэффициентов.

3. Исследованы частотные свойства двумерных нерекурсивных цифровых фильтров второго порядка с различными видами симметрии коэффициентов. Получены аналитические выражения для коэффициентов фильтра, определяющие его вид. Выведены условия существования монотонных характеристик фильтров верхних и нижних частот. Для этого типа фильтров получены уравнение линии среза во втором приближении, обеспечивающее приемлемую ее аппроксимацию, и уравнения максимального подавления, которое реализует система при данном наборе коэффициентов. Выведены также условия существования немонотонных систем: фильтров верхних и нижних частот, полосовых, режекторных и лопастных фильтров. Для немонотонных ФНЧ и ФВЧ получены уравнения вычисления максимальной пульсации через коэффициенты фильтра. Для полосовых и режекторных фильтров установлены области их | существования, а также проведена их классификация.

4. Разработаны новые алгоритмы параметризации одномерных ортогональных и биортогональных ВФ и двумерных неразделимых ортогональных вейвлет-фильтров, основанные на представлении квадрата АЧХ соответствующего ВФ тригонометрическим полиномом. Алгоритмы имеют ряд преимуществ: минимизируются вычислительные затраты на этапе формирования АЧХ одномерного и двумерного ВФпредставляется возможным отследить влияние каждого в отдельности параметра на свойства (в частности, на форму) АЧХ вейвлет-фильтра.

5. Разработан новый алгоритм синтеза банков ВФ произвольной кратности разложения с заданным числом нулевых моментов, длиной ИХ и возможностью варьировать АЧХ, удовлетворяющих условию точного восстановления сигнала.

6. Разработаны алгоритмы достройки банка фильтров по одному НЧ фильтру в случае ортогонального банка фильтров и по паре НЧ фильтров анализа/синтеза в биортогональном случае. В процессе достройки могут быть использованы несколько методов: достройка банка фильтров с минимальными длинами ИХ или достройка БФ по заданным желаемым, ЧХ банка анализа. Основное применение синтезированных фильтров — сжатие и фильтрация цифровых изображений.

7. Предложена модификация алгоритмов БРШТ и 1РЕ2 000, основанная на выборе оптимального изменения низкочастотного фильтра восстановления, позволяющая повысить качество восстановленного изображения при том же числе бит в среднем на 0.1 дБ (по объективной метрике ПОСШ) как для алгоритма БРГНТ, так и для алгоритма 1РЕ2 000. ,.

Предложена модификация алгоритмов 8Р1НТ и 1РЕ2 000, основанная на оптимальной фильтрации высокочастотных вейвлет-коэффициентов, позволяющая поднять качество восстановленного изображения в среднем на 0.1 дБ (по объективной метрике ПОСШ).

Предложено новое продолжение ортогонального вейвлет-преобразования, позволяющее снизить мощность сигнала в высокочастотной области. Применение этого продолжения для сжатия изображений с помощью алгоритма БРШТ позволяет повысить качество изображения на 0.2−0.6 дБ (по объективной метрике ПОСШ).

Предложенные модификации повышают число операций кодера менее чем на 10%. При этом число операций декодера практически не меняется, так как все отличия модифицированных алгоритмов БРШТ и 1РЕ2 000 от классических заключаются в изменении отсчетов импульсных характеристик фильтров, а не их длин.

8. Разработан модифицированный метод фильтрации цифровых изображений, основанный на применении схем субполосного разложения кратности 3×3. В зависимости от производительности и объема памяти данный метод фильтрации может быть основан на.

разделимом или неразделимом вейвлет-преобразовании с децимацией или без децимации.

9. Предложен новый способ вычисления порога для динамической обработки коэффициентов вейвлет-разложения. Предлагаемый порог показывает результаты, на 0.5−1 дБ лучшие, чем другие способы пороговой обработки.

10. Предложенный нелинейный метод восстановления изображений, зашумленных АБГШ, показывает результаты на 2−4 дБ лучшие, чем классические методы восстановления (фильтр Винера) и на 0.5−3 дБ лучшие, чем билатеральная фильтрация. В задаче подавления комбинированного шума (аддитивной смеси АБГШ и импульсного шума) предложенный метод в совокупности с МППМФ оказывается эффективнее медианной фильтрации на 3−5 дБ и комбинации МППМФ+билатеральный фильтр на 2−3 дБ (по объективной метрике ПОСШ).

11. На основе проведенных исследований при непосредственном участии автора разработан ряд устройств и программных продуктов для проведения автоматизированных исследований алгоритмов обработки изображений, фильтрации и сжатия видеоданных, оптической лазерной триангуляции и тепловизионных наблюдений.

Показать весь текст

Список литературы

  1. О.В., Чобану М. К. Сжатие изображений с помощью частичнойсортировки вейвлет-коэффициентов // Цифровая обработка сигналов. 2006. № 2. С. 15−20.
  2. М.В., Крылов В. А. Вейвлет-галеркинские методы решениядифференциальных уравнений в частных производных с применением параллельных алгоритмов // Вестник РУДН. Прикладная и компьютерная математика. 2002. № 1. С. 98−106.
  3. А. Цифровые фильтры: анализ и проектирование. М.: Радио и связь, 1983. 320 с.
  4. И.В., Приоров А. Л. Особенности синтеза цифровых КИХ-фильтровбез умножителей с помощью генетических алгоритмов // Матер. 6-й всерос. науч.-техн. конф. «Информационные технологии в электротехнике и электроэнергетике». Чебоксары, 2005. С. 102−105.
  5. И.В., Приоров А. Л., Соколенко Е. А., Хрящев В. В. Многослойныйперсептрон в задаче восстановления изображений по фазовому спектру // Докл. 6-й междунар. конф. «Цифровая обработка сигналов и ее применение» (Б8РА'04). М., 2004. Т. 2. С. 263−266.
  6. И.В., Приоров А. Л., Хрящев В. В. РюЬаЬ научноисследовательская среда для обработки цифровых изображений. Свидетельство о государственной регистрации программы для ЭВМ № 2 008 612 068 от 25.04.08.
  7. С.А., Приоров А. Л., Хрящев В. В. Модифицированный критерийоценки качества восстановленных изображений // Цифровая обработка сигналов. 2006. № 2. С. 27−33.
  8. Н.М. Вейвлет-анализ: основы теории и примеры применения //
  9. УФН. 1996. Т. 166, № 11. С. 1145−1170.
  10. И.Л., Приоров A.JI. Исследование двумерных рекурсивныхцифровых фильтров второго порядка в частотной области // Матер, первой междунар. конф. «Цифровая обработка сигналов и ее применения» (DSPA'1998). M., 1998. T. 3. С. 213−220.
  11. И.Л., Приоров А. Л., Елагин А.А, Судаков A.A. Пространственныепереходные процессы в двумерных цифровых фильтрах первого порядка // Моделирование и анализ информационных систем. 1999. Т. 6, № 1. С. 51−53.
  12. И.Л., Приоров А. Л., Фогилев М. Е. Применение ортогональныхпреобразований в устройствах кодирования систем цифрового телевидения // Докл. науч.-техн. конф. «Направления развития систем и средств радиосвязи». Воронеж, 1996. Т. 2. С. 583−586.
  13. И.Л., Приоров А. Л., Хрящев В. В. Частотные свойства двумерныхлрекурсивных цифровых фильтров второго порядка с симметричными коэффициентами // Цифровая обработка сигналов. 2008. № 3. С. 49−55.
  14. С.И. Радиотехнические цепи и сигналы: Учеб. для вузов по спец.
  15. Радиотехника". -3-е изд. перераб. и доп. М.: Высшая школа, 2000. 462 с.
  16. A.B., Чобану М. К. Исследование банков фильтров и применениелифтинг-схемы для декомпозиции изображений // Докл. 7-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA'05). M., 2005. T. 1. С. 104−107.
  17. Р., Мак-Доннелл М. Восстановление и реконструкция изображений.
  18. Пер. с англ. М.: Мир, 1989. 336 с.
  19. Э., Беллман Р. Неравенства / Пер. с англ. М.: Мир, 1965. 276 с.
  20. A.K. Дискретная и цифровая обработка информации: Учеб. пособ. /2.е изд., стереотип. Владим. гос. ун-т. Владимир, 2002. 160 с.
  21. Ю.С. Вейвлет-кодирование зашумленных изображенийпреследованием базиса по когерентным структурам // Цифровая обработка сигналов. 2007. № 3. С. 2−8.
  22. Ю.С. Поиск оптимального распределения бит при сжатии данныхзашумленных изображений на основе вейвлет-преобразования // Цифровая обработка сигналов. 2007. № 11 С. 17−24.
  23. Ю.С. Теоретические основы вей влет-кодирования зашумленныхсигналов: монография // Рязан. гос. радиотехн. ун-т. Рязань, 2009. 124 с.
  24. К. Вейвлет-анализ. Основы теории. М.: Техносфера, 2004. 280 с.
  25. A.B., Загузова Н. Д., Пахольчак З. Д. Двумерная режекторнаяоднопараметрическая (3×3) и (4×4)-фильтрация со свойствами осевой симметрии // Радиотехника. 2008. № 1. С. 3−11.
  26. Ю.А. Цифровые цепи и сигналы: Учеб. пособ. / 2-е изд., перераб. идоп. Ярославль. ЯрГУ, 2005. 154 с.
  27. Ю.А., Лебедев М. В., Приоров А. Д., Рудых Д. В. Колебания вавтономных двумерных рекурсивных цифровых системах второго порядка с симметричными коэффициентами и бинарным квантованием // Изв. вузов. Радиофизика. 2006. Т. 49, № 7. С. 635−642.
  28. Ю.А., Приоров A.JI. Цифровые фильтры: Учеб. пособ. Ярославль:1. ЯрГУ, 2002. 288 с. I
  29. Ю.А., Приоров A.JL, Мясников Е. А., Калинин С. А. Частотныесвойства двумерных рекурсивных цифровых систем первого порядка // Изв.Iвузов. Радиоэлектроника. 1995. № 4. С. 26−30.
  30. Ю.А., Рудых Д. В., Приоров A.JI. Колебания в автономныхдвумерных рекурсивных цифровых системах первого порядка, с тремя уровнями квантования // Изв. вузов. Приклад, нелин. динамика. 2006. Т. 14, № 6. С. 63−74.
  31. В.П., Грибунин В. Г. Теория и практика вейвлет-преобразования.
  32. СПб.: Военный университет связи, 1999. 204 с.
  33. А.Н. Выбор вейвлетов для сжатия изображений // Сб. науч. труд. молодых ученых, аспирантов и студентов. Яросл. гос. ун-т. Ярославль, 2001. С. 87−90.
  34. Л.М., Левчук Ю. П., Поляк М. Н. Цифровые фильтры. М.: Связь, 1974. 160 с.
  35. Л.М., Матюшкин Б. Д., Поляк М. Н. Цифровая обработкасигналов: Справочник. М.: Радио и связь, 1985. 323 с.
  36. Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1072 с.
  37. ., Рейдер Ч. Цифровая обработка сигналов / Под ред. Трахтмана A.M.
  38. М.: Сов. радио, 1973. 368 с.
  39. Е.В., Приоров А.Л. Имитационное моделирование поведения сети
  40. ETHERNET при передаче потокового видео в реальном времени // Тр. LXI науч. сессии, посвященной Дню Радио. М., 2006. С. 126−128.
  41. Е.В., Приоров А. Л. Калибровка положения видеокамеры всистеме оптической лазерной триангуляции // Цифровая обработка сигналов. 2009. № 3. С. 16−20.
  42. Е.В., Приоров A.JI. Обработка сигналов в системе оптическойлазерной триангуляции с минимальным набором компонентов // Измерительная техника. 2008. № 10. С. 35−39.
  43. Е.В., Приоров A.JI. Решение задачи автоматического определенияположения видеокамеры в системе оптической лазерной триангуляции // Измерительная техника. 2009. № 8. С. 44−47.
  44. Е.В., Приоров A.JI. SoltScan программа сканирования объектовметодом лазерной триангуляции. Свидетельство о государственной регистрации программы для ЭВМ № 2 009 611 032 от 16.02.09.
  45. Е.В., Приоров A.JI. Система оптической лазерной триангуляции савтоматическим определением положения лазера и камеры // Докл. 10-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA'2008). М., 2008. Т. 2. С. 547−550.
  46. Д., Мерсеро Р. Цифровая обработка многомерных сигналов. М.:1. Мир, 1988. 488 с.
  47. A.B., Дворкович В. П., Мохин Г. Н. и др. Единые принципы сжатияцветных динамических изображений различного разрешения // Цифровая обработка сигналов. 1999. № 1. С. 27−35.
  48. В.П., Дворкович A.B. Новый подход к использованию вейвлетфильтров при обработке изображений // Цифровая обработка сигналов. 2008. № 1.С. 37−42.
  49. В.П., Дворкович A.B. Расчет банков фильтров дискретноговейвлет-преобразования и анализ! их характеристик // Цифровая обработка сигналов. 2006. № 2. С. 2−10.
  50. В.П., Дворкович A.B. Цифровые видеоинформационные системытеория и практика): Учеб. пособ. М.: Изд-во НИИР-КОМ, 2010. 208 с.
  51. И. Десять лекций по вейвлетам. Москва-Ижевск: НИЦ «Регулярная ихаотическая динамика», 2004. 464 с.
  52. И.М., Иванов О. В., Нечитайло В. А. Вейвлеты и их использование //
  53. УФН. 2001. Т. 171, № 5. С. 465−561.
  54. В.П. Вейвлеты. От теории к практике. М.: COJIOH-Пресс, 2004.400 с.
  55. Дьяконов В.П. MATLAB 6.0/6.1/6.5/6.5+SPI + Simulink 4/5. Обработкасигналов и изображений. М.: COJIOH-Пресс, 2005. 592 с.
  56. В., Абраменкова И. MATLAB. Обработка сигналов и изображений.
  57. Специальный справочник. СПб.: Питер, 2002. 608 с.
  58. Д.А., Приоров A.JL, Хрящев В. В. Неэталонная оценка качестваизображений, сжатых на основе вейвлет-преобразования // Успехи современной радиоэлектроники. 2009. № 7. С. 28−34.I
  59. В.А., Поздняк Э. Г. Линейная алгебра. М.: Наука, 1984. 294 с.
  60. С.А., Мясников Е. А., Приоров А. Л. Пост-обработка на основецифровых КИХ-фильтров в системах фрактального сжатия сигналов // Докл. науч.-техн. конф. «Направления развития систем и средств радиосвязи». Воронеж, 1996. Т. 2. С. 587−590.
  61. Л.А., Гусев O.A., Остхеймер Е. В., Лабунец В. Г. Обеляющие триадические вейвлет-преобразования для сжатия цветных изображений //t
  62. Докл. 8-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA-2006). М., 2006. Т. 2. С. 397−399.
  63. В., Константинидис А., Эмилиани П. Цифровые фильтры и их применение. М.: Энергоатомиздат, 1983. 360 с.
  64. В.Г. Основы теории дискретных сигналов и цифровых фильтров.
  65. М.: Высшая школа, 1982. 109 с.
  66. В.И., Чобану М. К. Программный комплекс для многоскоростнойобработки двумерных сигналов // Докл. 4-й междунар. конф. «Цифровая обработка сигналов и ее применение» (08РА-2002). М., 2002. Т. 2. С. 413−415.
  67. В.Ю. Адаптивное вейвлет-преобразование сигналов // Докл. 3-ймеждунар. конф. «Цифровая обработка сигналов и ее применение» (08РА'2000). М., 2000. Т. 1. С. 109−112.
  68. В.Ю. Параметризация вейвлет-функций // Сб. научн. тр. молодыхученых, аспирантов и студентов. Ярославль, 2003. Вып. № 4. С. 165−173.
  69. Кобелев В. Ю. Поиск оптимальных вейвлетов для сжатия цифровых сигналов
  70. Тез. обл. научн. конф. студентов, аспирантов и молодых ученых. Ярославль, 1999. С. 38−39.
  71. В.Ю. Расчет передаточных функций вейвлет-фильтров спредопределенными нулями // Матер. V всерос. науч.-техн. конф. «Информационные технологии в электротехнике' и электроэнергетике». Чебоксары, 2004. С. 209−211.
  72. В.Ю. Синтез вейвлет-функций // Матер. V всерос. науч.-техн. конф. I
  73. Динамика нелинейных дискретных электротехнических и электронных систем". Чебоксары, 2003. С. 227−228.
  74. В.Ю., Корепанов И. В., Буралков Д. В. Особенности представлениявейвлет-фильтров на г-плоскости // Всерос. науч. конф., посвященная 200-летию Ярослав, гос. унив. им. П. Г. Демидова. Ярославль, 2003. С. 130−133.
  75. В.Ю., Корепанов И. В., Буралков Д. В. Параметризация и особенностипредставления вейвлет-фильтров на г-плоскости // Докл. 6-й междунар.конф. «Цифровая обработка сигналов и ее применение» (DSPA'2004). М., 2004. Т. 2. С. 122−124.
  76. В. Ю. Ласточкин A.B. Выбор оптимальных вейвлетов для обработкисигналов и изображений // Докл. 2-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA'1999). М., 1999. Т. 2. С. 514−520.
  77. В.Ю., Моисеев A.A., Волохов В. А., Смоляков A.B. Синтездвумерных неразделимых вейвлет-фильтров с перестраиваемыми коэффициентами // Докл. 8-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA'2006). М., 2006. Т. 2. С. 389−392.
  78. В.Ю., Моисеев A.A., Приоров A.JI. Синтез вейвлет-фильтров сперестраиваемыми коэффициентами в схеме сжатия Малла // Тр. LX науч. сессии, посвященной Дню Радио. М., 2005. Т. 1. С. 372−374. ,
  79. В.Ю., Приоров A.JI. Анализ изображений при помощисогласованных двумерных вейвлет-фильтров // Радиотехника. 2008. № 1. С. 12−19.
  80. В.Ю., Приоров A.JI. Векторизация растровых изображений сприменением курвлет-преобразования // Вестн. Яросл. гос. ун-та. Сер. Физика. Радиотехника. Связь. 2008. № 1. С. 133−137.
  81. В.Ю., Приоров A.JI. Методика синтеза двумерных неразделимыхцифровых вейвлет-фильтров // Физический вестник Ярославского государственного университета им. П. Г. Демидова: сб. науч. тр. Ярославль, 2006. С. 166−174.
  82. В.Ю., Приоров A.JI. Применение неразделимых вейвлет-фильтров взадачах сжатия изображений // Цифровая обработка сигналов. 2006. № 2. С. 21−26.
  83. В.Ю., Приоров A.JI. Применение оптимизированных вейвлетфильтров высокой кратности в задачах сжатия изображения // Тр. междунар. науч.-техн. конф. «Информационные средства и технологии». М., 2006. Т. 3. С. 33−36.
  84. В.Ю., Приоров A.JI. Применение согласованных вейвлет-фнльтровдля оценки анизотропности изображений // Докл. 9-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA'2007). М., 2007. Т. 2. С. 299−302.
  85. В.Ю., Приоров A.JI. Синтез оптимизированных двумерныхнеразделимых вейвлет-фильтров для сжатия изображений // Телекоммуникации. 2006. № 9. С. 7−12.
  86. В.Ю., Приоров A.JI., Новоселов С. А., Волохов В. А. Параметризациядвумерных неразделимых вейвлет-фильтров // Тр. LXI науч. сессии, посвященной Дню Радио. М., 2006. С. 82−84.
  87. Г., Корн Т. Справочник по математике для научных работников иинженеров. М.: Наука, 1978. 832 с.
  88. А., Храмов А. Непрерывный вейвлет-анализ и его приложения.
  89. М.: Физматлит, 2003. 176 с.
  90. A.C. Основы компьютерной томографии. М.: Дрофа, 2001. 240 с.
  91. Д.К., Приоров A.JI. Анализ применения билатерального итрилатерального фильтров для удаления шума из изображения // Проектирование и технология электронных средств. 2007. № 4. С. 54−58.
  92. A.B., Кобелев В. Ю. Метод удаления шума на основе вейвлетобработки, адаптированный к разрывным сигналам // Докл. 3-й междунар.iконф. «Цифровая обработка сигналов и ее применение» (DSPA'2000). М., 2000. Т. 1. С. 125−128.
  93. Ю.А., Приоров А. Л. Двумерные цифровые фильтры первогопорядка в задаче обработки изображений // Сб. науч. труд, молодых ученых, аспирантов и студентов. Яросл. гос. ун-т. Ярославль, 2001. С. 95−100.
  94. Ю.А., Приоров А. Л. Обработка зашумленных изображенийдвумерными цифровыми фильтрами первого порядка // Сб. науч. труд. «Радиофизика и электроника на пороге 21-го века». Ярославль: МУБиНТ, 2001. С. 92−100.
  95. Ю.А., Судаков A.A., Приоров А. Л. Синтез двумерных цифровыхфильтров с использованием линии среза // Докл. 3-й междунар. конф. и выст. «Цифровая обработка сигналов и ее применения» (DSPA'2000). M., 2000. T. 2. С. 297−300.
  96. С. Вейвлеты в обработке сигналов. М.: Мир, 2005. 671 с.
  97. В.Н., Машарский С. М. Обобщенные вейвлетные базисы, связанные с дискретным преобразованием Виленкина-Крестенсона // Алгебра и анализ. 2001. Т. 13, № 1. С. 111−157.
  98. В.Э., Манько Е. Э., Приоров А. Л. Фильтрация изображений прииспользовании фрактального алгоритма кодирования // Тр. 7-й междунар. конф. и выставки «Цифровая обработка сигналов и ее применение» (DSPA'2005). M, 2005. С. 313−316.
  99. В.Э., Манько Е. Э., Приоров А. Л. Фрактальная обработкаизображений // Всерос. науч. конф., посвященная 200-летию Ярославского гос. унив-та им. П. Г. Демидова. Ярославль, 2003. С. 123−127.
  100. В.Э., Приоров А. Л., Матвеев A.A. Сравнительный анализфрактального и JPEG алгоритмов сжатия изображений // Матер. IV всерос.Iнауч.-техн. конф. «Информационные технологии в электротехнике и электроэнергетике». Чебоксары, 2002. С. 255−256.
  101. И.Б., Кобелев В. Ю. Применение двумерного дискретного вейвлетпреобразования к сжатию статических изображений // Тез. докл. всерос. межвуз. науч.-техн. конф. студентов и аспирантов «Микроэлектроника и информатика». М., 1998. Ч. 2. С. 194−195.
  102. И.Б., Приоров A.JI. Применение дискретного вейвлетпреобразования к сжатию изображений // Актуальные проблемы физики: сб. науч. труд. ЯрГУ, 1997. С. 161−165.
  103. В.Г., Чобану М. К., Барат В. А. Применение вейвлет-преобразованиядля цифровой обработки одномерных и двумерных сигналов // Докл. 4-й межд. конф. и выст. «Цифровая обработка сигналов и ее применения» (DSPA'2002). М., 2002. Т. II. С. 415−417.
  104. Параметризация ортогональных и биортогональных вейвлет-фильтров // Докл. 8-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA'2006). М., 2006. Т. 2. С. 393−396.I
  105. A.A., Кобелев В. Ю. Параметризация ортогональных ибиортогональных вейвлет-базисов // Сб. науч. тр. молодых ученых, аспирантов и студентов. Ярославль, 2005. Вып. № 5. С. 219−227.
  106. A.A., Кобелев В. Ю., Волохов В. А. Курвлет-преобразование в задачеподавления шума в изображениях // Цифровая обработка сигналов. 2008. № 1. С. 43−50.
  107. A.A., Кобелев В. Ю., Волохов В. А. Синтез биортогональныхвейвлет-фильтров // Матер. VI всерос. науч.-техн. конф. «Динамика нелинейных дискретных электротехнических и электронных систем». Чебоксары, 2005. С. 111−112.
  108. A.A., Кобелев В. Ю., Приоров А. Л., Волохов В. А. Синтезбиортогональных вейвлет-фильтров с перестраиваемыми коэффициентами // Тр. междунар. науч.-техн. конф. «Информационные средства и технологии». М., 2005. Т. 1. С. 103−107.
  109. A.A., Приоров А. Л. Курвлет-преобразование в задаче цифровойфильтрации изображений // Сб. тр. науч.-техн. семинара «Системы синхронизации, формирования и обработки сигналов для связи и вещания». Ярославль, 2008. С. 25−27.
  110. A.A., Приоров А. Л. Расчет ортогональных и биортогональныхвейвлетов с компактным носителем // Физический вестник Ярославского государственного университета им. П. Г. Демидова: сб. науч. тр. Ярославль, 2006. С. 256−263.
  111. A.A., Приоров А. Л. Синтез двумерных неразделимых вейвлетфильтров для сжатия изображений // Матер. VI всерос. науч.-техн. конф. «Информационные технологии в электротехнике и электроэнергетике». Чебоксары, 2006. С. 249−250.
  112. И.С., Жуков A.A., Приоров А.Л. YarVc программа для сжатия и воспроизведения видеоданных. Свидетельство о государственной регистрации программы для ЭВМ № 2 010 610 724 от 21.01.10.
  113. И.С., Приоров A.JI., Волохов В. А. Усовершенствование алгоритма SPIHT на основе адаптивного изменения фильтров синтеза // Докл. 11-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA'2009). М., 2009. Т. 2. С. 494−497.
  114. И.С., Приоров A.JI., Цветкова К. Н., Новожилова Т.В. Сжатие изображений на основе модифицированной схемы вейвлет-преобразования
  115. Докл. 12-й междунар. конф. «Цифровая обработка сигналов и ееiприменение» (DSPA'2010). М., 2010. Т. 2. С. 136−139.
  116. В.И. Основы радиоэлектроники и связи: учебник для вузов. М.:
  117. Высшая школа, 2002. 510 с.
  118. JI.B. Адаптивный вейвлет-анализ сигналов // Научноеприборостроение. 1999. Т. 9, № 2. С. 1−13.
  119. Л.В. Спектральный анализ сигналов в базисе вейвлетов // Научноеприборостроение. 2000. Т. 10, № 3. С. 57−64.
  120. А., Шафер Р. Цифровая обработка сигналов. М.: Связь, 1979.416 с.
  121. A.B. О систематизации вейвлет-преобразований //
  122. Вычислительные методы и программирование. 2001. Т. 2, № 2. С. 133−158.
  123. А.П. Введение в теорию базисов всплесков. СПб.: Издательство1. СПбГТУ, 1999. 132 с.
  124. A.B. Дифференциальная геометрия. М.: Наука, 1969. 176 с.
  125. Г., Сеге Г. Задачи и теоремы из анализа. Часть вторая. Теория функций. Распределение нулей. Полиномы. Определители. Теория чисел / Пер. с нем. М.: Наука, 1978. 430 с.
  126. В.Г. Алгоритм решения систем нелинейных алгебраическихуравнений на основе разложения сингулярного пучка матриц // Вестник Российской транспьютерной ассоциации. 1994. № 2 (13). С. 5−18.
  127. А.Л. Двумерные цифровые сигналы и системы: Уч. пособ.
  128. Ярославль: ЯрГУ, 2000. 168 с.
  129. А.Л. Обработка изображений двумерными нерекурсивнымицифровыми фильтрами второго порядка // Цифровая обработка сигналов. 2008. №> 4. С. 25−28.
  130. А.Л. Сжатие изображения на основе адаптивного изменениявейвлет-фильтров синтеза в алгоритме, SPIHT // Вестник Ярославского государственного университета им. П. Г. Демидова. Сер. Физика. Радиотехника. Связь. 2009. № 1(13). С. 75−80.
  131. А.Л. Синтез фильтров с заданными частотными характеристиками //
  132. Докл. 12-й междунар. конф. «Цифровая обработка сигналов и ее применение». М., 2010. Т. 1. С. 128−131.
  133. А.Л. Согласованные трехмерные вейвлет-фильтры // Цифровая обработка сигналов. 2008. № 1. С. 51−57.
  134. А.Л., Апальков И. В., Бухтояров С. С., Хрящев В.В.
  135. Переключающийся медианный фильтр с блоком предварительного детектирования // Цифровая обработка сигналов. 2006. № 4. С. 2−8.1
  136. А.Л., Апальков И. В., Бухтояров С. С., Хрящев В. В. Применениепереключающихся медианных фильтров для восстановления зашумленных изображений // Вопросы радиоэлектроники, серия общетехническая. 2006. Вып. 2. С. 137−147.
  137. А.Л., Апальков И. В., Хрящев В. В. Цифровая обработкаизображений: Уч. пособ. Ярославль: ЯрГУ, 2007. 235 с.
  138. А.Л., Балусов И. Л., Хрящев В. В. Оценка восстановленныхизображений на основе универсального индекса качества // Радиотехника. 2008. № 12. С. 23−28.
  139. А.Л., Волохов В. А., Моисеев A.A. Применение инвариантных ксдвигу схем в задаче фильтрации цифровых изображений // Матер. 15-й междунар. конф. «Информационные средства и технологии». М.: МЭИ, 2007. Т. 1.С. 113−117.
  140. А.Л., Волохов В. А., Моисеев A.A. Фильтрация цифровыхизображений с применением методов кратномасштабного анализа // Матер. VII междунар. науч.-практ. конф. «Перспективные технологии в средствах передачи информации». Владимир, 2007. С. 175−178.i
  141. А.Л., Волохов В. А., Мочалов И. С. Параметризация двумерныхвейвлет-фильтров для субполосного разложения кратности 3*3 // Электросвязь. 2009. № 2. С. 25−28.
  142. А.Л., Волохов В. А., Мочалов И. С. Синтез двумерных неразделимыхвейвлет-фильтров для субполосного разложения произвольной кратности // Радиотехника. 2010. № 1. С. 74−81.
  143. А.Л., Волохов В. А., Мочалов И. С. Синтез двумерных неразделимыхвейвлет-фильтров для субполосного разложения произвольной кратности // Тр. LXIII науч. сессии, посвящ. Дню Радио. М., 2008. С. 148−149.
  144. А.Л., Ганин А. Н., Хрящёв В. В. Цифровая обработка изображений:
  145. Уч. пособ. Ярославль: ЯрГУ, 2001.218с.
  146. А.Л., Игнатов И. С., Голубев М. Н., Хрящев В. В. Разработка и анализалгоритмов выделения лиц на изображениях // Проектирование и технология электронных средств. 2008. № 2. С. 58−62.
  147. А.Л., Кобелев В. Ю. Векторизация растровых изображений припомощи согласованных двумерных вейвлет-фильтров, рассчитанных для многополосного вейвлет-разложения // Докл. 9-й междунар. конф.
  148. Цифровая обработка сигналов и ее применение" (DSPA'2007). M., 2007. T. 2. С. 305−309.
  149. АЛ., Куйкин Д. К., Хрящев В. В. Детектирование и фильтрацияимпульсного шума со случайными значениями импульсов // Цифровая обработка сигналов. 2010. № 1. С. 18−22.
  150. Приоров a. jl, Лукашевич Ю. А. Нерекурсивные лопастные фильтры первогопорядка // Докл. 3-й междунар. конф. и выставки «Цифровая обработка сигналов и ее применения» (DSPA'2000). M., 2000. T. 1. С. 177−180.
  151. А.Л., Лукашевич Ю. А. Применение двумерных цифровых фильтровпервого порядка для обработки изображений // Докл. 4-й междунар. конф. и1выставки «Цифровая обработка сигналов и ее применения» (DSPA'2002). M., 2002. T. 2. С. 295−297.
  152. А.Л., Мочалов И. С. Применение измененной схемы вейвлетпреобразования для сжатия изображений // Электросвязь. 2009. '№ 11. С. 29−34.
  153. А.Л., Мочалов И. С. Разработка алгоритма синтеза двумерныхIцифровых КИХ-фильтров с заданными частотными свойствами // Тр. LXVtнауч. сессии, посвященной Дню Радио. М., 2010. С. 191−193.
  154. А.Л., Мочалов И. С., Волохов В. А. Сжатие изображений на основеадаптивного изменения вейвлет-фильтров синтеза в алгоритмах SPIHT и JPEG2000 // Тр. LXIV науч. сессии, посвященной Дню Радио. М., 2009. С. 241−244.
  155. А.Л., Новоселов С. А. Согласованные одномерные вейвлет-фильтрыв задаче распознавания речевых сигналов // Тр. LXII науч. сессии, посвященной Дню Радио. М., 2007. С. 160−161.
  156. А.Л., Саутов Е. Ю., Хрящев В. В. Неэталонная оценка качества JPEGизображений // Цифровая обработка сигналов. 2007. № 3. С. 15−19.
  157. А.Л., Смоляков A.B. Разработка алгоритма синтезабиортогональных вейвлет-фильтров // Матер. VI всерос. науч.-техн. конф.
  158. Информационные технологии в электротехнике и электроэнергетике". Чебоксары, 2006. С. 251−252.
  159. А.Л., Тарасов В. Л. Исследование двумерных рекурсивныхцифровых ФНЧ и ФВЧ второго порядка// Докл. науч.-техн. конф. «Радио и волоконно-оптическая связь, локация и навигация». Воронеж, 1997. I1. С.1006−1010.
  160. А.Л., Тарасов В. Л., Балусов И. Л., Мясников Е. А. Исследованиемодели двумерного цифрового фильтра первого порядка // Моделирование ц анализ информационных систем. 1997. Т. 4. С. 73−76.
  161. А.Л., Хрящев В. В. Обработка и передача мультимедийнойинформации: Уч. пособ. Ярославль: ЯрГУ, 2010. 188 с.
  162. А.Л., Хрящев В. В., Бухтояров С. С., Сладков М. В. Улучшениекачества ультразвуковых медицинских изображений // Докл. VII междунар. науч.-техн. конф. «Физика и радиоэлектроника в медицине и экологии -ФРЭМЭ 2006». Владимир, 2006. Т. 1. С. 192−195.
  163. А.Л., Хрящев В. В., Голубев М. Н. Удаление импульсного шума сослучайными значениями импульсов из изображений // Радиотехника. 2010. № 5. С. 72−79.
  164. А.Л., Хрящев В. В., Звонарев П. С., Саутов Е. Ю. Пакет прикладныхпрограмм по цифровой обработке изображений // Тр. 7-й междунар. конф. и выставки «Цифровая обработка сигналов и ее применение» (DSPA'2005). M., 2005. С. 307−309.
  165. А.Л., Хрящев В. В., Куйкин Д. К. Удаление импульсного шума изизображений на основе ранжирующей фильтрации // Электросвязь. 2010. № 3. С. 11−14.
  166. А.Л., Хрящев В. В., Сладков М. В. Улучшение качестваультразвуковых медицинских изображений // Медицинский бизнес. 2008. № 3. С. 46−49.
  167. А.Л., Хрящев В. В., Сладков М. В. Улучшение качестваультразвуковых медицинских изображений // Медицинская техника. 2008. № 4. С. 11−13.
  168. . У. Цифровая обработка изображений. М.: Мир, 1982. Т. 1. 312 с.
  169. Л., Гоулд Б. Теория и применение цифровой обработки сигналов. М.:1. Мир, 1978. 848 с.
  170. Ю.С. Алгоритм сжатия изображений на основе полиномиальныхпреобразований (алгоритм GDCT) // Цифровая обработка сигналов. 2002. № 1. С. 2−5.
  171. Дж. Комбинаторные тождества. М.: Наука, 1982. 256 с.
  172. Е.Ю., Гречин А. Н., Хрящев В. В., Приоров А. Л. Аппроксимациячастотных характеристик цифровых фильтров с помощью нейронных сетей // Тр. всерос. науч. конф. «Проектирование научных и инженерных приложений в среде MATLAB». М., 2002. С. 556−560.I
  173. Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. М.:
  174. Издательство «ДМК», 2005. 304 с.
  175. A.B., Скопинцев Я. М., Кандрин А. Е., Приоров А. Л. Комплексныйалгоритм распознавания трехмерных образов на цветных изображениях на основе методов обучения по прецедентам // Проектирование и технология электронных средств. 2009. № 1. С. 45−49.
  176. Е.В., Рычков А. Н. Оптимальный алгоритм сжатия цветныхизображений методом SPIHT // Докл. 5-й междунар. конф. «Цифровая обработка сигналов и её применение» (DSPA'2003). М., 2003. Т. 1.1. С. 302−304.1
  177. Д. Сжатие данных, изображений и звука. М.: Техносфера, 2004.368 с.
  178. Толкова Е.И. Wavelet-анализ изображений // Оптический журнал. 2001. Т. 68,3. С. 49−59.
  179. C.B., Новоселов С. А., Приоров A.JI. Применение согласованныхвейвлет-фильтров в задаче распознавания речи // Тр. LXIII науч. сессии, посвященной Дню Радио. М., 2008. С. 152−154.
  180. C.B., Новоселов С. А., Приоров A.JI. Распознавание фонем наiоснове согласованных вейвлет-фильтров // Докл. 10-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA'2008). M., 2008. T. 1. С. 242−244.
  181. C.B., Коплович Д. М., Черкасов И. В., Об использовании контекстного векторного квантования в области дискретных вейвлет-преобразований для компрессии изображений //- Цифровая обработка сигналов. 2006. № 2. С. 11−14.
  182. С. Фракталы и вейвлеты для сжатия изображения в действии. М.:1. Триумф, 2003.230 с.
  183. В.В., Приоров А. Л. Цифровая фильтрация на базе клеточных нейронных сетей // Тр. VIII всерос. конф. «Нейрокомпьютеры и их применение» (НКП'2002)! М., 2002. С. 191−199.
  184. Р.В. Цифровые фильтры / Под ред. A.M. Трахтмана. М.: Мир, 1980. 224 с.
  185. Цифровая обработка телевизионных и компьютерных изображений / Под ред.
  186. Ю.Б. Зубарева и В. П. Дворковича. М.: Международный центр научно-технической информации, 1997. 212 с.
  187. М.К. Многомерные многоскоростные системы обработки сигналов.
  188. М.: Техносфера, 2009. 480 с. 190. Чобану М. К. Цифровые многоскоростные системы обработки сигналов:
  189. М.К., Большакова О. В. Синтез ортогональных и биортогональныхмногомерных банков фильтров // Докл. 6-й междунар. конф. «Цифровая обработка сигналов и ее применение» (DSPA'2004). M., 2004. T. 2. С. 16−17.
  190. Чуй К. Введение в вейвлеты. Пер. с англ. М.: Мир, 2001. 412 с.
  191. Г. Ю. Цифровая обработка цветных изображений. М.: Издательство1. ЭКОМ, 1997. 336 с.
  192. А.Н. Введение в вейвлет-преобразования: Учеб. пособ.
  193. Новосибирск: издательство НГТУ, 2003. 104 с.
  194. А.Н. Основы вейвлет-преобразования сигналов: Учеб. пособ. М.:1. САЙНС-Пресс, 2003. 80 с.
  195. Л.П. Введение в цифровую обработку изображений. М.: Сов. радио, 1979. 312 с.
  196. Apalkov I., Khryashchev V., Priorov A., Zvonarev P. Mathematical Morphology in
  197. Application to Diamonds Powders Analysis // Proc. of the Eighth Int. Conf. «Pattern Recognition and Information Processing». Minsk, Belarus, 2005. P. 474−476.
  198. Arivazhagan S., Deivalakshmi S., Kannan K. and etc. Performance analysis ofwavelet filters for image denoising // Advances in Сотр. Sciences and Tech. 2007. V. 1. P. 1−10.
  199. Basu S., Chiang C.H. A complete parametrization of 2D nonseparable orthogonalwavelets // IEEE Int. Symp. Time-frequency and Time-scale1 Analysis. 1992. P. 55−58.
  200. Buccigrossi R.W., Simoncelli E.P. Image Compression via Joint Statistical
  201. Characterization in the Wavelet Domain // Trans. Image Proc. 1999. V. 8, № 12. P. 1688−1701.
  202. Bultheel A. Wavelets with applications in signal and image processing. 2002.
  203. Chang S.G., Vetterli M. Spatial adaptive wavelet thresholding for image denoising
  204. IEEE Proc. Int. Conf. Image Processing. Santa Barbara, 1997. V. 1. P. 374−377.
  205. Chang G.S., Yu B., Vattereli M. Adaptive Wavelet Thresholding for Image
  206. Denoising and Compression // IEEE Trans. Image Proc. j 2000. V. 9. P. 1532−1546.
  207. Chang G.S., Yu B., Vattereli M. Spatially Adaptive Wavelet Thresholding with
  208. Context Modeling for Image Denoising // IEEE Trans. Image Proc. 2000. V. 9. P. 1522−1530.
  209. Charith G., Abhayaratne K. Spatially adaptive wavelet transforms: an optimuminterpolation approach // 3-rd International Workshop on Spectral Methods andi
  210. Multirate Signal Processing (SMMSP). 2003. P. 155−162.
  211. Claypoole R.L., Baraniuk R.G. Adaptive wavelet transforms via lifting // In
  212. Transactions of the International Conference on Acoustics, Speech and Signal Processing. 1998. № 5. P. 1513−1516.
  213. Coifman R.R., Donoho D.L. Translation-invariant de-noising. Wavelets andstatistics. Springer-verlag lecture notes. New York, 1995.
  214. Daubechies I. Orthonormal bases of compactly supported wavelets // Commun. on
  215. Pure Appl. Math. 1988. V. 41, № 11. P. 909−996.
  216. Daubechies I. Ten lectures on wavelets. CBMS-NSF Conf. Series in Applied
  217. Mathematics. SIAM Ed., 1992.
  218. Daubechies. The Wavelet Transform, Time-Frequency Localization and Signal1. Analysis. 1990.
  219. Daubechies I, Sweldens W. Factoring wavelet transforms into lifting steps // J.
  220. Fourier Anal. Appl. 1998. V. 4, № 3. P. 245−267.
  221. Daubechies I., Sweldens W. Factoring wavelet transforms into lifting steps // IEEE
  222. Trans. Image Proc. 2000. V. 9, № 3. P. 480−496.
  223. Devor R.A., Lucier B.J. Fast Wavelet Techniques for Near-Optimal Image Processing // Milcom'92, IEEE Military Communications Conf. Record. 1992. P. 1129−1135.
  224. Donoho D.L. De-Noising by Soft Thresholding // IEEE Trans. Info. Theory. 1993.1. V. 43. P. 933−936.i
  225. Donoho D.L., Johnstone I.M. Adapting to unknown smoothness via waveletishrinkage // Journal of American Statistical Assoc. 1995. V. 90, №. 432. P. 1200−1224.
  226. Donoho D.L., Johnstone I.M. Ideal spatial adaptation via wavelet shrinkage //
  227. Biometrica. 1994. V. 81. P. 425−455.
  228. El-Agizi N., Fahmy M. Sufficient conditions for the nonexistence of limit cycles in two-dimensional digital filters // IEEE Trans. Audio Electroacoust. 1979. V. 26. P. 402−406.
  229. Ery Arias-Castro, Donoho D, Huo X. Near-optimal detection of geometric objectsby fast multiscale methods // IEEE Transactions on Information Theory. 2005. V. 51. P.2402−2425.
  230. Ganin A.N., Priorov A.L. Quantization of wavelet coefficients // Proc. of, 1st Int.
  231. Conf. on Circuits and Systems for Communications (ICCSC'02). St. Petersburg, Russia, 2002. P. 202−205.
  232. Gopinath I.R.A. Moment Theorem for the Wavelet-Galerkin Method. Technicalreport, Awaren Inc. Cambridge, MA-2 138,1990.
  233. Gopinath I.R.A. Wavelet Transforms and Time-Scale Analysis of Signals. Master’sthesis, Rice University, Houston, TX-77 251, 1990.
  234. Gopinath R.A., Burrus C.S. State-space Approach to Multiplicity M-Orthonormal
  235. Wavelet Bases. Technical Report CML TR91−22. Computational Mathematics Laboratory, Rice University, 1991. Submitted to IEEE Trans, in SP.
  236. Gopinath R.A., Burns C.S. Wavelets and Filter Banks // Technical Report
  237. CMLTR91- 20, Computational Mathematics Laboratory, Rice University, 1991.
  238. Haddad K., Stark H., Galatsanos N. Design of Two-Channel Equiripple FIR Linear-Phase Quadrature Mirror Filters. Using the Vector Space Projection Method // IEEE Trans. Image Proc. 1998. V. 5, № 7. P. 167−170.
  239. Herley C., Vetterli M. Wavelets and Recursive Filter Banks // IEEE Trans. Image
  240. Proc. 1993. V. 41, № 8. P. 2536−2556.
  241. Hong E.S., Lander R.E. Group testing for image compression // Data Compression
  242. Conference. 2000. P. 3−12.
  243. Hua Xu, Wu-Sheng Lu, Antoniou A. An Improved Method for the Design of FIR
  244. Quadrature Mirror-Image Filter Banks // IEEE Trans. Image Proc. 1998. V. 46, № 5. P. 1275−1281.
  245. Jones E., Runkle P., Dasgupta N., Carin L. Signal Adaptive Wavelet Design Using
  246. Genetic Algorithms // Prod. SPIE. 2000. V. 4056. P. 362−371.
  247. Kaur L., Gupta S., Chauhan R.C. Image denoising using wavelet thresholding // Indian Conference on Computer Vision, Graphics and Image Processing. Ahmedabad, 2002.
  248. Kenterlisl P., Salonikidis D. Evaluation of wavelet domain methods for imagedenoising // Department of Electronic Computer Systems, Technological Education Institute of Piraeus, Greece, 2006.
  249. Khryashchev V., Apalkov I., Priorov A., Zvonarev P. Adaptive Switching Median
  250. Filter with Neural Network Impulse Detection Step // Lecture Notes in Computer Science (LNCS 3696). Springer-Verlag, 2005. P. 537−542.
  251. Khryashchev V., Apalkov I., Priorov A., Zvonarev P. Image Denoising Using
  252. Adaptive Switching Median Filter // Proc. of the IEEE Int. Conf. on Image Proc. (ICIP-2005). Genoa, Italy, 2005. P. 1−117 -1−120.
  253. Khryashchev V., Priorov A., Shmaglit L. JPEG2000 Ringing Artifact Reduction by
  254. Smart Bilateral Filter // Proc. of the 2010 Int. Conf. on Image Processing,. Computer Vision & Pattern Recognition (IPCV 2010). Las Vegas Nevada, USA, 2010. P. 622−627.
  255. Kovacevic J., Vetterli M. Nonseparable, multidimension perfect reconstructionfilter banks and wavelet bases for Rn // IEEE Trans. Inform. Th., Special Issue on Wavelet Transforms and Multiresolution Signal Analysis. 1992. V. 38, № 2. P. 533−555.
  256. Kustov V., Srinivasan P., Mitra S., Shishkin S. Real Time Adaptive PR-QMF Bank
  257. Design for Image Coding Using Interior-Point Algorithm // 9-th IEEE DSP. USA, 2000. P. 1−6.
  258. Lang M., Guo H., Odegard J., Burrus C.S. Noise reduction using an undecimateddiscrete wavelet transform // IEEE SP Letters. 1995. V. 3, № 1. P. 10−12.
  259. Lawton W.M. Necessary and sufficient conditions for constructing orthonormal wavelet bases // Journal of Math. Physics. 1991. V. 32. P. 57−61.
  260. Lawton W.M. Tight Frames of Compactly Supported Wavelets // Journal of Math.
  261. Physics. 1990. V. 31. P. 1898−1901.
  262. Lawton W., Micchelli C. Design of conjugate quadrature filters having specifiedzeros // Proc. of ICASSP97. 1997. V. 3. P. 2069−2073.
  263. Lin T., Kawamata M., Higuchi T. Design of 2-D digital filters with an arbitrary response and no overflow oscillations based on a new stability condition // IEEE Trans. Audio Electroacoust. 1987. V. 34. P. 113−126.
  264. Mallat S. An efficient image representation for multiscale analysis // In Proc. of
  265. Machine Vision Conf. Lake Taho. 1987.
  266. Mallat S. Multiresolution approximations and wavelets. Technical report, GRASPi1. b, Dept. of Computer and Information Science. University of Pennsylvania, 1987.
  267. Mallat S. Theory for multiresolution signal decomposition: the waveletrepresentation // IEEE Pattern Anal, and Machine Intell. 1989. V. 11, № 7.. P. 674−693.
  268. Marquardt D. An algorithm for least-squares estimation of nonlinear parameters //
  269. SIAM J. Appl. Math., 1963. V. 11. P. 431−441.
  270. Mau J. Regular M-band modulated orthogonal transforms // IEEE Int. Conf. on
  271. Acoustics, Speech and Signal Processing (ISASSP-94). 1994. V. 3. P. 125−128.
  272. Mertzios B. On the roundoff noise in 2-D state-space digital filtering // IEEE 1 Trans. Audio Electroacoust. 1985. V. 32. P. 201−204.
  273. Moulin P. A new look at signal-adapted QMF bank design // International
  274. Conference on Image Processing. 1995. P. 1312−1315.
  275. Moulin P., Mihcak M. Theory and Design of Signal-Adapted FIR Paraunitary
  276. Perebefin A.V. Hierarchical Approach for Texture Compression // GraphiCon'991. Proc. 1999. P. 195−199.
  277. PeterS., Peter N. Theory of regular M-band wavelet bases // IEEE Trans. Signal
  278. Proc. 1993. V. 40, № 12. P. 3497−3511.
  279. Pollen D. Parameterization of compactly supported wavelets // Technical Report, 1. Aware Inc., 1989.
  280. Priorov A.L., Khryashchev V.V., Sladkov M.V. Improvement of the Quality of
  281. Ultrasonic Medical Images // Biomedical Engineering. 2008. V. 42, №. 4. P. 176−178.
  282. Priorov A.L., Lukashevich Y.A. Image Processing Based on Two-Dimensional First Order Digital Filters I I Proc. of 1st IEEE International Conference on Circuits and Systems for Communications. St. Petersburg, 2002. P. 130−133.
  283. Priorov A., Volokhov V. Using of the contourlet transform for the digital imagefiltration // Proc. of the Int. Conf. «Wavelets and Applications». St. Petersburg, Russia, 2009. P. 48−49.
  284. Rajpoot N.M., Wilson G.R., Meyer F.G., Coifman R.R. Adaptive Wavelet Packet
  285. Basis Selection for Zerotree Image Coding // IEEE Trans. Image Proc. 1997. V. 12. P. 1460−1472.
  286. Rangarajan R., Venkataramanan R., Shah S. Image De-noising Using Wavelets.
  287. Wavelets and Time Frequency. 2002.
  288. Said A., Pearlman W.A. A New Fast and Efficient Image Codec Based on Set
  289. Partitioning in Hierarchical Trees // IEEE Trans, on Circuits and Systems for Video Technology. 1996. V. 6. P. 243−250.
  290. Said A., Pearlman W.A. An Image Multiresolution Representation for Lossless and1. ssy Compression // IEEE Trans, on Image Proc. 1996. V. 5, № 9. P. 243−250.
  291. Shapiro J.M. Embedded image coding using zero-trees of wavelets coefficients //
  292. EE Trans. Signal Proc. 1993. V. 41, № 12. P. 3445−3462.
  293. Sprljan N., Grgic S., Grgic M. Modified SPIHT algorithm for wavelet packetimage coding // Real-time Imaging. 2005. № 11. P. 378−388.
  294. Steffen P., Heler P., Gopinath R.A., Burns C.S. Theory of Regular M-Band
  295. Wavelet Bases // IEEE Trans. Signal Proc. 1993. V. 41. P. 3497−3510.
  296. Strang G., Nguyen T. Wavelets and filter banks. SIAM, 1996.
  297. Tang Y.Y., Yang L.H., Liu J., Ma H. Wavelet theory and its application to patternrecognition. World scientific series in machine perception artificial intelligence. 2000.
  298. Taubman D. EBCOT: Embedded block coding with optimized truncation, ISO/IEC
  299. JTC 1/SC 29/WG 1, 1998. №. 1020.
  300. Tieng Q., Boles W. Recognition of 2D Object Contours Using the Wavelet
  301. Transform Zero-Crossing Representation // IEEE Trans, on Pattern Analysis and Machine Intelligence. 1997. V. 19, №. 8. P. 910−916.
  302. Tran T.D., Nguyen T.Q. On M-Channel Linear Phase FIR Filter Banks and Application Image Compression // IEEE Trans. Signal Proc. 1997. V. 45, № 9. P. 2175−2187.
  303. Vaidyanathan P.P. Improved Technique for the Design of Perfect Reconstruction
  304. FIR QMF Banks with Lossless Polyphase Matrices // IEEE Trans, on ASSP. 1989. V. 37(7). P. 1042−1056.
  305. Vaidyanathan P.P. QMF Banks, M-Band Extensions, and PR Techniques // IEEE
  306. Trans, on ASSP. 1987. V. 4, № 3. P. 4−20.
  307. Vaidyanathan P.P. Theory and Design of M-Channel Maximally Decimated
  308. Quadrature Mirror Filters with Arbitrary M, Having the Perfect-Reconstruction Property // IEEE Trans, on ASSP. 1987. V. 4, № 4. P. 476−492.
  309. Vaidyanathan P.P., Phuong-Quan Hoang. Lattice Structures for Optimal Designand Robust Implementation of Two-Channel Perfect Reconstruction QMF Banks ' // IEEE Trans, on ASSP. 1988. V. 36(1). P. 81−93.
  310. Vaidyanathan P.P., Swaminathan K. Alias-free, real-coefficient m-band QMFbanks for arbitrary m // IEEE Trans, on Circuits and Systems. 1987. № 12. V. 34, P. 1485−1496.
  311. Vattereli M., Kovacevic J. Wavelets and Subband Coding. Englewood Cliffs, N.J., 1. Prentice Hall, 1995.
  312. Vetterli M., Le Gall D J. Perfect Reconstruction FIR Filter Banks: Some Propertiesand Factorizations // IEEE Trans, on Acoustics, Speech, and Signal Proc. 1989. V. 37, № 7. P. 1057−1071.
  313. Wakin M., Romberg J., Choi H., Baranuik R. Rate-distortion optimized imagecompression using wedgelets // Image Processing Conf. 2002. V. 3. P. 237−240.
  314. Wheeler F.W., Pearlman W.A. SPIHT Image Compression without Lists // IEEE1.t. Conf. on Acoustics, Speech and Signal Proc. (ICASSP 2000). Istanbul, Turkey, 2000. V. 4. P. 2047−2050.
  315. Wu X. High-order context modeling and embedded conditional entropy coding ofwavelet coefficients for image compression // Proc. of 31st Asilomar Conf. on Signals, Systems, and Computers. 1997. P. 1378−1382.
  316. Xiong Z., Ramchandran K., Orchard M.T. Space-frequency quantization forwavelet image coding // IEEE Trans. Image Proc. 1997. V. 6. P. 677−693.
  317. Xiong Z., Ramchander K., Orchard M.T. Wavelet packet image coding usingspace-frequency quantization // IEEE Trans. Image Proc. 1998.' V. 7. P. 892−898.
  318. Zhang H., Nosratinia A., Burrus C.S., Tian J., Wells R.O. Scale-band-dependent thresholding for signal denoising using undecimated discrete wavelet packet transforms // Proc. SPIE Wavelet Applications in Signal and Image Proc. 1999. V. 3813. P. 477.
  319. Zou H., Tewfik A.H. Discrete orthogonal M-band wavelet decompositions // IEEE
  320. ASSP-92.1992. V. 4. P. 603−608.
  321. Zou H., Tewfik A. Parameterization of compactly supported orthonormal wavelet
  322. IEEE Trans, on Signal Proc. 1993. V. 41, № 3. P. 1428−1431.
Заполнить форму текущей работой

Сессия? Спокойно!