Помощь в написании студенческих работ
Антистрессовый сервис

Разработка алгоритмов вычисления параметров глобального движения в видеопоследовательностях для реализации в системах на кристалле

Диссертация: Разработка алгоритмов вычисления параметров глобального движения в видеопоследовательностях для реализации в системах на кристалле
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Однако данные ограничения зачастую снижают качество выходных изображений и накладывают ограничения на максимальный коэффициент сжатия в системах кодирования видеоинформации. К тому же эффекты, которые возникают вследствие движения видеокамеры (т.е. эффекты глобального движения), приводят к ухудшению качества закодированных изображений при том же коэффициенте сжатия, либо к уменьшению коэффициента… Читать ещё >

Разработка алгоритмов вычисления параметров глобального движения в видеопоследовательностях для реализации в системах на кристалле (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Обзор алгоритмов вычисления параметров глобального движения сцены
    • 1. 1. Оценка движения в системах видеокодирования
    • 1. 2. Модели движения видеокамеры
    • 1. 3. Алгоритмы вычисления параметров глобального движения
      • 1. 3. 1. Алгоритм Wu и Kittler
      • 1. 3. 2. Алгоритм Moscheni, Dufaux и Kunt
      • 1. 3. 3. Алгоритм Tse и Baker
    • 1. 4. Вспомогательные технологии для оценки движения
    • 1. 5. Выводы и постановка задачи
  • Глава 2. Разработка алгоритмов оценки глобального движения сцены
    • 2. 1. Методы предобработки изображений
      • 2. 1. 1. Алгоритм выделения границ в монохромном изображении
      • 2. 1. 2. Алгоритм бинаризации монохромного изображения
      • 2. 1. 3. Совмещение бинаризованных изображений
    • 2. 2. Интегральные характеристики бинаризованного изображения
      • 2. 2. 1. Интегральная характеристика для оценки сдвига по одному направлению
      • 2. 2. 2. Интегральная характеристика для оценки вращения вокруг оси камеры
      • 2. 2. 3. Интегральная характеристика для оценки коэффициентов ма сшта бир ов, а ния
      • 2. 2. 4. Интегральная характеристика для одновременной оценки коэффициентов сдвига и масштабирования
    • 2. 3. Методики определения независимых параметров глобального движения сцены с использованием интегральных характеристик
    • 2. 4. Алгоритм оценки параметров глобального движения сцены с использованием интегральных характеристик
      • 2. 4. 1. Описание алгоритма
      • 2. 4. 2. Алгоритмы оценки параметров при комбинированной трансформации
    • 2. 5. Алгоритм выделения объектов в бинаризованном изображении
    • 2. 6. Алгоритм оценки параметров глобального движения сцены с использованием объектов изображений
      • 2. 6. 1. Алгоритм установления соответствий между объектами изображений
    • 2. 7. Выводы
  • Глава 3. Интеграция алгоритмов оценки глобального движения и системы кодирования по стандарту MPEG
    • 3. 1. Архитектура системы кодирования по стандарту MPEG
    • 3. 2. Формат данных глобальной компенсации движения в стандарте MPEG
    • 3. 3. Преобразование параметров алгоритмов глобальной оценки движения
    • 3. 4. Выводы
  • Глава 4. Исследование эффективности разработанных алгоритмов вычисления параметров глобального движения
    • 4. 1. Сравнение разработанных алгоритмов оценки глобального движения с существующими алгоритмами по производительности
      • 4. 1. 1. Выделение границ и бинаризация изображения
      • 4. 1. 2. Алгоритм, основанный на использовании интегральных характеристик
      • 4. 1. 3. Алгоритм, основанный на выделении объектов
      • 4. 1. 4. Алгоритм Tse и Baker
      • 4. 1. 5. Алгоритм Wu и Kittler
      • 4. 1. 6. Алгоритм Moscheni, Dufaux и Kunt
    • 4. 2. Оценка точности алгоритмов путем сравнения параметров глобального движения
    • 4. 3. Сравнение разработанных алгоритмов вычисления параметров глобального движения с существующими алгоритмами по критерию качества
    • 4. 4. Требования к элементной базе
    • 4. 5. Выводы

В конце 20-го — начале 21-го века средства телекоммуникации и портативные устройства цифровой фото-видео съемки развивались чрезвычайно быстрыми темпами. В нашу жизнь прочно вошли такие понятия, как мобильная связь, интернет, цифровая фото и видео камеры, и т. п. Реализация таких устройств требует не только увеличения степени интеграции используемых микросхем, но и повышения эффективности алгоритмов обработки данных.

В связи с тем, что современные каналы связи и хранилища данных не позволяют передавать и хранить большие объемы информации, одной из актуальных задач средств телекоммуникации и портативных фото-видео устройств является передача и хранение сжатых данных. Так например, видеоинформация, генерируемая видеокамерой, состоит из последовательности изображений — кадров. Обычно кадры генерируются с частотой 24, 25 или 30 раз в секунду. В результате получается большое количество данных, для эффективной передачи и хранения которых необходимо использовать сжатие.

Существуют различные подходы к компрессии видеопоследовательностей. Один из вариантов обработки видеоинформации — это последовательное сжатие каждого кадра, используя такие алгоритмы, как JPEG, JPEG2000, MJPEG2000 [55,74,36−38,75]. Фактически такое внутрикадровое сжатие сейчас широко используется как метод кодирования видеоинформации в системах качественного видеомонтажа, которые требуют быстрого доступа к любому кадру видеопоследовательности. При отсутствии видимых искажений типичный коэффициент покадрового сжатия равен 8−9.

Однако значительно более высокий уровень сжатия может быть достигнут за счет исключения временной избыточности в видеопотоке (т.е. в последовательности кадров). Коэффициент сжатия при отсутствии или малозаметных визуальных искажениях в этом случае увеличивается на порядок. Если сцена по существу просто повторяется кадр за кадром без какого-либо существенного изменения, то в таком случае значительно более эффективно кодировать разницу между кадрами, а не каждый кадр видеопотока.

Метод повышения степени компрессии путем кодирования только изменений в видеосцене, называемый условным замещением (УЗ), был использован в первом стандарте цифрового видео кодирования, ITU-T Rec. Н.120 [39]. Кодирование с УЗ состоит из передачи сигналов для индикации того, какая область изображения может быть повторена, и передачи закодированной информации об изменившихся областях. Также данный метод можно развить путем добавления метода компенсации движения (КД). Суть метода заключается в том, что в некоторой окрестности исходной области одного кадра ищется наиболее похожая область из другого кадра. Разница в координатах между исходной и целевой областью называется вектором движения. В результате вместо кодирования целой области, кодируется только вектор движения и поправки к целевой области (разность между целевой и исходной областью). Размер области поиска движения выбирается исходя из предположения о максимальном смещении объектов внутри кадра. Зачастую используется квадрат размером 16×16 пикселей. На эффективность данных методов оказывает влияние ряд предположений о виде движения в кадре, а именно:

• Объекты перемещаются в плоскости, параллельной плоскости камеры. Таким образом, не рассматриваются, например, эффекты масштабирования и вращения.

• Появление и исчезновение объектов не рассматриваются. Таким образом, не рассматриваются, например, эффекты вращения и сдвига.

Однако данные ограничения зачастую снижают качество выходных изображений и накладывают ограничения на максимальный коэффициент сжатия в системах кодирования видеоинформации. К тому же эффекты, которые возникают вследствие движения видеокамеры (т.е. эффекты глобального движения), приводят к ухудшению качества закодированных изображений при том же коэффициенте сжатия, либо к уменьшению коэффициента сжатия при сохранении качества закодированных изображений. Таким образом, для повышения качества закодированных изображений и увеличения коэффициента сжатия в системах кодирования видеопоследовательностей необходимо использовать методы, позволяющие устранять описанные выше ограничения.

Известные алгоритмы, которые позволяют определять параметры глобального движения, являются крайне ресурсоемкими, что ограничивает возможность их использования в системах кодирования в реальном времени. Таким образом, на разработку новых алгоритмов накладываются ограничения по вычислительным затратам. Как правило, системы кодирования в реальном времени имеют аппаратную реализацию либо в виде специальной микросхемы, либо в виде программы, реализованной с использованием специального процессора. Одним из возможных вариантов применения алгоритмов вычисления параметров глобального движения, который одновременно позволит повысить общую производительность систем кодирования видеоинформации, является реализация их в виде отдельной микросхемы, либо IP-блока для систем, реализованных на кристалле. Поэтому разработка алгоритмов вычисления параметров глобального движения, которые не предъявляют высоких требований к вычислительным ресурсам и имеют эффективную аппаратную реализацию, является актуальной задачей.

Цель работы.

Целью работы является разработка эффективного метода вычисления параметров глобального движения сцены в видеопоследовательностях. Для достижения поставленной цели необходимо решить следующие задачи:

Исследовать существующие методы вычисления параметров глобального движения сцены с целью выявления их достоинств и недостатков.

Разработать компактное представление изображений для использования в алгоритмах вычисления параметров глобального движения.

Разработать алгоритмы вычисления параметров глобального движения сцены с использованием компактного представления изображений.

Создать экспериментальный программно-аппаратный комплекс для проведения экспериментов по вычислению параметров глобального движения сцены.

Провести эксперименты по сравнению и показать преимущества разработанных алгоритмов по сравнению с широко распространенными методами.

Выработать требования к элементной базе, реализующей разработанные алгоритмы.

Научная новизна.

1. Разработан новый способ вычисления параметров глобального движения в видеопоследовательностях, основанный на использовании интегральных характеристик бинаризованных изображений.

2. Разработан новый алгоритм вычисления параметров глобального движения, включающий:

• процедуру выделения и совмещения «крупномасштабных» пиков интегральных характеристик;

• итерационный алгоритм оценки комбинированных трансформаций.

3. Разработан новый способ вычисления параметров глобального движения сцены, основанный на использовании объектов бинаризованных изображений.

4. Разработан новый алгоритм вычисления параметров глобального движения, включающий:

• процедуру вычисления интегральных параметров объектов бинаризованных изображений;

• алгоритм установления соответствий между объектами бинаризованных изображений.

Практическая значимость.

1. Разработанные алгоритмы вычисления параметров глобального движения повышают производительность систем кодирования видеопоследовательностей.

2. Предложенные алгоритмы вычисления параметров глобального движения применяются в разработанном в ООО «Юник Ай Сиз» устройстве видеосъемки — камкордер.

3. Результаты работы могут найти применение при создании различных систем сжатия видеопоследовательностей реального времени, а также в автоматизированных системах детектирования изменения сцены.

4. Проведенные теоретические оценки элементной базы могут быть применены при создании систем кодирования на кристалле.

Внедрение результатов работы.

С использованием полученных в работе результатов разработано устройство видеосъемки — камкордер. Работа выполнена в рамках плана работ ООО «Юник Ай Сиз» на 2006 г. Разработанные методы внедрены в учебный процесс кафедры ПКИМС МИЭТ (ТУ).

На защиту выносится следующее.

1. Способ вычисления. параметров глобального движения сцены, основанный на использовании интегральных характеристик бинаризованных изображений. Данный способ позволяет снизить вычислительные затраты по сравнению с аналогами.

2. Алгоритм вычисления параметров глобального движения сцены, включающий процедуру выделения и совмещения «крупномасштабных» пиков интегральных характеристик, а также итерационный алгоритм оценки комбинированных трансформаций. Данный алгоритм позволяет снизить вычислительные затраты по сравнению с аналогами.

3. Способ вычисления параметров глобального движения сцены, основанный на использовании объектов бинаризованных изображений. Данный способ позволяет снизить вычислительные затраты по сравнению с аналогами.

4. Алгоритм вычисления параметров глобального движения сцены с использованием объектов бинаризованных изображений, включающий процедуру вычисления интегральных параметров объектов бинаризованных изображений, а также алгоритм установления соответствий между объектами бинаризованных изображений. Данный алгоритм позволяет снизить вычислительные затраты по сравнению с аналогами.

5. Разработанное математическое и алгоритмическое обеспечение устройства вычисления параметров глобального движения, реализуемое в системах на кристалле.

Апробация работы.

Результаты диссертационной работы докладывались и обсуждались на международных и всероссийских научно-технических конференциях:

• 9-я всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика-2002», Москва, 2002;

• 1-я международная конференция «Распознавание образов и анализ изображений: новые информационные технологии», Санкт-Петербург, 2004;

• 12-я всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика-2005», Москва, 2005;

• XLVIII научная конференция МФТИ, Москва, 2005;

• 13-я всероссийская межвузовская научно-техническая конференция студентов и аспирантов «Микроэлектроника и информатика-2006», Москва, 2006.

Публикации.

Основные результаты диссертационной работы опубликованы в 8 печатных работах [56−63].

Структура и объем диссертации

.

Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений.

4.5.Выводы.

1. Проведено сравнение разработанных алгоритмов вычисления параметров глобального движения с существующими алгоритмами по производительности, в результате которого выявлено преимущество разработанных алгоритмов, в особенности для кадров с разрешением более VGA.

2. Проведено сравнение разработанных алгоритмов вычисления параметров глобального движения с существующими алгоритмами по критерию качества. Показано, что все рассмотренные алгоритмы решают поставленную перед ними задачу, обеспечивая точность, которая достаточна для последующей работы блочного алгоритма. При этом разработанные алгоритмы имеют существенное преимущество в производительности.

Заключение

.

В диссертационной работе разработано математическое, алгоритмическое и программное обеспечение микроэлектронных устройств вычисления параметров глобального движения в видеопоследовательностях. Разработанные методы и алгоритмы позволяют повысить производительность систем кодирования видеоинформации, которые используют алгоритмы вычисления параметров глобального движения. Таким образом, задача, поставленная в диссертационной работе, полностью выполнена. По результатам, полученным в диссертационной работе, можно сделать следующие выводы:

1. предложены интегральные характеристики бинаризованных изображений, которые позволяют вычислять параметры глобального движения в видеопоследовательностях;

2. определены интегральные параметры объектов бинаризованных изображений, позволяющие вычислять параметры глобального движения в видеопоследовательностях;

3. разработан алгоритм вычисления параметров глобального движения с использованием интегральных характеристик, требующий меньших вычислительных затрат по сравнению с известными алгоритмами при схожем качестве;

4. разработан алгоритм вычисления параметров глобального движения при комбинированных трансформациях с использованием интегральных характеристик, требующий меньших вычислительных затрат по сравнению с известными алгоритмами при схожем качестве;

5. разработан алгоритм вычисления параметров глобального движения с использованием объектов бинаризованных изображений, требующий меньших вычислительных затрат по сравнению с известными алгоритмами при схожем качестве;

6. разработан метод преобразования выходных данных алгоритмов вычисления параметров глобального движения в соответствии с требованиями стандарта MPEG-4, позволяющий применять разработанные алгоритмы в системах кодирования по стандарту MPEG-4 (данные алгоритмы использованы в проекте «Камкордер» ООО «Юник Ай Сиз»);

7. проведено исследование и сравнение результатов работы предложенных алгоритмов вычисления параметров глобального движения с известными алгоритмами и показано, что:

• итерационный алгоритм вычисления параметров глобального движения сцены, включающий процедуру выделения и совмещения «крупномасштабных» пиков интегральных характеристик, превосходит по производительности известные алгоритмы вплоть до порядка, для изображений превышающих VGA при схожем качестве восстановленных изображений, для определенного типа видеопоследовательностей;

• алгоритм вычисления параметров глобального движения сцены с использованием объектов сцены, заключающийся в определении значений параметров глобального движения по перемещениям объектов, превосходит по производительности известные алгоритмы вплоть до порядка, для изображений превышающих VGA при схожем качестве восстановленных изображений, для определенного типа видеопоследовательностей.

8. в результате проведенных теоретических оценок выработаны требования к элементной базе, реализующей разработанные алгоритмы.

Показать весь текст

Список литературы

  1. U-T Recommendation H.2 61, Video CODEC for audiovisual services at px64 kbit/s, 1993 ITU-T Recommendation H.263, Video coding for low bit rate communication, Version 2, 1998
  2. O/IEC 14 496−10 and ITU-T Recommendation H.264. Advanced Video Coding, 20 031. in Richardson «H.264 and MPEG-4 video compression. Video coding for next-generation multimedia», John Wiley & Sons Ltd, 2003.
  3. D. Adolph and R. Buschmann, «1.15 Mbit/s coding of video signals including global motion compensation,» Signal processing: Image communication, vol. 3, 1991, pp. 259−274.
  4. Y. Т. Tse and R. L. Baker, «Global zoom/pan estimation and compensation for video compression,» Proc. Int. Conf on Acoustics, Speech and Signal Processing, Toronto, Canada, Apr. 1991, pp. 2725−2728.
  5. G. Keesman, «Motion estimation based on a motion model incorporating translation, rotation and zoom,» Signal processing, vol. 4, 1988, pp. 31−34.
  6. M. Hoetter, «Differential estimation of the global motion parameters zoom and pan,» Signal processing, vol. 16, Mar.1989, pp. 249−265.
  7. S. F. Wu and J. Kittler, «A differential method for simultaneous estimation of rotation, change of scale and translation,» Signal processing: Image communication, vol. 2, 1990, pp. 69−80.
  8. A. Zakhor and F. Lari, Edge-Based 3-D Camera Motion Estimation with Application to Video Coding," IEEE Trans on Image Processing, vol. 2, pp. 481−499, Oct. 1993.
  9. F. Moscheni, F. Dufaux, and M. Kunt, «A new two-stage global/local motion estimation based on a background/foreground segmentation,» in IEEE Proc. ICASSP'95, Detroit, MI, May 1995, pp. 2261−2264.
  10. H. Jozawa, K. Kamikura, A. Sagata, H. Kotera, and H. Watanabe, «Two stage motion compensation using adaptive global MC and local affine MC,» IEEE Trans. Circuits Syst. Video Technol., vol. 7, pp. 75−85, Feb. 1997.
  11. M. Etoh and T. Ankei, «Parametrized block correlation— 2D parametric motion estimation for global motion compensation and video mosaicing,» in IEICE TR PRMU97, July 1997.
  12. В.P. Horn and B.G. Schunck, «Determining optical flow,» Artif. Intell. 17 (1981), pp. 185−204.
  13. L. Kaufman and P.J. Rousseeuw. «Finding groups in data», John Wiley&Sons, Inc., New York, 1990.
  14. P. J. Burt and E. H. Adelson. «The laplacian pyramid as a compact image code», IEEE Trans. Commun., vol. COM-31, no. 4, pp. 482−540, April 1983.
  15. J.F. Canny «Finding Edges and Lines in Images», Technical report no. 720, Massachusetts Institute of Technology, 1983
  16. J.F. Canny «A Computational Approach to Edge Detection», IEEE Transaction on Pattern Analysis and Machine Intelligence, 8(6):679−698, Nov 1986
  17. D. Ziou, S. Tabbone, «Edge Detection Techniques An Overview», International Journal of Pattern Recognition and Image Analysis, 1998
  18. D. Marr and E. C. Hildreth, «Theory of edge detection,» Proc. Royal Society London В., vol. 207, pp. 187−217, 1980.
  19. E. C. Hildreth, «Computations underlying the measurement of visual motion,» Artificial Intelligence, vol. 23, pp. 309−354, 1984.
  20. David W. Murray and Bernard F. Buxton, «Experiments in the machine interpretation of visual motion», Cambridge, MA MIT Press, 1990.
  21. A. Averbuch, Y. Keller, «Fast gradient methods based global motion estimation for video compression», School of Computer Science, Tel Aviv University, Tel Aviv 69 978 Israel
  22. F. Dellaert and R. Collins, «Fast Image-Based Tracking by Selective Pixel Integration», ICCV 99 Workshop on Frame-RateVision, September, 1999.
  23. Q. Wei, H.J. Zhang and Y. Zhong, «A Pre-Analysis Method for Robust Global Motion Estimation», IEEE International Conference on Image Processing, ICIP-99, vol. 2, pp. 26−30, Kobe, Japan, October 1999.
  24. F. Dufaux and J. Konrad, «Efficient, Robust, and Fast Global Motion Estimation for Video Coding», IEEE Transactions on Image Processing, vol. 9, no. 3, pp. 497−501, March 2000.
  25. J. Heuer, А. Каир «Global Motion Estimation in Image Sequences Using Robust Motion Vector Field Segmentation» proceedings ACM Multimedia 99, Orlando, Florida, 30 October 5 November 1999, pp. 261−264.
  26. A. Smolic, J-R Ohm «Robust global motion estimation using a simplified m-estimator approach», Heinrich-Hertz-Institute, Image Processing Dept.
  27. Q. Wei, H-J Zhang, Z. Yuzhuo «New Robust Global Motion Estimation Approach Used in MPEG-4″ Tsinghua University, Department of Computer Science and Technology, Beijing 100 084
  28. S. Jehan-Besson, M. Barlaud, and G. Aubert, „Region-Based Active Contours for Video Object Segmentation with Camera Compensation“, in IEEE International conference on Image processing, 2001, vol.2, 61−64 Thessaloniki, Greece.
  29. J. Odobez and P. Bouthemy, „Detection of multiple moving objects using multiscale MRI: with camera motion compensation,“ in ICZP, Texas, 1994.
  30. ISO/IEC 15 444−1 Information technology JPEG 2000 image coding system. Part 1: Core coding system. Введ. 15.12.00. — Switzerland: ISO, 2000. — 218 c.
  31. Marcellin M. et all. An Overview of JPEG-2000 // Proc. Data Compression Conference, J.A. Storer and M. Cohn, eds. Snowbird, Utah, Mar. 28−30, 2000. Snowbird, 2000. — pp. 523−541.
  32. Taubman D.S., Marcellin M.W. JPEG2000: Image compression fundamentals, standards and practice Boston/Dordrecht/London: Kluwer Academic Publishers, 2002. 773 p.
  33. ITU-T, „Codec for videoconferencing using primary digital group transmission“ ITU-T Rec. H.120- version 1 1984, version 2 1988, version 3 1993.
  34. P. Anandan, J.R. Bergen, K.J. Hanna, and R. Hingorani. Hierarchical model-based motion estimation. In M.I. Sezan and R.L. Lagendijk, editors, Motion Analysis and Image Sequence Processing, pages 1−22. Kluwer Academic Publishers, 1993.
  35. Tompa D., Morgan J, Jernigan E. Computational imafe quality metrics: A review // Society for Information Display International Symposium Digest of Technical Papers, 1993, Vol.24. pp. 305−308.
  36. Ramanath A.R., Snyder B.W., Hinks C.D. Image Comparison Measure for Digital Still Color Cameras // Proceedings IEEE International Conference on Image Processing, Sep. 2002, vol. 1. pp. 629−632.
  37. I.E. Abdou, Quantitative Methods of Edge Detection. Technical report no. 830, Image Processing Institute, University of Southern California, 1978
  38. F. Bergholm. Edge Focusing. IEEE Transaction on Pattern Analysis and Machine Intelligence, 9 (6):72 6741, Nov 1987.
  39. V. Berzins. Accuracy of Laplacian Edge Detectors. Computer Vision, Graphics and Image Processing, 27:195−210, 1984.
  40. S. Castan, J. Zhao and J. Shen Optimal Filter for Edge Detection Methods and Results. In Proceeding of First European Conference on Computer Vision (ECCV), pages 13−17, 1990.
  41. J.S. Chen and G. Medioni. Detection, Localization and Estimation of Edges. IEEE Transactions on Pattern Analysis and Machine Intelligence, 11(2):191−198, 1989.
  42. R. Deriche. Optimal Edge Detection Using Recursive Filtering. In Proceedings of the First International Conference on Computer Vision, pages 501−505, Londres, 1987
  43. R. Deriche. Using Canny’s Criteria to Derive a Recursive Implemented Optimal Edge Detector. The International Journal of Computer Vision, 1(2):167— 187, 1987
  44. M. Heath, S. Sarkar, T. Sanocki and K. Bowyer, Comparison of Edge Detectors: A Methodology and Initial Study. In Proceedings of IEEE, International Conference on Computer Vision and Pattern Recognition, pages 143−148, San Francisco, 1996.
  45. W.H.H.J. Lunscher and M.P. Beddoes, Optimal Edge Detector Design I: Parameter Selection and Noise Effects. IEEE Transaction on Pattern Analysis and Machine Intelligence, 8(2):164−177, Mar 1986.126
  46. D.Marr and E.C. Hildreth, Theory of Edge Detection. Proceedings of the Royal Society of London B207, pages 187−217, 1980.
  47. R. Li, B. Zeng and M. L. Liou, „A new three-step search algorithm for block motion estimation“, IEEE Transactions Circuits Systems Video Technology, vol. 4, no. 4, pp. 438−442, August 1994.
  48. G. Kummerfeld, F. May and W. Wolf, „Coding television signals at 320 and 64kbits/s“, 2nd International Technical Symposium on Optical and Electro-Optical Applied Science and Engineering, SPIE Conf., Image Coding, Cannes, France, December 1985.
  49. ISO/IEC 14 495−1:2000 Information technology lossless and near-lossless compression of continuous-tone still images: Baseline, JPEG.
  50. А.Ю. Рекурсивное деление интервала// „Микроэлектроника и информатика 2002″. 9-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов. Тезисы докладов, Москва, 2002.
  51. Г. Г., Миргородский А. Ю. Метод оценки коэффициента масштабирования с применением интегральных характеристик бинаризованного изображения// Известия высших учебных заведений Электроника. 2005. № 3. — С. 60−75
  52. А.Ю. Метод оценки величин масштабирования, поворота и сдвига сцены с использованием объектов бинаризованных изображений// Электросвязь. 2006. № 4. — С. 46−47
  53. Г. Г., Миргородский А. Ю. Численная оценка параметров поворота и сдвига изображений// Электросвязь. 2006. № 4. — С. 48−49
  54. А.Ю. Численная оценка параметров движения камеры// „Микроэлектроника и информатика 2006″. 13-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов. Тезисы докладов, 19−21 апреля 2006 г, Москва, 2006.
  55. У. „Цифровая обработка изображений“ В 2-х кн.: Пер. с англ. М.:Мир, 1982.
  56. Weszka J.S. A survey of threshold selection techniques, Computer Vision, Graphics and Image Processing, Vol.7, № 2, 259−265, 1978.
  57. Samet H., Soffer A. A map acquisition, storage, indexing, and retrieval system, Proc. 3rd Int. Conf. On Document Analysis and Recognition ICDAR'95, Vol.2, 992−996, 1995.67. 0'Gorman L., Kasturi R., eds. Document Image Analysis, IEEE CS Press, 1995.
  58. Wang S., Haralick R.M. Automatic multithreshold selection, Comput. Vision, Graphics and Image Process., Vol. 25, 46−47, 1984.
  59. Otsu N., A Threshold Selection Method from Gray-Level Histograms. IEEE Trans. on Systems Man and Cybernetics, 1979. Vol 9, n 1, pp 62−67.
  60. Pal S.K., Rosenfeld A. Image enhancement and thresholding by optimisation of fuzzy compactness. Pattern Recognition Letters, 1988. Vol 1, pp. 77−86
  61. Y. Nakagawa, A. Rosenfeld, Some experiments on variable thresholding, Pattern Recognition 11 (1979) 191−204.
  62. S.U. Lee, S.Y. Chung, R.-H. Park, A comparative performance study of several global thresholding techniques for segmentation, Comput. Vision Graphics Image Process. 52(2) (1990) 171−190.
  63. P.K. Sahoo, S. Soltani, A.K.C. Wong, Y.C. Chen, A survey of thresholding techniques, Comput. Vision Graphics Image Process. 41 (2) (1988) 233−260.
  64. ISO/IEC 10 918−1:1994 Information technology ~ Digital compression and coding of continuous-tone still images: Requirements and guidelines.
  65. ISO/IEC 15 444−3:2002 Information technology — JPEG 2000 image coding system — Part 3: Motion JPEG 2000.
  66. АКТ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ В1. УЧЕБНЫЙ ПРОЦЕСС
  67. В учебном процессе кафедры ПКИМС разработанные алгоритмы использовалась в лабораторных работах, курсовом и дипломном проектировании по дисциплине „Теоретические основы САПР“.
  68. Зав. кафедрой ПКИМС, к.т.н.I1. Сухопаров А.И.зам. зав. кафедрой ПКИМС Миидесва А.Апроф. каф. ПКИМСJ/a v Казеннов Г. Г.аспирант/афедры ПКИМС1. Миргородский АЛО.1. УТВЕРЖДАЮ“
  69. Генеральный директор ООО <�ЦПНЙ?АЙ Сиз“, К.Т.Н. лу/ /Перминов В.Н. /дГ») /О? 2006 г.1. АКТ О ВНЕДРЕНИИ
  70. С использованием полученных в работе результатов разработано устройство видеосъемки камкордер. аспирант кафедры ПКИМС
Заполнить форму текущей работой

Сессия? Спокойно!