(по цифровому вещанию) Dvorkovich_V_Cifrovye_videoinformacionnye_sistemy

Литература к части II

2.37.Fiala E.R., Greene D.H. Data Compression with Finite Windows// CACM, 1989. Vol. 32. № 4.

2.38.Bellman R. Introduction to Matrix Analysis. McGraw-Hill, N.J., 1960.

2.39.Bhushan A.K. Efficient Transmission and Coding of Colour Components. M.S. Thesis/ Massachusetts Institute of Technology. Cambridge, MA. June, 1977.

2.40.Cleary J., Witten I.H. Data Compression Using Adaptive Coding and Partial String Matching// IEEE Trans. Commun. 1984. Vol. 32. № 4.

2.41.Howard P.G. The design and analysis of efficient lossless data compression systems, Report CS-93-28, Dept. of Comp. Sci. Brown University. Providence, Rhode Island, 1993.

2.42.Mo at A.M. Implementing the PPM Data Compression Scheme// IEEE Trans. Commun. 1990. Vol. 38. № 11.

2.43.Cleary J., Teahan W., Witten I. Unbounded Length Context for PPM// Proc IEEE Data Compression Conf. Snowbird. Utah, USA, Mar., 1995.

2.44.Tjalkens T.J., Volf P.A.J., Willems F.M.J. A Context-Tree Weighting Method for Text-Generating Sources// Proc. IEEE Data Compression Conf., Snowbird. Utah, USA, Mar., 1997.

2.45.Volf P.A.J. Text Compression Methods Based on Context Weighting: Tech. rept., Stan Ackermans Institute, Eindhoven University of Technology. Netherlands, June, 1996.

2.46.Willems F.M.J. The Context-Tree Weighting Method: Extensions// IEEE Trans. Inform. Theory, 1998. Vol. 44. № 2.

2.47.Willems F.M.J., Shtarkov Y.M., Tjalkens Tj.J. Context Tree Weighting: A Sequential Universal Source Coding Procedure for FSMX Sources// Proc. IEEE Int. Symp. Inform. Theory. San Antonio, Texas, USA, 1993.

2.48.Willems F.M.J., Shtarkov Y.M., Tjalkens Tj.J. Context Tree Weighting: Basic Properties// IEEE Trans. Inform. Theory. 1995. Vol. 41. № 3.

2.49.Willems F.M.J., Shtarkov Y.M., Tjalkens Tj.J. Context Weighting for General Finite Context Sources// IEEE Trans. Inform. Theory. 1996. Vol. 42. № 5.

2.50.Cormack G.V., Horspoll R.N. Data Compression Using Dynamic Markov Modeling// Comput. J. 1987. Vol. 30. № 6.

2.51.Horspoll R.N., Cormack G.V. Dynamic Markov Modeling. A Prediction Technique// Proc. Int. Conf. on the System Sciences. Honolulu, Hawaii, USA, 1986.

2.52.Long P.M., Natsev A.I., Vitter J.S. Text Compression via Alphabet Representation// Proc. IEEE Data Compression Conf. Snowbird, Utah, USA, Mar., 1997.

2.53.Schmidhuber J., Heil S. Sequential Neural Text Compression// IEEE Trans. Neural Networks, 1996. Vol. 7. № 1.

2.54.Буяновский Г. Ассоциативное кодирование// Монитор. 1994. № 8.

2.55.Burrows M., Wheeler D.J. A Block-Sorting Lossless Data Compression Algorithm: Res. Rept. 124, DIGITAL Systems Research Center, 1994.

Литература к части II

2.56.Прэтт У. Цифровая обработка изображений. Т.1–2. М.: Мир, 1982.

2.57.Abramson N. Information Theory and Coding. McGraw-Hill, N.J., 1963.

2.58.Langdon G. An Introduction to Arithmetic Coding/ IBM J. Res. Develop. 28. Mar., 1984.

2.59.ITU-Т, CCITT Recommendation V.42 bis: Data Compression Procedures for Data Circuit Terminating Equipment (DCE) Using Error Correction Procedures, 1990.

2.60.Krichevsky R.E., Trofimov V.K. The Performance of Universal Coding// IEEE Trans. Inform. Theory. 1981. Vol. 27. № 1. Pp. 199–207.

2.61.Bell T., Witten I, Cleary J. Modeling for Text Compression// ACM Computing Surveys. Vol.21. № 4, pp. 557–591. Dec., 1989.

2.62.Обратимое сжатие или сжатие без наличия помех http://www.citforum.ru/programming/theory/szhatie.shtml

2.63.CCITT. Standardization of Group 3 Facsimile apparatus for document transmission. Rec. Fascicle VII.2/ 1980. T. 4.

2.64.ISO/IEC JNC1/SC2/WG9, CD 11544/ Progressive Di-level Image Compression, Revision 4.1. 1991. September, 16.

2.65.Ярославский Л.П. Введение в цифровую обработку изображений. М.: Сов. радио, 1979.

2.66.Цифровое кодирование телевизионных изображений/ Под ред. И.И. Цукермана. М.: Связь, 1981.

2.67.Cutler C.C. Differential Quantization of Communication Signals// U.S. Patent 2 605 361. July, 1952.

2.68.O’Neal I.B.Jr. Predictive Quantizing System (Differential Pulse Code Modulation) for the Transmission of Television Signal// BSTJ, 15,1966.

2.69.Limb J. Source-Receiver Encoding of Television Signals// Proc. IEEE, № 3. 1967.

2.70.Харатишвили Н.Г. Цифровое кодирование с предсказанием непрерывных сигналов. М.: Радио и связь, 1986.

2.71.Залманзон Л.А. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. М.: Наука, 1989.

2.72.Ахмед Н., Рао К.Р. Ортогональные преобразования при обработке цифровых сигналов. М.: Связь, 1980.

2.73.Оппенгейм А.В., Шафер Р.В. Цифровая обработка сигналов. М.: Связь, 1979.

2.74.Wintz P.A. Transform Picture Coding// Proc. IEEE. V. 60. July, 1972.

2.75.Лоули Д., Максвелл А. Факторный анализ как статистический метод. М.: Мир, 1967.

2.76.Обработка изображений при помощи ЦВМ/ Пер. с англ. под ред. Д.С. Лебедева. М.: Мир, 1973.

Литература к части II

2.77.ISO/IEC DIS 10918-1. Information Technology. Digital Compression and Coding of Continuous-tone Still Images: Requirements and Guidelines// Ed. 1, JTS 1/ SC 29, 1994.

2.78.ISO/IEC DIS 10918-2. Information Technology. Digital Compression and Coding of Continuous-tone Still Images: Compliance Testing// Ed. 1, JTS 1/ SC 29, 1994.

2.79.ISO/IEC DIS 10918-3. Information Technology. Digital Compression and Coding of Continuous-tone Still Images: Extensions// Ed. 1, JTS 1/ SC 29, 1994.

2.80.The JPEG Still Picture Compression Standard// Communications of the ACM. V.34. № 4. April, 1991.

2.81.Frei W. and Jaeger P.A. Some Basic Considerations for the Source Coding of Color Pictures: Proc. of International Conference on Communications. Seattle Wash., 1973.

2.82.Левин Б.Р. Теоретические основы статистической радиотехники. Т.1–3. М.: Сов. радио, 1974, 1975, 1976.

2.83.Красильников Н.Н. Статистическая теория передачи изображений. М.: Связь, 1976.

2.84.Лебедев Д.С., Цукерман И.И. Телевидение и теория информации. Л.: Энергия, 1965.

2.85.Игнатьев Н.К. Применение δ-функций для анализа систем с дискретизацией: Научные доклады высшей школы//Радиотехника и электроника, 12, 1959.

2.86.Kojiro Kinoshita. Image Transmission Carrier and Image Spectrum in Generalized Photographic System// NHK Technical Monograph. 1964. № 3.

2.87.Дерюгин Н.Г. Спектр мощности и функция корреляции телевизионного сигнала// Электросвязь. 1957. № 7.

2.88.Игнатьев Н.К. Энергетический спектр телевизионного сигнала// Электросвязь. 1959. № 1.

2.89.Netravali A.N. and Rubinstein C.B. Luminance Adaptive Coding of Chrominance Signals // IEEE Trans. on Communication. V. COM-27. April, 1979.

2.90.Witten J.S., Bell T.C. The Zero Frequency Problem: Estimating the Probabilities of Novel Events in Adaptive Text Compression// IEEE Trans. Inform. Theory.1987. Vol. 37. № 7.

2.91.Teahan W.J. Probability Estimation for PPM http://www.cs.waicato.ac.nz/wjt/papers/NZCSRSC.ps.gz

2.92.Bloom C. Algorithm PPMZ2 http://www.cbloom.com/src/ppmz.html

2.93.Шкарин Д. Практическая реализация алгоритма PPM http://sochi.net.ru/maxime/doc/PracticalPPM.doc.gz

2.94.Справочник по телевизионной технике. Т.1–2/ Пер. с англ. под ред. С.И. Катаева. М.-Л.: Госэнергоиздат, 1962.

Литература к части II

2.95.Телевизионная техника: Справочник/ Под общ. Ред. Ю.Б. Зубарева и Г.Л. Глориозова. М.: Радио и связь, 1994.

2.96.Роуз А. Зрение человека и электронное зрение/ Пер. с англ. под ред. В.С. Вавилова. М.: Мир, 1977.

2.97.Кустарев А.К. Колориметрия цветного телевидения. М.: Связь, 1967.

2.98.Джадд Д., Вышецки Г. Цвет в науке и технике. М.: Мир, 1978.

2.99.Певзнер Б.М. Качество цветных телевизионных изображений. М.: Радио и связь, 1988.

2.100. Кривошеев М.И., Кустарев А.К. Световые измерения в телевидении. М.: Связь, 1973.

2.101. Mitsuhashi J. HighQuality Television and Visual Characteristics// J. of the Institute of TV Engineers of Japan. , 1979. V.33. 112.

2.102. Красильников Н.Н. Теория передачи и восприятия изображения. М.: Радио и связь, 1986.

2.103. Кривошеев М.И. Основы телевизионных измерений. М.: Радио и связь, 1989.

2.104. МККР. Требования к передаче телевидения на большие расстояния (за исключением системы I): Рекомендация 421.

2.105. МККР. Характеристики телевизионных каналов связи, предназначенных для международных передач: Рекомендация 567.

2.106. МККР. Единое значение отношения сигнал/шум для всех телевизионных систем: Рекомендация 658.

2.107. Аббуд И. О допустимых цветовых искажениях ТВ изображения// Техника кино и телевидения. 1974. № 5.

2.108. Pazderak J., Kepr M. Objektivne meritelne Kriterium Barevneho podany televiznino obrasu// Slaboproudy obzor. 1980. Sv.41. 13.

2.109. Pazderak J., Kepr M. Experimentalni stanoveni rozlisitelnych diferenci barvy a jeho aplikace// Slaboproudy obzor. 1984. Sv.45. 111.

2.110. CIE 1931 Color Space http://en.wikipedia.org/wiki/CIE 1931 color space

2.111. McAdam D.L. Sources of Color Science. Cambridge, MA, MIT Press, 1970.

2.112. Буксбаум Г., Бедросян С.Д. Зависимость количества цветов от числа уровней серого: количественное соотношение// ТИИР. Т.72. 1984. № 10.

2.113. МККР. Метод субъективной оценки качества телевизионных изображений: Рекомендация 500.

2.114. МККР. Субъективная оценка качества телевизионных изображений: Отчет 405.

2.115. Гофайзен О.В., Певзнер Б.М. Характеристики зависимости качества изображения от основных параметров ТВ-тракта. Ч. I.

2.116. Sallio P., Kretz F. Qualite subjective en television numerique. Premiere partie: Methodologie de son evalution // Revue de radiodiffusion-television. 1978. 152.

Литература к части II

2.117. ГОСТ 26320: Оборудование телевизионное студийное и внестудийное. Методы субъективной оценки качества цветных телевизионных изображений.

2.118. Антипин М.В. Интегральная оценка качества телевизионного изображения. М.: Наука, 1970.

2.119. Тилькин В.И. О системе оценок качества телевизионного изображения// Техника кино и телевидения. 1975. № 9.

2.120. White T.A., Allnatt Y.W., Lewis N.W. Double-stimulus Quality Rating method for Television Digital Codecs// Electron. Letters. 1980. V. 16.

2.121. Джеймс Д. Мюррей, Уильям ван Райпер. Энциклопедия форматов графических файлов/ Пер. с англ. BHV, Киев, 1997.

2.122. SVG файлы http://ru.wikipedia.org/wiki/SVG

2.123. GZIP сжатие http://sjwebway.info/service.htm

2.124. Жвалевский А., Гурский Ю., Корабельникова Г. Adobe Illustrator CS в теории и на практике. Изд-во «Новое знание», 2004.

2.125. Описание формата EMF http://msdn.microsoft.com/en-us/library/cc230514(v=prot.20).aspx

2.126. PICT (Macintosh QuickDraw Picture Format)

http://arttower.ru/tutorial/Svetilkin/spravochnicki/Flash5/ch14_8.html#25

2.127. Формат ShockWave Flash http://www.filetypes.ru/swf

Цифровые методы обработки изображений намного превосходят аналоговые по гибкости и эффективности. Основным преимуществом цифровых методов обработки является возможность сокращения объема передаваемой информации и обеспечения сжатия и передачи нескольких телевизионных программ в одном стандартном радиоканале. Добиться этого аналоговыми средствами невозможно.

В табл. III.1 приведена классификация основных используемых методов кодирования изображений.

Наиболее простой алгоритм кодирования изображений — импульсно-кодовая модуляция (ИКМ), при которой после квантования значений уровней пикселов производится их преобразование в цифровой код. Преобразование может осуществляться неадаптивно, когда каждый пиксел кодируется кодом с заранее заданным числом битов (например, 8), или адаптивно. В последнем случае кодирование производится кодами переменной длины в зависимости от текущей статистики пикселов.

Различные варианты дифференциальной импульсно-кодовой модуляции (ДИКМ) — кодирования с предсказанием — обеспечивают более эффективное сжатие изображений. Кодирование с предсказанием также может осуществляться неадаптивным (фиксированным) и адаптивным образом. При этом возможно повышение коэффициента сжатия изображения за счет использования условного замещения кодов, при котором если ошибка предсказания меньше некоторой заданной величины, то она не передается. Более точное предсказание осуществляется с использованием задержанного кодирования, когда предсказанные значения определяются не только предыдущими, но и последующими пикселами.

5.6. Компьютерные методы хранения изображений

Кодирование с преобразованием в настоящее время наиболее распространено. При этом используются различные унитарные преобразования — Фурье, Уолша– Адамара, Хаара, косинусное, синусное и др. Для оценки возможностей использования ортонормированных преобразований при кодировании конкретных изображений применяется преобразование Кархунена–Лоэва.

Кодирование с интерполяцией и экстраполяцией также используется в ряде случаев. В частности, его использование позволяет снизить частоту дискретизации, обеспечив при этом достаточно высокое качество воспроизводимого изображения.

При обработке статических изображений используется только пространственная субдискретизация, а при обработке подвижных изображений весьма эффективно применение временной субдискретизации.

Статистическое кодирование обеспечивает сжатие изображений без потери информации. Различные варианты статистического кодирования рассмотрены в Части II, посвященной вопросам статистической и визуальной избыточности изображений.

И наконец, в классификационной таблице имеется колонка «другие методы кодирования», в которой обозначены некоторые используемые методы обработки изображений, рассматриваемые в последующих главах. Особое внимание уделено принципам расчета и организации систем вейвлет-кодирования, при которых изображение разбивается на несколько различных по спектру составляющих с неизменным суммарным количеством пикселов. Такое преобразование изображения позволяет более эффективно использовать цифровую его обработку со значительным сокращением статистической и визуальной избыточности.

6.1. Компьютерные методы хранения изображений

Рис. 6.2. Изменение качества изображения при восстановлении чересточечной структуры

На практике часто используются линейные квантователи с 256 уровнями, что обеспечивает достаточно высокое качество воспроизводимых изображений. Уменьшение числа уровней квантования приводит к появлению визуально заметных шумов квантования, проявляющихся в виде ложных контуров на участках изображения, не содержащих мелких деталей. Уменьшение визуальной заметности этих искажений возможно путем добавления к восстановленному сигналу специального высокочастотного шума. При этом качество изображения может быть дополнительно повышено путем оптимизации характеристик такого шума.

В ряде случаев, например в прикладном телевидении, для сокращения объема информации используют чересточечное разложение изображений, при котором в одном из двух последовательных кадров в нечетных строках преобразуются нечетные пикселы, а в четных строках — четные; в другом же кадре преобразуются четные пикселы в нечетных строках, а нечетные пикселы — в четных строках. Это позволяет вдвое сократить объем передаваемой информации. При восстановлении изображения применяется интерполяция пропущенных пикселов по четырем их окружающим [3.5, 3.6].

На рис. 6.2 приведены исходное и восстановленное указанным образом изображения при чересточечном кодировании пикселов.

При кодировании цветных изображений оцифровке обычно подвергаются не сигналы основных цветов R, G, B, а их комбинации Y, I, Q или Y, U, V.

Это связано со свойствами зрительного анализатора человека. Шумы квантования менее заметны на красном и синем цветах деталей изображения, что позволяет снизить разрядность оцифровки цветоразностных сигналов до 6 битов/пиксел. Кроме того, при использовании комбинаций Y, I, Q или Y, U, V допустимо значительно меньшее пространственное разрешение для цветоразностных сигналов [3.5, 3.10–3.13].