Моделирование процессов сжатия цифровых изображений

Моделирование процессов сжатия цифровых изображений

Автор: Линьков, Вадим Вячеславович

Шифр специальности: 05.13.06

Научная степень: Кандидатская

Год защиты: 2008

Место защиты: Орел

Количество страниц: 144 с. ил.

Артикул: 3417342

Автор: Линьков, Вадим Вячеславович

Стоимость: 250 руб.

Моделирование процессов сжатия цифровых изображений  Моделирование процессов сжатия цифровых изображений 

СОДЕРЖАНИЕ
ВВЕДЕНИЕ.
1 АНАЛИЗ СПОСОБОВ И ПОДХОДОВ К СЖАТИЮ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ
1.1. Способы представления цифровых изображений
1.2. Классификация методов сжатия цифровых изображений. Описание и анализ основных широко используемых методов сжатия.
1.2.1 .Статистическое энтропийное кодирование
1.2.2.Кодированис одинаковых последовательностей
Ь2иодобные алгоритмы, Ь7Ж.
1.2.3.Кодирование на основе преобразования алгоритмы
.1РЕО и .1РЕС
1.3. Анализ подходов к оценке потерь качества при восстановлении изображений .
1.4.Анализ подходов к оценке эффективности методов сжатия.
1.5.Анализ программных средств повышения эффективности
применения методов сжатия цифровых изображений.
1 .б.Постановка задач на исследование
2. РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ РАСТРОВЫХ ИЗОБРАЖЕНИЙ
2.1 .Разработка алгебраической модели оценки растровых изображений
2.2.Разработка математической модели многорядной селекции и оценки растровых изображений.
3 РАЗРАБОТКА МЕТОДИКИ ОЦЕНКИ ЭФФЕКТИВНОСТИ И ВЫБОРА МЕТОДА СЖАТИЯ
3.1 .Разработка алгоритма комплексного анализа признаков
изображения
3.2.Алгоритм моделирования изображений на основе многорядной селекции с исключением незначимых элементов
3.3.Алгоритм оценки эффективности и выбора метода сжатия
3.4.Вывод ы.
4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МОДЕЛЕЙ И АЛГОРИТМОВ ЭФФЕКТИВНОГО СЖАТИЯ РАСТРОВЫХ
ИЗОБРАЖЕНИЙ
4.1. Автоматизированная система исследования методов и параметров сжатия
4.1.1 .Структура автоматизированной системы.
4.1.2.Разработка подсистемы сбора экспериментальных данных
4.1.3.Разработка подсистемы моделирования
4.2.Исследование эффекта от применения процедуры исключения незначимых элементов в математической модели многорядной селекции
4.3.Анализ многорядных моделей, получаемых на различных
наборах данных.
4.4. Автоматизация формирования электронных архивов в автоматизированной системе технологической подготовки производства
.Выводы.
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Разработана алгебраическая модель на основании гистограммных признаков первого и второго порядка. Приведена математическая модель многорядной селекции и оценки растровых изображений для описания неоднородностей изображения. Описана предлагаемая процедура исюиочения статистически незначимых элементов частных квадратичных моделей на основе анализа коэффициента множественной детерминации при использовании метода группового учета аргументов. В третьей главе представлено описание методики оценки эффективности и выбора метода сжатия. Для каждого этапа методики разработаны алгоритмы. В исследовании для каждой конкретной модели определены вычислительные затраты при ее применении и, произведено сопоставление их с вычислительными затратами на сжатие изображений. Это позволяет оценить целесообразность использования оценивающих моделей изображения для повышения эффективности применения методов сжатия. В четвертом главе представлено экспериментальное исследование предложенных моделей изображения и алгоритмов, и основные результаты их внедрения. Разработана автоматизированная система исследования методов и параметров сжатия, позволяющая осуществлять синтез многорядных моделей и интегрировать ее в различные системы обработки, хранения и передачи цифровых изображений. Разработанная автоматизированная система обеспечивает свободный доступ к созданной информации и возможность организации взаимодействия с другими функционирующими на предприятии системами (например, с автоматизированной системой технологической подготовки производства). Сокращение объема хранимой и передаваемой информации является исключительно актуальным при ведении состава изделия, получении полного комплекта конструкторской документации, управлении процессом конструкторской подготовки производства и защищенном хранении конструкторско-технологической документации. В заключении перечисляются основные результаты диссертационной работы и формулируются выводы. В приложении 1 помещены акты внедрения результатов диссертационной работы. При формальном описании растрового изображения используют два представления [, ]: детерминированное и статистическое. Для анализа часто переходят к вектору А, выстраивая в цепочку строки или, реже, колонки массива. Достоинства вектора: компактность обозначений и возможность использования методов, применяемых для обработки одномерных сигналов. Значением отсчета при описании чернобелого изображения будет либо 0 (черный цвет), либо 1 (белый цвет), при описании полутонового монохромного (в градациях серого) - значение яркости, при описании цветного изображения - вектор значений компонент в. Наиболее распространенными системами представления цветности являются красно-сине-зеленая координатная-система (ЯвВ), где компоненты соответствуют основным хроматическим составляющим красной (Я), зеленой (в) и синей (В), и координатная система УСгСЬ, где У - соответствует яркости, Сг - хроматическому красному, СЬ - хроматическому синему. Если количество цветов не превышает 6, при сохранении данных используют цветовую таблицу, или палитру, содержащую используемые в изображении цвета. Тогда значением пикселя является индекс в палитре, для хранения которого достаточно одного байта. Такой переход позволяет без применения методов сжатия сократить объем хранимых в файле данных в 3 раза без учета затрат на хранение палитры. ЗА^ (. С - количество цветов в палитре. Использование палитры размером больше 6 становится просто не выгодно, так как на кодирование индекса потребуется уже два байта. Детерминированное представление изображений используется для их обработки как дискретного двумерного сигнала. Использование детерминированного представления изображения при его моделировании с целью получения оценок максимально возможных коэффициентов и параметров сжатия делает эту задачу астрономически сложной. Случайный процесс описывается моментами и совместной плотностью вероятности []. Используются моменты первого и второго порядка. К(х,у; к,1) = Е{[а,у)-Е{а(х,у)}] [а*(к, 1)-Е{а*(к,Г)}]};(. К(х,у;х,у). Л4/У,,.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.262, запросов: 244