Статистический и информационный анализ обнаружения изменений в последовательности двумерных полей

• Автор: Булыгин, Алексей Владимирович
• Шифр специальности: 01.04.03
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Воронеж
• Количество страниц: 205 с. : ил.

Оглавление
Введение
1. Принципы кодирования источника сигнала в информационных радиотехнических системах

1.1. Радиосистемы передачи мультимедийной информации

1.1.1. Обобщенная структура системы передачи информации

1.1.2. Инфомационные объемы мультимедийных приложений

1.1.3. Современные системы передачи информации и их характеристики

1.2. Существующие стандарты сжатия видео

1.2.1. Принципы кодирования видеоизображений

1.2.2. Семейство стандартов MPEG

1.2.3. Семейство стандартов Н.26х

1.3. Ортогональные преобразования сигналов и полей
1.3.1. Ортогональное и биортогональное векторное преобразование сигналов
1.3.2. Полиномиальное преобразование
1.3.3. Дискретные преобразования сигналов DCT и Wavelet
1.3.4. Дискретное чебышевское преобразование GDCT
1.4. Структура и свойства спектров сигналов и полей
1.5. Принцип видеокодирования MGDCT
1.5.1. Особенности системы видеокодирования MGDCT
1.5.2.Этапы кодирования MGDCT
2. Синтез и анализ многоальтернативного обнаружения изменений поля
2.1. Постановка задачи обнаружения: модели изменений
2.2. Синтез блочных спектральных алгоритмов обнаружения изменений поля
2.2.1. Оптимальные алгоритмы
2.2.2. Квазиоптимальные алгоритмы
2.3. Характеристики многоальтернативного обнаружения изменений в блоках
2.3.1. Вероятности ошибочных решений при двух гипотезах
2.3.2. Вероятности ошибок в многоальтернативном случае
2.4. Экспериментальное исследование характеристик обнаружения изменений в блоках
2.5. Алгоритм обнаружения изменений на основе сегментации поля
3. Анализ информационных и статистических характеристик сигналов и
полей на основе спектрального описания
3.1. Информационное описание полей в спектральном представлении .
3.2. Внутриблочная корреляция спектров при непрерывных ортогональных преобразованиях
3.2.1. Спектральное разложение случайного поля в обобщенные ряды Фурье
3.2.2. Корреляция спектральных коэффициентов при разложении по базису с неограниченной областью определения
3.2.3. Корреляция спектральных коэффициентов при разложении по базису с ограниченной областью определения
3.3. Межблочная корреляция спектральных коэффициентов при непрерывных ортогональных преобразованиях
3.4. Корреляция спектральных коэффициентов при дискретных преобразованиях
3.4.1. Моменты и межблочная корреляция нулевой спектральной моды при DCT преобразовании
3.4.2. Моменты и внутриблочная корреляция ненулевых спектральных мод при DCT преобразовании
3.4.3. Межблочная корреляция одноименных спектральных мод при DCT преобразовании
3.5. Расчет и экспериментальное исследование энтропии спектра двумерного поля
4. Обнаружение и оценка структурного подобия декодированных изображений
4.1. Современные объективные критерии структурного подобия
4.2. Исследование энтропии и структурного подобия декодированных изображений
4.3. Непарамстрические критерии структурного подобия
4.4. Исследование структурного подобия при наличии искажений
4.4.1. Структурное подобие при наличии импульсных помех
4.4.2. Структурное подобие при наличии квазигауссовских помех..
4.4.3. Структурное подобие при наличии блочности
4.4.4. Структурное подобие при наличии размытости
4.4.4. О возможности использования критериев структурного подобия для обнаружения смены сцен
Заключение
Библиографический список использованных источников
Приложения
1. Сэмплирование отсчетов в GDCT
2. Обзор матриц квантования JPEG, MPEG, Н.26х
3. Исследование интегрального критерия оценки структурного подобия

Таким образом, все изображение содержит в себе 3 матрицы значений цветов для каждого пикселя соответственно. Существенные искажения значений в этих матрицах приводят к сильно заметным для зрительной системы человека изменениям. Поэтому прежде чем обрабатывать изображение его, как правило, переводят в другое цветовое пространство. Так, например, широко используется цветовое пространство УПУ, где У — является яркостной компонентой, и и V — цветоразностные синие и красные компоненты. Ввиду особенностей зрительной системы человека изменения яркости гораздо более заметны для человеческого глаза, чем изменения цвета. Поэтому компоненты изображения в пространстве УЛУ обрабатываются по-разному. Компонента У подвергается более щадящим искажениям, чем компоненты Л и V, которые можно достаточно сильно сжимать или искажать незаметно для восприятия человеческим глазом.
Ортогональные преобразования являются основным методом, использующимся при сжатии информации с потерями. Так в результате ортогональных преобразований удается избавиться от пространственной зависимости значений точек изображения. Рассмотрим основные типы и свойства ортогональных преобразований и определим наиболее подходящие для разложения реальных видеопоследовательностей, следуя изложению данного вопроса в [36].
Пусть на интервале [а,Ь] задана ограниченная, неубывающая функция о(г), заданная на II. Тогда под скалярным произведением двух функций Д/.) и g(z) будем понимать интеграл Лебега-Стилтьеса [13, 14]

Здесь символ (*) означает комплексное сопряжение.
Если функция а(г) абсолютно непрерывна, то ба(г) = р(г)ёг. Функция с1о(г) называется распределением стилтьесовского типа [12], а р(г) -весовой функцией (или просто весом). Для функции р(г) имеют место соотношения: