Исследование и разработка методов сжатия геоданных для передачи по каналам связи в глобальные сети

• Автор: Букин, Роман Николаевич
• Шифр специальности: 25.00.35
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Москва
• Количество страниц: 158 с. : ил.

1.1 Основные понятия.
1.2 Особенности методов сжатия
Методы сжатия без потерн информации. .
1.3.1 Метод группового кодирования
1.3.2 Метод сжатия
1.3.3 Метод Хаффмана
1.3.4 Метод ШеннонаФано
1.3.5 Арифметический метод
1.3.6 Метод .
1.4 Алгоритмы сжатия с потерями.
1.4.1 Рекурсивное сжатие
1.4.2 Метод сжатия .
1.4.3 Фрактальное сжатие
1.5 Сравнительные характеристики методов сжатия.
1.6 Форматы графических файлов
1.6.1 Формат I
1.6.2 Формат
1.6.3 Формат I.
1.6.4 Формат .
1.6.5 Формат
Выводы.
Глава 2. Сравнение дискретных преобразований по способности сжатия информации при обработке геоизображений.
2.1 Модель дискретного изображения
2.2 Вероятностные оценки спектральных характеристик дискретных преобразований Фурье, косинусного и КрестенсонаЛевн
2.2.1 Дискретное преобразование Фурье ДПФ.
2.2.2 Дискретное косинусное преобразование ДКП
2.2.3 Дискретное преобразование КрестенсонаЛеви ДПКЛ.
2.3 Свойства избыточности спектров дискретных преобразований Фурье и КрестенсонаЛевн вещественных сигналов
2.4 Теоретические опенки затрат нрн кодировании изображений с использованием дискретных преобразований Фурье, косинусного и КрестенсонаЛевн.
Выводы .
Глава 3. Разработка метода сжатия аэрокосмических изображений с применением дискретного преобразования КрестенсонаЛеви.
3.1 Общая методика построения методов сжатия растровых изображений
3.2 Быстрые алгоритмы вычнслепня дискретного преобразования Крестенсона
Леви
3.3 Сжатие изображений ири помощи квантования и кодирования спектров дискретного преобразования КрестенсонаЛеви
3.4 Алгоритм адаптивного арифметического кодирования даппых.
3.5 Оценка временных вычислительных затрат
Выводы.
Глава 4. Экспериментальные исследования эффективности сжатия аэрокосмических изображений при применении разработанного метода сжатия на основе дискретного преобразования КрестенсонаЛеви
4.1 Выделение классов изображений объектов аэрокосмических снимков на основе вероятностных характеристик.
4.2 Исследование эффективности современных методов сжатия, применительно к аэрокосмическим снимкам.
4.3 Исследование эффективности методов предварительного преобразования геоиэображеннй с целью увеличения степени сжатия данных.
4.4 Эффективность применения разработанного метода сжатия на основе дискретного преобразования КрестенсонаЛеви.
4.5 Зависимость коэффициентов сжатия при применении разработанного метода на основе дискретного преобразования КрестснсонаЛевк от статистических
параметров изображепий.
Выводы.
Заключение.
Литература


При использовании некой системы цветопредставления каждый пиксел представляет собой запись структуру, полями которой являются компоненты цвета. Самой распространенной является система , в которой цвет представлен значениями интенсивности красного , зеленого и синего В компонента. Цветовое пространство представляет цвет в трех каналах один канал выделен для значений яркости i, а два других для цветовой информации А и В. Причем, цветовые каналы соответствуют целой шкале, а не какомунибудь одному цвету. Канал А представляет непрерывный спектр от зеленого к красному, в то время как канал В от синего к желтому. Средние значения А и В соответствуют оттенкам серого. Существуют и другие системы цветопредставления, такие как , I Xi и т. Чтобы корректнее оценивать степень сжатия изображения, нужно ввести понятие класса изображений. Под классом будет пониматься некая совокупность изображений, применение к которым алгоритма архивации дает качественно одинаковые результаты. Например, для одного класса изображений данный алгоритм дает очень высокую степень сжатия, для другого почти не сжимает, для третьего увеличивает файл в размере многие алгоритмы сжатия могут, в худшем случае, увеличивать файл. Визуальным признакам изображения однотипных объектов, наличие больших областей, заполненных одним цветом, области с плавными цветовыми переходами и т. Математическим параметрам изображений количество цветов в палитре, размеры изображений и т. Статистическим характеристикам изображений среднее значение элементов изображения, их среднеквадратичное отклонение, коэффициент межэлементной корреляции и т.