Диссертация (Методы и устройство формирования сигналов в цифровых видеоинформационных системах), страница 27
Описание файла
Файл "Диссертация" внутри архива находится в папке "Методы и устройство формирования сигналов в цифровых видеоинформационных системах". PDF-файл из архива "Методы и устройство формирования сигналов в цифровых видеоинформационных системах", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ «МЭИ» . Не смотря на прямую связь этого архива с НИУ «МЭИ» , его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 27 страницы из PDF
–М.:Триумф, 2003.30. Ян Ричардсон. Видеокодирование. H.264 и MPEG-4 – стандарты новогопоколения. –М.: Техносфера, 2005.31. В. Никитин, М. Ефимов. Особенности использования видеокомпрессииMPEG-4 в сетевом видеонаблюдении // Алгоритм Безопасности № 2, 2006. –С. 16-19.32. Власюк И.В., Сидорова А.И., Романова Е.П. Особенности межкадровогокодирования видеоинформации по стандарту MPEG-4 // Материалычетвертойотраслевойнаучнойконференции-форума«Технологииинформационного общества».33. Libo Yang, Keman Yu, Jiang Li, Shipeng Li. An Effective Variable Block-SizeEarly Termination Algorithm for H.264 Video Coding // IEEE Transactions OnCircuits And Systems For Video Technology, Vol.
15, No. 6, June 2005, pp. 784– 788.34. ПоташниковА.М.Методыиалгоритмыкодированияцветовыхсоставляющих в системах цифрового телевидения // Фундаментальныепроблемырадиоэлектронногоприборостроения/МатериалыМеждународной научно-технической конференции «INTERMATIC-2011»14 – 17 ноября 2011 г., Москва. / Под ред. Чл.-корр. РАН А.С. Сигова. – М.:МГТУ МИРЭА – ИРЭ РАН, 2011, часть 3, – 254 с.35. LI Man Ho. Variable Block Size Motion Estimation Hardware for VideoEncoders // A Thesis Submitted in Partial Fulfilment of the Requirements for the184Degree of Master of Philosophy in Computer Science and Engineering, TheChinese University of Hong Kong, Nov 2006.36.
D. Lin, Cheng-Tie Chen, T. Hsing. Video on phone lines: technology andapplications // Proceedings of the IEEE, Volume 83, Number 2, February 1995,pp. 175 – 193.37. F. Lallauret, D. Barba. Motion compensation by block matching and vectorpost-processing in sub-band coding of TV signals at 15 Mbit/s // Proc. SPIE, Vol.1605, pp. 26–36.38.
Поляков Д.Б. Блочные алгоритмы оценки движения // Труды Московскоготехнического университета связи и информатики: – М.: “ИД МедиаПаблишер”, 2008.– Т.1. – С. 463–466.39. Gharavi, H., Mills, M. Blockmatching motion estimation algorithms-new results// Circuits and Systems, IEEE Transactions, Volume:37 , Issue: 5, 2002, pp. 649651.40.
M. R. KHAMMAR. Evaluation of different block matching algorithms to motionestimation // International Journal of VLSI and Embedded Systems-IJVES, Vol03, Issue 03, July-August 2012, pp. 148-153.41. T. Koga, K. Iinuma, A. Hirano, Y. Iijima, and T. Ishiguro, Motion compensatedinterframe coding for video conferencing // Proc. Nat. Telecommun.
Conf., NewOrleans, LA, Nov. 29–Dec. 3 1981, pp. G5.3. 1–5 .3.5.42. R. Li, B. Zeng, and M. L. Liou. A new three-step search algorithm for blockmotion estimation // IEEE Trans. Circuits Syst. Video Technol., vol. 4, Aug.1994, pp. 438– 442.43. L.M. Po, W.C. Ma. A novel four-step search algorithm for fast block motionestimation // IEEE Trans. Circuits Syst. Video Technol., vol. 6, June 1996, pp.313– 317.44. Дворкович В., Чобану М. Проблемы и перспективы развития системкодирования динамических изображений. // MediaVision информационнотехнический журнал, № 7/17, сентябрь 2011. – С. 62-63.18545.
Пономарев О.Г., Шарабайко М.П., Поздняков А.А. Анализ эффективностиметодов и алгоритмов видеокомпрессии стандартаH.265/HEVC. //Электросвязь, № 3, 2013. –С. 29-33.46. Gary J. Sullivan, Jens-Rainer Ohm, Woo-Jin Han, Thomas Wiegand. Overviewof the High Efficiency Video Coding (HEVC) Standard. // IEEE Transactions OnCircuits And Systems For Video Technology, Vol. 22, No. 12, December 2012.47. Vivienne Sze, Madhukar Budagavi. A Comparison Of CABAC Throughput ForHEVC/H.265 vs. AVC/H.264 // IEEE Workshop on Signal Processing Systems,2013.48.
Зубарев Ю.Б., Сагдуллаев Ю.С., Сагдуллаев Т.Ю. Видеоинформационныетехнологии систем связи: Монография – М.: Издательство «Спутник+»,2011. – 296 с.: ил.49. В.Н. Безруков, Л.И. Дьячкова, Ю.А. Воронкова. Метод сжатия спектрателевизионного сигнала с фазо-временными преобразованиями блочнойструктуры отсчетов // Материалы VI Международной научно-техническойконференции, 21 – 23 октября 2008 г., сс. 316-320.50.
Reeja S.R., N. P. Kavya. Noise Reduction in Video Sequences – The State ofArt and the Technique for Motion Detection. // International Journal of ComputerApplications (0975 – 8887) Volume 58– No.8, November 2012, pp. 31-36.51. Xiaolin Tian, LichengJiao, Ying Duan. Video denoising via spatially adaptivecoefficient shrinkage and threshold adjustment in surfacelet transform domain. //Springer, 15 may 2012.52. G.Healey, R.Kondepudy. Radiometric CCD Camera Calibration And NoiseEstimation // IEEE, PAMI, 1994, pp. 267– 276.53. Ling Shao, Ruomei Yan, Xuelong Li, Yan Liu. From Heuristic Optimization toDictionary Learning: A Review and Comprehensive Comparison of ImageDenoising Algorithms // Cybernetics, IEEE Transactions, Volume:44 , Issue: 7,2013, pp.
1001-1013.54. L. Shapiro, G. Stockman. Computer Vision. USA: Prentice Hall, 2001.18655. N. Wiener. Extrapolation, Interpolation, and Smoothing of Stationary TimeSeries. New York, Wiley, 1949.56. B. Widrow, S. Haykin,Least-mean-square adaptive filters. Wiley-IEEE, 2003.57. L. Shao, H. Zhang, G. de Haan. An overview and performance evaluation ofclassification-based least squares trained filters. // IEEE Trans. Image Process.,vol. 17, no. 10, Oct.2008, pp.
1772–1782.58. C. Tomasi, R. Manduchi, Bilateral filtering for gray and color images. // Proc.6th Int. Conf. Computer Vision, Bombay, India, 1998, pp. 839–846.59. G. Z. Yang, P. Burger, D. N. Firmin, S. R. Under-wood. Structure adaptiveanisotropic filtering. Image Vision Comput., vol. 14, 1996, pp. 135–145.60. H. Takeda, S. Farsiu, P. Milanfar. Kernel regression for image processing andreconstruction. IEEE Trans. Image Process., vol.
16, no. 2, Feb. 2007, pp. 349–366.61. X. Zhu, P. Milanfar. Automatic parameter selection for denoising algorithmsusing a no-reference measure of image content. // IEEE Trans. Image Process.,vol. 19, no. 12, Dec. 2010, pp. 3116–3132.62. P. Bouboulis, K. Slavakis, S. Theodoridis. Adap-tive kernel-based imagedenoising employing semi-parametric regularization.
// IEEE Trans. ImageProcess., vol. 19, no. 6, Jun. 2010, pp. 1465–1479.63. A. Buades, B. Coll, J. M. Morel. A non-local algorithm for image denoising. //inProc. IEEE Int. Conf. on Computer Vision and Pattern Recognition, vol. 2. SanDiego, CA, USA: IEEE Press, 2005, pp. 60–65.64. С. Путилин, А. Лукин «Модификация метода нелокального усреднения дляподавления шума в видео» // Труды конференции Graphicon-2007, Москва,Россия, июнь 2007.
– С. 257–259.65. B.Goossens, H.Luong, A.Pizurica, W.Philips. An improved non-local denoisingalgorithm // in Proc. Int. Workshop on Local and Non-local Approximation inImage Process, Tuusalu, Finland, 2008, pp. 143–156.18766. K. Dabov, A. Foi, V. Katkovnik, K. Egiazarian. Image denoising by sparse 3-dtransform-domain col-laborative filtering. // IEEE Trans.
Image Process., vol. 16,no. 8, Aug. 2007, pp. 2080–2095.67. J. Portilla, V. Strela, M. J. Wainwright, and E. P. Simon-celli. Image denoisingusing scale mixtures of gaussians in the wavelet domain. // IEEE Trans. ImageProcess., vol. 12, no. 11, Nov. 2003, pp. 1338–1351.68. L. Zhang, W. Dong, D. Zhang, and G. Shi.
Two-stage image denoising byprincipal component analysis with local pixel grouping. // Pattern Recognition,vol. 43, no. 4, Apr. 2010, pp. 1531–1549.69. J. Mairal, F. Bach, J. Ponce, G. Sapiro, and A. Zisserman. Non-local sparsemodels for image restoration. // inProc.
IEEE Int. Conf. Computer Vision, Kyoto,Japan, 2009, pp. 2272–2279.70. M. Elad and M. Aharon. Image denoising via sparse and redundantrepresentations over learned dictionaries. // IEEE Trans. Image Process., vol. 15,no. 12, Dec. 2006, pp. 3736–3745.71. W. Dong, X. Li, L. Zhang, G. Shi. Sparsity-based image denoising via dictionarylearning and structural clustering. // inProc. IEEE Int. Conf. on Computer Visionand Pattern Recognition, Colorado, USA, 2011.72.
Б. В. Бардин Быстрый алгоритм медианной фильтрации. // Обработка ипредставление данных. Научное приборостроение, 2011, том 21, № 3. – С.135–139.73. Р.Гонсалес, Р. Вудс. Цифровая обработка изображений. – М.: Техносфера,2006.74. Р. Гонсалес, Р. Вудс, С. Эддинс Цифровая обработка изображений в средеMATLAB. –М.: Техносфера, 2006.75. Hiroyuki Takeda, Sina Farsiu, Peyman Milanfar.
Kernel Regression for ImageProcessing and Reconstruction. // IEEE Transactions On Image Processing, Vol.16, No. 2, February 2007, pp. 349-366.18876. Xiang Zhu, Peyman Milanfar. Automatic Parameter Selection for DenoisingAlgorithms Using a No-Reference Measure of Image Content // ImageProcessing, IEEE Transactions, Volume:19 , Issue: 12, 2010.77. Boshra Rajaei. An Analysis and Improvement of the BLS-GSM DenoisingMethod // Image Processing On Line, 4, 2014, pp.
44–70.78. А.О. Антоненко. Кодирование и восстановление последовательностей //Математичні машини і системи, № 4, 2006. – С. 63-68.79. Рачковский Д.А., Слипченко С.В., Куссуль Э.М., Байдак Т.Н. Разреженноебинарное распределенное кодирование скалярных величин // Проблемыуправления и информатики, 2005, № 3. – С. 89–103.80. Honglak Lee, Alexis Battle, Rajat Raina Andrew Y. Ng. Efficient sparse codingalgorithms // NIPS, 2006.81.