Аннотация:
Рассматривается задача сжатия изображений на фрагментах произвольной формы. Теоретически обосновываются возможности построения гетероассоциативных и автоассоциативных сжимающих преобразований фрагментов реализаций случайных полей с использованием нейронных сетей.

Ключевые слова :
сжатие информации, нейронные сети, обработка изображений, цифровые водяные знаки.

Цитирование:
Сирота, А.А. Обобщённые алгоритмы сжатия изображений на фрагментах произвольной формы и их реализация с использованием искусственных нейронных сетей / А.А. Сирота, М.А. Дрюченко // Компьютерная оптика. – 2015. – Т. 39, № 5. – С. 751-761. – DOI: 10.18287/0134-2452-2015-39-5-751-761.

Литература:

1. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео / Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин. – М.: Диалог-Мифи, 2002. – 384 с.
2. Назаров, Л.Е. Применение искусственных нейронных сетей для сжатия РСА и сканерных изображений земной поверхности / Л.Е. Назаров // Исследование Земли из космоса. – 1999. – № 5. – С. 44-50.
3. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. – М.: Вильямс, 2005. – 1104 с.
4. Попов, В.Г. Свойства сходимости весов автоассоциативной двуслойной линейной нейронной сети при построении сжимающих отображений случайных векторов / В.Г. Попов, А.А. Сирота // Нейрокомпьютеры. – 2009. – № 5.– С. 3-11.
5. Компьютерная стеганография. Теория и практика / Г.Ф. Конахович, А.Ю. Пузыренко. – М.: МК-Пресс, 2006. – 288 с.
6. Глумов, Н.И. Алгоритм встраивания полухрупких цифровых водяных знаков для задач аутентификации изображений и скрытой передачи информации / Н.И. Глумов, В.А. Митекин // Компьютерная оптика. – 2011. – Т. 35, № 2. – С. 262-267. – ISSN 0134-2452.
7. Нейронные сети для обработки информации / C. Осовский. – М.: Финансы и статистика, 2002. – 344 с.
8. Анализ и компьютерное моделирование информационных процессов и систем / Э.К. Алагазинов, А.А. Сирота. – М.: Диалог-МИФИ, 2009. – 416 с.
9. Сирота, А.А. Сходимость весов двухслойной линейной нейронной сети при построении оптимальных оценок случайных векторов / А.А. Сирота, Е.Ю. Митрофанова // Нейрокомпьютеры: разработка и применение. – 2011. – № 7. – C. 39-48.
10. Введение в статистическую теорию распознавания образов / К. Фукунага; пер. с англ. – М.: Наука, 1979. – 368 с.
11. Линейные статистические методы и их применения / С.Р. Рао. – М.: Наука, 1968. – 548 с.
12. Набор тестовых изображений «Kodak Lossless True Color Image Suite» [Электронный ресурс]. – URL: http://r0k.us/graphics/kodak/ (дата обращения 10.10.2015).
13. Набор тестовых изображений «TESTIMAGES» [Электронный ресурс]. – URL: http://testimages.tecnick.com (дата обращения 10.10.2015).
14. Сирота, А.А. Нейросетевые функциональные модели и алгоритмы преобразования информации для создания цифровых водяных знаков / А.А. Сирота, М.А. Дрюченко, Е.Ю. Митрофанова // Известия вузов. Радиэлектроника. – 2015. –Т. 1, № 1. – С. 3-16.
15. Сирота, А.А. Анализ стойкости алгоритмов создания цифровых водяных знаков на основе универсальных сжимающих преобразований по отношению к типовым стеганографическим атакам / А.А. Сирота, М.А. Дрюченко, Е.Ю. Митрофанова // Сборник трудов Международной научно-технической конференции «Кибернетика и технологии XXI века (C&T 2015г.)». – Воронеж, 2015.– С. 57-68.

---

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E mail: ko@smr.ru; Phones: +7 (846) 332 56 22, Fax: +7 (846) 332 56 20