Анализ и аппроксимация функций по эмпирическим данным на основе субполосных представлений
DOI:
https://doi.org/10.52575/2687-0932-2022-49-4-833-853Ключевые слова:
математический аппарат субполосного анализа эмпирических данных, аппроксимация функций, прикладные задачиАннотация
Эмпирические данные служат основным источником знаний о природных явлениях и процессах. Разработке методов анализа закономерностей их поведения в зависимости от конкретных условий посвящено большое количество работ, среди которых особое место занимают математические модели, описывающие исследуемые закономерности в количественном виде. В рамках данной работы показано, что многие общие аспекты анализа и аппроксимации функций по эмпирическим данным могут быть рассмотрены в рамках предложенного варианта субполосного анализа и синтеза с использованием основных понятий анализа Фурье.
Скачивания
Библиографические ссылки
Gantmakher, F.R. 1959. Theory of matrices. Publisher New York: Chelsea Pub. Co. 298 p.
González R.C., Woods R.E. 2008. Digital image processing, 3rd Edition. 976 p.
Horn R.A., Johnson Ch.R. 2013. Matrix analysis. 2nd ed. 662 p.
Lanczos C. 1959. Applied analysis. Prentice Hall, 539 p.
Pratt W.K. 2013. Introduction to Digital Image Processing. CRC Press. 756 p.
Solomon, C.J., Breckon, T.P. 2010. Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab. Wiley-Blackwell. 328 p.
Авдеев О.В., Чобану М.К., 2006. Сжатие изображений с помощью частичной сортировки вейвлет-коэффициентов. Цифровая обработка сигналов, №2.
Артюшенко В.М., Шелухин О.И., Афонин М.Ю., 2004. Цифровое сжатие видеоинформации и звука. М.: Дашков и К.
Болгова Е.В., Черноморец А.А., Черноморец Д.А. 2019. О субполосном анализе изображений в области определения косинус-преобразования. Информационные системы и технологии. 6(116): 5-11.
Дворкович В.П., Дворкович А.В., 2012. Цифровые видеоинформационные системы (теория и практика). М.: Техносфера.
Жиляков Е.Г., 2015. Оптимальные субполосные методы анализа и синтеза сигналов конечной длительности. Автоматика и телемеханика, выпуск 4, С. 51–66.
Жиляков Е.Г., Коськин А.В., Лубков И.И., Черноморец А.А. 2022. Субполосная аппроксимация изображений при сжатии объемов битовых представлений. Экономика. Информатика. 49(3): 607-615.
Жиляков Е.Г., Черноморец А.А., 2009. Вариационные алгоритмы анализа и обработки изображений на основе частотных представлений»: Белгород: Изд-во ГИК. – 146 c.
Заливин А.Н., Черноморец А.А., Жиляков Е.Г., Белов С.П. 2020. Анализ изображений на основе субполосных представлений в области пространственных частот. Инфокоммуникационные технологии. 18(1): 7-12.
Крящев В.В., Бекренев В.А., Соловьев В.Е., Никитин А.Е. 2011. Улучшение качества JPEG2000-изображений на основе модифицированного билатерального фильтра. Цифровая обработка сигналов, №3.
Методы компьютерной обработки изображений. Под ред. В.А. Сойфера. Москва: Физматлит, 2001. 784 с.
Радченко Ю.С. 2002. Алгоритм сжатия изображений на основе полиномиальных преобразований (алгоритм GDCT). Цифровая обработка сигналов, №1.
Стрелков Ф.В., Умняшкин С.В. 2003. Контекстное кодирование коэффициентов дискретного косинусного преобразования (ДКП) в JPEG-подобной схеме компрессии. Цифровая обработка сигналов, №2.
Просмотров аннотации: 97
Поделиться
Опубликован
Как цитировать
Выпуск
Раздел
Copyright (c) 2022 Экономика. Информатика
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
