Analysis and Approximation of Functions from Empirical Data Based on Subband Representations
DOI:
https://doi.org/10.52575/2687-0932-2022-49-4-833-853Keywords:
mathematical apparatus of subband analysis of empirical data, function approximation, applied problemsAbstract
Empirical data serve as the main source of knowledge about natural phenomena and processes. Many works are devoted to the development of methods for analyzing the patterns of their behavior depending on specific conditions, among which a special place is occupied by mathematical models that describe the patterns under study in a quantitative form. In the framework of this work, it is shown that many general aspects of the analysis and approximation of functions from empirical data can be considered within the framework of the proposed version of subband analysis and synthesis using the basic concepts of Fourier analysis.
Downloads
References
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.
Abstract views: 79
Share
Published
How to Cite
Issue
Section
Copyright (c) 2022 ECONOMICS. INFORMATION TECHNOLOGIES
This work is licensed under a Creative Commons Attribution 4.0 International License.
