Методологія реструктуризації даних інформаційного ресурсу для підвищення ефективності статистичного кодування
DOI:
https://doi.org/10.18372/2310-5461.42.13801Ключові слова:
реструктуризація, кількісна ознака, кодуванняАнотація
У сучасних алгоритмах кодування для більш вигідного представлення кодованих даних активно використовується «реструктуризація» даних. Під цим поняттям розуміється трансформація вихідних даних в більш зручну форму з метою підвищення ефективності представлення кодованих даних.
У статті розглядаються питання, пов'язані з розробкою нового підходу до реструктуризації даних з метою підвищення ефективності статистичного кодування з позиції підвищення захисту та скорочення довжини на подання інформації. Досліджуються існуючі методи реструктуризації даних інформаційного ресурсу, які використовуються з метою більш вигідного представлення кодованих даних. Аналізуються недоліки методів зовнішньої реструктуризації даних, які активно використовуються у сучасних алгоритмах кодування інформації. Розроблено принципово новий підхід до реструктуризації даних інформаційного ресурсу – внутрішня реструктуризація, яка полягає у виявленні закономірностей у внутрішній структурі елементів повідомлення за кількісною ознакою. Аналізуються вимоги, що пред'являються до кількісної ознаки. Проводиться порівняльний аналіз існуючих методів реструктуризації даних. Для підвищення ефективності статистичного кодування з позиції скорочення довжини на подання інформації та підвищення захисту інформаційного ресурсу пропонується використовувати метод внутрішньої реструктуризації даних за кількісною ознакою.
Визначений напрям спонукає на подальшу розробку концепції для формування кількісної ознаки для використання методу внутрішньої реструктуризації даних інформаційного ресурсу у методах статистичного кодування з метою підвищення ефективності статистичного кодування з позиції підвищення захисту та скорочення довжини на подання інформації.Посилання
Сэломон Д. Сжатие данных, изображений и звука: Пер. с англ. В.В. Чепыжова. М.: Техносфера, 2004. 368 с.
Кудряшов Б.Д. Теория информации. СПб: Питер, 2009. 320 с.
Гонсалес Р., Вудс Р. Цифровая обработка изображений. М. : Техносфера, 2005. 1073 c.
Miano J. Compressed image file formats: JPEG, PNG, GIF, XBM, BMP / by John Miano, 1999. 264 p.
Мандель И. Д. Кластерный анализ. М.: Финансы и Статистика, 1988. 543 c.
Pratt W. K., Chen W. H., Welch L. R. Slant transform image coding. Proc. Computer Processing in communications. New York: Polytechnic Press, 1969. P. 63 84.
Jain A., Murty M., Flynn P. Data clustering: A review. ACM Computing Surveys. 1999. Vol. 31, no. 3. pp. 264–323.
Miano J. Formats and image compression algorithms in action. K.: Triumph, 2013. 336 p.
Ding Z., Chen H., Gua Y., Peng Q. GPU accelerated interactive space-time video matting. In Computer Graphics International. 2010. P. 163 168.
Lee S. Y., Yoon J. C. Temporally coherent video matting. Graphical Models 72. 2010. P. 25-33.
Воронцов К.В. Алгоритмы кластеризации и многомерного шкалирования. Курс лекций. МГУ, 2007. 145 c.
Lazarovych I., Melnychuk S., Kozlenko M. Optimization of entropy estimation computing algoritm for random signals in digital communication devices. Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET), 14th International Conference, 2018. P. 1073-1078.
Tso B., Mather P.M. Classification methods for remotely sensed data. US, CRC Press, 2009, 349 p.
Grundmann M., Kwatra V., Han M., Essa I. Efficient hierarchical graph based video segmentation. IEEE CVPR. 2010. P. 85 91.
Zhang Y., Negahdaripour S., Li Q. Error-resilient coding for underwater video transmission. OCEANS 2016 MTS/IEEE Monterey, Monterey. CA. 2016. pp. 1-7.
Musienko A., Ganjaric J. Technology of coding of digital aerial photographs taking into account classes of a semantic saturation of blocks in system of air monitoring. Engineer of XXI Century: VII Inter University Conference of Students, PhD Students and Young Scientists (08 December 2016 at the University of Bielsko-Biała (ATH) / Bielsko-Biała), Poland, 2016. pp. 215-220.
Barannik V., Sidchenko S., Tupitsya I., Stasev S. Synthesis of combined crypto-compressed systems for providing safety video information in info-communications. EWDTS: 2015 IEEE East-West Design & Test Symposium, Batumi, Georgia, 2015, pp. 1-4. DOI:10.1109/EWDTS.2015.7493145
Barannik V., Tupitsya I., Sidchenko S., Tarnopolov R. The method of crypto-semantic presentation of images based on the floating scheme in the basis of the upper boundaries. Problems of Infocommunications Science and Technology: 2nd International Scientific-Practical Conference PIC S and T 2015 (13 – 15 October 2015, Kharkiv), Ukraine. pp. 248-250, DOI:/10.1109/Infocommst.2015.7357326
Barannik V., Tupitsya I., Shulgin S., Sidchenko S., Larin V. The application for internal restructuring the data in the entropy coding process to enhance the information resource security. EWDTS: 2016 IEEE East-West Design & Test Symposium, Yerevan, Armenia, 2016. pp. 561-565. DOI:10.1109/EWDTS.2016.7807749
Бараннік В.В., Тупиця І.М., Бараннік В.В., Сорокун А.Д. Технологія кластеризації даних інформаційного ресурсу за кількісною ознакою ресурса. Наукоємні технології. 2018. Вип. 4(40). С. 398-404. DOI: 10.18372/2310-5461.40.13264
Barannik V., Tupitsya I., Dodukh O., Barannik V., Parkhomenko M. The Method of Clustering Information Resource Data on the Sign of the Number of Series of Units as a Tool to improve the Statistical Coding Efficiency. CADSM: 2019 IEEE 15th International Conference on the Experience of Designing and Application of CAD Systems (February 26 – March 2 2019, Polyana-Svalyava (Zakarpattya)), Ukraine. pp. 3/32-3/36.
