Показати скорочену інформацію

dc.contributor.authorМайданюк, В. П.uk
dc.contributor.authorПедченко, Я. В.uk
dc.date.accessioned2024-03-14T18:07:25Z
dc.date.available2024-03-14T18:07:25Z
dc.date.issued2021
dc.identifier.citationМайданюк В. П. Векторне квантування зображень на основі двовимірної карти кохонена [Електронний ресурс] / В. П. Майданюк, Я. В. Педченко // Матеріали L Науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р. – Електрон. текст. дані. – 2021. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2021/paper/view/11539.uk
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/39840
dc.description.abstractВекторне квантування з використанням двовимірних карт Кохонена забезпечує достатньо високі характеристики. Цілий ряд експериментів з різними типами зображень показав, що коефіцієнти ущільнення можуть знаходитися в межах 6 – 30. Для деяких зображень коефіцієнт ущільнення перевершує стандарт JPEG при тій же якості зображенняuk
dc.description.abstractVector quantization using two-dimensional Kohonen maps provides quite high characteristics. A number of experiments with different types of images have shown that the compression ratios can be in the range of 6 - 30. For some images, the compression ratio exceeds the JPEG standard with the same image quality.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали L Науково-технічної конференції підрозділів ВНТУ, Вінниця, 10-12 березня 2021 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2021/paper/view/11539
dc.subjectвекторне квантуванняuk
dc.subjectкодування зображеньuk
dc.subjectкарта Кохоненаuk
dc.subjectущільнення зображеньuk
dc.subjectvector quantizationen
dc.subjectimage codingen
dc.subjectKohonen mapen
dc.subjectimage compressionen
dc.titleВекторне квантування зображень на основі двовимірної карти кохоненаuk
dc.typeThesis
dc.identifier.udc681.3.05
dc.relation.referencesПрэтт У. Цифровая обработка изображений: Пер. с англ. – М.: Мир, 1982. – Кн.2. – 480 с.ru
dc.relation.referencesКруглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. – М.: Горячая лия – Телеком, 2001. – 382 с.: ил.ru
dc.relation.referencesКаллан Р. Основные концепции нейронных сетей.: Пер. с англ. – М.: «Вильямс», 2001. – 286 с.: ил.ru
dc.relation.referencesМайданюк В.П. Методи і засоби комп’ютерних інформаційних технологій. Кодування зображень. Вінниця: ВДТУ, 2001. – 63 с.uk
dc.relation.referencesНейроподібні методи ущільнення зображень / В.П. Майданюк, К.В. Кожем’яко, І.Р. Арсенюк // Оптико-електронні інформаційно-енергетичні технології. — 2009. — № 1 (17). — С. 37-45. — Бібліогр.: 5 назв. — укp.uk
dc.relation.referencesShadi M. S. Hilles, Volodymyr P. Maidaniuk. SOFM for Image Compression Based on Spatial Frequency Band-Pass Filter and Vector Quantization / Handbook of Research on Intelligent Data Processing and Information Security Systems Stepan Mykolayovych Bilan (State University of Infrastructure and Technology, Ukraine) and Saleem Issa Al-Zoubi (Irbid National University, Jordan) Copyright: © 2020 |Pages: 434 ISBN13: 9781799812906|ISBN10: 1799812901|ISBN13 Softcover: 9781799812913|EISBN13: 9781799812920 DOI: 10.4018/978-1-7998-1290-6; pp. 388- 403: https://www.igi-global.com/gateway/book/232290.uk


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію