CC BY
34
НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 10 № 3-2018 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
doi: 10.24411/2409-5419-2018-10077
методика адаптивного управления
защищенностью видовой информации
путем перераспределения ее избь1точности
ВИНОКУРОВ АННОТАЦИЯ
Александр Владимирович Эффективность функционирования комплексов с беспилотными летательными аппа-
ратами в значительной степени определяется защищенностью (конфиденциальностью, имитостойкостью и помехозащищенностью) информации, циркулирующей в их радиолиниях. Видовая информация, представленная в виде фото и видеоизображений, является одной из основной, циркулирующей в радиолиниях комплексов с беспилотными летательными аппаратами, например, выполняющих задачи фото и видео съемки. Традиционные подходы в виде последовательных операций сжатия видовой информации и последующего применения помехоустойчивого кодирования для защиты от помех в радиолинии эффекта не приносят. Для разрешения противоречия между требованиями по оперативности и достоверности видовой информации в условиях информационного противодействия со стороны противника, предложена методика адаптивного управления ее защищенностью. Предлагается применение технологий искусственного интеллекта и метода обработки видовой информации, поступающей на вход приемника с высокой скоростью в реальном масштабе времени, на основе параметрического представления изображений. Новизна заключается в формировании и подтверждении гипотезы повышения достоверности видовой информации в условиях помех в радиолинии за счет новых технологических операций по ее обработке непосредственно на борту беспилотного летательного аппарата путем частичного сохранения естественной избыточности и использования ее для устранения ошибок канала связи. Для сравнения оригинального и восстановленного изображения было разработано программное средство, вычисляющее пиковое отношение сигнал /шум для двух изображений, на основе среды имитационного моделирования Ма11аЬ. Получены зависимости качества видовой информации от битовой ошибки в радиолинии и оценка выигрыша от применения метода параметрической обработки видовой информации. Предложены уровни обработки видовой информации в зависимости от качественного состояния радиолинии.
Сведения об авторе:
к.т.н., доцент, д°кт°рант Краснодарск°го КЛЮЧЕВЫЕ СЛОВА: адаптивное управление защищенностью информации; видовая высшего военного училища им. генерала
„, информация; параметрическая обработка; перераспределение избыточности; автома-армии С.М. Штеменко, г. Краснодар, Россия, тг^'гг г
VAV73@rambler.ru тическая оптимизация.
Для цитирования: Винокуров А.В. Методика адаптивного управления защищенностью видовой информации путем перераспределения ее избыточности // Наукоемкие технологии в космических исследованиях Земли. 2018. Т. 10. № 3. С. 74-82. doi: 10.24411/24095419-2018-10077
В настоящее время технологии обработки видеосигнала развиваются высокими темпами. Исследования вопросов сжатия, защиты от ошибок и передачи видеоинформации в современных телекоммуникационных системах освещаются в научной и технической литературе достаточно подробно. При этом, методы и алгоритмы обеспечения требуемой достоверности и оперативности обработки и передачи фото и видеоинформации в комплексах с беспилотными летательными аппаратами (КБЛА), в условиях преднамеренных помех являются недостаточными.
Используемые модели и методы обработки и защиты видовой информации в КБЛА не разрешают ряда противоречий:
— между увеличением объема видовой информации, необходимой для достоверного принятия решения о характеристиках объекта мониторинга, с одной стороны, и ограниченным временем на ее обработку и передачу, с другой;
— между требуемой скоростью передачи видовой информации, с одной стороны, и пропускной способностью радиолинии в условиях целенаправленных воздействий противника, с другой.
Таким образом, возникает необходимость нахождения баланса между объемом, качеством видовой информации, временем ее обработки и передачи (рис. 1), что определяет необходимость адаптивного реагирование на состояние окружающей среды и помеховой обстановки в тракте передачи «БЛА — НПУ».
Рис. 1. Схема противоречий
Целью статьи является решение сформулированных противоречий путем построения адаптивной системы обработки и защиты видовой информации по критерию «достоверность» — «полнота» — «оперативность».
Уменьшение размера видовой информации обеспечивается за счет применения методов ее сжатия. Известен и широко применяется для сжатия и обработки видеопотока способ MPEG-4 со средней степенью сжатия, использующий дискретное косинус-преобразование (ДКП) на этапе сокращения пространственной избыточности [1]. Сканирование видеофрагментов ДКП производится зигзагообразным методом с остановкой на первом нулевом коэффициенте, что не является оптимальным, т.к. не адаптировано к структуре спектров фрагментов исходных
изображений. Способ сжатия видеоданных, в котором применяется трехмерное косинусное преобразование рассмотрен в работе [2]. Основным недостатком является применение фиксированных размеров объемного видеофрагмента ,3Kn-3D по трем координатам x, y и t, при этом сканирование элементов выполняется зигзагообразно, что делает данный способ кодирования менее эффективным с точки зрения достигаемого сжатия видеоданных при заданной ошибке передачи и с точки зрения возможности адаптации операций кодирования к статистике исходных изображений. Перспективным методом сжатия видеоинформации является техника, основанная на вейвлет-преобразованиях и широко применяемая в современных Web-камерах в среде Internet [3]. Интерес с точки зрения реализации в аппаратуре БЛА представляют способы обработки видеоинформации, описанный в работе [4].
Анализ рассмотренных, а также других современных методов сжатия видовой информации показывает, что они носят унифицированный характер для сжатия видеоизображения динамических сцен и являются избыточными для решения конкретной задачи сжатия видеоинформации, поступающей с фото- видеоаппаратуры БЛА. Кроме того, большой объем служебной информации, передаваемой в общем потоке данных на выходе кодера может составлять более 50% от общего объема данных[5], при этом качество восстановленных изображений является крайне чувствительными к искажению служебной информации. В этой связи известные алгоритмы не обеспечивают удовлетворительное качество восстановления изображений в точке приема в условиях сложной помеховой обстановки. В работах [6, 7] показано, что применение видеостандарта H.264 приводит к следующим зависимостям качества видеоданных от вероятности битовой ошибки Рош:
Р < 3-10~5 — битовые ошибки не влияют на каче-
ош
ство принимаемого видео и легко устраняются механизмами защиты от ошибок на канальном уровне;
Рош < 104 — обеспечивается превосходное качество видеопотока;
10-4 <Р < 4 104 — обеспечивается хорошее качество
ош
видеопотока;
410-4 < Рош < 810 4 — обеспечивается удовлетворительное качество;
810-4 < Рош < 103- плохое качество видеопотока;
Рош > 10-3 — очень плохое качество видеопотока.
Повысить достоверность видовой информации при ее передаче по радиоканалу возможно путем применения методов помехоустойчивого кодирования [8]. Однако, внесение дополнительной кодовой избыточности для восстановления видеоизображений приводит к существенному увеличению объема передаваемой информации, что обуславливает применение кодов Рида-Соломона и циклических кодов [9-10].
НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т. 10. № 3-2018 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
Построим модель обработки и защиты информации видовой информации на основе теоретико-множественного подхода в виде:
= (V , V , V , Y, Y', К, f , f , f , f , f f -1, f -1),
[ v вх цн вых 7 7 е7'/по7'/ сж7 ^ кр7 ^ пк7 ^ пк 7 J кр 7 J сж у7
где V , V , V , Y, Y', К — конечные множества:
вх цн вых e
входных потоков v eV ;
вх вх7
изображений целевых нагрузок v e V ; сжатых изображений v eV ;
г вых вых7
зашифрованных изображений ye Y; помехозащищенных изображений y'eY'; ключей криптозащиты кееКе;
fuo — функция предварительной обработки, f : V — V ;
J по вх цн7
f — функция окончательной обработки, f : V — V;
J сж г '^сж цн
f — функция криптозащиты, f : V—Y; f — функция помехоустойчивого кодирования,
f : Y — Y';
J пк
Л;1 — функция декодирования, /пк-1: Y'—Y; f^p-1 — функция снятия криптозащиты, f^-1: Y—V; /ж-1 — функция декомпрессии, /ж-1: V — V^. Функционально-временная зависимость обеспечения требуемых показателей качества видовой информации на этапах ее обработке представлена на рис. 2.
Оперативность прохождения видовой информации To будет зависеть от скорости обработки и размера видеоинформации и определяется следующим образом
^ ^ N.
т = Y—,
ы и,
где i = 1,5 - порядковый номер этапа обработки видовой информации;
U — скорость обработки видовой информации на /-ом этапе обработки;
N. — объем видовой информации на /-ом этапе обработки.
Постановка задачи заключается в максимизации вероятности правильного приема видовой информации
max Р
пр
Ограничения:
на время решения отдельных задач по обработке видовой информации
t <т., i = 1,5 i i" "
где т. — допустимое время на выполнение i-го этапа обработки;
на общее время прохождения видовой информации
I * T.
;=1
Решение задачи предлагается путем использования свойств видовой информации с точки зрения ее содержания и условий фото и видеосъемки. Изображения природного (естественного) характера являются с непрерывным тоном и могут содержать области, в которых цвет кажется глазу непрерывно меняющимся. В результате съемки искусственных объектов, машин и т.д. получаются дискретно-тоновые изображения. Так как пиксели таких изображений бывают одиночными или сильно меняют свои значения, то они плохо сжимаются методами с потерей данных. Соответственно целесообразно применение методов, которые разделяют изображение на непрерывно-тоновую и дискретно-тоновую части и сжимать их по-отдельности с разным коэффициентом сжатия и уровнем потери качества.
Постановка задачи определяется следующими условиями:
объекты мониторинга, в основном, менее динамичны по сравнению со скоростью БЛА (полезной нагрузки);
для ЛПР требуется не высокое разрешение исходного изображения (видео), а высокая степень детализации объ-
Рис. 2. Схема декомпозиции показателей качества информации по этапам ее обработки
екта (цели) мониторинга и оперативность его получения за время, не превышающее актуальности информации;
максимально допустимый объем передаваемой информации определяется пропускной способностью канала связи.
Стратегии решения задачи:
уменьшение объема видовой информации без снижения ее ценностного аспекта;
адаптация объема видовой информации к пропускной способности канала связи;
сохранение части естественной избыточности видовой информации для ее использования при передаче по радиоканалам низкого качества.
Методическим базисом решения задачи является управление защищенностью видовой информации путем перераспределения ресурсов («интеллекта») между подсистемой обработки информации и принятия решения на НПУ и подсистемой обработки информации на борту БЛА, а также сохранения естественной избыточности изображений для обеспечения их помехоустойчивости, т.е. перераспределение избыточности видовой информации.
Целью адаптивного управления защищенностью видовой информации является повышение ее защищенности в условиях деструктивных воздействий нарушителя путем формирования управляющих воздействий по рациональному перераспределению избыточности и корректировке структуры и параметров изображения.
Общая схема управления определяется алгоритмами оценивания и адаптивного регулирования в виде совокупности элементов:
информация о целях блока обработки информации { V}, где V — цель управления. Задача управления защищенностью информации сводится к виду
ДЦ=Ц*-Ц ^тш;
информация (прогнозирование) о состоянии радиолинии {2}, где — функция зависимости вероятности битовой ошибки Рош от помеховой обстановки в радиолинии;
анализ полученной информации и выработка целенаправленных информационных и технологических решений, корректировка параметров входной информации {V }; доведение управляющих воздействий {Я}. информация о результатах управления (оценки результатов воздействия) {V}.
На рис. 3 представлена модель управления защищенностью информации в виде системы автоматической оптимизации
В представленной модели (см. рис. 3) множество Я управляющих воздействий представлено:
г1 — параметр, определяемый качеством оптической линии г и состоянием радиоканала г
опт рл
г=Кг , г );
1 опт рл
г2 — параметр управления алгоритмами обработки информации {1..п}, где п — количество уровней обработки специальной информации;
г3 — параметр, определяющий допустимый размер изображения ¿(V );
в блоке оценки сравнивается желаемое качество изображения V* и действительное состояние V за счет определения его объема (Ь(У)). В результате формируется параметр управления г4 как функция невязки:
гА = f(V-V*).
Ограничением модели является ее статическое описание.
Адекватность модели подтверждается ее построением на основе модели с обратной связью с регулируемыми в реальном масштабе времени коэффициентами (регулятор Астрома), апробированной для решения подобных задач теории адаптивных систем управления.
Полнота модели определена включением в нее всех связей, необходимых и достаточных для решения поставленной задачи корректировки параметров блока обработки информации.
Для решения задачи идентификации изображений предлагается применение технологий искусственного интеллекта, в частности, искусственных нейросетей, обоснованием применения которых, является [11-12]:
возможность решения трудно формализуемых задач, в которых совместно используются данные логически несовместимой природы, неполные, «зашумленные», некорректные;
способность восстановления утраченных данных; хорошая сочетаемость с традиционными вычислительными алгоритмами обработки информации, позволяющая строить сложные системы управления с максимальной надежностью, адаптивностью и с минимумом расходуемых ресурсов.
Рис. 3. Модель управления защищенностью специальной информации
НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 10 № 3-2018 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
На рис. 4 представлена модель обработки видовой информации на основе комплексного применения двух нейросетей.
В общем виде процесс адаптивного управления защищенностью видовой информации представлен следующими этапами:
1. Этап оценивания.
Изучение состояния оптического канала, радиолинии и деструктивных возможностей противника.
2. Этап параметрической идентификации.
Применение алгоритмов параметрического метода
обработки информации (сегментация изображения, идентификация объектов, параметрическое представление изображений, фрагментация) [13-14].
Для выделения контуров на изображениях применим градиентный метод, основанный на процедурах пространственного дифференцирования посредством использования различных дифференциальных операторов: Робертса, Собеля, Кирша, Превита и др. [15]. Для решения частной
задачи обнаружения и распознавания цели мониторинга, характеризующейся яркостным контрастом относительно фона и по особенностям внешней формы, другими характеризующими признаками и их совокупностью, определения принадлежности к определенному классу, используем нейронную сеть с обратным распространением ошибки. Основу статистического подхода к задаче классификации образов составляет Байесовская теория принятия решений.
Результатом успешной идентификации целей будут массивы пикселей, соответствующие их изображениям. Этим массивам присваивается максимальный коэффициент значимости, к оставшимся фрагментам изображения применяется алгоритм объединения пикселей и уменьшения разрешения изображения. Демонстрация примера, приведена на рис. 5.
В результате применения параметрического метода обработки информации для данного примера объем изображения уменьшился с 43 до 37 кБ (см. рис. 5).
Рис. 4. Модель двухуровневой нейросети обработки видовой информации
Рис. 5. Исходное и обработанное изображения
3. Этап управления.
Регулирование настройки кодека. В блоке оценки формируется управляющая команда на принятие следующих решений:
а) принятие объема изображения;
б) применение алгоритма адаптации путем сохранения естественной избыточности изображения.
4. Этап оптимизации.
Адаптация размера и качества изображения пропускной способности радиолинии.
На данном этапе решается оптимизационная задача выбора параметров кадра изображения Ук где Ук = аЬс — объем кадра, бит;
а — ширина кадра, пикс.;
Ь — высота кадра, пикс.;
с — количество бит на 1 пиксель изображения (кадра) (глубина пикселей).
Методика адаптивного управления защищенностью видовой информации в виде блок-схемы алгоритма схематично приведена на рис. 6.
Оценку точности изображений можно оценить через среднеквадратическую ошибку (СКО, MSE), которая равна среднему квадратов ошибок (разностей пикселей) двух изображений
ско =1 £ (А - В, )2,
Им
где Л. — пиксели исходного изображения;
В. — пиксели восстановленного изображения.
Для оценки расхождения восстановленных и исходных изображений воспользуемся метрикой пикового отношения сигнал/шум (PSNR):
PSNR = 20 ln-
max. A RMSE
где RMSE — корень среднеквадратической ошибки MSE, который равен среднему квадратов ошибок (разностей пикселей) двух изображений
RMSE =J-X (4 - B. )2
Для оценки эффективности предлагаемых решений воспользуемся таблицей сравнения объективной (PSNR) и субъективной (MOS) оценки качества изображений [6].
Таблица 1
Соответствие объективной (PSNR) и субъективной (MOS) оценки качества изображений
Рис. 6. Блок-схема методики адаптивного управления защищенностью видовой информации
PSNR, дб MOS, % Качество
> 37 81 - 100 Отличное
32 - 37 61 - 80 Хорошее
26 - 31 41 - 60 Удовлетворительное
20 - 25 21 - 40 Низкое
< 20 0 -20 Плохое
НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 10 № 3-2018 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
Для сравнения оригинального и восстановленного изображения было разработано программное средство и использовалась функция для системы МаНаЬ, вычисляющая PSNR для двух изображений [3].
Графики зависимостей PSNR от битовой ошибки Ре для исходных изображений (график Исх) и после их обработки (график Рез) представлены на рис. 7.
о -1-1-1-1-1-1-1
О 0,00001 0,00005 0,0001 0,0005 0,001 0,005 0,01
Ре
Рис. 7. Графики зависимости PSNR от битовой ошибки
Анализ графиков (рис. 7) показывает, что выигрыш от применения метода параметрической обработки видовой информации находится в пределах 5-10 дБ, что определяет эффективность его применения при значительном ухудшении помеховой обстановки в радиолинии (при Ре<10"3).
В зависимости от качественного состояния радиолинии предлагаются уровни обработки видовой информации, представленные в табл. 2.
Таблица 2
Уровни обработки видовой информации в зависимости от качественного состояния радиолинии
Уровень Качественное состояние радиолинии Применяемые методы обработки специальной информации
1 Отличное Традиционные методы обработки
2 Очень хорошее
3 Хорошее Параметрический метод обработки
4 Нормальное
5 Удовлетворительно е Адаптивное управление защищенностью
6 Плохое
7 Неудовлетворительно е
Как видно из табл. 2, при высоком качестве радиолинии, что соответствует функционированию КБЛА в повседневных условиях, дополнительных мер по обработке и защите видовой информации не требуется. При ухудшении состояния радиолинии по естественным причинам или при непосредственном информационном противодействии со стороны противника применение параметрического метода обработки видовой информации и методики адаптивного
управления ее защищенностью позволит повысить вероятность правильного приема до необходимого уровня.
Таким образом, в статье предложена методика, позволяющая за счет сочетания структурных, параметрических математических представлений объектов мониторинга и математического аппарата нейронных сетей производить обработку видовой информации для выявления ценностной ее составляющей, с дальнейшей многоуровневой обработкой. Преимуществом применяемого параметрического метода является распараллеливание процессов обработки изображения за счет деления его на сегменты и обработки отдельными нейронами сети. Предлагаемые решения по обработке видовой информации с уменьшением количества и корреляции пикселей части изображения, которая не несет ценностную нагрузку, позволяют обеспечить сжатие изображения до уровня, определяемого пропускной способностью радиолинии. Сохранение части естественной избыточности видовой информации и использование ее для устранения ошибок, вызванных помехами в радиолинии, обеспечивает повышение вероятности правильного приема.
Литература
1. Ричардсон Я. Видеокодирование. Н.264 и MPEG-4— стандарты нового поколения: пер с англ. М.: Техносфера, 2006. 113 с.
2. Bozinovic N., Konrad J. Scan order and quantization for 3D-DCT coding // In Proc. Of SPIE Vis. Comm. And Im. Proc. 2003. Vol. 5150. Pp. 1204-1215.
3. Сэломон Д. Сжатие данных, изображений и звука: пер с англ. М.: Техносфера, 2004. 368 с.
4. Устинов А. А. Стохастическое кодирование видео-и речевой информации: Моногр. В 2 ч. Ч. 1 / под ред. проф.
B. Ф. Комаровича. СПб.: ВАС, 2005. 135 c.
5. Прэтт У. К. Цифровая обработка изображений: пер. с англ. В 2 кн. М.: Мир, 1982. Т. 1. 311 c.; Т. 2. 480 с.
6. Иванов Ю. А. Оценка качества потокового видеостандарта H.264 / AVC при передаче в нестабильных каналах связи широкополосных сетей беспроводного доступа 4G // Вестник Чувашского университета. 2010. № 3.
C. 268-278.
7. Иванов Ю.А., Лукьянцев С. А. Методика оценки качества декодирования видео стандарта H.264/AVC/SVC в беспроводных сетях // Электротехнические и информационные комплексы и системы. 2009. Т. 5. № 4. С. 35-48.
8. Морелос-Сарагоса Р. Искусство помехоустойчивого кодирования. Методы, алгоритмы, применение: пер с англ. М.: Техносфера, 2005. 320 с.
9. Дроздов С. Н., Жиглатый А. А., Кравченко П. П., Скороход С. В., Хусаинов Н. Ш. Об опыте реализации системы видеотрансляции в формате JPEG2000 и перспективах применения стандарта JPEG2000 для передачи видео
и мультиспектральных данных с борта БПЛА // Известия ЮФУ Технические науки. 2014. № 7. С. 161-170.
10. ITU-T Recommendation T.800. Information Technology — JPEG 2000 Image Coding System: Core Coding System. Approved in 2002-08-01. Geneva: ITU-T Series T: Terminal for Telematic Services, 2003. 212 p.
11. Терехов В. А., Ефимов Д. В., Тюкин И. Ю., Антонов В. Н. Нейросетевые системы управления. СПб: Изд-во С.- Петербургского госуд. университета, 1999. 256 с.
12. Miller W. T, Sutton R. S., Werbos P.J. (Eds.). Neural networks for control. The MIT Press, Cambridge, Mass., 1990. 524 p.
13. Винокуров А. В. Параметрический метод обработки видеоинформации на основе применения нейрон-
ных сетей как механизм адаптации размера изображений к пропускной способности канала связи // Промышленные АСУ и контроллеры. 2017. № 6. С. 36-39.
14. Винокуров А. В., Махов Д. С. Разработка программно-алгоритмического обеспечения адаптивной обработки видеоинформации на борту беспилотного летательного аппарата // Материалы Юбилейной XV Санкт-петербургской международной конференции «Региональная информатика (РИ-2016)» (26-28 октября 2016 г.). СПб.: СПОИСУ 2016. С. 69.
15. Писаревский А. Н. Чернявский А. Ф., Афанасьев Г. К. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) / Под общ. ред. А. Н. Писаревского, А. Ф. Чернявского. Л.: Машиностроение, 1988. 424 с.
METHODOLOGY OF ADAPTIVE CONTROL OF PROTECTION OF SPECIES INFORMATION BY REDISTRIBUTION OF ITS EXCESS
ALEKSANDR V. VINOKUROV,
krasnodar, russia, vAv73@rambler.ru
KEYwORDS: adaptive information security management; species information; parametric processing; redistribution of redundancy; automatic optimization.
ABSTRACT
The effectiveness of the operation of complexes with unmanned aerial vehicles is largely determined by the security (confidentiality, imitating and noise sustainability) of information circulating in their radiolines. Species information, presented in the form of photos and video images, is one of the main, circulating in radiolines complexes with unmanned aerial vehicles, for example, performing tasks of photo and video shooting. Traditional approaches in the form of sequential operations of compression of the species information and subsequent application of noise sustainability coding to protect against interference in the radio link do not bring the effect. To resolve the contradiction between the requirements for efficiency and reliability of species information in conditions of information counteraction from the enemy, a technique for adaptive management of its security was proposed. It proposes the application of artificial intelligence technologies and the method of processing the species information arriving at the receiver input with high speed in real time, based on the parametric representation of the images. The novelty lies in the formation and confirmation of the hy-
pothesis of increasing the reliability of the species information in the conditions of interference in the radio link due to new technological operations for its processing directly on board the unmanned aerial vehicle by partially preserving the natural redundancy and using it to eliminate communication channel errors. To compare the original and restored image, a software tool was developed that calculates PSNR for two images based on the Matlab simulation environment. Dependences of the quality of the species information on the bit error in the radio link and estimation of the gain from the application of the method of parametric processing of the species information are obtained. The levels of processing of the species information are proposed depending on the qualitative state of the radio link.
REFERENCES
1. richardson Ia. E. G. H.264 and MPEG-4 video Compression: video Coding for Next-generation Multimedia. Chichester: John wiley & Sons, Ltd. 2003. 306 p.
НАУКОЕМКИЕ ТЕХНОЛОГИИ В КОСМИЧЕСКИХ ИССЛЕДОВАНИЯХ ЗЕМЛИ, Т 10 № 3-2018 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
2. Bozinovic N., Konrad J. Scan order and quantization for 3D-DCT coding. In Proc. of SPIE Vis. Comm. and Im. Proc. 2003. Vol. 5150. Pp. 1204-1215.
3. Salomon D. A Guide to Data Compression Methods. New York: Springer, 2002. 295 p.
4. Yustinov A. A. Stohasticheskoe kodirovanie video- i rechevoj in-formacii [Stochastic coding of video and voice information. Mono-gr]. At 2 hours Pt. 1. St. Petersburg: Military Academy of the Signal Corps S. M. Budjonny Publ., 2005. 135 p. (In Russian)
5. Pratt W. K. Digital image processing. In 2 book. New York: John Wiley & Sons, 1978. 738 p.
6. Ivanov Yu. A. Evaluation of the quality of the H.264 / AVC streaming video standard for transmission of 4G wireless broadband access networks in unstable communication channels. Vestnik Chuvashsko-go universiteta [Bulletin of the Chuvash University]. 2010. No. 3. Pp. 268-278. (In Russian)
7. Ivanov Yu. A., Lukyantsev S. A. A technique for assessing the quality of H.264 / AVC / SVC video decoding in wireless networks. Electrical and data processing facilities and systems. 2009. Vol. 5. No. 4. Pp. 35-48. (In Russian)
8. Morelos-Zaragoza R. H. The Art of Error Correcting Coding. Wiley, 2002. 238 p.
9. Drozdov S. N., Zhiglaty A. A., Kravchenko P. P., Skorokhod S. V., Khusainov N. Sh. On the experience of realizing the video transmission system in JPEG2000 format and the prospects of using the JPEG2000 standard for video transmission and multispectral data from the UAV. Izvestiya SFedU. Engineering sciences. 2014. No. 7. Pp. 161-170. (In Russian)
10. ITU-T Recommendation T.800. Information Technology - JPEG
2000 Image Coding System: Core Coding System. Approved in 2002-08-01. Geneva: ITU-T Series T: Terminal for Telematic Services, 2003. 212 p.
11. Terekhov V. A., Efimov D.V., Tyukin I. Yu, Antonov V. N. Nejrosete-vye sistemy upravlenija [Neural network control systems] St. Petersburg: Saint Petersburg University Publ., 1999. 256 p. (In Russian)
12. Miller W. T., Sutton R. S., Werbos P. J. (Eds.). Neural networks for control. The MIT Press, Cambridge, Mass., 1990. 524 p.
13. Vinokurov A. V. Parametric method of processing video information based on the use of neural networks as a mechanism for adapting the image size to the bandwidth of the communication channel. Industrial Automatic Control Systems and Controllers. 2017. No. 6. Pp. 36-39. (In Russian)
14. Vinokurov A. V., Makhov D. S. Razrabotka programmno-algorit-micheskogo obespechenija adaptivnoj obrabotki videoinformacii na bortu bespilotnogo letatel'nogo apparata [Development of software and algorithmic support for adaptive processing of video information on board an unmanned aerial vehicle]. Proceedings of the Conference of Regional Informatics «RI-2016» (St. Petersburg, 26-28 October 2016). St. Petersburg: SPOISU, 2016. 69 p. (In Russian)
15. Pisarevsky A. N. Chernyavsky A. F., Afanasyev G. K. Sistemy teh-nicheskogo zrenija (principial'nye osnovy, apparatnoe i matemat-icheskoe obespechenie) [Systems of technical vision (fundamental principles, hardware and mathematical support)]. Leningrad: Mashi-nostroenie, 1988. 424 p. (In Russian)
INFORMATION ABOUT AUTHOR:
Vinokurov A. V., PhD, Docent, Doctoral Candidate of the Krasnodar Higher Military School named after army General S.M. Schtemenko.
For citation: Vinokurov A. V. Methodology of adaptive control of protection of species information by redistribution of its excess. H&ES Research. 2018. Vol. 10. No. 3. Pp. 74-82. doi: 10.24411/2409-5419-2018-10077 (In Russian)
i
