Исследование возможности определения точки фрагментации в растровых графических файлах без сжатия

Написать диплом по теме «Исследование возможности определения точки фрагментации в растровых графических файлах без сжатия»

Исследование точки фрагментации в растровых изображениях без сжатия — это задача анализа целостности данных при повреждении или частичной потере файла. Работа включает разработку алгоритма детекции разрыва в битовом потоке, анализ структуры BMP/TIFF, и восстановление метаданных. В статье — полная структура ВКР для ВШЭ, примеры кода на Python, чек-листы и типичные ошибки студентов.

Нужен разбор вашей темы Исследование возможности определения точки фрагментации в растровых графических файлах без сжатия? Получите бесплатную консультацию: @Diplomit | +7 (987) 915-99-32 (WhatsApp)

Актуальность темы

Фрагментация растровых файлов — частая проблема при аварийном завершении работы, повреждении носителя или ошибке записи. Особенно критична для форматов без сжатия: BMP, TIFF, RAW. Они хранят данные в «открытом» виде, но не имеют встроенной проверки целостности.

По данным ФСТЭК России (2024), до 18% цифровых утечек в госорганах связаны с некорректной обработкой бинарных файлов. А в медицинской визуализации — где используются TIFF-изображения — потеря части данных может привести к ошибочной диагностике.

На практике студенты ВШЭ часто выбирают темы, связанные с восстановлением данных. Эта — одна из самых технически насыщенных: требует знаний бинарного анализа, структуры файлов и алгоритмов поиска.

Цель и задачи

Цель исследования: разработать метод определения точки фрагментации в растровых графических файлах без сжатия и реализовать программный инструмент для её обнаружения.

Задачи:

1. Изучить структуру растровых форматов BMP и TIFF по спецификациям Microsoft и Adobe.
2. Проанализировать типы повреждений: обрезка, битые байты, сдвиг смещений.
3. Разработать алгоритм поиска точки фрагментации на основе сигнатур и контрольных сумм.
<4>Реализовать прототип на Python с использованием библиотек struct, numpy, pillow.
4. Провести тестирование на искусственно повреждённых файлах.
5. Оценить эффективность метода (точность, время выполнения).
6. Оформить результаты в соответствии с ГОСТ 34.602-2020 и требованиями ВШЭ.

Задачи соответствуют методичке ВШЭ по направлению 09.03.02: от анализа до реализации и оценки.

Объект и предмет исследования

• Объект: процесс обработки растровых изображений в медицинском архиве (на примере ГБУЗ "Московский областной онкодиспансер").
• Предмет: методы анализа целостности данных в файлах без сжатия.

Не путайте: объект — где вы проводите анализ, предмет — что именно изучаете. Это частая ошибка студентов.

Рекомендуемая структура дипломной работы

Пример введения для ВШЭ

В медицинской визуализации растровые файлы без сжатия (TIFF, BMP) используются для хранения изображений КТ и МРТ. Потеря даже одного сектора данных может сделать изображение непригодным для анализа. На практике повреждения возникают при сбоях оборудования, передаче по сети и долгосрочном хранении.

Существующие инструменты восстановления (например, PhotoRec) работают на уровне файловой системы, но не определяют точную позицию фрагментации. Это снижает шансы на полное восстановление.

Целью данной работы является разработка метода определения точки фрагментации в растровых файлах без сжатия и создание программного модуля для его реализации. Работа опирается на анализ бинарной структуры файлов, использование сигнатур и алгоритмов проверки целостности.

Как написать заключение по Прикладная информатика

В ходе исследования была проанализирована структура растровых форматов BMP и TIFF. Разработан алгоритм определения точки фрагментации на основе поиска сигнатур, анализа заголовков и контрольных сумм. Прототип, реализованный на Python, показал точность обнаружения 94% на выборке из 200 повреждённых файлов.

Практическая значимость заключается в возможности интеграции метода в системы архивирования медицинских изображений. Это снизит риски потери данных и повысит надёжность хранения.

Рекомендуется дальнейшее развитие алгоритма с поддержкой RAW-форматов и оптимизацией под GPU.

Требования к списку литературы ВШЭ

Список оформляется по ГОСТ Р 7.0.100-2018. Обязательно включить:

• Нормативные документы (ГОСТы, стандарты)
• Специализированную литературу (учебники, монографии)
• Научные статьи (не менее 10% за 2024–2025 гг.)
• Официальную документацию (например, Adobe TIFF Specification)

Примеры проверенных источников:

1. Library of Congress — TIFF Format Description
2. Microsoft BMP Specification

Вопросы, которые часто задают студенты

Можно ли использовать готовые решения в ВКР?

Да, но с адаптацией. Например, можно взять за основу алгоритм из статьи на CyberLeninka, но переписать его под свою задачу, добавить тесты и интегрировать в систему. Чистое копирование — риск провала на защите.

Сколько страниц должна быть практическая часть?

В ВШЭ — от 40 до 60 страниц. Включайте: схемы алгоритмов, листинг кода (фрагменты), результаты тестов, скриншоты интерфейса (если есть GUI). Главное — показать, что вы сами писали и тестировали.

Можно ли использовать open-source решения?

Да, и даже рекомендуется. Например, библиотека libtiff или Pillow помогут ускорить разработку. Но вы должны объяснить в работе, почему выбрали именно их, и показать, как адаптировали под свою задачу.

Уникальный пример: алгоритм поиска точки фрагментации

Ниже — фрагмент кода на Python, определяющий смещение повреждения в BMP-файле:

import struct

def find_fragmentation_point(file_path):
    with open(file_path, 'rb') as f:
        data = f.read()
    
    # Сигнатура BMP: 'BM'
    if data[0:2] != b'BM':
        print("Файл не BMP или повреждён в начале")
        return 0
    
    # Смещение начала данных изображения
    offset = struct.unpack_from('<I', data, 0x0A)[0]
    
    # Проверка, не повреждено ли смещение
    if offset < 54 or offset > len(data):
        # Поиск альтернативного смещения
        for i in range(54, len(data) - 1000):
            if data[i:i+2] == b'xFFxD8':  # Признак JPEG — не подходит
                continue
            # Проверка на логичность размера
            if abs(i - len(data)) < 100:
                return i
        return -1  # Не найдено
    return offset