автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Информационно-измерительная система обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля беспилотного летательного аппарата на основе вейвлет-преобразования

На правах рукописи

МЕДВЕДЕВ МИХАИЛ ВИКТОРОВИЧ

ИИФОРМАЦИОНПО-ИЗМЕРИТЕЛЬПАЯ СИСТЕМА ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ ОБЪЕКТОВ ПА ИЗОБРАЖЕНИЯХ БОРТОВОГО ОПТИКО-ЭЛЕКТРОПНОГО МОДУЛЯ БЕСПИЛОТНОГО ЛЕТАТЕЛЬНОГО АППАРАТА ПА ОСПОВЕ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ

Специальность 05.11.16 -Информационно-измерительные и

управляющие системы (в приборостроении)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических паук

2 5 ^й 2015

Казань 2015

005559607

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования (ФГБОУ ВПО) «Казанский национальный исследовательский технический университет им. А.Н.Туполева-КАИ».

Научный руководитель: кандидат технических наук, доцент кафедры,

«Автоматизированные системы обработки информации и управления» ФГБОУ ВПО «Казанский национальный исследовательский технический университет им. А.Н.Туполева -КАИ»

Шленмович Михаил Петрович

Официальные оппоненты: Прохоров Сергей Антонович,

доктор технических наук, профессор, заведующий кафедрой «Информационные системы и технологии» ФГБОУ ВПО «Самарский государственный аэрокосмический университет им. С.П. Королева (национальный исследовательский университет)», г. Самара.

Никифоров Михаил Борисович,

кандидат технических наук, доцент кафедры «Электронные вычислительные машины» ФГБОУ ВПО «Рязанский государственный радиотехнический университет», г. Рязань.

Ведущая организация: ОАО «Научно-производственное

объединение "Государственный институт прикладной оптики"», г. Казань

Защита состоится «17» марта 2015 г. в 16 часов на заседании диссертационного совета Д212.079.06 ФГБОУ ВПО «Казанский национальный исследовательский технический университет им. А.Н.Туполева - КАИ» по адресу: 420015, г. Казань, ул. Толстого, 15 (учебный корпус №3, ауд. 216).

Отзывы в двух экземплярах, заверенные печатью, просим присылать по адресу: 420111, г. Казань, ул. К. Маркса, 10, КНИТУ-КАИ, ученому секретарю диссертационного совета Д212.079.06.

С диссертацией можно ознакомиться в библиотеке и на сайте ФГБОУ ВПО «Казанский национальный исследовательский технический университет им. А.Н.Туполева - КАИ»: http://www.kai.ru/science/disser.

Автореферат разослан «10» февраля 2015 г.

Ученый секретарь

диссертационного совета 1 ( Бердников Алексей Владимирович

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Информационно-измерительные системы современных беспилотных летательных аппаратов (БЛА) предназначены для получения данных, на основе которых осуществляется управления сложными многофункциональными объектами, действующими в сложной окружающей обстановке. В качестве системы навигации обычно используется GPS шпс ГЛОНАСС. Однако в этом случае управление БЛА напрямую зависит от работы посторонних источников данных, которые в определенных условиях полета могут оказаться недоступны. Альтернативным источником данных для навигации в информационно-измерительных системах БЛА может служить канал получения цифровых изображений от бортового оптико-электронного модуля БЛА. Большинство современных бортовых систем навигации на основе технического зрения работают в автоматизированном режиме с передачей предварительно обработанного видеоизображения оператору. Однако такой подход требует наличия связи с наземным пунктом управления (НГГУ) на протяжении всего полета, что не обеспечивается в реальных условиях.

В настоящее время активно ведутся исследования и создаются информационно-измерительные системы обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля БЛА. Использование таких систем позволяет избежать зависимости управления БЛА от внешних датчиков, тем самым повышая надежность системы управления БЛА. Формирование полетного задания при этом происходит в терминах объектов интереса, а не координат их расположения, что повышает точность систем управления БЛА.

Значительный вклад в разработку информацношю-измерительных систем на основе технического зрения и разработку методов цифровой обработки изображений внесли: Б.А. Алпатов, В.К. Злоб™ (РГРТУ); К.К. Веремеен-ко, Н.В. Ким, Г.Г. Себряков, М.Н. Красильщиков (МАИ), Ю.В. Визильтер, С.Ю. Желтов (ГосНИИАС); В.И. Сырямкин, B.C. Шидловский (ТомГУ); Я.А. Фурман, A.A. Роженцов (МарГТУ); И.Б. Гуревич, Ю.П. Пытьев, Ю.А. Журавлев, A.A. Лукьяница, А.Г. Шишкин, A.C. Конушин (МГУ); Л.М. Шаршш, М.П. Шлеймович (КНИТУ-КАИ); В.А. Сойфер, С.А. Прохоров (СГАУ); H.H. Красилышков (СпбГУАП); И.С. Грузман, B.C. Киричук, В.П. Косых, Г.И. Перетягин, A.A. Спекгор (НГТУ); А.Л. Приоров, И.В. Апальков, В.В. Хрящев (ЯрГУ) и другие отечественные ученые и специалисты. Среди зарубежных исследователей следует отметить W. Pratt,

R. Szeliski, G.K. Winkler, R.C. Gonzalez, R.E. Woods, D. Forsyth, J. Ponce, L.G. Shapiro, G.C. Stockman, S. Mallat, K. Mikolajczyk, C. Schmid, D.G. Lowe, E. Loupias, N. Sebe, H. Bay, A. Ess, T. Tuytelaars, L. Van Gool, N. Dalai, B. Triggs, G. Bradski, I. Dobeshi, E.J. Stollnitz, T.D. DeRose, D.H. Salesin, H.-G. Stark.

Однако, несмотря на большое количество работ в области обработки изображений, разработка новых методов обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля информационно-измерительных систем БЛА является актуальной задачей.

Объект исследования — информационно-измерительная система обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля беспилотного летательного аппарата.

Предмет исследования — методы обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля информационно-измерительных систем БЛА на основе особых точек вейвлет-преобразования.

Цель исследования - уменьшение времени решения задач обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля в информационно-измерительных системах БЛА.

Научная задача исследования - разработка методик обнаружения и распознавания изображений бортового оптико-электронного модуля в информационно-измерительных системах БЛА на основе использования особых точек вейвлет-преобразования, позволяющих уменьшить время обработки изображений.

Направления решения задачи:

• анализ существующих методик обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля в информационно-измерительных системах БЛА;

• исследование возможности применения методики выделения особых точек вейвлет-преобразования для решения задач обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля в информационно-измерительных системах БЛА;

• разработка методики выделения контуров объектов на изображениях бортового оптико-электронного модуля в информационно-измерительных системах БЛА на основе особых точек вейвлет-преобразования;

• разработка методики сегментации изображений бортового оптико-электронного модуля в информационно-измерительных системах БЛА на основе особых точек вейвлет-преобразования;

• разработка методики построения дескрипторов особых точек объектов на изображениях бортового оптико-электронного модуля в информационно-измерительных системах БЛА на основе вейвлет-преобразования;

• разработка алгоритмов и программ обработки информации в информационно-измерительной системе БЛА на основе обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля.

Методы исследования. Для теоретического и практического решения поставленных задач использовались методы и алгоритмы цифровой обработки сигналов и изображений, теории графов, теорга! вероятности и математической статист!пат, теории информационно-измерительных систем, системного и прикладного программирования.

Научпая новизна. 1. Предложена методика выделения особых точек вейвлет-преобразования, адаптированная к задачам анализа изображений бортового оптико-электронного модуля в информационно-измерительных системах БЛА.

2. Предложена методика выделения контуров наблюдаемых объектов на изображениях бортового оптико-электронного модуля в информационно-измерительных системах БЛА на основе вычисления особых точек вейвлет-преобразования.

3. Предложена методика сегментации изображений бортового оптико-электронного модуля в информационно-измерительных системах БЛА на основе особых точек вейвлет-преобразования.

4. Предложена методика построения дескрипторов особых точек объектов на изображениях бортового оптико-электронного модуля в информационно-измерительных системах БЛА на основе вейвлет-преобразования.

5. Предложены структура, алгоритмы и программы обработки информации в информационно-измерительной системе БЛА, позволяющие уменьшить время вычисления при решении задач обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля на основе вейвлет-преобразования.

Достоверность результатов. Предложенные в диссертационной работе модели и алгоритмы обоснованы теоретическими решениями и не проти-

воречат известным положениям других авторов, опираются на использование математического аппарата вейвлет-преобразования, методы цифровой обработки изображений, методы математической статистики. Достоверность результатов подтверждена экспериментальной реализацией разработанных алгоритмов.

Практическая ценность работы. Разработанная информационно-измерительная система обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля беспилотного летательного аппарата на основе вейвлет-преобразования может быть применена для решения задач обнаружения и распознавания объектов на борту БЛА. Методики выделения особых точек, выделения контуров наблюдаемых объектов, сегментации наблюдаемых изображений, а также методика построения дескриптора особых точек объектов могут быть применены независимо друг от друга при решении задач цифровой обработки изображений в различных системах технического зрения на соответствующих этапах обработки изображений.

Реализация результатов работы. Основные результаты диссертационной работы были внедрены в ОАО «Научно-производственное объединение "Опытно-конструкторское бюро им. М.П. Симонова"», использовались при выполнении госбюджетных научно-исследовательских работ: «Цифровая обработка изображений в системах управления мобильными объектами» (РК 01201261311, ИК 02201457771, 2012 - 2014 г.), «Навигатор» (№2014/55, 2014 - 2015 г.г.), а также применяются в учебном процессе на кафедре «Автоматизированные системы обработки информации и управления» КНИУТ-КАИ.

Апробация работы. Результаты диссертационной работы докладывались на XVII, XVIII, XIX, XX Международных молодёжных научных конференциях «Туполевские чтения» (Казань, 2009 - 2012 гг.), на Международной научно-практической конференции «Современные технологии и материалы -ключевое звено в возрождении отечественного авиастроения» (Казань, 2010 г.), на П1 Всероссийской научно-практической конференции «Информационные технологии в системе социально-экономической безопасности России и её регионов» (Казань, 2010 г.), на П1 Всероссийских научных Зворы-кинских чтениях «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России» (Муром, 2011 г.), на X Всероссийской межвузовской научно-практической конференции «Компьютерные технологии в науке, практике и образовании» (Самара, 2011 г.), на XII Международной научно-методической конференции «Информатика: проблемы, методология, технологии» (Воронеж, 2012 г.), на Всероссийской

научно-технической конференции «Проблемы и перспективы развития информационных технологий» (Казань, 2012 г.), на Международной конференции по мягким вычислениям и измерениям SCM (Санкт-Петербург, 2012 г.), на Конгрессе по интеллектуальным системам и информационным технологиям «IS&IT'12» (Дивноморское, 2012 г.), на международной конференции 7th Spring/Summer Young Researchers' Colloquium on Software Engineering (SYRCoSE 2013) (Казань, 2013 г.), на V Международной научно-практической конференции «Информационные технологии в экономике, образовании и бизнесе» (Саратов, 2014 г.), на Международной научно-практической конференции «Информационные технологии на службе общества» (Нижнекамск, 2014 г.), на Международной научно-практической конференции «Поиск эффективных решений в процессе создания и реализации научных разработок в российской авиационной и ракетно-космической промышленности» (Казань, 2014 г.).

Публикации. По теме диссертации опубликовано 32 научных работы: 6 статей в журналах, рекомендуемых ВАК РФ для публикации основных результатов диссертаций; 24 тезиса докладов в сборниках трудов конференций; 1 монография; 1 свидетельство о государственной регистрации программ для ЭВМ.

Структура и объём диссертации. Работа состоит из введения, 4 глав, заключения. Основное содержание диссертации изложено на 129 страницах машинописного текста, содержит 7 таблиц и 22 рисунка. Библиография включает 123 наименования.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введеппя обосновывается актуальность темы диссертации, формируются цели и задачи исследования, раскрывается научная новшна и практическая ценность.

В первой главе приведена классификация БЛА, определены решаемые ими задачи, рассматриваются системы техгагческого зрения БЛА, выполнен обзор методов корреляционного анализа для обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля информационно-измерительных систем.

Для принятия решения при выполнешга большинства основных целевых задач информационно-измерительная система (ИИС) БЛА осуществляет анализ данных, поступающих от зрительного канала системы технического зрения БЛА. От скорости получения и точности этих данных зависит правильность принятого решения, поэтому повышение точности и уменьшение

времени извлечения зрительной информации при помощи системы технического зрения в ИИС БЛА является актуальной задачей.

Большинство существующих в настоящее время автоматизированных ИИС БЛА на основе технического зрения используют для анализа изображений человека-оператора, находящегося на наземном пункте управления. Это связано с тем, что имеющиеся автоматические системы технического зрения не обладают достаточной точностью и скоростью обработки информации для того, чтобы полностью заменить человека-оператора и производить все вычисления на борту БЛА. Повышение точности и скорости обработки информации в ИИС на основе автоматических систем технического зрения БЛА является направлением постоянных исследований.

Точность и скорость обнаружения объектов ИИС БЛА может быть повышена за счет разработки новых алгоритмов обнаружения и распознавания объектов на изображении в системе технического зрения БЛА.

Во второй главе предложены методы выделения характерных признаков, основанные на математическом аппарате вейвлет-преобразования, которые могут быть использованы в ИИС обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля БЛА.

Вейвлет-преобразование позволяет представить изображение в виде совокупности его последовательных приближений, проанализировав которые на различных масштабах, можно сделать вывод о значимости деталей каждого пикселя изображения. Данный подход может быть положен в основу вычисления особых точек изображения, представляющих собой точки, в которых происходит сильное изменение изображения. Предлагается алгоритм выделения особых точек, состоящий из следующих шагов.

1. Задать глубину преобразования.

2. Рекурсивно вычислить значения вейвлет-коэффициентов.

3. Вычислить веса точек по формуле:

HK0.xj.yJ НКО^у! , а)

где у - количество операций последовательной фильтрации исходного изображения при помощи вейвлет-фильтров, З^Хру^) - собственный вес точки нау-ом уровне детализации, ¡У^УрСру}) - горизонтальный коэффициенту-го уровня, ТУуГ(/Х],у,) ~ вертикальный коэффициент у'-го уровня, Ш^Црсру}) - диагональный коэффициент у'-го уровня.

4. Уточнить веса точек:

Гн.^+С/ад). (2)

5. Определить точки с весами, превышающими пороговое значение.

6. Осуществить подавление особых точек с немаксимальным значением веса в окрестности размером 16* 16.

Результат выделения особых точек изображения представлен на рис. 1.

Рис. 1. Результат выделения особых точек вейвлет-преобразования: а - исходное изображение; 6 - результат выделения особых точек В качестве вейвлет-базиса для выделения особых точек был выбран базис Хаара как наиболее быстрый, вычислительно простой и не снижающий качество получаемого результата.

Алгоритм выделения особых точек вейвлет-преобразования также можно использовать для контурной сегментации изображений (рис. 2).

б

Рис. 2. Результат сегментации изображения: - исходное изображение; б - результат сегментации

В табл. 1 приведены результаты оценки качества предлагаемой методики сегментации согласно супервизорным критериям качества.

Таблица 1

Результаты оценки методики сегментации при помощи различных критериев качества сегментации

Критерий Минимально возможное значение Максимально возможное значение Полученный доверительный интервал Погрешность сегментации, % Правильная сегментация, %

Ва(Ме1у 0 324,15 46,31±11,69 14,3 85,7

Иси 0 1 0,03+0,01 3 97

РОМ 1 0 0,96+0,02 4 96

НаизёогЯ" 0 360,62 66,96+14,02 18;6 81,4

ЯМБ 0 1 0,17±0,03 17 83

VI 0 1 0,21±0,04 21 79

При помощи особых точек также можно выделить наиболее информативные участки изображения. На рис. 3, а представлено изображение объекта на фоне, а на рис. 3, б представлена соответствующая ему область интереса, найденная при помощи выделения особых точек вейвлет-преобразования.

а б

Рис. 3. Выделение областей интереса при помощи особых точек вейвлет-преобразования: а - исходное изображение; б - область интереса

Применение предложенных методов позволяет получить признаки для анализа изображений сцены. При этом можно уменьшить нагрузку на вычислитель ИИС БЛА за счет того, что на первом шаге осуществляется выделение особых точек вейвлет-преобразования, а на последующих шагах выбираются только точки с различным пороговым весом, необходимым для получения отдельных ключевых точек, контуров или сегментов на изображении.

В третьей главе предлагается методика построения дескрипторов особых точек изображения бортового оптико-электронного модуля БЛА на основе его вейвлет-преобразования:

(ИЛ.Л)}, = 0,тч,уя = о,ГЧ, (3)

ще п - заданный конечный уровень разложения, - коэффициенты

вейвлет-преобразования заданного уровня п, гч - размерность дескриптора. Глубина вейвлет-преобразования п зависит от требуемой размерности дескриптора г, и размерности окрестности гд особой точки:

п=\о&(го/г9). (4)

Алгоритм нахождения дескриптора имеет следующий вид.

1. Для каждой особой точки выделяется окрестность размером Го*-Г(>.

2. Выбирается размер дескриптора гп и вычисляется его размерность

г, =

3. Вычисляется вейвлет-преобразование окрестности до уровня п.

4. Формируется дескриптор особой точки сошасно (3). Дескрипторы особых точек могут быть использованы для сопоставления эталонного и входного изображений согласно следующему алгоритму.

1. Вычислить евклидово расстояние:

(5)

У/=о

вде ej - у-й элемент дескриптора точки г'-го эталонного изображения; 4 -у-й элемент дескриптора точки входного изображения.

2. Найти пары особых точек с расстоянием не более заданного порога.

3. Удалить неправильные соответствия, для которых прямое и обратное соответствия не совпадают.

Распознавание объекта заключается в сравнении дескрипторов эталонных изображений объектов Е,—{еу} с дескрипторами входного наблюдаемого изображения й= .

1. На эталонном и входном изображениях находятся пары соответствующих точек по алгоритму сравнения дескрипторов.

2. Расстоянием между двумя изображениями считается среднее расстояние между особыми точками изображений эталона и соответствующими им точками входного изображения

N

(6)

ще N - количество особых точек изображения эталона; К - количество особых точек изображения эталона; - расстояние между у-й особой точкой

изображения эталона и соответствующей ей точкой входного изображения D, вычисленное по формуле (5).

3. Соответствующим эталонным изображением для входного изображения D считается изображение, ДЛЯ КОТОРОГО Si—iSmin> ТДе

Экспериментально была проанализирована зависимость значения расстояния между эталонным и входным изображениями при правильном распознавании от угла поворота входного изображения. В результате был установлен доверительный интервал значения расстояния для правильного распознавания, равный 12,59+1,32.

Была выявлена зависимость значения количества правильно сопоставленных изображений при различных углах поворота входного изображения (рис. 4). Доверительный интервал количества точек составил 248,08+14,32. В результате проведения экспериментов было установлено, что предлагаемый дескриптор обладает инвариантностью к повороту, доверительный интервал значения утла поворота составляет 13,47+10,79, для некоторых объектов удается сохранить инвариантность к повороту при повороте на 76°.

Рис. 4. Сопоставление особых точек сцены и эталонного объекта

В результате исследования выделения и сопоставления особых точек методами SIFT, SURF и вейвлет-методом было установлено, что точность правильности сопоставления особых точек составляет: SIFT - 15% при размерности дескриптора 128, SURF - 20% при размерности дескриптора 64, и вейвлет-метод - 16% при размерности дескриптора 16.

Используя описание особых точек при помощи предлагаемого дескриптора, размерность дескриптора удалось уменьшить в 8 раза по сравнению с дескриптором SIFT при сравнимой точности и в 4 раза по сравнению с методом SURF при снижении точности на 4%.

Уменьшение размерности дескриптора особой точки позволяет сократить количество элементарных операций вычисления расстояний между каждой парой особых точек, что приводит к уменьшению времени поиска соответствий особых точек путем сравнения расстояний между их дескрипторами. Это преимущество позволяет использовать данный метод в системах, осуществляющих обработку изображений в масштабе времени, близком к реальному, к которым относятся ИИС БЛА.

В четвертой главе диссертации представлена структура ИИС БЛА, осуществлено проектирование ИИС БЛА, описан разработанный программный стенд для проведения исследований, и приведены результаты экспериментальных исследований разработанных алгоритмов.

Рис. 5. Функциональная схема информационно-измерительной системы БЛА

Функциональная схема ИИС БЛА представлена на рис. 5. Система получает информацию от модуля радиотехнической разведки (РТР), радиолокационного (РЛМ) и оптико-электронного модуля (ОЭМ). Блок обнаружения и распознавания изображений предназначен для выделения объектов на изображениях, получаемых с радиолокационного и оптико-электронного модулей, и последующего распознавания выделенных объектов. Блок принятия решения предназначен для принятия управляющего решения на основе данных об объектах.

БЛА осуществляет свое движение согласно полетному заданию, представляющему собой дискретную функцию II{х, значение которой зависит от текущего состояния БЛА х в конкретный момент времени и получаемого в этот момент времени события я. Для задания реакции на события использует-

ся экспертная система, функционирующая согласно правилам utfauSj), задаваемыми в виде <Vfe hk,, п>, где v* - скорость полета БЛА, hk - высота полета ЕЛА; гк - новое состояние БЛА гк, равное некоторому из возможных состояний системы X, т. е. п= х/. В результате анализа возможных сочетаний режимов работы модулей был определен набор возможных событий, набор возможных состояний и разработан алгоритм обработки событий.

Для проверки теоретических результатов и тестирования разработанных алгоритмов создан программный стенд, имитирующий функционирование предлагаемой ИИС БЛА, который содержит имитаторы модулей РТР, РЛМ, ОЭМ, исполнительной системы управления БЛА, ИИС БЛА и подсистемы отображения информации на НПУ. С использованием стенда были промоделированы варианты исполнения системы, в которых для вычисления особых точек и их дескрипторов применялись методы SIFT, SURF и разработанный метод выделения особых точек вейвлет-преобразования. Результаты экспериментов показаны на рис. 6.

Время, затрачиваемое на решение задачи обнаружения и распознавания одного объекта при помощи особых точек вейвлет-преобразования, на вычислительной машине с двухьядерным процессором Intel Celeron 900 с частотой процессоров 2,8 ГТц и оперативной памятью 2 Гб, составило 0,5 с.

Таким образом, время распознавания объекта с использованием особых точек вейвлет-преобразования удалось уменьшить на 136% по сравнению с методом SIFT и 42% по сравнению с методом SURF.

Выигрыш во времени достигается за счет меньшего размера дескриптора и проявляется при наличии базы данных большого размера (от 40 объектов).

I 6000

о

• - SIFT SURF ОТВП

а> &

0 50 100 150 200 250 300 350 400 450 Количество объектов в базе данных

Рис. 6. Зависимость времени распознавания от количества объектов в базе данных

ЗАКЛЮЧЕНИЕ

1. Выполнен анализ и исследование существующих методик обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля в информационно-измерительных системах БЛА.

2. Разработана методика выделения особых точек вейвлет-преобразования, адаптированная к задачам анализа изображений бортового оптико-электронного модуля в информационно-измерительных системах БЛА, позволяющая уменьшить время решения задач обнаружения и распознавания объектов.

3. Разработана методика выделения контуров наблюдаемых объектов на изображениях бортового оптико-элекгронного модуля в информационно-измерительных системах БЛА при помощи особых точек вейвлет-преобразования, позволяющая уменьшить время решения задач обнаружения и распознавания объектов.

4. Разработана методика сегментации наблюдаемых изображений бортового оптико-электронного модуля в информационно-измерительных системах БЛА на основе особых точек вейвлет-преобразования, позволяющая уменьшить время решения задач обнаружения и распознавания объектов.

5. Разработана методика построения дескриптора особых точек на основе вейвлет-преобразования, позволяющая уменьшить время решения задачи распознавания изображений бортового оптико-электронного модуля в информационно-измерительных системах БЛА.

6. Разработаны структура, алгоритмы и программы обработки информации в информационно-измерительной системе БЛА, позволяющие уменьшить время вычисления при решении задач обнаружения и распознавания объектов на изображениях бортового оптико-электронного модуля на основе вейвлет-преобразования не менее чем на 42%.

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи в научных гаданиях, рекомендованных ВАК РФ

1. Дзенчарский, И.Л. Поиск изображений с выделением особых точек на основе вейвлет-преобразования / Н.Л. Дзенчарский, М.В. Медведев, М.П. Шлеймович // Вестник КГТУ им. А.Н. Туполева. - 2011. - №1(61). -

С. 131 - 135.

2. Гайнуллин, Р.Н. Ускорение поиска блоков изображения при фрактальном сжатии на основе вейвлет-преобразования / Р.Н. Гайнуллин,

M.B. Медведев, М.П. Шлеймович // Вестник Казан, технолог, ун-та. - 2013. -Т. 16,№10.-С. 280-284.

3. Ляшева, С.А. Вейвлет-сжатие изображений в системах управления беспилотных летательных аппаратов / С.А. Ляшева, М.В. Медведев, М.П. Шлеймович //Вестник КГТУ им. А.Н. Туполева. - 2013. - №4(72). -

С. 218-223.

4. Ляшева, С.А. Распознавание объектов на местности в системе управления БЛА / С.А. Ляшева, М.В. Медведев, МЛ. Шлеймович // Известия вузов. Авиационная техника. - 2014. - №3. - С. 64 - 66.

5. Медведев, М.В. Трехмерная реконструкция объектов в системе технического зрения мобильного робота / М.В. Медведев, А.П. Кирпичников // Вестник Казан, технолог, ун-та. - 2014. - Т. 17, №15. - С. 326 - 330.

6. Медведев, М.В. Система управления беспилотным летательным аппаратом на основе вейвлет-методов обнаружения и распознавания объектов на изображениях / М.В. Медведев, А.П. Кирпичников // Вестник Казан, технолог. ун-та. - 2014. - Т. 17, №19. - С. 359 — 363.

Монография

7. Медведев, М.В. Сжатие данных в условиях ограниченности ресурсов. Современное состояние проблемы и используемые методы / М.В. Медведев. - Saarbrucken : LAP LAMBERT Academic Publishing GmbH & Co. KG, 2012. - 77 c. - 978-3-8473-4581-7.

Свидетельство о регистрации программы для ЭВМ

8. Свидетельство о государственной регистрации программы для ЭВМ № 2014610540. Программа выделения объектов на изображении при помощи сегментации с использованием особых точек вейвлет-преобразования / Н.Л. Дзенчарский, М.В. Медведев. - № 20013660552 ; заявл. 18.11.2013 ; опубл. 15.01.2014 , Бюл. № 2(88). - 1 с.

Основные публикации в материалах научно-технических конференций

9. Медведев, М.В. Распознавание изображений в мобильных устройствах / М.В. Медведев // XVIII Туполевские чтения: Междунар. молодёжная научная конф., 26 — 28 мая 2010 г.: материалы конф. - Казань: Изд-во Казан, гос. техн. ун-та, 2010. - Т. IV. - С. 22 - 25.

10. Дзенчарский, Н.Л. Поиск изображений на основе вейвлет-преобразования / Н.Л. Дзенчарский, М.В. Медведев, М.П. Шлеймович // Современные технологии и материалы - ключевое звено в возрождении отечественного авиастроения: сборник докладов Междунар. научно-практич. конф. - Казань: Вертолет, 2010. - Т. Ш. - С. 22 - 26.

11. Дзенчарский, H.JI. Выделите особых точек и сегментация изображений на основе вейвлет-преобразования / H.JI. Дзенчарский, М.В. Медведев, М.П. Шлеймович // Информационные технологии в системе социально-экономической безопасности России и её регионов: сборник трудов III Все-рос. научно-практич. конф. - Казань: Изд-во 11111 У, 2010. - С. 297 - 303.

12. Медведев, М.В. Сегментация изображений с использованием вычисления особых точек на основе вейвлет-преобразования / М.В. Медведев, М.П. Шлеймович // Информатика: проблемы, методология, технологии: материалы ХП Междунар. научно-методич. конф., Воронеж, 9-10 февраля 2012 г. -Воронеж: Изд.-полиграф. центр Воронеж, гос. ун-та, 2012. - Т. 1. -

С. 246 - 247.

13. Медведев, М.В. Распознавание объектов на изображении при помощи байесовского классификатора / М.В. Медведев, М.П. Шлеймович // Междунар. конф. по мягким вычислениям и измерениям SCM-2012, 25-27 июня 2012 г.: материалы конф. - СПб: Изд-во СПбГЭТУ "ЛЭТИ", 2012. -

Т. 1.-С. 191-194.

14. Медведев, М.В. Распознавание объектов на изображении с использованием особых точек вейвлет-преобразования / М.В. Медведев, М.П. Шлеймович // Труды Конгресса по интеллектуальным системам и информационным технологиям «IS&IT42»: в 4 т. - М.: Физматлит, 2012. -

Т. 1.-С. 362-364.

15. Medvedev, M.V. Image key points detection and matching / M.V. Medvedev, M.P. Shleymovich // Proceedings of the 7th Spring/Summer Young Researchers' Colloquium on Software Engineering (SYRCoSE 2013), May 30-31,2013. - Kazan, 2013. - P. 149 -154.

16. Медведев, М.В. Классификация объектов на основе данных, полученных с изображений / Медведев М.В., Синичкина Т.А. // Информационные технологии в экономике, образовании и бизнесе: материалы V Международной научно-практической конференции (20 февраля 2014 г.). - Саратов: Академия Бизнеса, 2014. - С. 64-65.

17. Медведев, М.В. Выделение особенностей объекта на основе дескриптора ключевых точек SURF / Медведев М.В., Синичкина Т.А. // Информационные технологии на службе общества: материалы междунар. научно-практнч. конф.. Нижнекамск, 18 апреля 2014 г.. - Нижнекамск: Изд-во Казан, гос. техн. ун-та, 2014. - С. 38 - 39.

18. Медведев, М.В. Обнаружение объектов с использованием мобильного робота / Медведев М.В., Синичкина Т.А. // Поиск эффективных решений

в процессе создания и реализации научных разработок в российской авиационной и ракетно-космической промышленности: Междунар. научно-практич. конф., 5-8 августа 2014 г.: сборник докладов. - Казань: Изд-во Казан, гос. техн. ун-та, 2014. - Т. 2. - С. 600 - 602.

19. Медведев, М.В. Распознавание образов на мобильном роботе / Медведев М.В., Смирнова О.С. // Поиск эффективных решений в процессе создания и реализации научных разработок в российской авиационной и ракетно-космической промышленности: Междунар. научно-практич. конф., 5-8 августа 2014 г.: сборник докладов. - Казань: Изд-во Казан, гос. техн. ун-та, 2014 -Т. 2. - С. 603 - 604.

20. Медведев, М.В. Выделение объектов переднего плана / Медведев М.В., Нуруллин P.P. // Поиск эффективных решений в процессе создания и реализации научных разработок в российской авиационной и ракетно-космической промышленности: Междунар. научно-практич. конф., 5-8 августа 2014 г.: сборник докладов. - Казань: Изд-во Казан, гос. техн. ун-та, 2014. -Т. 2. - С. 538 - 542.

21. Медведев, М.В. Система управления беспилотным летательным аппаратом на основе обнаружения и распознавания объектов на изображениях / М.В. Медведев // Поиск эффективных решений в процессе создания и реализации научных разработок в российской авиационной и ракетно-космической промышленности: Междунар. научно-практич. конф., 5-8 августа 2014 г.: сборник докладов. - Казань: Изд-во Казан, гос. техн. ун-та, 2014. - Т. 2. -

С. 517-521.

Формат 60x84 1/16. Бумага офсетная. Печать цифровая.

Усл. печ. л. 0,93. Тираж 100. Заказ Д8. Копи-центр КНИТУ-КАИ. 420111, Казань, К Маркса, 10