автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Математические модели и методы анализа пространственных структур для экспертных геоинформационных систем

ВВЕДЕНИЕ.

1. ПРОБЛЕМА ОПИСАНИЯ И АНАЛИЗА ПРОСТРАНСТВЕННЫХ СТРУКТУР.;.

1.1. Пространственная структура объектов.

1.2. Задачи описания и анализа пространственных структур.

1.3. Модели и методы анализа пространственных структур.

1.3.1. Научные и прикладные аспекты моделирования и анализа пространственных структур.

1.3.2. Распознавание образов и анализ изображений.

1.3.3. Базы знаний и экспертные системы.

1.3.4. Геоипформациопные системы и технологии.

1.4. Анализ пространственно-распределенных стохастических структур и малоразмерных пространственных образований.

1.4.1. Каркас и репликата структуры.

1.4.2. Сканометрии и их свойства.

1.4.3. Сканометрический анализ структур.

1.4.4. Адаптивные сканометрии.

1.4.5. Структурно-тоновый аиализ текстурных изображений.

1.4.6. Малоразмерные пространственные образования.

1.4.7. Автоматизированный комплекс анализа изображений.

1.5. Принципы и методология построения теории пространственных структур.

1.6. Полученные результаты и выводы.

2. АГРЕГАТНО-ТРАНСФОРМАЦИОННАЯ МОДЕЛЬ ПРОСТРАНСТВЕННОЙ СТРУКТУРЫ.

2.1. Сигнатурно-кодовая карта структуры.

2.2. Непрерывные преобразования. Топологические элементы и агрегаты структуры.

2.3. Инверсные преобразования. Десимметризация агрегатов структуры.

2.4. Рефлексные преобразования. Декомпозиция узлов.

2.5. Эластичные преобразования. Гладкие линейные элементы и агрегаты структуры.

2.6. Аффинные преобразования. Геометрические элементы и агрегаты структуры.

2.7. Полунепрерывные преобразования. Нетопологические и непространственные элементы и агрегаты структуры.

2.8. Номенклатура элементов пространственных структур.

2.9. Полученные результаты и вывод.

3. ПРОЦЕССЫ АНАЛИЗА ПРОСТРАНСТВЕННЫХ СТРУКТУР.

3.1. Оценка преобразований и трансформирование структур.

3.1.1. Поля деформаций пространства.

3.1.2. Конфигурационно-сетевые модели, макрои микротрансформирование структур.

3.2. Агрегатный анализ и коррекция пространственных структур.

3.2.1. Топологическая и геометрическая корректность описаний структур.

3.2.2. Агрегаты-дефиниторы и обнаружение когнитивных пространственных диссонансов.

3.2.4. Самокорректирующиеся структуры пространственных данных.

3.3. Когнитивные структуры пространственных данных и знаний.

3.4. Полученные результаты и выводы.

4. АНАЛИЗ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ЦЕНТРОИДНОЙ ФИЛЬТРАЦИИ.

4.1. Пространственно-структурные параметры и их свойства.

4.2. Базовые одномерные модели элементов изображения.

4.3. Учет влияния искажающих факторов. Структурный индексатор сканограмм.

4.4. Центроидная фильтрация изображений. Обнаружение и распознавание деталей изображения.

4.5. Возможности контекстного анализа изображений.

4.6. Полученные результаты и выводы.

5. СИНТЕЗ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ ОБРАБОТКИ

ПРОСТРАНСТВЕННОЙ ИНФОРМАЦИИ.

5.1. Концепция синтеза геоинформацинных технологий и технологий баз знаний и экспертных систем.

5.2. Гиперкарта и возможности се использования для организации и оперирования процедурно-декларативной информацией.

5.3. Двухтактный интерпретатор и макросы гиперкарты.

5.4. Структура и функционирование экспертной гсоинформационной системы.

5.5. Возможности развития и совершенствования интеллектуальных технологий обработки пространственной информации.

5.6. Полученные результаты и выводы.

Актуальность темы. Конец двадцатого века ознаменовался массовой компьютеризацией и информатизацией всех отраслей знаний и всех видов человеческой деятельности. Возможности современных компьютеров позволили успешно решать многие задачи, связанные с обработкой больших объемов сложно организованной информации. Сформировалась и стала быстро развиваться информатика - новая отрасль науки, техники и технологии. В различных предметных областях выделились собственные разделы информатики, часто различаемые соответствующей тематической приставкой: гео-, био-, социо-, психо-, мед- и т.д. В этих областях основные достижения информатики проявились в решении практических задач, но это позволило существенно продвинуться также в познании изучаемых объектов, процессов и явлений. Применение новых информационных технологий стало стимулом для развития новых математических моделей и математических методов исследования. Тотальная математизация знаний не обошла стороной даже такие традиционно математизированные и «компьютеризованные» научные направления, как распознавание образов, обработка изображений, искусственный интеллект. Повсеместно происходит радикальный пересмотр основных понятий и концепций, разрабатываются принципиально новые математические модели изучаемых объектов и весьма эффективные методы решения актуальных практических задач. Следствием этой тенденции явилось большое количество разработок новых моделей и основанных на иих методов обработки данных. Чаще всего эти модели и методы ориентированы на решение конкретных задач. Поэтому разнообразие исходных посылок, априорных предположений и ограничений, уровней достаточности исходных эмпирических данных и адекватности моделей реальным объектам приводит к чрезвычайно большой дифференциации методик исследования, что, в свою очередь, в условиях массовой математизации знаний тормозит прогресс в использовании результатов разработок.

Возникла настоятельная потребность интеграции накопленных формализованных знаний, систематизации моделей и методов, унификации используемого математического аппарата. Основными средствами такой интеграции являются обобщение и синтез знаний, основанные на абстрагировании и формализации понятий. При абстрактном рассмотрении различных прикладных математических моделей часто обнаруживается их однотипность и сходство по способам построения при второстепенном характере наблюдаемых различий. Эти сходные однотипные модели могут являться разновидностями формальных моделей более общего вида. Соответственно, на основе обобщенных моделей могут быть разработаны обобщенные методы решения задач в более широком спектре приложений.

Такая ситуация обозначает начало нового этапа понимания и использования накопленных знаний, когда большое многообразие различных теоретических разработок начинает укладываться в рамки единого математического аппарата - общей основы для исследования различных по своей сущности объектов; подобно тому, как математический аппарат дифференциальных уравнений позволяет исследовать самые разнообразные по своей физической природе процессы. При этом естественно следует ожидать появления новых нетривиальных идей, ускользающих от внимания при узкой тематической постановке решаемых задач, что в конечном счете повысит эффективность практического применения математических методов.

Ключевым моментом интеграции формализованных знаний является выявление и исследование обобщающих родовых понятий и их формализация в виде соответствующих математических моделей. К числу таких понятий следует отнести понятие пространственной структуры (ПС) объектов. Пространственная структура является неотъемлемым атрибутом реальных физических объектов в широком диапазоне их размеров и масштабов - от строения материи на микроскопическом уровне, вплоть до крупномасштабной структуры вселенной. Она существенным образом определяет их свойства и поведение в различных физических процессах. Многие объекты, процессы и явления непространственного характера при формализованном описании приобретают пространственно-структурный характер, поскольку их функциональное представление определяется на множествах, обладающих структурами пространств различного вида. Поэтому задачи описания и анализа ПС возникают во множестве в самых различных предметных областях и при решении самых разнообразных практических задач (см. разд. 1.1 - 1.3).

Таким образом, возникает необходимость построения теории пространственных структур. Эта необходимость обусловлена неотъемлемостью атрибута ПС для неисчислимого многообразия реальных физических объектов, а также пространственно-структурным характером математического описания большого множества объектов и процессов, характеристики которых изначально не связаны с пространственными представлениями. Необходимость построения такой теории становится еще более очевидной при рассмотрении существующего многообразия разработанных моделей ПС различных объектов и основанных на них методов обработки информации о этих объектах (см. разд. 1.3 - 1.4).

Однако, осознание необходимости разработки теории пространственных структур ставит вопрос о возможности ее создания. Вряд ли этот вопрос можно решить путем чисто теоретических построений или только за счет совершенствования существующих методов обработки простраиственно-структурпой информации. Более перспективным представляется искать ответ на пути вскрытия причин эффективности наиболее успешных методов в направлении установления основных принципов, постулирующих фундаментальные свойства пространственных структур. Выявление таких принципов имеет решающее значение для разработки математических моделей ПС, адекватно описывающих исследуемые объекты (см. разд. 1.5).

Следующим шагом на пути построения теории ПС должна явиться разработка аналитического аппарата, позволяющего получить эффективные методы решения различных научных и прикладных задач. Как известно, далеко не для всех задач удается найти аналитические решения. Поэтому, наиболее принципиальным моментом здесь является достижение конструктивности теории — возможности исследовать и анализировать свойства и характеристики решений для достаточно широких классов задач.

И, наконец, крайне важным является вопрос оценки эффективности теории с практической точки зрения. Разработанные на основе теории методы должны быть подвергнуты экспериментальной проверке при решении задач анализа ПС достаточно сложных объектов. В этом случае найденные эффективные решения задач будут обладать большой практической ценностью не только с точки зрения их использования, но и при определении перспектив дальнейших разработок.

На сегодняшний день к числу наиболее важных с практической точки зрения задач можно отнести задачи анализа ПС изображений. Развитие средств и методов обработки, анализа и распознавания изображений в течение последних десятилетий показало, что возможности извлечения полезной информации из изображений целиком и полностью определяется их пространственно-структурными свойствами и характеристиками [6,8-11,18,19,22,23,26,34,50,56, 61-63,88-90,96,110,157,161,165,174,176,177,188,205,207,219,222,229,232,236,241, 243,244,247,249,259,264,273]. В то же время, несмотря на достигнутые успехи, изображения по-прежнему остаются трудными для анализа объектами. Это объясняется, с одной стороны, практически ничем не ограниченной сложностью организации ПС изображений, с другой стороны - их изменчивостью, обусловленной воздействием разнообразных и трудно контролируемых трансформаций и искажений, присущих реальным механизмам формирования и регистрации изображений. Необходимо заметить также, что имеется еще одна важная предпосылка выбора изображений в качестве объектов для экспериментальной проверки теории - само понятие изображения реальных или искусственных объектов уже является формализованным и абстрагированным (см. выше) от содержания этих объектов. Этим, в частности, объясняется успешность распространения методов обработки изображений в самых различных прикладных областях и широта диапазона их практического применения.

При определении направления реализации разработанных методов также целесообразно ориентироваться на те области применения, где может быть достигнут наибольший эффект. Одной из них в настоящее время является геоинформатика - область разработки и использования геоинформационных систем (ГНС) и технологий (ГИС-технологий), где основными объектами оперирования выступают картографические и фотографические изображения земной поверхности [4,14,15,17,20,26,38-40,42,57,58,68,82,83,93-95,97,98,177,178,185,205, 210,218,224,229,232,234,241,243,247,254,264]. На таких изображениях в полной мере проявляют себя указанные выше факторы сложности, обусловленной сложностью самих изображаемых объектов, и изменчивости, порождаемой вариабельностью характеристик процессов и механизмов получения изображений.

Следует признать, что современные ГНС являются достаточно сложными информационными системами, причем не только с точки зрения внутреннего строения, но и с точки зрения пользователя. Поэтому вполне естественна наблюдаемая ныне тенденция к интеграции ГИС-технологий с технологиями баз знаний и экспертных систем, что могло бы качественно расширить возможности ГНС [15,38,93-95,97,98,203,210]. Поэтому разработка такой экспертной ГИС на базе теории пространственных структур могла бы обеспечить поиск наиболее эффективных схем интеграции технологий и явиться заметным шагом на пути создания ГИС следующего поколения, а также пространственных баз знаний и экспертных систем. Такая установка хорошо согласуется с весьма распространенным на сегодняшний день мнением о том, что основным теоретическим содержанием геоинформатики должна являться разработка эффективных моделей пространственных данных [15,38,93-95,98,210].

Целью работы является разработка основ теории пространственных структур, их математических моделей и методов анализа для решения широкого круга научных и прикладных задач, связанных с изучением объектов, обладающих пространственно-структурными свойствами и характеристиками, а также реализация разработанных интеллектуальных технологий обработки изображений структур для построения экспертных геоинформационных систем и пространственных баз знаний, применение которых качественно расширяет возможности решения практических задач распознавания структур и обеспечивает высокую эффективность результатов.

Для достижения поставленной цели в работе решаются следующие задачи:

- определение концептуальной основы, принципов и методологии построения теории пространственных структур; классификация ПС в зависимости от определяющих их фундаментальных свойств;

- разработка и исследование моделей ПС, обеспечивающих полные и точные описания пространственных свойств, характеристик и взаимосвязей элементов структуры;

- разработка методов оценки преобразований и трансформирования ПС;

- разработка методов и алгоритмов анализа ПС, основанных на оценке и учете взаимосвязей элементов структуры и значений их геометрико-топологических атрибутов, позволяющих выявлять сложные пространственные объекты и оперировать ими при решении различных задач, связанных с распознаванием структур;

- построение когнитивной модели базы знаний о пространственных объектах на основе разработки моделей ПС;

- формирование системы параметров элементов изображений, отображающих их структурные свойства и обладающих функциональной зависимостью от различных преобразований изображений;

- разработка метода обработки изображений, обеспечивающего обнаружение и распознавание их структурных элементов и позволяющего развить интеллектуальные технологии обработки графических изображений, основанные на их понимании автоматическими системами;

- формирование концепции синтеза геоинформационных технологий и технологий баз знаний и экспертных систем на основе разработки моделей и методов описания и анализа ПС;

- построение единой схемы организации процедурно-декларативной информации для экспертных ГИС;

- разработка и отладка программного обеспечения, позволяющего интегрировать ГИС и экспертные системы;

- создание и внедрение информационных продуктов — цифровых карт и ГИС на основе разработки интеллектуальных технологий обработки данных и знаний о пространственных объектах.

Объектом исследования являются: пространственные структуры, характеризующие различные реальные физические и абстрактные искусственные объекты, а также объекты изначально непространственпого характера, формализованное (функциональное) описание которых имеет пространственно-структурный вид, для которых определяющие признаки структуры (взаимосвязанность элементов, целостность и устойчивость) имеют пространственный характер (локализованность, пространственную обусловленность взаимосвязей, разнообразие геометрико-топологических свойств и характеристик и их сохранение при преобразованиях пространства).

Предметом исследования являются математические модели и методы описания и анализа пространственных структур, реализующие их структуры данных, алгоритмы и процедуры, а также использующие их системы обработки информации и интеллектуальные информационные технологии.

Методы исследования. В работе применялись теоретические и экспериментальные исследования.

Теоретические исследования основаны на использовании топологии и теории непрерывных групп, функционального анализа, аффинной и дифференциальной геометрий, математической логики, теории вероятностей и математической статистики, теории случайных функций, теории статистических решений, методов обработки и анализа изображений, методов распознавания образов.

В экспериментальных исследованиях созданных моделей и алгоритмов использовались методы представления знаний в экспертных системах и базах знаний, теория представления и обработки пространственных данных в ГИС, основы цифровой обработки изображений и системного программирования.

Достоверность изложенных положений работы подтверждается результатами обеспечения широкого практического использования аппаратно-программного комплекса обработки информации с фотоснимков, методик, технологий и систем программного обеспечения создания цифровых карт, научными трудами и апробациями созданного научно-технического продукта на представительных научных форумах. Достоверность и обоснованность полученных в работе результатов и выводов подтверждена сопоставительным анализом разработанных и существующих математических моделей и методов.

Теоретические положения, выведенные в работе, обосновываются строгостью исходных посылок и корректным применением использованного математического аппарата при выводах аналитических выражений и доказательствах теорем.

Достоверность экспериментальных результатов обеспечена их хорошей согласованностью с теоретически предсказанными характеристиками, а также выбором надежных критериев при построении алгоритмов обработки информации. Исходные данные при выполнении вычислительного эксперимента были тщательно верифицированы и дали хорошую воспроизводимость результатов на больших объемах экспериментального материала.

На защиту выносятся результаты разработки основ теории пространственных структур для решения широкого круга научных и прикладных задач, связанных с изучением объектов, обладающих пространственно-структурными свойствами и характеристиками, а также результаты практического применения теории для построения экспертных геоинформационпых систем, в том числе:

- концептуальная основа, принципы и методология построения теории пространственных структур;

- агрегатно-трансформационная модель пространственных структур, описывающая элементы структуры, их пространственные атрибуты и взаимосвязи, и обеспечивающая полное и точное описание ПС;

- методы оценки преобразований и трансформирования ПС, построенные на основе конфигурационных и сетевых разновидностей агрегатно-трансформа-ционной модели ПС, обеспечивающие оценку и преобразование структур в диапазоне от аффинных до гладких непрерывных (эластичных) преобразований;

- методы агрегатного анализа и коррекции ПС, основанные на учете взаимосвязей элементов структуры и значений их пространственных атрибутов, позволяющие выявлять сложные пространственные объекты и корректировать их возможные геометрические и топологические искажения;

- алгоритмы оперирования агрегатно-трансформационными описаниями ПС, обеспечивающие решение задачи построения модели базы знаний о пространственных объектах;

- система пространственно-структурных параметров элементов изображений, описывающих их геометрические свойства и характеристики и функционально зависящих от преобразований изображений в процессах их формирования, регистрации и обработки;

- метод центроидной фильтрации изображений, позволяющий производить обнаружение и распознавание элементов структуры изображений;

- метод анализа ПС изображений на основе совместного использования центроидной фильтрации и агрегатно-трансформационных описаний структуры, позволяющий построить интеллектуальную технологию обработки графических изображений, обеспечивающую их понимание автоматическими системами;

- концепция синтеза геоинформационных технологий и технологий баз знаний и экспертных систем на базе агрегатно-трансформационной модели ПС и разработанных методов анализа ПС;

- единая схема организации процедурно-декларативной информации для экспертных геоинформационных систем на основе понятия гиперкарты, обобщающего понятие карты ПС;

- субоперационная система HMS/Pilot, обеспечивающая оперирование гиперкартой, совместимая с существующими ГИС и позволяющая интегрировать ГИС-технологии с технологиями экспертных систем;

- реализация разработанных методологических, концептуальных, алгоритмических и программно-ииструментальных средств для создания и использования информационных систем обработки данных и знаний о ПС на основе интеллектуальных технологий обработки информации.

Научная новизна. В результате впервые проведенных исследований разработаны основы теории пространственных структур, их математического моделирования и анализа, способствующих решению задач создания интеллектуальных информационных технологий для изучения пространственно-структурных свойств и характеристик объектов, в том числе:

-сформулирована концептуальная основа, выявлены принципы и методология построения теории пространственных структур, согласно которым ПС различных объектов подразделяются на три класса в зависимости от соотношения радиуса структурообразования, расстояния между исходными структурообразующими элементами и размера системы — пространственно-распределенные стохастические структуры (ПРСС), малоразмерные пространственные образования (МПО) и крупномасштабные пространственные структуры (КПС);

- установлено, что в зависимости от класса ПС методы их моделирования и анализа существенно различны и при комбинировании различных типов структур должны опираться в первую очередь на модели и способы описания КПС, а моделирование и анализ ПРСС и МПО имеют локальный подчиненный характер относительно элементов КПС;

- на основе анализа свойств устойчивости ПС относительно их трансформаций, индуцированных различными преобразованиями пространства - носителя структуры, разработана агрегатно-трансформационная модель ПС; рассмотрение последовательности групп преобразований пространства позволило однозначно выделить элементы структуры, их пространственные атрибуты и взаимосвязи и сформировать описание структуры в виде графа, образованного совокупностью элементов, связанных бинарными пространственными отношениями;

- доказано, что полученное описание ПС является полным и точным, в том смысле, что обеспечивает однозначное восстановление анализируемых реализаций структур;

- разработаны методы оценки преобразований и трансформирования ПС, построенные на основе конфигурационных и сетевых разновидностей агрегат-но-трансформационной модели ПС, обеспечивающие оценку и преобразование структур в диапазоне от аффинных до гладких непрерывных (эластичных) преобразований, и позволяющие компенсировать пространственные искажения наблюдаемых и анализируемых реализаций структур;

- предложены методы агрегатного анализа и геометрико-топологической коррекции ПС, основанные на анализе взаимосвязей элементов структуры и значений их пространственных атрибутов, которые позволяют выявлять сложные пространственные объекты в реализациях структуры и корректировать их возможные геометрико-топологические искажения;

- разработаны алгоритмы логического вывода измерений и вычислений на агрегатно-трансформационных описаниях пространственных структур, обеспечивающие решение различных задач пространственного характера относительно анализируемых реализаций структур;

- сформирована система пространственно-структурных параметров (ПСП) элементов изображений; значения ПСП отображают структурные свойства элементов изображений и явным образом зависят от различных преобразований изображений (трансляций, гомотетий, сверток и аддитивных композиций, а также нелинейных безынерционных преобразований), позволяя тем самым обнаружить и описать структурные элементы изображения;

- разработан метод центроидной фильтрации изображений, обеспечивающий их нелинейную пространственную фильтрацию, при которой обнаруживаются и распознаются элементы структуры изображений, и учитывающий характеристики пространственного разрешения изображений, влияния шумов и помех и нелинейные безынерционные искажения изображений;

- предложена методика совместного использования центроидной фильтрации с анализом агрегатно-трансформационного описания структуры, которая позволяет построить интеллектуальную технологию обработки графических изображений, обеспечивающую их понимание автоматическими системами;

Практическая ценность работы заключается в применении основ теории ПС для решения различных задач научного и прикладного характера при исследовании пространственно-структурных свойств и характеристик реальных физических и абстрактных искусственных объектов, а также объектов изначально непространственного характера при их формализованном функциональном описании.

Построена когнитивная модель базы знаний о пространственных объектах, использующая в своей основе агрегатно-трансформационную модель ПС.

Сформирована концепция синтеза геоинформационных технологий и технологий баз знаний и экспертных систем, обеспечивающая возможность создания экспертных систем и баз знаний о пространственных объектах, которые качественно расширяют возможности решения практических задач распознавания структур и обеспечивают высокую эффективность достижения результатов. Данная концепция разработана на основе использования агрегатно-трансформа-ционной модели ПС и предложенных автором методов описания и анализа ПС, в том числе ПС изображений.

Сформулировано понятие гиперкарты, обобщающее понятие карты ПС.

Установлено, что гиперкарта позволяет построить единую схему организации процедурно-декларативной информации для экспертных геоинформациопных систем, которая реализуется в форме интерпретатора и собственного процедурного обеспечения в форме макросов, а также позволяет унифицировать пространственно-графический интерфейс системы и системные процедуры обработки данных, образуя тем самым собственную субоперационную систему.

Разработано и отлажено программное обеспечение HMS/Pilot, реализующее интерпретатор гиперкарты, совместимое с существующими ГИС и позволяющее, тем самым, интегрировать ГИС-технологии с технологиями экспертных систем.

Созданы и внедрены информационные продукты — цифровые карты и ГИС, полученные на основе использования разработанных интеллектуальных технологий обработки данных и знаний о пространственных объектах.

Работа выполнялась в соответствии с решениями ВПК СССР, а также планами госбюджетных и хоздоговорных НИОКР, проводимых в Физико-техническом институте УрО РАН, Удмуртском государственном университете (УдГУ) и ИжГТУ. Всего выполнено 12 НИОКР, в том числе: № ГР 01840078695 «Использование структурно-фазовых представлений при анализе пространственных структур»; № ГР 01860055949 «Исследование характеристик пространственной структуры неупорядоченных конденсированных систем»; № ГР 01910007090 «Исследование кинетики процессов структурообразования в конденсированных системах»; № ГР 01.9.90 002479 «Исследование, информационное описание и математическое моделирование адаптивных систем со сложной структурно-функциональ-ной организацией»; Грант РФФИ-Урал № 01-0196435.

Реализация и внедрение работы. Полученные результаты внедрены в ряде организаций и предприятий, где используются для выполнения работ в производственных условиях:

- аппаратно-программный комплекс обработки информации с фотоснимков (29 НИИ МО РФ);

- методика и технология создания базовых цифровых карт территорий; система программного обеспечения HMS для создания цифровых карт; базовые цифровые карты городов Ижевска, Сарапула, Глазова (Госкомзем Удмуртской Республики (УР));

- базовая цифровая карта УР (Госкомэкология УР);

- методика и технология создания цифровых карт; система программного обеспечения технологической подготовки и документирования цифровых карт (ГУД АГП «Удмуртаэрогеодезия»);

- система «Монитор-Иж» контроля оперативной обстановки на территории города (Штаб МВД УР);

- методическое руководство по курсу «Алгоритмические основы ГИС» (УдГУ).

Созданный аппаратно-программный комплекс обработки информации с фотоснимков позволил повысить качество изготовления фотоснимков, обеспечил повышение производительности труда и надежности дешифрирования снимков. Методики и технологии создания цифровых карт позволили создавать базовые цифровые карты для многоотраслевого использования. Созданные цифровые карты территорий явились основой для создания отраслевых автоматизированных систем различного назначения (земельный кадастр, экологический мониторинг, контроль криминогенной обстановки и др.).

Апробация работы. Результаты работы докладывались на Всесоюзных, Международных, Всероссийских и региональных научных и научно-технических конференциях и совещаниях, а также на Международных и Всемирных форумах и симпозиумах: IV Всесоюзном совещании по проблемам автоматизации анализа изображений микроструктур (Пущино, 1974); IV Всесоюзной конференции «Автоматизация ввода письменных знаков в ЦВМ» (Каунас, 1977); I Всесоюзной конференции «Робототехника. Системы управления и очувствления» (Каунас, 1977); VII Всесоюзной конференции по теории кодирования и передачи информации. (Вильнюс, 1978); II Всесоюзный симпозиум «Машинные методы обнаружения закономерностей» (Рига, 1979); II Республиканской конференции молодых ученых (Ижевск, 1981); VIII Всесоюзной конференции по теории кодирования и передачи информации (Куйбышев, 1981); Региональной конференции «Обработка изображений и дистанционные исследования» (Новосибирск, 1981); Всесоюзной научно-технической конференции «Адаптивные роботы — 82» (Нальчик, 1982); Всесоюзной конференции «Перспективные методы планирования и анализа экспериментов при исследовании случайных полей и процессов» (Москва, 1982); III Республиканской научной конференции «Автоматизация и механизация трудоемких процессов» (Устинов, 1984); Всесоюзной конференции «Обработка изображений и дистанционные исследования» (Новосибирск, 1984); Всесоюзном симпозиуме «Зрение организмов и роботов» (Вильнюс, 1985); II Всесоюзной конференции «Автоматизированные системы обработки изображений» (АСОИз-86) (Львов, 1986); VII Всемирном конгрессе Международной федерации по теории машин и механизмов (Севилья (Испания), 1987); Всесоюзная научно-техническая конференция «Разработка систем технического зрения и их применение в промышленности» (Ижевск, 1988); Международной конференции «Обработка изображений и дистанционные исследования» (Новосибирск, 1990); I, IV и VI Всероссийских форумах «Геоинформационные технологии. Управление. Природопользование. Бизнес» (Москва, 1994, 1997, 1999); II Всероссийской с участием стран СНГ конференции «Распознавание образов и анализ изображений: Новые информационные технологии» (РОАИ-2-95) (Ульяновск, 1995); Международной научно-практической конференции «Проблемы системного обеспечения качества продукции промышленности» (Ижевск, 1997); IV и V Российской универси-тетско-академической научно-практической конференции (Ижевск, 1999, 2001); IV Международной конференции по математическому моделированию (Москва, 2001); Международном форуме по проблемам науки, техники и образования (Москва, 2000); Научно-технической конференции «Приборостроение в XXI веке. Интеграция науки, образования и производства» (Ижевск, 2001).

Публикации. Основные научные результаты по теме диссертации опубликованы в 122 научных работах, в том числе: 1 монография (188 е.); 23 статьи в центральной печати; 17 - в научных и научно-технических журналах и сборниках; 54 научно-технических отчета; 27 тезисов докладов на Всесоюзных, Всероссийских и Международных научно-технических конференциях, симпозиумах и семинарах. Под руководством автора выполнено 12 НИОКР по разработке и созданию технических средств, программного обеспечения, методик и технологий обработки фотограмметрической и картографической информации.

Структура диссертационной работы определяется общими замыслом и логикой проведения исследований.

Диссертация содержит введение, 5 глав, заключение и приложения.

Выход

Рис. 5.3. Интерпретатор гиперкарты «Пилот» на другой. Тем самым достигается универсальность макропрограммирования, поскольку обеспечивается неограниченная вложенность макросов друг в друга. При пополнении системы директивами обработки данных в той или иной предметной области пользователь может сам определить набор этих директив и запрограммировать из них необходимые ему макросы, используя их как процедуры, которые могут в свою очередь обращаться к необходимым субпроцедурам. Процесс функционирования интерпретатора показан на рис. 5.4, где производится выполнение двух внесистемных директив Д1 и Д2, поступивших от пользователя с клавиатуры и выполняется макрос Ml, из которого поступают две внесистемные директивы ДЗ и Д4. При этом выполняются следующие системные директивы интерпретатора:

- ПДК - прием директивы с клавиатуры;

- МАКР (М) - запуск макроса М;

- ВМАКР (М) - прием директивы из макроса М;

- ВЫХ — выход из макроса.

При входе в макрос М в нем запоминается предшествующая его выполнению системная директива, которая возвращается при выходе из макроса.

Система «Пилот-гиперкарта» была успешно использована для реализации метода центроидной фильтрации изображений и для оперирования пространственными структурами цифровых карт и геоинформационных систем с целью расширения функционального оснащения ГИС Maplnfo до уровня экспертной геоинформационной системы.

В результате выполненной разработки был реализован третий вариант построения экспертной геоинформационной системы (см. разд. 5.1), в котором приоритетное значение имела геоинформационная система Maplnfo, совместимая как с другими геоинформационными системами, так и с системой HMS/Pilot, которая обеспечивала выполнение интеллектуальных функций представления, обработки и анализа пространственной информации. Эксплуатация системы при решении различных задач показала ее эффективность.

Рг-П)

Рг-В)

Состояния регистров: а) до выполнения директивы; б) после выполнения директивы.

Макрос Ml а) (-) пдк б) Д1 пдк а) пдк Д1 б) пдк Д1 » а) Д1 пдк б) Д2 пдк а) пдк Д2 б) пдк Д2 ь а) Д2 пдк б) МАКР (Ml) пдк а) пдк МАКР (Ml) б) BMAKP(Ml) МАКР (Ml) а) МАКР (Ml) BMAKP(Ml) * б) ДЗ BMAKP(Ml) а) BMAKP(Ml) ДЗ б) BMAKP(Ml) ДЗ а) ДЗ BMAKP(Ml) б) Д4 BMAKP(Ml) а) ВМАКР(М1) Д4 б) BMAKP(Ml) Д4 а) Д4 BMAKP(Ml) б) ВЫХ BMAKP(MI) а) BMAKP(Ml) ВЫХ б) пдк ВЫХ

Прием директивы Д1 с клавиатуры

Выполнение директивы Д1

Прием директивы Д2 с клавиатуры

Выполнение директивы Д2

Прием директивы

МЛКР (Ml) ^ с клавиатуры

Выполнение директивы МЛКР (Ml) - установка директивы BMAKP(Ml) k в Рг-П

Прием директивы ДЗ из макроса Ml

Выполнение директивы ДЗ

Прием директивы Д4 из макроса Ml

Выполнение директивы Д4

Прием директивы ВЫХ из макроса Ml

Выход из макроса Ml

Рис. 5.4. Функционирование интерпретатора «Пилот»

5.4. Структура и функционирование экспертной геоинформационной системы

Построение экспертной ГИС по схеме, описанной в разд. 5.1 - 5.3, предполагает определенное распределение функций, присущих геоинформационным системам, и более «интеллектуальных» функций экспертных систем. Однако, при этом может произойти своеобразная интеллектуализация и самих функций ГИС. Если используются когнитивные структуры знаний, такие как агрегатно-трансформационная модель ПС (см. разд. 2), то само оперирование моделью может приобрести когнитивный характер (см. разд. 3). Поэтому четкое разграничение ГИС-функций и функций экспертных систем не всегда возможно и отдельные части экспертной ГИС могут совмещать в себе реализацию ГИС-функций низкого уровня с реализацией функций экспертных систем значительно более высокого уровня.

Исходя из анализа сложившихся на сегодняшний день потребностей в области геоинформационных систем (см. разд. 1.3), наиболее перспективной представляется следующая схема построения экспертных ГИС (см. рис. 5.5) в составе:

- база агрегатов-дефиниторов, представляющая собой по существу накопленную базу знаний о пространственных объектах (см. разд. 3.2.2);

- корректирующий процессор, реализующий методы топологической и геометрической коррекции пространственных структур (см. разд. 3.2.1 — 3.2.3);

- процессор-анализатор, реализующий методы агрегатного анализа пространственных структур (см. разд. 3.3);

- интеллектуальный (естесственно-языковый) интерфейс (подмножество гиперкарты), обеспечивающий взаимодействие пользователя с системой на языке именования объектов (агрегатов-дефиниторов);

- функциональный блок памяти для хранения и обработки структурного (агрегатно-трансформационного) описания изображения;

Структурное (агрегаггно-трансформаднонное) описание изображения

Корр екгирующнй процессор

Процессор - анализатор rs— О

База агрегатов-дефшпггоров

Объектный векторизатор га обряжений

Изображение

Интеллектуальный (естестаенно-языковый) интерфейс (подмножество гнлеркарты)

7\

17

По льзов ателъ

Рис. Структура экспертной ГИС

- объектный векторизатор изображений, реализующий метод анализа изображений на основе центроидной фильтрации (см. разд. 4).

Функционирование системы протекает следующим образом.

Изначально, при отсутствии накопленных знаний необходимо начинать обрабатывать изображения и накапливать результаты их обработки. Такая первичная обработка реализуется объектным векторизатором изображений, управляемым со стороны пользователя через интеллектуальный интерфейс системы. В данном случае интеллектуальный характер управляющих функций состоит в том, что формулировка запросов и директив со стороны пользователя производится в терминах пространственных объектов (элементов структуры и их агрегатов; в отличие от действий оператора по редактированию узлов в эксплуатируемых на сегодняшний день ГИС). Результатом работы объектного векторизатора являются структурные (агрегатно-траснформационные) описания анализируемых изображений.

После получения структурных описаний, они могут быть подвергнуты геометрико-топологической коррекции, либо агрегатному анализу с помощью соответствующих процессоров-анализаторов. При этом, однако, уже необходимы некоторые первичные агрегаты-дефиниторы, которые могут быть получены на первом этапе накопления знаний системой при обработке изображений, либо сформулированы пользователем и посредством интерфейса введены в базу знаний.

Функционирование базы знаний (агрегатов-дефиниторов), а также процессоров-анализаторов, выполняется по директивам и запросам пользователя посредством их обработки естественно-языковым интерфейсом системы.

В целом описанная структурно-функциональная схема построения экспертной ГИС реализует разработанные в настоящей работе математические модели и методы анализа пространственных структур, сформированные на их основе интеллектуальные технологии обработки информации, в первую очередь — технологию анализа графических изображений на основе центроидной фильтрации, а также разработанную концепцию синтеза геоинформационных технологий с технологиями баз знаний и экспертных систем и средство воплощения этой концепции в программном обеспечении - гиперкарта.

5.5. Возможности развития и совершенствования интеллектуальных технологий обработки пространственной информации

Описанные в предшествующих разделах результаты позволяют дать оценку и сформулировать возможные перспективы развития и совершенствования-интеллектуальных технологий обработки пространственной информации. Отчетливо просматриваются следующие направления работ.

Разработка новых моделей пространственных структур.

Здесь возможна проработка различных редуцированных и обобщенных разновидностей агрегатно-трансформационной модели ПС.

Редуцированные варианты модели определяются различными способами аппроксимации и представления линейных элементов и границ планарных элементов (линейно-узловые, линейно-дуговые, сплайновые и др. модели), - различным разновидностям векторных моделей пространственных данных, по своему характеру близких к используемым ныне в геоинформационных системах. Кроме того, возможны также различные способы представления не только контуров планарных элементов, а и определения их областей. Применение таких моделей более специализированного вида сравнительно с агрегатно-трансформационной моделью позволит построить также специализированные процедуры их обработки, более простые и более эффективные для целей практического использования.

Возможными обобщениями модели будут являться такие ее разновидности, которые позволяют описывать неграфические (полутоновые) и/или многоцветные (многозональные) изображения; идеология построения этих моделей также может основываться на анализе локальных топологических и геометрических свойств структуры в окрестности каждой рассматриваемой точки пространства. Кроме того, очевидным представляется возможность обобщения модели для пространств размерности большей двух. Однако более перспективным на сегодняшний день представляется разработать обобщенные разновидности моделей для агрегатно-трансформационных описаний структур - модели с однонаправленными и односторонними линейными элементами и границами планарных элементов, модели с анизотропными планарными элементами, модели с параметризованными компактными (полукомпактными) элементами, с параметризованными линейными (полулинейными) элементами, модели скалярных и векторных полей на планарных элементах. Модели такого вида позволят непосредственно использовать результаты, полученные для агрегатно-трансформационной модели и обобщить их.

Активные когнитивные структуры пространственных знаний.

Как видно из описания полученных результатов совокупность возможных методов оперирования описаниями ПС в форме агрегатно-трансформационных моделей, целиком и полностью определяется наличием в них исчерпывающе полной информации о строении структур или возможностью логического вывода этой информации. Таким образом, совокупность методов решения различных прикладных задач не является замкнутой. Образно говоря, сама модель определяет возможности решения задач, в том случае, если формулирование их постановки производится в терминах описаний ПС. Иначе говоря, модель перестает быть чисто декларативной структурой данных, приобретает процедурный характер и своеобразное свойство «самовыводимости», обеспечивая тем самым существенное расширение круга решаемых задач и возможных методов их решения. Поэтому, усиление процедурного характера структур данных модели может привести к глобальной ее активизации, когда сама модель, будучи помещенной в функциональный блок представления и обработки описаний структур начинает активно взаимодействовать с базой знаний и самим пользователем, определяя при этом процедуры анализа самой себя и запрашивая необходимую недостающую информацию у пользователя и в базе знаний.

Развитие новых интеллектуальных технологий обработки изображений на основе метода центроидной фильтрации.

Как показано в разд. 4, возможности метода центроидной фильтрации могут быть существенно расширены за счет применения различных средств локального и глобального контекстного анализа структуры изображений. При этом, локальный анализ опирается на использование геометрических факторов и факторов пространственного разрешения, характеризующих структуру изображения, а глобальный анализ — на использование избыточности в геометри-ко-топологических описаниях структуры, т.е. на свойства агрегатно-трансформационной модели. Это позволяет рассчитывать на то, что учет влияния этих факторов позволит построить систему «понимания» структуры графических изображений, которое обеспечит его расшифровку, подобно тому, как расшифровывают растровые изображения текста читающие программы.

Кроме того, как показывают результаты предварительных экспериментов, метод центроидной фильтрации может быть обобщен на случай обработки полутоновых, многоцветных (многозональных) изображений, для их структурного препарирования (обнаружения линий, контуров и сегментация областей) сложных полутоновых изображений реальных трехмерных объектов и сцен, а в дальнейшем, при накоплении достаточно большой базы знаний о пространственных структурах таких изображений в определенной тематической области (например, для аэрокосмических снимков земной поверхности) - для построения и совершенствования методов автоматического дешифрирования изображений.

Развитие и использование гиперкартных систем представления и обработки информации.

Подобно тому, как гипертекстовые системы внесли новое качество в способы представления, описания, хранения, поиска, а также в способы организации человеко-машинного интерфейса, гиперкартные системы потенциально могут реализовать такие же новые качества по отношению к информации существенно пространственного характера, которая может быть представлена в различных формах, построенных на основе изображений. Единство представления декларативной и процедурной форм представления информации, обеспечиваемое в гиперкарте, может, по видимому, явиться шагом вперед на пути достижения более эффективного интеллектуального взаимодействия человека с компьютерными системами.

Реализация, развитие и совершенствование интеллектуальных технологий обработки пространственной информации по всем указанным направлениям и возможные сочетания достигаемых по ним результатов, по-видимому, позволят разработать целый класс систем обработки информации для решения широкого круга различных научных и прикладных задач, применительно к различным отраслям знания и деятельности, с различными предметно-тематическими областями.

5.6. Полученные результаты и выводы

1. Сформирована концепция синтеза геоинформационных технологий и технологий баз знаний и экспертных систем, обеспечивающая возможность создания экспертных геоинформационных систем и баз знаний о пространственных объектах, что качественно расширяет возможности решения практических задач распознавания структур и обеспечивает высокую эффективность достижения результатов; концепция разработана на основе использования агре-гатно-трансформационной модели ПС, разработанных методов описания и анализа ПС, в том числе ПС изображений.

2. Сформулировано понятие гиперкарты, обобщающее понятие карты пространственной структуры и установлено, что гиперкарта позволяет построить единую схему организации процедурно-декларативной информации для экспертных геоинформационных систем, а также позволяет унифицировать пространственно-графический интерфейс системы и системные процедуры обработки данных. Гиперкарта реализуется в форме интерпретатора и собственного процедурного обеспечения в виде совокупности макросов, образуя тем самым собственную субоперационную систему для экспертных геоинформационных систем.

3. Разработано и отлажено программное обеспечение HMS/Pilot, реализующее интерпретатор гиперкарты, совместимое с существующими ГИС и позволяющее, тем самым, интегрировать ГИС-технологии с технологиями экспертных систем.

4. Разработанные методологические, концептуальные, алгоритмические и программно-инструментальные средства реализованы и используются в целях создания и применения информационных систем обработки данных и знаний о ПС на основе интеллектуальных технологий обработки информации.

ЗАКЛЮЧЕНИЕ

1. В работе разработаны основы теории пространственных структур, их математические модели и методы анализа для решения широкого круга научных и прикладных задач, связанных с изучением различных реальных физических и абстрактных искусственных объектов, обладающих пространственно-структурными свойствами и характеристиками, а также объектов изначально непространственного характера, которые при формализованном (функциональном) их представлении приобретают пространственные свойства и характеристики.

2. Сформулирована концептуальная основа, выявлены принципы и методология построения теории пространственных структур, согласно которым ПС различных объектов подразделяются на три класса в зависимости от соотношений радиуса структурообразования, расстояния между исходными структурообразующими элементами и размера системы - ПРСС, МПО и КПС.

3. Установлено, что в зависимости от класса ПС методы их моделирования и анализа существенно различны и при комбинировании различных типов структур должны опираться в первую очередь на модели и способы описания КПС, а моделирование и анализ ПРСС и МПО имеют локальный подчиненный характер относительно элементов КПС.

4. Фундаментальным свойством крупномасштабных ПС является трансформационная устойчивость. Принцип трансформационной устойчивости состоит в том, что элементы структуры, их характеристики и взаимосвязи частично сохраняются при любых преобразованиях структур пространственного характера и являются инвариантами относительно соответствующих групп преобразований.

5. На основе принципа трансформационной устойчивости разработана агрегата о-трансформационная модель пространственных структур с использованием свойства устойчивости структур относительно их трансформаций, индуцированных различными преобразованиями пространства - носителя структуры.

6. Рассмотрение группы преобразований пространства позволяет однозначно выделить те элементы структуры с их пространственными атрибутами и взаимосвязями, которые инвариантны относительно преобразований этой группы. Для группы непрерывных преобразований выделяются элементы структуры, определяемые своим местоположением в пространстве и кодом смыслового значения (инвариант); местоположение элементов характеризуется некоторыми подмножествами пространства носителя структуры, которые являются связными (связность-инвариант) многообразиями размерности 2, 1 или 0 (инварианты). Соответственно, определяемые ими элементы структуры являются планар-ными (планиментами), линейными (линеаментами или границами планиментов) или компактными (пунктами или узлами линеаментов). Взаимосвязи элементов характеризуются наличием между ними бинарного отношения смежности (инвариант). В результате формируется описание структуры в виде графа, образованного совокупностью связанных элементов. Полученное описание ПС является полным и точным, в том смысле, что описывает структуру с точностью до непрерывных преобразований.

7. Полученное структурное представление ПС инвариантно относительно инверсных преобразований, преобразующих окрестность точки фокуса преобразования в бесконечность и обратно с изменением направления вдоль линий, проходящих через фокус, на противоположное, что приводит к парадоксальным ситуациям («парадокс» расцепления колец). Необходим запрет на инверсные преобразования, образующие подгруппу группы непрерывных преобразований. Реализация этого запрета осуществляется путем десимметризации описаний структуры относительно инверсных преобразований за счет выделения плани-мента внешнего фона (экзофон); соответственно, области внутреннего фона (эндофон) идентифицируются в структурном описании как невыделенные.

8. Структурное представление ПС инвариантно также относительно группы рефлексных преобразований, преобразующих левосторонние структуры в правосторонние и обратно, что приводит к их неразличению. Необходим запрет на рефлексные преобразования, образующие подгруппу группы рефлексных преобразований. Реализация этого запрета осуществляется путем десимметри-зации описаний структуры относительно инверсных преобразований за счет декомпозиции узлов - выделения в окрестности узлов частей примыкающих пла-ниментов (солигонов) и линейных элементов (аксиоидов) и образования с помощью отношения смежности агрегатов узлов, в которых выделенные квазитопологические элементы связываются бинарным отношением порядка в последовательности их обхода вокруг узла в заданном фиксированном направлении.

9. Рассмотрение последовательности групп преобразований, каждая из которых является подгруппой предшествующей группы (эластичные (гладкие непрерывные, аффинные, подобия, движения, трансляции, тождественные преобразования) позволяет установить, что при переходе к каждой последующей группе выявленные линейные элементы распадаются на отдельные сегменты, связанные друг с другом узлами особых типов (изломы, сопряжения, перегибы, спрямления, касания, смыкания); планименты, пункты и ранее выявленные узлы при таком переходе сохраняются. Поэтому взаимосвязи между линейными элементами и составляющими их сегментами и узлами в структурных описаниях реализаций ПС представляются бинарным отношением «являться частью». При переходе к каждой последующей группе преобразований появляются также инвариантные атрибуты выделенных элементов структуры (угол, длина, направление, кривизна, координаты), которые приписываются им.

10. Рассматривается также группа полунепрерывных преобразований (надрезы с асимметричной деформацией вдоль их краев и последующей склейкой), являющаяся надгруппой относительно группы непрерывных преобразований. Установлено, что единственным пространственным инвариантом полунепрерывных преобразований является размерность многообразий (связность и смежность инвариантами не являются). Поэтому на уровне группы полунепрерывных преобразований в структурном описании выявляются кодовые кластеры с атрибутом их размерности.

11. Агрегатно-трансформационная модель ПС позволяет строить структурные описания, которые являются полными и точными в том смысле, что заключают в себе исчерпывающие описания всех геометрических и топологических свойств, характеристик и отношений элементов структуры и обеспечивают однозначное восстановление анализируемых реализаций ПС. Описание содержит в себе также структурные описания пространственных объектов в виде агрегатов структуры (связных совокупностей элементов). Особенностью модели является то, что атрибуты элементов структуры являются инвариантами относительно соответствующих групп преобразований, что позволяет получить структурные описания трансформированных структур путем изменения значений атрибутов.

12. Разработаны методы оценки преобразований и трансформирования ПС, построенные на основе конфигурационных и сетевых разновидностей агрегат-но-трансформационной модели ПС, обеспечивающие оценку и преобразование структур в диапазоне от аффинных до гладких непрерывных (эластичных) преобразований за счет использования конфигураций и сетей опорных точек. Методы позволяют компенсировать пространственные искажения наблюдаемых и анализируемых реализаций структур.

13. Разработаны методы агрегатного анализа и пространственной коррекции ПС, основанные на анализе взаимосвязей элементов структуры и значений их пространственных атрибутов и на сопоставлении их с априорной информацией, учитываемой в форме агрегатов-дефиниторов пространственных объектов. Методы позволяют выявлять сложные пространственные объекты в реализациях структуры и корректировать их возможные геометрические и топологические искажения.

14. Разработаны алгоритмы оперирования агрегатно-трансформационными описаниями ПС, обеспечивающие решение различных задач (логических, измерительных, вычислительных) пространственного характера относительно анализируемых реализаций структур.

15. Показано, что агрегатно-трансформационное описание ПС можно использовать в качестве когнитивных структур данных, образующих в совокупности модель базы знаний о пространственных объектах в соответствующей предметной тематической области.

16. Сформирована система пространственно-структурных параметров (ПСП) элементов изображений. Значения ПСП отображают структурные свойства элементов изображений и явным образом зависят от различных преобразований изображений (трансляций, гомотетий, сверток и аддитивных композиций, а также нелинейных безынерционных преобразований), позволяя тем самым обнаружить и описать структурные элементы изображения.

17. Разработан метод центроидной фильтрации изображений, обеспечивающий их нелинейную пространственную фильтрацию, при которой обнаруживаются и распознаются элементы структуры изображений. Метод позволяет учесть характеристики пространственного разрешения изображений, влияния шумов и помех и нелинейные безынерционные искажения изображений.

18. Предложен метод анализа ПС изображений на основе совместного использования центроидной фильтрации с анализом агрегатно-трансформаци-онного описания структуры, который позволяет построить интеллектуальную технологию обработки графических изображений, обеспечивающую их понимание автоматическими системами.

19. Сформирована концепция синтеза геоинформационных технологий и технологий баз знаний и экспертных систем, обеспечивающая возможность создания экспертных геоинформационных систем и баз знаний о пространственных объектах, что качественно расширяет возможности решения практических задач распознавания структур и обеспечивает высокую эффективность достижения результатов; концепция разработана на основе использования агре-гатно-трансформационной модели ПС, разработанных методов описания и анализа ПС, в том числе ПС изображений.

20. Сформулировано понятие гиперкарты, обобщающее понятие карты пространственной структуры и установлено, что гиперкарта позволяет построить единую схему организации процедурно-декларативной информации для экспертных геоинформационных систем, а также позволяет унифицировать пространственно-графический интерфейс системы и системные процедуры обработки данных. Гиперкарта реализуется в форме интерпретатора и собственного процедурного обеспечения в виде совокупности макросов, образуя тем самым собственную субоперационную систему для экспертных геоинформационных систем.

21. Разработано и отлажено программное обеспечение HMS/Pilot, реализующее интерпретатор гиперкарты, совместимое с существующими ГИС и позволяющее, тем самым, интегрировать ГИС-технологии с технологиями экспертных систем.

22. Разработанные методологические, концептуальные, алгоритмические и программно-инструментальные средства реализованы и используются в целях создания и применения информационных систем обработки данных и знаний о ПС на основе интеллектуальных технологий обработки информации.

Результаты выполненных исследований позволяют сформулировать возможные перспективы их развития, которые можно подразделить по следующим направлениям.

Разработка новых моделей пространственных структур. Здесь достаточно отчетливо просматриваются перспективы разработки различных редуцированных и обобщенных разновидностей агрегатно-трансформационной модели ПС. Редуцированные варианты модели определяются различными вариантами аппроксимации линейных элементов и, соответственно, приводят к различным разновидностям векторных моделей пространственных данных, по своему характеру близких к используемым ныне в геоинформационных системах. Возможными обобщениями модели будут являться такие ее разновидности, которые позволяют описывать неграфические (полутоновые) и/или многоцветные (многозональные) изображения; идеология построения этих моделей также может основываться на анализе локальных топологических и геометрических свойств структуры в окрестности каждой рассматриваемой точки пространства. Кроме того, очевидным представляется возможность обобщения модели для пространств размерности большей двух.

Реализация активных когнитивных структур пространственных знаний. Как следует из материалов разд. 3 совокупность возможных методов оперирования описаниями ПС в форме агрегатно-трансформационных моделей, целиком и полностью определяется наличием в них исчерпывающе полной информации о строении структур или возможностью логического вывода этой информации. Таким образом, совокупность методов решения различных прикладных задач не является замкнутой. Образно говоря, сама модель определяет возможности решения задач, в том случае, если формулирование их постановки производится в терминах описаний ПС. Иначе говоря, модель перестает быть чисто декларативной структурой данных, приобретает процедурный характер и своеобразное свойство «самовыводимости», обеспечивая тем самым существенное расширение круга решаемых задач и возможных методов их решения.

Развитие метода центроидной фильтрации изображений и построение на его основе новых интеллектуальных технологий обработки изображений. Как следует из материалов разд. 4, возможности метода центроидной фильтрации могут быть существенно расширены за счет локального и глобального контекстного анализа структуры изображений. При этом, локальный анализ опирается на использование геометрических факторов и факторов пространственного разрешения, характеризующих структуру изображения, а глобальный анализ — на использование избыточности в геометрико-топологических описаниях структуры, т.е. на свойства агрегатно-трансформационной модели. Это позволяет рассчитывать на то, что учет влияния этих факторов позволит построить систему «понимания» структуры изображений, которое обеспечит его расшифровку, подобно тому, как расшифровывают растровые изображения текста читающие программы. Кроме того, метод может быть обобщен на случай обработки многоцветных (многозональных) изображений, а также для структурного препарирования (обнаружения линий, контуров и сегментация областей) сложных полутоновых изображений реальных трехмерных объектов и сцен.

Развитие и использование гиперкартных систем представления и обработки информации. Подобно тому, как гипертекстовые системы внесли новое качество в способы представления, описания, хранения, поиска, а также в способы организации человеко-машинного интерфейса, гиперкартные системы потенциально могут реализовать такие же новые качества по отношению к информации существенно пространственного характера, которое может быть представлено в различных формах, построенных на основе изображений. Единство представления декларативной и процедурной форм представления информации, обеспечиваемое в гиперкарте, может, по видимому, явиться шагом вперед на пути достижения более эффективного интеллектуального взаимодействия человека с компьютерными системами.

В целом, по мнению автора, развитие работ в области интеллектуальных компьютерных технологий неизбежно приведет в самом ближайшем будущем к новому качественному скачку, в результате которого произойдет резкое расширение возможностей применения и использования этих технологий, и полученные в настоящей работе результаты могут внести некоторый вклад в реализацию этих возможностей.

1. Агаджанян Ж.М., Казанович Я.Б. Автоматические системы для анализа изображения микрообъектов // Автоматизация биофизических исследований. -Пущино: НЦБИ АН СССР, 1979. - С. 16-75.

2. Адаптивная оценка планарных элементов пространственных структур изображений / Хаба Б.С., Мурынов А.И.; ИжГТУ, 2001. Деп. в ВИНИТИ, №2558-В2001. - 21 с.

3. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. М.: Наука, 1970. - 384с.

4. Аковецкий В.И. Дешифрирование снимков. М.: Недра, 1983. — 374с.

5. Александров А.Д., Нецветаев Н.Ю. Геометрия. — М.: Наука, 1990. 672с.

6. Александров В.В., Горский Н.Д. Представление и обработка изображений: Рекурсивный подход. Л.: Наука, 1985. - 188 с.

7. Анализ планарных элементов пространственной структуры изображений / Вдовин A.M., Хаба Б.С., Мурынов А.И.; ИжГТУ, 2001. Деп. в ВИНИТИ, №2559-В2001. - 24 с.

8. Андреев Г.А., Базарский О.В., Глауберман А.С. и др. Анализ и синтез случайных пространственных текстур // Зарубежная радиоэлектроника, 1984, № 2.-С. 3-33.

9. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений. — М.: Высшая школа, 1983. 295с.

10. Бакут П.А., Колмогоров П.С. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника, 1987, № 10. С. 2546.

11. Бакут П.А., Колмогоров П.С., Варновицкий И.Э. Сегментация изображений: методы пороговой обработки // Зарубежная радиоэлектроника, 1988, № 4. С. 6-24.

12. Барабаш Ю.Л., Варский Б.В., Зиновьев В.Т. и др. Вопросы статистической теории распознавания. М.: Советское радио, 1967. - 318с.

13. Беленький В.З. Геометрико-вероятностные модели кристаллизации. -М.: Наука, 1980.-88с.

14. Берлянт A.M. Образ пространства: Карта и информация. М.: Мысль, 1986.-240с.

15. Берлянт A.M. Геоиконика. М.: Астрея, 1996. - 208с.

16. Бобир Н.Я., Лобанов А.Н., Федорук Г.Д. Фотограмметрия. М.: Недра, 1974.-472 с.

17. Богомолов Л.А. Дешифрирование аэроснимков. М.: Недра, 1976.145с.

18. Бокштейн И.М., Мерзляков С.Н., Попова Н.Р. Обнаружение и локализация малоразмерных объектов на неоднородном фоне // Цифровая оптика. Обработка изображений и полей в экспериментальных исследованиях. М.: Наука, 1990.-С. 164-173.

19. Бонгард М.М. Проблема узнавания. М.: Наука, 1967. - 320с.

20. Бочаров М.К., Самойлович Г.Г. Математические основы дешифрирования аэроснимков леса. М.: Лесная промышленность, 1964. - 222с.

21. Бочаров Н.Ф., Федотов Н.Г., Курбатский М.И. Измерение параметров трещин при испытании машиностроительных конструкций // Изв. ВУЗов. Сер. Машиностроение, 1988, № 3. С. 20 - 24.

22. Бутаков Е.А., Островский В.И., Фадеев И.Л. Обработка изображений на ЭВМ. М.: Радио и связь, 1987. - 240с.

23. Быстрые алгоритмы в цифровой обработке изображений. М.: Радио и связь, 1984.-224с.

24. Вапник В.Н., Червоненкис А .Я. Теория распознавания образов. М.: Наука, 1974.-416с.

25. Василевич В.И. Статистические методы в геоботанике. Л.: Наука, 1969.- 192с.

26. Васин Ю.Г. «Хорошо приспособленные» локальные однородные методы обработки графической информации // Автоматизация обработки сложной графической информации. Горький: ГГУ, 1984.— С. 131-158.

27. Вдовин A.M., Мурынов А.И., Лялин В.Е. Семантически значимая информация в процессах анализа и интерпретации пространственных данных // Вестник ИжГТУ "Программно-аппаратные средства для анализа и обработки сигналов и изображений" Вып.З, 2002. С.28-33.

28. Вдовин A.M., Хаба Б.С., Мурынов А.И. Моделирование и анализ пространственно-распределенных стохастических структур // Вестник ИжГТУ "Программно-аппаратные средства для анализа и обработки сигналов и изображений" Вып.З, 2002. С.45-50.

29. Вдовин A.M., Хаба Б.С., Мурынов А.И., Лялин В.Е. Исследование планарных элементов пространственной структуры изображений // Химическая физика и мезоскопия. Т.З, 2001, №2. С. 134-147.

30. Вдовин A.M., Мурынов А.И. Оценка параметров малоразмерных элементов пространственных структур с учетом их взаимовлияния //Вестник ИжГТУ "Интеллектуальные информационные технологии в телекоммуникациях и телеметрии". Вып.2, 2002. С. 12-17.

31. Вендровский К.В., Вейцман А.И. Фотографическая структурометрия. — М.: Искусство, 1982. 270с.

32. Вентцель Е.С. Теория вероятностей. М.: Наука, 1979. - 576 с.

33. Викторов А.С. Рисунок ландшафта. М.: Мысль, 1986. - 179с.

34. Виттих В.А., Сергеев В.В., Сойфер В.А. Обработка изображений в автоматизированных системах научных исследований. М.: Наука, 1982. - 214с

35. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. СПб.: ВУС, 1999. - 208с.

36. Воронов А.Г. Геоботаника. — М.: Высшая школа, 1973. 384с.

37. Геодезия / В.В.Данилов, Л.С. Хренов, Н.П. Кожевников, Н.С. Кононов. -М.: Недра, 1976.-488с.

38. Геоинформатика. Толковый словарь основных терминов. М.: ГИСассоциация, 1999. 204с.

39. Голдберг М., Гуденаф Д.Г., Алво М., Карай Дж. Иерархическая экспертная система для задач обновления лесохозяйственных карт по данным спутника Landsat//ТИИЭР, т. 73, 1985, №6.-С. 119-130.

40. Гольдман JI.M., Вольпе Р.И. Дешифрирование аэроснимков при топографической съемке и обновлении карт. -М.: Недра, 1968. — 192с.

41. Гонсалес Д. Принципы распознавания образов. — М.: Мир, 1978. 412с.

42. Горбунов В.И., Епифанцев Б.Н., Молодых В.А. К вопросу об автоматическом дешифрировании аэрофотоизображений площадных топографических объектов // Известия ВУЗов. Геодезия и аэрофотосъемка, 1977, № 1. С. 3648.

43. Горелик A.JI., Гуревич И.Б., Скрипкин В.А. Современное состояние проблемы распознавания. М.: Радио и связь, 1985. - 160с.

44. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высшая школа, 1977.-222с.

45. Горелик С.Л., Михелевич Е.Г., Пинцов В.А., Пинцов Л.А. Обработка изображений при помощи неточечных преобразований // АиТ, 1979, № 2. С. 100-109.

46. Грабарник П.Я., Комаров А.С. Статистический анализ пространственных структур: Методы, использующие расстояния между точками // Материалы по математическому обеспечению ЭВМ. Вып. 4. Пущино: НЦБИ АН СССР, 1980.-48с.

47. Грабер М. Введение в SQL. М.: Лори, 1996. - 379с.

48. Гранулометрия материалов / С.А. Батугин, А.В. Бирюков, Р.Н. Кылат-чанов. Новосибирск: Наука, 1989. - 173с.

49. Грейг-Смит П. Количественная экология растений. — М.: Мир, 1969. — 228с.

50. Гренандер У. Лекции по теории образов. Т. 1. Синтез образов. М.: Мир, 1979. - 383с. Т.2. Анализ образов. - М.: Мир, 1981. - 448с. Т.З. Регулярныеструктуры. М.: Мир, 1983. - 432с.

51. Гулд X., Тобочник Я. Компьютерное моделирование в физике. Ч. 2. -М.: Мир, 1990.-400с.

52. Де Гроот М. Оптимальные статистические решения. М., Мир, 1974. -494с.

53. Джеймс Т. Теория фотографического процесса. JI.: Химия, 1980. -672с.

54. Добеши И. Десять лекций по вейвлетам. — М.: Ижевск, НИЦ «Регулярная и хаотическая динамика», 2001. -464с.

55. Дремин И.М., Иванов О.В., Нечитайло В.А. Вейвлеты и их использование. // УФН, Т. 171, № 5. С. 465-501.

56. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. -512с.

57. Епифанцев Б.Н., Молодых В.А. Об одном алгоритме автоматического распознавания текстур на аэрофотоснимках // Известия ВУЗов. Геодезия и аэрофотосъемка, 1978, № 2. С. 84-89.

58. Живичин А.Н., Соколов B.C. Дешифрирование фотографических изображений. М.: Недра, 1980. - 253с.

59. Журавлев Ю.И., Никифоров В.В. Алгоритмы распознавания, основанные на вычислении оценок//Кибернетика, 1971, №3.-С. 1-11.

60. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания и классификации // Проблемы кибернетики. Вып. 33. М.: Наука, 1978.-С. 5-68.

61. Журавлев Ю.И., Гуревич И.Б. Распознавание образов и анализ изображений // Искусственный интеллект. Кн. 2. Модели и методы. М.: Радио и связь, 1990. -304с.

62. Журавлев Ю.И., Гуревич И.Б., Ильинский С.В. Теоретико-групповой метод распознавания изображений // Тез. докл. II Всероссийской конф. «Распознавание образов и анализ изображений: Новые информационные технологии»

63. РОАИ-2-95). Ч. II. Анализ изображений и обработка сигналов. Ульяновск: 1995. - С. 127-131.

64. Завалишин Н.В., Мучник И.Б. Модели зрительного восприятия и алгоритмы анализа изображений. М.: Наука, 1974. - 344с.

65. Загоруйко Н.Г. Методы распознавания и их применение. М.: Советское радио, 1972. - 206с.

66. Займан Дж. Модели беспорядка: Теоретическая физика однородно неупорядоченных систем. М.: Мир, 1982. - 592с.

67. Заков А.А. Основы теории графов. М.: Наука, 1987.

68. Иваницкий Г.Р., Литинская Л.Л., Шихматова В.Л. Автоматический анализ микрообъектов. — М.-Л.: Энергия, 1967. — 224с.

69. Иванов В.А., Иванченко Г.А. Математическое обеспечение статистического анализа аэроснимков леса // Автометрия, 1982, № 4. С. 34-40.

70. Ипаричев О.И. и др. Выявление экспертных знаний. М.: Наука, 1989. — 148с.

71. Интеллектуализация ЭВМ / Е.С. Кузин, А.И. Ройтман, И.Б. Фоминых, Г.К. Хахалин. М.: Высшая школа, 1989. - 159с.

72. Использование структурно-фазовых представлений при анализе пространственных структур. Отчет по НИР № Гос. per. 01840078695. — Ижевск: ФТИ УрО АН СССР, 1989. 25с.

73. Исследование возможностей анализа кинетики процессов структурообразования в конденсированных системах на базе модели пространственно-распределенных стохастических структур. Отчет по НИР № Гос. per. 01910007090. Ижевск: ФТИ УрО АН СССР, 1991. - 24с.

74. Исследование характеристик описания пространственной структуры неупорядоченных конденсированных систем на основе теории пространственно-распределенных стохастических структур. Отчет по НИР № Гос. per. 01860055949. Ижевск: ФТИ УрО АН СССР, 1990. - 25с.

75. Калядин Н.И., Мурынов А.И. Спектрально-логический подход к опознаванию изображений в задачах распознавания образов // Автоматические устройства учета и контроля. Вып.9. Ижевск: ИМИ, 1974. - С. 146-150.

76. Калядин Н.И., Мурынов А.И. Об одном алгоритме опознавания знаков, устойчивом к различным искажениям // Тез. докл. IV Всесоюзной конф. «Автоматизация ввода письменных знаков в ЦВМ». Каунас: 1977. - С. 168-170.

77. Калядин Н.И., Мурынов А.И. Об одном методе анализа и интерпретации изображений в системах обработки визуальной информации // Тез.докл. I Всесоюзной конф. «Робототехника. Системы управления и очувствления». -Каунас: 1977.-С. 293-294.

78. Калядин Н.И., Милич В.Н., Мурынов А.И. Использование информации о текстуре изображений при анализе сцен // Тез. докл. Всесоюзной конф. «Адаптивные роботы 82». - М.: KMC ВСНТО 1982. - С. 71-73.

79. Камеральное топографическое дешифрирование аэроснимков: Вопросы теории и практики. М.: РИО ВТС, 1962. - 156с.

80. Казанцев Н.Н., Флейс М.Э, Яровых В.Б. Проекционные преобразованияв геоинформационных системах // ГИС-обозрение, 1995, № 2 (5) (лето-95). С. 23-25.

81. Карасев А.А. Векторно-топологическое представление данных в цифровой картографии // Мир ПК, 1995, № 12. С. 3-8.

82. Кендалл М., Моран П. Геометрические вероятности. — М.: Наука, 1972.- 192с.

83. Кийко В.М., Шлезингер М.И. Алгоритм выделения отрезков осевых линий на графических изображениях. Киев: АН УССР. - 1983. - 117с.

84. Киричук Н.А. Стохастическая модель популяции взаимодействующих клеток // Автоматизированный анализ клеточных популяций. Новосибирск: ИАЭ СОАН СССР, 1978.-С. 141-152.

85. Классификация и кластер. М.: Мир, 1980. - 389с.

86. Ковалевский В.А. Методы оптимальных решений в распознавании изображений. М.: Наука, 1976. - 328с.

87. Козлов В.Н. О зрительном образе, математических подходах к определению этого понятия и о распознавании изображений // ЖВМиМФ,Т. 39, 1999, № 11, с. 1919-1936.

88. Козлов В.Н. Способ оценки похожести изображений, основанный на преобразованиях подобия // ЖВМиМФ,Т. 40, 2000, № 5, с. 797-808.

89. Колемаев В.А., Староверов О.В., Турундоевский В.Б. Теория вероятностей и математическая статистика. -М.: Высшая школа, 1991. -400с.

90. Колмогоров А.Н., Фомин С.В. Элементы теории функций и функционального анализа. -М.: Наука, 1981. 544с.

91. Коновалова Н.В., Капралов Е.Г. Введение в ГИС. — М.: Библион, 1997.- 160с.

92. Королев Ю. Тенденции развития моделей данных в ГИС и их значения для ГИС-приложений // ARCREVIEW: современные информационные технологии. 1997, № 3. — С. 15.- 1997, №2.-С. 2.

93. Королев Ю.К. Общая геоинформатика. Ч. 1. Теоретическая геоинформатика. Вып. 1.-М.: Дата+, 1998.- 119с.

94. Коулмэн Г.Б., Эндрюс Х.С. Сегментация изображения при помощи автоматической классификации // ТИИЭР, т. 67, 1979, № 5. С. 82-97.

95. Кошкарев А.В., Сорокин А.Д. Форматы и стандарты цифровой пространственной информации // ГИС-обозрение, 1995, № 4 (весна-95). С. 40-45.

96. Кошкарев А.В., Тикунов B.C. Геоинформатика. — М.: Картгеоцентр -Геодезиздат, 1993.-213с.

97. Кравченко В.Ф., Рвачев В.А., Пустовойт В.И. Алгоритм построения wavelet-систсм для обработки сигналов. // ДАН, 1996, Т. 346, № 1. С. 31-32.

98. Кузнецов И.П. Семантические представления. М.: Наука, 1986.295с.

99. Кучко А.С. Аэрофотография и специальные фотографические исследования. М.: Недра, 1988. - 236с.

100. Ламброу Т., Линней А., Спеллер Р. Применение вейвлет-преобразования к обработке сигналов и изображений // Компьютерра, 1998, № 8.-С. 50-51.

101. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний: Процедуры и реализации. — М.: Наука, 1989. 128с.

102. Либенсон М.Н., Хесин А .Я., Янсон Б. А. Автоматизация распознавания телевизионных изображений. М.: Энергия, 1975. - 160с.

103. Мазуров В.Д. Метод комитетов в задачах оптимизации и классификации. М.: Наука, 1990. - 248с.

104. Маратканов В.М., Милич В.Н., Мурынов А.И. Распознавание текстурных изображений с учетом контекстной информации // Тез. докл. II Всесоюзной конф. "Автоматизированные системы обработки изображений" (АСОИз-86). М.: Наука, 1986. - С. 155-156.

105. Маратканов В.М., Милич В.Н., Мурынов А.И. Принятие решений при интерпретации текстурных изображений // Анализ и интерпретация пространственно-распределенных структур. Свердловск: УрО АН СССР, 1988. - С. 3649.

106. Марр Д. Зрение: Информационный подход к изучению представления и обработки зрительных образов. М.: Радио и связь, 1987. — 400с.

107. Мартин Дж. Организация баз данных в вычислительных системах. -М.: Мир, 1980.-662с.

108. Математические и технические проблемы обработки изображений. -Новосибирск: ВЦ СОАН СССР, 1980. 118с.

109. Матерон Ж. Случайные множества и интегральная геометрия. М.: Мир, 1978.-318с.

110. Мендельсон Э. Введение в математическую логику. М.: Наука, 1984. -320с.

111. Методика автоматизированного анализа пространственной структуры материалов. Отчет по НИР № Гос. per. 01840078695. Устинов: ФТИ УНЦ АН СССР, 1985.-54с.

112. Милич В.Н., Мурынов А.И. О супернормальных изображениях // Автоматические устройства учета и контроля. Вып. 10. Ижевск: ИМИ, 1975. - С. 148-150.

113. Милич В.Н., Мурынов А.И. Дифференциальная форма представления эталонов при распознавании текстурных изображений // Дискретные системы обработки информации. Вып. 5. — Ижевск: ИМИ, 1983. С. 60-64.

114. Милич В.Н., Мурынов А.И. Методика создания аналитических эталонов текстур // Тез. докл. Всесоюзной конф. «Обработка изображений и дистанционные исследования». Ч. 1. Т. 1. Новосибирск: СОАН СССР, 1984. - С. 6768.

115. Милич В.Н., Мурынов А.И. Структурно-тоновый анализ изображений в системах технического зрения // Тез. докл. Всесоюзного симпозиума «Зрение организмов и роботов» Т. 2. Вильнюс: 1985. - С. 199-200.

116. Милич В.Н., Мурынов А.И. Применение адаптивных признаков для анализа текстурных изображений // Тез. докл. II Всесоюзной конф. «Автоматизированные системы обработки изображений» (АСОИз-86). М.: Наука 1986, С. 32-33.

117. Милич В.Н., Мурынов А.И., Шабанов Г.А. Признаки и процедуры принятия решений при распознавании текстурных сегментов изображений // Разработка систем технического зрения и их применение в промышленности. — Ижевск: 1988.-С. 120-131.

118. Милич В.Н., Мурынов А.И. Структурно-фазовый анализ текстурных изображений // Тез. докл. Международной конф. "Обработка изображений и дистанционные исследования". Новосибирск: ВЦ СОАН СССР, 1990. - С. 158-159.

119. Милич В.Н., Мурынов А.И. Метод анализа текстурных изображений с компенсацией влияния фотографического канала // Автометрия, 1996, № 1. — С. 59-63.

120. Милич В.Н., Мурынов А.И. Концепция муниципальной автоматизированной картографической системы Ижевска «МАКС-Ижевск» // ГИС-обозрение, 1997, № 3. С. 55-56.

121. Милич В.Н., Мурынов А.И. О нормализации внутренне динамичныхизображений II Автоматические устройства учета и контроля. Вып. 10. -Ижевск: ИМИ 1975.-С. 144-147.

122. Минский М. Структура для представления знания // Психология машинного зрения / Под ред. П. Уинстона. М.: Мир, 1978. - С. 249-338.

123. Мурынов А.И. Об одном критерии оценки качества альтернативных решающих правил // Дискретные системы обработки информации. Вып. 1. -Ижевск: ИМИ, 1978. С. 22-26.

124. Мурынов А.И. Об одном методе распознавания текстурных изображений // Дискретные системы обработки информации. Вып. 2. — Ижевск: 1979. — С. 3-6.

125. Мурынов А.И. Обнаружение классификационных закономерностей методом альтернативных решающих правил // Машинные методы обнаружения закономерностей. Рига: 1981.-С. 125-131.

126. Мурынов А.И. Анализ однородных пространственно-распределенных стохастических структур // Анализ и интерпретация пространственно-распределенных структур. Свердловск: УрО АН СССР, 1988. - С. 5-21.

127. Мурынов А.И. Модель пространственной структуры для представления цифровой карты // Вестник Удмуртского университета. Тематический выпуск "Вопросы экологии и ресурсный потенциал территорий", 1996, № 3. С. 151-159.

128. Мурынов А.И. Объектный формат пространственных данных для ГИС // Материалы IV Всероссийского форума "Геоинформационные технологии. Управление. Природопользование. Бизнес" (ГИС-97). М.: ГИС-ассоциация, 1997.-С. 124-126.

129. Мурынов А.И. Объектно-топологическая модель пространственных данных для ГИС // Тез.докл. 4-й Российской университетско-академической научно-практической конф. Ч. 2. Ижевск: 1999. — С. 169-170.

130. Мурынов А.И., Милич В.Н. Построение цифровой картографической основы для муниципальных и региональных ГИС // ГИС-обозрение, 1998, № 2. С. 40-47.

131. Мурынов А.И., Кузнецов В.Е., Милич В.Н. Автоматизация измерений параметров структуры текстурных изображений // Автоматизация физико-технических измерений. Свердловск: УрО АН СССР, 1991. - С. 109-124.

132. Мурынов А.И., Захаров А.В. Микровекторизация картографических изображений // Тез.докл. 4-й Российской университетско-академической научно-практической конф. Ч. 2.-Ижевск: 1999.-С. 171-172.

133. Мурынов А.И., Лосев А.В. Самокорректирующиеся пространственные структуры данных // Тез.докл. 4-й Российской университетско-академической научно-практической конф. Ч. 2. Ижевск: 1999. - С. 167.

134. Мурынов А.И., Маратканов В.М. Модель малоразмерных пространственных образований для измерения и оценки их параметров // Автоматизация физико-технических измерений. Свердловск: УрО АН СССР, 1991. - С. 52-60.

135. Мурынов А.И., Микрюков А.В. Структурная организация тематической базы данных системы анализа и интерпретации изображений // Разработка систем технического зрения и их применение в промышленности. Ижевск: 1988.-С. 118-119.

136. Мурынов А.И. Об эффективности различных подходов в распознавании образов // Автоматические устройства учета и контроля. Вып. 2. Ижевск: 1977.-С. 3-5.

137. Мурынов А.И. Двухтактный интерпретатор ДИ-100 // Автоматическиеустройства учета и контроля. Вып. 2. Ижевск: 1977. - С. 20-22.

138. Мурынов А.И. Когнитивные структуры пространственных данных для экспертных геоинформационных систем. // Тез. докл. V Российской универси-тетско-академической научно-практической конференции. Ч. 8. Ижевск: Изд-воУдГУ, 2001. С. 37-39.

139. Мурынов А.И. Векторизация картографических изображений на основе центроидной фильтрации //Труды Международного форума по проблемам науки, техники и образования. Т. 2. М.: Академия наук о Земле, 2000. - С. 125-127.

140. Мурынов А.И. Структурная индексация сигналов в информационно-измерительных системах // Труды науч.-техн. конф. "Приборостроение в XXI веке. Интеграция науки, образования и производства". Ижевск: Изд. дом "Удмуртский университет", 2001. - С.155-157.

141. Мурынов А.И. Анализ растровых изображений на основе центроидной фильтрации. // Тез. докл. V Российской университетско-академической научно-практической конференции. Ч. 8. Ижевск: Изд-во УдГУ, 2001. С. 39-40.

142. Мурынов А.И., Вдовин A.M. Анализ пространственной структуры изображений методом центроидной фильтрации // Вестник ИжГТУ "Программно-аппаратные средства для анализа и обработки сигналов и изображений" Вып.З, 2002. С.3-11.

143. Мурынов А.И. Математическое моделирование пространственных структур в экспертных системах. Ижевск: Изд-во УдГУ, 2002. - 188 с.

144. Мурынов А.И. Конфигурационные модели изображений и оценка параметров структурных элементов их деталей // Химическая физика и мезоско-пия. Т.4, 2002, №1. С. 128-144.

145. Мурынов А.И., Вдовин A.M., Лялин В.Е. Оценка геометрикотопологических параметров деталей изображений на основе метода центроидной фильтрации // Химическая физика и мезоскопия. Т.4, 2002, №2. С. 145-160.

146. Нарасимхан Р. Лингвистический подход к распознаванию образов // Автоматический анализ сложных изображений. М.: Мир, 1969. — С. 22-50.

147. Небабин В.Г. Распознавание формы сигналов // Зарубежная радиоэлектроника, 1981, № 9. С. 84-99.

148. Нильсон Н. Принципы искусственного интеллекта. — М.: Радио и связь, 1985.-374с.

149. Обработка изображений и цифровая фильтрация. М.: Мир, 1979. —318с.

150. Оре О. Теория графов: М.: Наука, 1968. - 352с.

151. Осуга С. Обработка знаний. М.: Мир, 1989. - 293с.

152. Оценка параметров малоразмерных элементов пространственно-распределенных структур / Вдовин A.M., Мурынов А.И.; ИжГТУ, 2001. Деп. в ВИНИТИ, №2556-В2001. - 20 с.

153. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986. - 400с.

154. Патрик Э. Основы теории распознавания образов. М.: Советское радио, 1980.-480с.

155. Переберин А.В. Вейвлеты в компьютерной графике // Компьютерра, 1998, №8.-С. 52-53.

156. Петухов А.П. Периодические дискретные всплески. // Алгебра и анализ, Т. 8, 1996, вып. 3.-С. 151-183.

157. Пименов В.И., Козлов Ю.М. Распознавание изображений малоразмерных объектов // Проблемы создания систем обработки, анализа и распознавания изображений. Ташкент: АН УзССР, 1989. - С. 27-28.

158. Плишкин Ю.М. Методы машинного моделирования в теории дефектов кристаллов // Дефекты в кристаллах и их моделирование на ЭВМ. Л.: Наука, 1980.-С. 77-99.

159. Понтрягин J1.С. Непрерывные группы. М.: Наука, 1984. - 520с.

160. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. - 288с.

161. Построение экспертных систем. М.: Мир, 1987. - 441с.

162. Представление и использование знаний. М.: Мир, 1989. - 220с.

163. Престон К., Дафф М. Дж. Б., Левьяльди С. и др. Основы клеточной логики с приложениями к обработке изображений // ТИИЭР, т. 67, 1979, № 5. -С. 149-184.

164. Приобретение знаний. — М.: Мир, 1990. — 304с.

165. Прохоров Ю.В., Розанов Ю.А. Теория вероятностей (Основные понятия. Предельные теоремы. Случайные процессы). М.: Наука, 1973. - 496с.

166. Прэтт У. Цифровая обработка изображений. Кн. 1. — М.: Мир, 1982. — 312с. - Кн. 2. - М.: Мир, 1982. - 480с.

167. Распознавание образов: состояние и перспективы / К. Верхаген , Р. Дейн , Ф. Грун и др. М.: Радио и связь, 1985. - 104с.

168. Розенфельд А., Дейвис Л.С. Сегментация и модели изображения // ТИИЭР, т. 67, 1979, № 5. С. 71-81.

169. Розенфельд А. Распознавание и обработка изображений для цифровых вычислительных машин. М.: Мир, 1972. - 230с.

170. Рудой Б.П., Горбачев В.Г., Власов М.Ю. Концептуальные топологические отношения в ГИС // Инф. бюлл. ГИС-ассоциации, 1996, № 5 (7). С. 62-63.

171. Садыков С.С., Самандаров И.Р. Скелетизация бинарных изображений // Зарубежная радиоэлектроника. 1985. - № 11. — С. 30-37.

172. Салищев К.А. Картоведение. -М.: Изд-во МГУ, 1982.-408с.

173. Салтыков С.А. Стереометрическая металлография. М.: Металлургия, 1970.-376с.

174. Сантало Л. Интегральная геометрия и геометрические вероятности. — М.: Наука, 1983.-360с.

175. Себестиан Г.С. Процессы принятия решений при распознавании образов. Киев: Техника, 1965. - 168с.

176. Серапинас Б.Б. Глобальные системы позиционирования. М.:ИКФ «Каталог», 2002. - 106 с.

177. Сидорова B.C. Текстурный анализ аэрокосмических изображений на ЭВМ // Математические и технические проблемы обработки изображений. -Новосибирск: ВЦ СОАН СССР, 1980. С. 30-36.

178. Советский энциклопедический словарь. М.: Советская энциклопедия, 1984.- 1600с.

179. Соломатин Н.М. Информационные семантические системы. М.: Высшая школа, 1989. - 127с.

180. Стокхэм Т. Обработка изображений в контексте модели зрения // ТИИЭР, т. 60, 1972, № 7. С. 82-104

181. Толковый словарь по искусственному интеллекту / А. Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов. М.: Радио и связь, 1992. - 256с.

182. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978.-411с.

183. Турбович И.Г., Гитис В.Г., Маслов В.К. Опознание образов. М.: Наука, 1971.-218с.

184. Уотермен Д. Руководство по экспертным системам. М.: Мир, 1989.388с.

185. Файн B.C. Опознавание изображений. М.: Наука, 1970. - 296с.

186. Файн B.C. Алгоритмическое моделирование формообразования. — М.: Наука, 1975.

187. Фишер И.З. Статистическая теория жидкостей. М.: ГИФМЛ, 1961. — 280с.

188. Фомин Я.Ф., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. - 263с.

189. Фризер X. Фотографическая регистрация информации. М.: Мир, 1978.-670с.

190. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977. - 320с.

191. Фукунага К. Введение в статистическую теорию распознавания образов. М.: Наука, 1979. - 368с.

192. Хаба Б.С., Мурынов А.И. Оценка и распознавание планарных элементов пространственной структуры изображений // Вестник ИжГТУ "Интеллектуальные информационные технологии в телекоммуникациях и телеметрии". Вып.2, 2002. С. 18-24.

193. Хаба Б.С., Мурынов А.И., Лялин В.Е. Разработка адаптивной оценки планарных элементов пространственной структуры изображений // Химическая физика и мезоскопия. Т.З, 2001, №2. -С.148-161.

194. Хаба Б.С., Мурынов А.И. Процессы принятия статистически значимых решений при анализе и интерпретации сложных изображений // Вестник ИжГТУ "Математическое моделирование радиоэлектронных средств телекоммуникационных систем". Вып.1, 2002. С.22-28.

195. Халугин Е.И., Жалковский Е.А., Жданов Н.Д. Цифровые карты. М.: Недра, 1992.-419с.

196. Хант Э. Искусственный интеллект. М.: Мир, 1978. - 558с.

197. Харалик P.M. Статистический и структурный подходы к описанию текстур // ТИИЭР, т. 67, 1979, № 5. С. 98-120.

198. Хеерман Д.В. Методы компьютерного эксперимента в теоретической физике. М.: Наука, 1990. 176с.

199. Хомяков Ю.Н., Саушкин В.А. Методы классификации текстур // Зарубежная радиоэлектроника, 1986, № 2. С. 33-45.

200. Хусу А.П., Витенберг Ю.Р., Пальмов В.А. Шероховатость поверхностей: Теоретико-вероятностный подход. М.: Наука, 1975. — 344с.

201. Хюккель М. Оператор нахождения контуров на кодированных изображениях // Интегральные роботы. Вып. 1. — М.: Мир, 1973. С. 225-240.

202. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998. -288с.

203. Цикритзис Д., Лоховски Ф. Модели данных. М.: Финансы и статистика, 1985. - 344с.

204. Чернявский К.С. Стереология в металловедении. — М.: Металлургия, 1977.-280с.

205. Чуй К. Введение в вэйвлеты. М.: Мир, 2001.-412с.

206. Чукин Ю.В. Структуры данных для представления изображений // Зарубежная радиоэлектроника, 1983, № 8. С. 85-107.

207. Шрейдер Ю.А., Шаров А.А. Системы и модели. — М.: Радио и связь, 1982.- 152с.

208. Экспертные системы: Принципы работы и примеры. М.: Радио и связь, 1987.-224с.

209. Экспертные системы: Состояние и перспективы. — М.: Наука, 1989. — 152с.

210. Эльман Р.И. Автоматизация дешифрирования и картографирования лесов по аэро- и космическим снимкам // Использование аэрокосмических съемок в целях охраны природы. М.: АН СССР, 1988. - С. 61-69.

211. Эндрюс Г. Применение вычислительных машин для обработки изображений. М.: Энергия, 1977. — 160с.

212. Эткинс П. Порядок и беспорядок в природе. М.: Мир, 1987. - 224с.

213. Ющенко С. Графическая оболочка Photon — революция в мире интерфейсов // Современные технологии автоматизации, 1996, № 1. — С. 105-109.

214. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику. М.: Радио и связь, 1987. - 296с

215. Ackerson Virginia В., Fish Ernest В. An Evaluation of Landscape Units // Photogrammetric Engineering and Remote Sensing, 1980, v. 46, №3. P.347-358.

216. Apolloni В., Mirino P. Region extraction for thematic analysis of remote sensed images // Spase Developments for the Future of Manking. Pap. 30th Int. Astronaut. Congr., Munich, 17-22, 1980, 7, № 4-5. P. 417-424.

217. Arcelli С., di Baja G.S. A one-pass two-operation process to detect the ^ skeletal pixels the 4-distance transform // IEEE Trans, on Pattern Recognition and

218. Machine Intell., 1989. v. 11. P. 411-414.

219. Ballard D. Generalizing the Hough transform to detect arbitrary shapes // Pattern Recogn., 1981, v. 13, № 2.-P. 111-122.

220. Bossier John D., Pendleton Dave L., Swetnam George F. and anoth. Knowledge-Based Cartography // The American Cartographer, v. 15, 1988, № 2. P. 149-161.

221. Cederberg R. Chain-link coding and segmentation of raster scan devices // Сотр. Graph, and Image Proc., 1979, v. 10, № 2. P. 224-234.

222. Centner R.M., Hietanen E.D. Automatic pattern recognition // Photogrammetric Engineering, v. 37, 1971, №2.-P. 1431-1433.

223. Verhagen C. J. D. M. Applications of Pattern Recognition and Processing to Physical and Related Problems // Pattern Recognition in Practice, 1980. P. 189206

224. Chen C.H. A study of texture classification using spectral features // Proc. 6th Intern. Conf. on Pattern Recognition, Munich, 1982. P. 1074-1077.

225. Conners R. W., Vasguez-Espinosa R. E. A Theory of texture measurement ^ definition // Proc. 6th Int. Conf. Pattern Recogn., Munich, Oct. 19-22, 1982. P. 286288.

226. Cross R. George, Jain A. K. Markov Random Field Texture Models // IEEE Trans. Pattern Anal, and Mach. Intel., 1983, v.5, N1. P. 25-39.

227. Davis L., Johns S. Texture analysis using generalized cooccurrence matrices // IEEE Trans, on Pattern Analysis and Machine Intelligence, v. 1, № 3, July 1979. P. 251-259.

228. Dieter Japel. An Algorithmic Approach to Feature Extraction // Proc. 6th Intern. Conf. Pattern Recognition, Munich, 1982. P. 1074-1077.

229. Fleck M.M. Local Rotational Symmetries. Tech. Rep. 852. MIT Press., 1985.- 155p.

230. Freeman H. Shape description via nhe use of critical points // Pattern rec• ognition, 1978, v. 10, № 3. P. 159-169.

231. Gagalowicz A., de Ma S. Synthesis of natural textures // Proc. 6th Int. Conf. Pattern Recogn., Munich, Oct. 19-22, 1982. P. 1081-1086.

232. Gapson D.W. An improved algorithm for the sequentional extraction of boundaries from a raster scan // Сотр. Graph, and Image Proc., 1984, v. 28, № 1. -P. 109-125.

233. Goldstein A., Rosenfeld A. Optical correlation for terrain type discrimination // Photogrammetric Engineering, v. 30, 1964, № 4. P. 639-654.

234. Goto N., Kondo T. An automatic inspection system for printed wiringboard mask // Pattern Recognition, 1980, v. 12. P. 443-455.

235. Haralick R.M. Structural pattern recognition, homomorphisms and arrangements // Pattern Recogn., 1978, v. 10, № 3. P. 223-236.

236. Harlow C., Trivedi M., Conners R., Phillips D. Scene analysis of high resolution aerial scenes // Optical Engineering, 1986, 25, № 3. P. 347-355.

237. Hassner M., Sklansky J. The Use of Markov Random Fields as Models of Texture. Computer Graphics and Image Processing, 1980, vol. 12, num. 4, 357-370.

238. Hsu Shin-yi, Burright R.G. Texture perception and the RADC/Hsu texture щ feature extractor // Photogramm. Eng. and Remote Sens, 1980, 46, № 8. P. 10511058.

239. Idelsohn J.M. A learning system for terrain recognition // Pattern Recognition, v. 2, № 4, 1970. P. 293-302. Bendix Technical Joournal, Spring, 1972.

240. James W. Modestino, Robert W. Fries and Acie L. Vickers. Texture Discrimination Based Upon an Assumed Stochastic Texture Model // JEEC Transactions on Pattern analysis and machine intelligence, 1983, v. pamI-3 , no.5. P.557-580.

241. Julius T. Tov. Pictorial Feature Extraction and Recognition via Image Modeling // Computer Graphics and Image Processing, v. 12, 1980, n.4. P. 376-406.

242. Kittler J. Statistical Image Processing // Computer Graphics, 1983, №8. -P.232-243.

243. Kittler J. and Paler K. An Absorption Edge Detector // Computer Graphics, 1983, №8. P.345-350.

244. Kwok P. Customising thinning algorithms // 3rt Int. Conf. Image Proc. and Appl., Warwick, 18-20 July, 1989, London, 1989. P. 633-637.

245. Lam L., Lee S.-W. Thinning methodologies A comprehensive survey // IEEE Trans. Pattern Anal, and Mach. Intell, 1992, 14, № 9. - P. 869-885.

246. Leschack L.A. ADP of forest imagery // Photogrammetric Engineering, v. 37, 1971, №8.-P. 1639-1654.

247. Lu S.Y., Fu K.S. A syntactic approach to texture analysys // Сотр. Graph, and Image Proc., 1978, v. 7, № 3. P. 303-330.

248. O'Gorman L. KxK thinning // Comput. Vision, Graph, and Image Process, 1990, 51, №2.-P. 195-215.

249. Paven K., Deepak B. Pseudo one thinning algorithm // Pattern Recogn. Lett., 1991, 12,№9.-P. 543-555.

250. Pavlidis T. A thinning algorithm for discrete binary images // CGIP. -1980, v. 13.-P. 142-157.

251. Pietikainen M., Rosenfeld A., Davis L. S. Texture classification using averages of local pattern matches // Proc. 6th Int. Conf. Pattern Recogn., Munich, Oct. 1922, 1982.-P. 301-303.

252. Rangasami L. and Ramalingam Chellippa. Estimation and Choice of Neighbors in Spatial-Interaction Models of Images // IEEE Transactions on information theory, 1983, v.it-29, no. 1, January. P. 61-70.

253. Ripple W.J., Ulshoefer V.S. Expert Systems and Spatial Data Models for Efficient Geographic Data Handling // Photogrammetric Engineering and Remote Sensing, v. 53, Oct. 1987, № 10.-P. 1431-1433.

254. Robinson Vincent В., Frank Andrew U. Expert Systems for Geographic Information Systems // Photogrammetric Engineering and Remote Sensing, v. 53, Oct. 1987, № 10.-P. 1435-1441.

255. Rosenfeld A. Automatic recognition of basic terrain types from aerial photographs // Photogrammetric Engineering , v. 28, 1976, № 1. P. 115-126.

256. Rosenfeld A. A characterization of parallel thinning algorithms // Information and Control. 1975, v. 29. - P. 286-291.

257. Scarpace F.L., Quirk B.K. Land-cover classification using digital processing of aerial imagery // Photogramm. Eng. and Remote Sens, 1980, v. 46, № 8 P. 1059-1065.

258. Schan. H.C .Statistical filter for image feature extraction // Applied Optics, v. 19, № 13, 1 July 1980. P. 2182-2190.

259. Steiner D., Haefner H. Tone distorsion for automated interpretation // Photogrammetric Engineering, v. 31, 1965, № 3. P. 269-284.

260. Tanimoto S., Pavlidis T. A hierarchical data structure for picture processing // Сотр. Graph, and Image Proc. 1975, v. 4, № 4. P. 320-328.

261. Tomita F., Shirai Y., Tsuji S. Description of textures by a structural Analysis // IEEE Transactions on Pattern Analysis and Machine Intelligence, v. PAMI-4, N2, March, 1982.-P. 183-191.

262. Weszka J.S., Dyer C.R., Rosenfeld A. A Comparative Study of Texture Measures for Terrain Classification. // IEEE Trans Syst., Man, and Cybern 1976, v. SMC-6, № 4.//P. 269-285.

263. Yokoyama R. Texture Synthesis Using a Growth Model. // Computer Graphic and Image Processings, 1978, №8. P. 369-378.

264. Zhuravlev Yu. I., Gurevitch I.B. Pattern Recognition and Image Recognition // Pattern Recognition and Image Analysis, 1991, v. 1, № 2. — P. 149-181.