автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и алгоритмы обнаружения и оценки параметров изображений динамических объектов в видеокомпьютерных системах

Введение.

1. Анализ методов обработки изображений применительно к задаче обнаружения и оценки параметров динамических объектов.

1.1. Качественная постановка задачи обнаружения и оценки параметров динамических объектов на изображениях.

1.2. Методы, основанные на сегментации.

1.3. Корреляционные методы.

1.4. Разностные методы.

Выводы.

2. Математические модели и комплексный алгоритм обнаружения, оценки параметров и классификации динамических объектов.

2.1. Математические модели обрабатываемых изображений.

2.2. Аналитический алгоритм обнаружения и выделения динамических объектов.

2.3. Разметка и параметризация выделенных сегментов.

2.4. Классификация выделенных сегментов.

2.5. Критерии оценки качества работы алгоритмов обнаружения и выделения объектов.

2.6. Статистическое моделирование аналитического алгоритма обнаружения и выделения динамических объектов.

Выводы.

3. Эвристический алгоритм обнаружения и выделения изображений динамических объектов. Исследование и сравнительный анализ.

3.1. Эвристический алгоритм обнаружения и выделения динамических объектов.

3.2. Статистическое моделирование эвристического алгоритма обнаружения и выделения динамических объектов.

3.3. Сравнительный анализ аналитического и эвристического алгоритмов обнаружения и выделения динамических объектов.

Выводы.

4. Специальное алгоритмическое и программное обеспечение.

Апробация разработанных алгоритмов.

4.1. Структура специального программного обеспечения.

4.2. Алгоритм разметки и параметризации сегментированного изображения.

4.3. Алгоритм классификации сегментов.

4.4. Экспериментальная проверка работоспособности алгоритмов обнаружения и выделения изображений динамических объектов на реальных видеосюжетах.

Выводы.

Актуальность работы. В самых различных областях науки и техники имеется множество задач, связанных с обработкой изображений [18, 31, 33, 39, 40, 50, 57, 68, 69, 83, 99, 114, 115, 119]. Это, например, анализ и интерпретация аэрофотоснимков и космических снимков в науках о Земле, в метеорологии, астрономии, исследовании природных ресурсов; анализ оптических, рентгеновских, тепловых, радиографических и других изображений в медицинской диагностике, промышленной дефектоскопии, научных исследованиях; анализ изображений и полей, зарегистрированных методами оптической, радио- и акустической голографии; сопровождение объектов в системах слежения и т.д.

Можно назвать несколько практических задач, требующих обнаружения объектов и измерения их координат (локализации) [53, 55, 56, 80, 89, 98, 102, 117, 118]: обнаружение и измерение координат объектов при фотоинтерпретации, измерение взаимного расположения соответствующих точек на стереопарах изображений, обнаружение и измерение положения реперных меток на аэрофото - и космических снимках, обнаружение дефектов и инородных образований в медицинской и промышленной диагностике по изображениям, обнаружение заданных объектов и символов в информационно-поисковых системах, автоматическое обнаружение движущихся объектов в охранных системах и системах наведения и т.д. Эти задачи могут решаться как «вручную» путем визуального анализа изображений, так и автоматически цифровыми и аналоговыми (оптическими или оптико-электронными) процессорами путем обработки соответствующего двумерного сигнала.

Реализация потенциальных возможностей цифровой обработки изображений определяется уровнем аппаратурного и математического обеспечения. В настоящее время основное направление в разработке такого обеспечения - создание специализированных цифровых вычислительных комплексов, аппаратурно и программно ориентированных на обработку изображений.

Имеется множество практически важных ситуаций, в которых возникает задача автоматического обнаружения, локализации и классификации динамических изменений, имеющих место в обрабатываемой последовательности кадров и являющихся следствием движения объектов на изображениях, появления кратковременных вспышек от выстрелов или взрывов и т.п. При этом решение об обнаружении зачастую необходимо принимать в реальном масштабе времени, т.е. в темпе поступления кадров изображения. Подобные задачи решают, например, охранные системы; автоматические системы обнаружения и наведения на цель; системы, предназначенные для слежения за объектами; зрительные системы роботов [38,78,95, 104, 105, 109, 154].

В диссертации решаются задачи обнаружения, выделения и оценки параметров динамических изменений в последовательностях кадров изображений применительно к видеосистемам, работающим как в видимом, так и в инфракрасном диапазонах наблюдения. Информация, получаемая с помощью пассивных (телевизионных) систем наблюдения [19, 34, 59, 61, 79, 102], может быть представлена в виде последовательности двумерных изображений, на которых могут появляться и перемещаться различные объекты. В качестве таких объектов могут выступать люди, автомашины, авиационная и бронетанковая техника, вспышки, взрывы, блики оптики и т.п.

Степень разработанности проблемы. Значительный вклад в разработку методов и алгоритмов, направленных на выделение изображений объектов из наблюдаемой сцены, внесли работы В.К. Баклицкого, П.А. Бакулева, П.А. Бакута, В.Г. Лабунца, Т. Павлидиса, У.К. Прэтта, Д. Ту, Р. Фишера, К. Фу, М.И. Шлезингера и др.

Основное внимание в литературе при освещении вопросов выделения изображений объектов из анализируемого кадра уделено методам, основанным на сегментации изображений, корреляционным и разностным методам.

Корреляционно-экстремальные методы [11-13, 25, 45], хорошо работающие даже при малых отношениях сигнал/шум в задачах слежения за подвижными объектами, требуют предварительной информации о текущем эталонном изображении отслеживаемого объекта, что на этапе обнаружения подвижных объектов практически не реализуемо.

Известные методы сегментации изображений [14, 15, 24] в отличие от корреляционных методов не требуют знания полной информации об обнаруживаемых объектах. Они используют различные неизменные признаки, отличающие искомый объект от окружающего его фона. Однако, методы, которые используют небольшой объем априорной информации и достаточно эффективны в вычислительном отношении с точки зрения реализации их в компьютерной системе, например, пороговые алгоритмы [15, 149, 155], могут работать только при достаточно большом отношении сигнал/шум. Более сложные алгоритмы сегментации, во-первых, требуют наличия значительно большей априорной информации об объекте, и, во-вторых, в настоящее время практически неприменимы для реализации их в компьютерных системах реального времени.

Разностные алгоритмы [131, 135, 141] хорошо подходят для выделения динамических изменений в последовательности кадров неискаженных шумом изображений, но обладают повышенной чувствительностью к шумовым искажениям.

Проведенный анализ показал, что не существует универсальных методов обработки изображений, решающих задачу обнаружения, выделения и параметризации локальных динамических изменений, вызванных движением объектов, появлением вспышек на изображении, для всего многообразия практических ситуаций. Таким образом, перспективным направлением дальнейшего развития известных методов является разработка комплексного подхода решения поставленной задачи, сочетающего в себе составляющие сегмеитационных, корреляционных и разностных методов, приспособленных для эффективной реализации алгоритма в видеокомпьютерной системе обработки изображений.

Цель диссертации - разработка эффективных алгоритмов решения задач обнаружения и оценки параметров динамических объектов в последовательностях изображений. Практическая цель работы - разработка специализированного программного обеспечения и экспериментальное подтверждение эффективности разработанных алгоритмов.

Задачи. Для достижения поставленной цели необходимо решить следующие основные задачи:

• разработать усовершенствованные математические модели наблюдаемых последовательностей видеосцен;

• разработать комплексный алгоритм автоматического обнаружения, выделения и классификации динамических изменений, возникающих в последовательности кадров;

• разработать программное обеспечение, реализующее полученные алгоритмы;

• провести статистические исследования эффективности предложенных алгоритмов на искусственно сгенерированных и реальных видеосюжетах.

Научная новизна. Задача обнаружения и выделения динамических объектов в присутствии неоднородного фона сформулирована и решена как комплексная задача обнаружения динамических изменений в последовательности изображений с последующей параметрической классификацией выделенных изменений.

Конкретно на защиту выносятся:

1. Усовершенствованные математические модели обрабатываемых изображений, позволяющие поточечно решать задачу первичного обнаружения динамических изменений на сложном фоне.

2. Аналитический алгоритм первичного обнаружения и выделения динамических участков изображений, основанный на вычислении апостериорных вероятностей присутствия объекта в каждой точке наблюдаемого изображения, результатом работы которого является бинарное изображение.

3. Эвристический алгоритм первичного обнаружения и выделения динамических участков изображений, основанный на статистическом анализе уровней яркости в каждой точке наблюдаемой последовательности изображений с последующим решением вопроса о принадлежности точки изображения текущего кадра фону или объекту.

4. Алгоритм выделения и параметризации связных областей (сегментов) бинарного изображения, основанный на логической обработке результатов последовательного сравнения двух текущих соседних строк, позволяющий проводить параметризацию сегментов бинарного изображения в темпе поступления его на обработку.

5. Алгоритм параметрической классификации выделенных сегментов, основанный на статистическом анализе изменений характеристик выделенных сегментов бинарного изображения во времени, позволяющий отсеивать «ложные» образования и принимать окончательное решение об обнаружении динамических объектов.

6. Специализированное программное обеспечение, реализующее предложенные алгоритмы и позволяющее создавать на его основе видеокомпьютерные системы реального времени.

Практическая ценность. Диссертационная работа направлена на решение задач, имеющих непосредственное практическое значение.

С учетом введенных моделей изображений разработано алгоритмическое обеспечение эффективного решения комплексной задачи обнаружения, оценки параметров и классификации динамических объектов в последовательностях изображений.

Разработано программное обеспечение и проведено экспериментальное исследование алгоритмов на реальных изображениях.

Предложенное алгоритмическое и программное обеспечение может быть использовано:

• при построении видеокомпьютерных охранных систем;

• в системах автоматического обнаружения движущихся объектов (людей, автомобилей, ракет, самолетов, вертолетов, кораблей, бронетанковой и специализированной техники), кратковременных вспышек и бликов;

• в высокоточных системах слежения за движущимися объектами;

• при решении задач разведывательного характера.

Реализация и внедрение. Полученные теоретические и практические результаты использованы при проведении НИЭР «Марс» №15-95, ОКР «Аргус» №12-98, ОКР «Охотник» №10-98, НИР №3-00.

Результаты диссертации в виде математического и программного обеспечения использованы и внедрены в ГУП Государственном Рязанском приборном заводе, ОАО Красногорском механическом заводе, что подтверждается актами, приведенными в приложении.

Апробация работы. Содержание и основные результаты диссертации докладывались:

• на научно-технических конференциях профессорско-преподавательского состава Рязанской государственной радиотехнической академии в 1998-2000 гг.,

• на Международных научно-технических конференциях и семинарах "Космонавтика. Радиоэлектроника. Геоинформатика." (Рязань, 1998), "Цифровая обработка сигналов и ее применение" (Москва, 1999, 2000), «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 1999, 2000), «Телевидение: передача и обработка изображений» (Санкт - Петербург, 2000).

• на Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Новые информационные технологии в научных исследованиях и в образовании» (Рязань, 2001).

Публикации. По материалам диссертации опубликованы 4 статьи и 8 тезисов докладов. При участии соискателя написана 1 пояснительная записка к эскизно-техническому проекту на ОКР.

Личный вклад соискателя по опубликованным материалам состоит в следующем:

- в работе [159] соискателем разработано программное обеспечение и выполнены статистические исследования алгоритма сегментации, основанного на Байесовской процедуре классификации;

- в работах [160, 171] соискателем предложен эвристический алгоритм автоматического обнаружения, выделения и оценки динамических изменений, возникающих в последовательности телевизионных кадров; проведены его статистические исследования;

- в работах [161-165] соискателем разработан и исследован аналитический алгоритм обнаружения и выделения изображений динамических объектов;

- в работе [166] соискателем разработан алгоритм параметрической классификации сегментов бинарного изображения;

- в работе [167] соискателем разработан алгоритм разметки и параметризации сегментов бинарного изображения;

- в работе [168] соискателем проведен сравнительный анализ методов обнаружения и выделения движущихся объектов на изображениях применительно к задаче обнаружения и выделения изображений динамических объектов в последовательностях видеосцен;

- в работе [169] соискателем разработано специальное программное обеспечение для моделирования последовательностей изображений с заданными статистическими характеристиками;

- в работе [170] соискателем разработан комплексный алгоритм автоматического обнаружения и выделения динамических изменений, возникающих в последовательности видеокадров, с одновременной классификацией выделенных изменений на вспышки, блики и движущиеся объекты; проведено исследование работоспособности предложенного комплексного алгоритма на реальных видеосюжетах.

Работы [166-169, 171] выполнены соискателем без соавторов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы (171 наименование), приложения, изложенных на 200 страницах, имеет 4 таблицы, 79 рисунков.

Основные результаты диссертационной работы сводятся к следующему:

1. Проведен обзор известных методов обработки изображений, объединенных в группы методов сегментации, методов корреляционно-экстремальной обработки и разностных методов. Установлено, что взятые по отдельности эти методы не решают в целом поставленной в диссертации задачи, отличаются, как правило, значительной вычислительной сложностью и ориентированы на модели изображений, часто не отвечающие реальным ситуациям. В связи с этим, в диссертации поставлена задача разработки комплексного алгоритма обнаружения, выделения, параметризации и классификации динамических изменений в последовательности изображений, ориентированного на не слишком сложные и в то же время достаточно адекватные реальным ситуациям модели изображений.

2. На основе известных в научной литературе различных моделях представления последовательностей изображений и анализа реальных видеосцен была разработана и положена в основу комплексного алгоритма решения задачи усовершенствованная модель, включающая в себя модели состояния и наблюдения яркости фона, модель вероятностных переходов, отвечающая разнообразию реальных видеосюжетов и в то же время ориентированная на возможность получения алгоритмов, допускающих распараллеливание и реализацию их в видеокомпьютерной системе.

3. Задача обнаружения динамических объектов сформулирована как задача обнаружения динамических изменений в последовательности кадров изображений и представлена в качестве первого «предварительного» этапа решения комплексной задачи по принятию решения об обнаружении объектов с их параметризацией. Решение задачи сводится к оценке фонового изображения, вычислению апостериорных вероятностей возникающих динамических изменений в каждой точке матриц изображений с последующей пороговой обработкой. Результатом решения такой задачи для каждого отдельного кадра является сегментированная бинарная матрица, в которой единичные связные группы элементов предположительно представляют динамические изменения, вызываемые движением обнаруживаемых объектов. Алгоритм обнаружения, использующий апостериорные вероятности, в работе назван как «аналитический».

4. Предложен, дополнительно к аналитическому на основе вычисления апостериорных вероятностей алгоритму обнаружения, «эвристический» алгоритм, отличающийся простой организацией вычислений и относительно малым их объемом. В основу эвристического алгоритма положено вычисление оценок уровней яркости и оценок дисперсии уровней яркости точек фона в последовательности кадров с последующим анализом отклонений уровней яркости точек изображений от их оценки.

5. Предложен эффективный алгоритм параметризации выделенных на первом (предварительном) этапе обнаружения сегментов, а также алгоритм последующей классификации сегментов с использованием параметрической корреляции сегментов и учетом возможного характера их перемещений в последовательности кадров видеоизображений, что дает возможность избавиться от множества «ложных» выделенных образований и облегчить принятие окончательного решения об обнаружении подвижных объектов (в том числе динамических изменений, являющихся следствием вспышек, взрывов, бликов и т.п.).

6. Разработан комплекс программ, позволяющий проводить исследования предлагаемых алгоритмов в плане проверки их эффективности при обработке различных видеосюжетов, как искусственных, так и реальных, и ориентированных на использование в видеокомпьютерной системе.

7. Проведены исследования эффективности аналитического и эвристического алгоритмов при работе их с искусственными и реальными видеосюжетами. Предложены критерии оценки эффективности работы исследуемых алгоритмов. По результатам исследований сделан вывод о том, что предложенные алгоритмы достаточно эффективно решают задачу предварительного обнаружения динамических изменений на изображениях при отношении сигнал/шум: > 3 для аналитического алгоритма и > 3,5 для эвристического. Эффективность обнаружения обоих алгоритмов практически одинакова при отношении сигнал/шум начиная от 4, а при отношении сигнал/шум менее 3,5 эвристический алгоритм заметно уступает аналитическому, отличаясь от последнего меньшей вычислительной сложностью.

8. Проведены качественные исследования работы комплексного алгоритма обнаружения, выделения и классификации на ряде искусственных и реальных видеосюжетов, подтверждающих его работоспособность и эффективность. Некоторые результаты работы комплексного алгоритма с реальными видеосюжетами представлены в диссертации в виде фрагментов последовательностей кадров исходных и полученных бинарных изображений.

9. Разработанное алгоритмическое и программное обеспечение решения комплексной задачи обнаружения подвижных объектов используется в практических разработках в РГРТА, ГУП Государственном Рязанском Приборном заводе и ряде предприятий, занимающихся разработкой и применением видеокомпьютерных систем.

170

ЗАКЛЮЧЕНИЕ

Диссертационная работа посвящена разработке, исследованию и программной реализации комплексных алгоритмов для решения задач обнаружения и оценки параметров подвижных объектов, вспышек, взрывов в последовательностях двумерных изображений, сформулированных как задача обнаружения и оценки параметров динамических изменений на изображениях.

Ориентация программного комплекса на его использование в реальной видеокомпьютерной системе предопределила подход к разработке достаточно эффективных и в то же время доступных для реализации алгоритмов.

1. Абду И.Э., Прэтт У.К. Количественный расчет детекторов контуров, основанных на подчеркивании перепадов яркости с последующим пороговым ограничением // ТИИЭР.-1979.-Том 67.-№5.-С.59-70

2. Агаронян О.С. Сегментация изображений с использованием замощения плоскости многоугольниками Вороного // Автоматика и телемеханика.-1986.-№ 10.-С.95-100

3. Алпатов Б.А. Алгоритм обнаружения и выделения движущегося фрагмента изображения // Техника средств связи. Сер. Техника телевидения.-1991.-Вып. 2.-С.72-76

4. Алпатов Б.А. Оценивание параметров движущегося объекта в последовательности изменяющихся двумерных изображений // Автометрия.-1991.-№3.-С.21-24

5. Алпатов Б.А., Хлудов С.Ю. Алгоритм последовательных испытаний в задаче совмещения двумерных изображений // Изв. Высш. Учеб. Заведений. Электромеханика. -1988.-№7.-С.87-91

6. Андреев А.Л., Джамийков Т.С., Ярышев С.Н. Корреляционный измеритель вектора скорости на приборах с зарядовой связью // Известия высших учебных заведений. Приборостроение.-1988.-Том 31.-№9.-С.68-73

7. Андросов В.А., Бойко Ю.А., Бочкарев A.M. Совмещение изображений в условиях неопределенности // Зарубежная радиоэлектроника.-1985.-№4.-С.54-70

8. Андросов В.А., Бойко Ю.В., Бочкарев A.M., Однорог А.П. Совмещение изображений в условиях неопределенности // Зарубежная радиоэлектроника.-1985.-№4.-С.54-70

9. Антонюк Я.П., Луник Т.Н., Руденко В.В., Свенсон А.Н., Тынная Н.Т. Анализ пространственного нелинейного корреляционного фильтра // Отбор и передача информации.-Киев. Наукова думка.-1985.-Вып. 72.-С.27-33

10. Астратов О.С., Филатов В.Н. Алгоритмы оценки координат протяженного объекта в поле телевизионного изображения // Техника средств связи. Сер. Техника телевидения.-1987.-Вып. 6.-С.23-30

11. Баклицкий В.К. Корреляционно-экстремальный алгоритм распознавания образов // Известия высших учебных заведений. Радиоэлектроника.-1989.-Том 29.-№1.-С.68-72

12. Баклицкий В.К., Бочкарев A.M., Мусьяков М.П. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации.-М.:Радио и связь, 1986.-216с.

13. Бакулев П.А., Степин В.М. Методы и устройства селекции движущихся целей.-М.:Радио и связь, 1986.-288с.

14. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника.-1987.-№10.-С.25-47

15. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: Методы пороговой обработки // Зарубежная радиоэлектроника.-1987.-№10.-С.6-24

16. Бакут П.А., Лабунец В.Г. Телевизионная следящая система с байесовским дискриминатором цели // Зарубежная радиоэлектроника,-1987.-№10.-С.81-93

17. Бакут. П.А., Ворновицкий И.Э., Колмогоров Г.С., Лабунец В.Г. Цифровые методы обработки изображений в автоматических системах. Тематический обзор.-УПИ им. Кирова, 1986.-127с

18. Бакут. П.А., Жулина Ю.В., Иванчук Н.А. Обнаружение движущихся объектов.-М.:Советское радио, 1980.-288с.

19. Барсуков Ф.И., Величкин А.И., Сухарев А.Д. Телевизионные системы летательных аппаратов.-М.:Советское радио, 1979.-256с

20. Белоглазов И.Н., Тарасенко В.П. Корреляционно-экстремальные системы.-М.:Советское радио, 1974.-392с

21. Белокуров А., Сечко В.В. Стохастические модели в задачах анализа и обработки изображений // Зарубежная радиоэлектроника.-1989.-№5.-С.З-18

22. Бергманис А.Х., Янсон Б.Я. Алгоритм аппаратной маркировки связных областей // Методы и средства преобразования информации: Обработка и передача видеоинформации.-Рига,1987.-Вып. 7.-С.43-50

23. Борзов С.М., Гибин И.С., Разумова И.И., Худик В.Н. Анализ параллельно-последовательного метода корреляционных вычислений в задаче распознавания // Автометрия.-1988.-№2.-С.26-32

24. Борисенко В.И., Златопольский А.А., Минчук И.Б. Сегментация изображений (состояние проблемы) // Автоматика и телемеханика.-1987.-№7.-С.З-56

25. Бочкарев A.M. Корреляционно-экстремальные системы навигации // Зарубежная радиоэлектроника.-1981.-№9.-С.28-53

26. Бочко В.А. Методы обработки и классификации цветных изображений // Зарубежная радиоэлектроника.-1992.-№6.-С. 10-17

27. Брайсон А., Хо Ю-Ши. Прикладная теория оптимального управления.-М.:Мир,1972.-544с.

28. Быкова Е.И. Некоторые способы повышения устойчивости распознавания образов по эталонам // Кибернетика.-1988.-№5.-С. 105-108

29. Быстрые алгоритмы в цифровой обработке изображений / Под ред. Хуанга Т. С.-М.:Радио и связь, 1984

30. Валынков В.И., Фисенко В.Т. Сравнение двухмерных операторов для выделения контуров // Техника средств связи. Сер. Техника телевидения.-1979.-Вып. 6.-С.47-54

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

32. Василенко Г.И., Гибин И.С., Потатуркин О.И. Оптико-электронные корреляционные методы и средства распознавания изображений // Известия высших учебных заведений. Радиоэлектроника.-1990.-Том 33.-№8.-С. 15-27

33. Верхаген К., Дейн Р., Грун Ф., Йостен Й., Вербек П. Распознавание образов: состояние и перспективы.-М.:Радио и связь, 1985.-104с.

34. Волохатюк В.А., Кочетков В.М., Красовский P.P. Вопросы оптической локации.-М.:Советское радио, 1971.-256с.

35. Ворновицкий И.Э., Лабунец В.Г., Мальцев А.П. Телевизионная система слежения за целями с плазменным факелом // Зарубежная радиоэлектроника.-1987.-№ 10.-С. 69-80

36. Воробьев К.Ю., Тимонькин Т.Н., Харченко B.C., Мельников В.А. Иерархическая обработка изображений и пирамидальные системы // Зарубежная радиоэлектроника.-1991 .-№7.-С.51-61

37. Гайшук О.В., Денисов В.М., Матвеев Ю.Н. Определение ориентации плоских объектов с использованием гистограмм второго порядка бинарных изображений // Известия высших учебных заведений. Приборостроение.-1991 .-Том 34.-С.3-7

38. Глезер В.Д., Цуккерман И.И. Информация и зрение.-М.: Л.:Изд-во АН СССР, 1961.-182с.

39. Гончарский А.В., Кочиков И.В., Матвиенко А.Н. Реконструктивная обработка и анализ изображений в задачах вычислительной диагностики.-М.:Издательство Московского университета, 1993.-140с.

40. Горелик А.Л., Скрипкин В.А. Методы распознавания.-М.:Высшая школа, 1984.-208с.

41. Гороховатский В.А., Ересько Ю.Н., Путятин Е.П., Стрельченко В.И. Локализация объектов на изображениях визуальных сцен // Автометрия.-1990.-№6.-С.3-7

42. Гороховатский В.А., Кацалап С.Ф., Путятин Е.П. Анализ изображений в условиях локальных искажений // Автометрия,-1986.-№6.-С.46-51

43. Горьян И.С., Кац Б.М., Цуккерман И.И. Выделение статистически однородных участков изображений. В кн.: Иконика. Цифровая голография. Обработка изображений. М.: Наука, 1975.-С.62-73

44. Гофман В.Э., Ракчеев Д.П., Толстиков А.С. Оценка вероятности многопризнакового распознавания изображений // Известия высших учебных заведений. Приборостроение.-1991.-Том 34.-№3.-С.98-103

45. Гроховатский В.А. Структурно-корреляционные методы при описании и распознавании объектов на изображении // Автометрия.-1992.-№4.-С. 11-18

46. Губанов А.В., Ефимов В.М., Киричук B.C., Пустовских А.И., Резник A.JI. Методы оценивания взаимного смещения фрагментов цифровых изображений // Автометрия.-1988.-№3.-С.70-73

47. Дейхин JI.E., Райфельд М.А., Спектор А.А. Адаптивное ранговое обнаружение объектов на изображениях с коррелированным фоном // Радиотехника и электроника.-1989.-Том XXXIV.-№10.-C.2112-2118

48. Денисов Д.А., Низовкин В.А. Сегментация изображений на ЭВМ // Зарубежная радиоэлектроника.-1987.-№10.-С.5-30

49. Егорова С.Д., Колесник В.А. Оптико-электронное цифровое преобразование изображений.-М.:Радио и связь, 1991.-208с.

50. Ефимов В.М., Киричук B.C., Пустовских А.И., Резник A.JL Методика обработки серии изображений // Автометрия.-1989.-№2.-С.23-28

51. Ефимов В.М., Резник A.J1. Алгоритмы идентификации фрагментов двух изображений, инвариантные к повороту // Автометрия.-1984.-№5

52. Зверев А.И., Красильщиков М.Н., Кудряшов С.В. Распознавание типов объектов и прогнозирование их движения по результатам малоинформационных измерений, реализуемых автономными средствами наблюдения // Изв. РАН. Техн. Кибернетика.-1993,1994.-№6,№1

53. Здор С.Е., Широков В.Б. Оптический поиск и распознавание.-М.Наука, 1973.-240с.

54. Иванов В.А. Моделирование корреляционного сопровождения объектов в реальном времени // Автометрия.-1989.-№2

55. Иванов В.А. Некоторые особенности алгоритмов и программной реализации обработки траекторий //Автометрия.-1995.-№6.-С. 15-22

56. Иванов В.А., Косых В.П. Алгоритм сравнения фрагментов изображений двух кристаллов для контроля внешнего вида микросхем // Автометрия.-1989.-№2.-С.29-34

57. Ильин А.Г., Костевич А.Г., Курячий М.И. Прецизионное измерение координат объектов цифровыми телевизионными следящими системами // Известия высших учебных заведений. Приборостроение.-1991.-Том 34.-№4.-С.98-103

58. Катыс Т.П. Восприятие и анализ оптической информации автоматической системой.-М. Машиностроение, 1986.-416с.

59. Катыс Г.П., Пержу B.JL, Ротарь C.JI. Методы и вычислительные средства обработки изображений.-Кишинев:Штиинца,1991.-212с.

60. Ким Д.П. Методы поиска и преследования подвижных объектов.-М.:Наука, 1989.-3 36с.

61. Киричук B.C., Конршевер И.И., Синелыциков В.В. Анализ изображений динамических сцен: модели, алгоритмы и системы реального времени // Автометрия.-1998.-№3.-C.3-17

62. Киричук B.C., Косых В.П. Алгоритм нелинейной фильтрации, основанный на структурном представлении изображений // Автометрия.-1995.-№4.-С.68-74

63. Киричук B.C., Перетягин Г.И. Об установлении сходства фрагментов с эталоном // Автометрия.-1986.-№4.-С.83-89

64. Киричук B.C., Пустовских А.И. Применение статистических методов в задаче оценивания стационарной части фона по серии изображений // Автометрия.-1988.-№3.-С.74-78

65. Киричук B.C., Яковенко Н.С. Адаптивные алгоритмы поиска малоразмерных объектов на изображении // Автометрия.-1994.-№2.-С.З-6

66. Киричук B.C., Яковенко Н.С. Структурные алгоритмы анализа последовательности изображений // Автометрия.-1995.-№6.-С.З-6

67. Киричук Н.А., Косых В.П., Петунин А.И. Автоматическая классификация лейкоцитов человека с использованием комплекса «Зенит-К» //Автометрия.-1989.-№2.-С.З 8-42

68. Киричук Н.А., Косых В.П., Петунин А.И. Количественный анализ формы ядер миелоидных клеток человека // Автометрия.-1989.-№2.-С.34-38

69. Киричук Н.А., Яковенко Н.С. Линейная фильтрация в задаче поиска объектов произвольной ориентации // Автометрия.-1991 .-№3 .-С. 10-13

70. Кирков А.А., Сырямкин В.И., Титов B.C. Корреляционное сравнение трехмерных изображений // Известия высших учебных заведений. Приборостроение.-1997,-Том 40.-№2.-С.52-54

71. Клочко В.К. Обнаружение движущихся изображений точечных протяженных объектов в последовательности телевизионных кадров // Автометрия.-1993 .-№ 1 .-С.40-47

72. Клочко К.К. Сегментация полутоновых двумерных изображений в задачах анализа сцен // Известия высших учебных заведений. Приборостроение.-1991.-Том 34.-№3.-С.10-15

73. Ключко В.И., Рассомахин С.Г. Алгоритм функционирования системы поэтапного распознавания образов // Электронная техника. Серия 9. Экономика и системы управления.-1981.-Вып. 3(40).-С.34-37

74. Колмогоров Г.С., Костромина Е.В., Лучина И.И., Мальцев А.П. Оптоэлектронная система самонаведения THSSID // Зарубежная радиоэлектроника.-1987.-№ 10.-С. 57-68

75. Кориков A.M., Сырямкин В.И., Титов B.C. Корреляционные зрительные системы роботов.-Томск:Радио и связь, 1990.-264с.

76. Коршунов Ю.М., Бобиков А.И. Цифровые сглаживающие и преобразующие системы.-М.:Энергия, 1969.-128с.

77. Кочевых В.И., Никонов В.К. Система зрительного анализа объектов роботизированного производства.-Киев:Тэхника, 1990.-128с.

78. Криксунов J1.3., Усольцев И.Ф. Инфракрасные системы.-М.:Советское радио, 1968.-320с.

79. Кузьмин С.З. Основы теории цифровой обработки радиолокационной информаци.-М. Советское радио, 1974

80. Лабунец В.Г., Чернина С.Д. Теория и применение преобразования Хо // Зарубежная радиоэлектроника.-1987.-№10.-С.48-56

81. Левин В.И. Динамико-автоматическая модель распознавания зрительных образов // Вопросы радиоэлектроники. Серия электронная вычислительная техника (ЭВТ).-1991.-Вып. 9.-С.З-15

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

83. Маринец В.П. Алгоритмы обнаружения изображений объектов на фонах разной структуры // Отбор и передача информации. Киев. Наукова думка.-1985.-Выпуск 72.-С.34-37

84. Маринец В.П., Лукенюк А.А. Исследование пространственных помех при автоматическом распознавании простых образов // Отбор и передача информ.-1981.-Вып. 63.-С.7-11

85. Мацелло В.В. Выделение структурных сегментов на графических изображениях // Автоматика.-1981.-№6.-С.7-18

86. Мельников Б.Г. Пространственно-временной следящий измеритель параметров движения объектов // Радиотехника.-1981.-№9.-С.29-33

87. Найт У.С., Придэм Р.Г., Кэй С.М. Цифровая обработка сигналов в гидролокационных системах // ТИИЭР.-1981 .-Том 69.-№11

88. Обидин Ю.В. Специализированный коррелятор // Автометрия.-1989.-№2.-С.15-18

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

90. Петров А.А. Алгоритмическое обеспечение информационно-управляющих систем адаптивных роботов (алгоритмы технического зрения роботов) / Итоги науки и техники // Техническая кибернетика. М. ВИНИТИ.-1984,-Том 17.-С.251-294

91. Петрягин Г.И. Исследование алгоритма обнаружения объекта на многозональном изображении // Автометрия.-1993.-№6.-С.84-87

92. Прэтт У. Цифровая обработка изображений.-М.: Мир, 1982.-792с.

93. Путятин Е.В., Гороховатский В.А.,Ищенко С.В. Алгоритмы выделения движущихся объектов на изображениях с применением преобразования Хо // Автометрия.-1993.-№6.-С.88-93

94. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике.- М.: Машиностроение.-1990.-320с.

95. Путятин Е.П., Гороховатский В.А., Добрынин А.А., Ересько Ю.Н., Сытник О.В. Определение параметров объектов по серии изображений // Автометрия.-1992.-№4.-18-23

96. Рабиновитц С. Дж., Гейджер Ч.Х., Брукнес Э., Джонсон Ч.М. Цифровые методы в радиолокации // ТИИЭР.-1985.-Том 73.-№2

97. Распознавание образов и обработка изображений // ТИИЭР.-1979.-Том 67.-№5

98. Самошкин М.А. Автоматизация преобразования и обработки графической информации.-Минск: Навука i тэхшка.-1991.-335с.

99. Сергеев В.В. Методы выделения границ объектов в изображении // Техника средств связи, сер. Техника телевидения.-Вып. 6(20).-1979.-С.38-46

100. Степанов О.А. Оптимальное решение задачи уточнения координат объекта в корреляционно-экстремальных системах навигации при использовании информации о поле в виде кадра // Автометрия.-1994.-№2.-С. 18-27

101. Столов E.J1., Чубаков Л.Г. Алгоритм сегментации изображения на основе иерархического подхода с срединной линии // Кибернетика-. 1990.-№3.-С115-117

102. Страхова Jl.А. Обнаружение сигнала движущейся цели на фоне пассивных помех с применением спектрального анализа // Известия высших учебных заведений. Радиоэлектроника.-. 1988.-Том 31.-№4.-С.8-15

103. Техническое зрение роботов / Под ред. Пью А.-М. Машиностроение, 1987.-320с.

104. Троцкий И.Н. Статистическая теория томографии.-М.: Радио и связь,-1989.-240с.

105. Ту Д., Гонсалес Р. Принципы распознавания образов.-М.Мир.-1978

106. Филатов В.Н. Особенности автоматического измерения координат изображения протяженного объекта в плоскости телевизионного растра // Техника средств связи.Серия Техника телевидения.-1991.-Вып.2.-С.52-59

107. Филатов В.Н. Поисково-рекуррентный алгоритм измерения параметров движения фрагмента телевизионного изображения // Автометрия,-1991 .-№3 .-С. 16-20

108. Фишер Р. От поверхностей к объектам. Машинное зрение и анализ трехмерных сцен.-М.:Радио и связь.-1993.-288с.

109. Фу К. Последовательные методы в распознавании образов и обучении машин.-М. :Наука.-1971 .-256с.

110. Фу К. Структурные методы распознавания образов.-М.Мир.-1977.-319с.

111. Харалик P.M. Статистический и структурный подходы к описанию текстур // ТИИЭР.-1979.-Том 67.-№5.-98-120с.

112. Харатишвили Н.Г., Чхеидзе И.М., Ронсен Д., Инджия Ф.И. Пирамидальное кодирование изображений / М.:Радио и связь.-1996,-192с.

113. Хорн Б.К.П. Зрение роботов.-М.:Мир.-1989.-487с.

114. Цифровая обработка телевизионных и компьютерных изображений / Под ред. Зубарева Ю.Б. и Дворковича В.П.-М.Международный центр научной и технической информации, 1997.-216с.

115. Шлезингер М.И. Математические средства обработки изображения.-Киев.-Наукова думка.-1989.-200с.

116. Этингтон А., Карилас П. Дж., Райт Дж.Д. Многофункциональные вращающиеся PJTC с электронным сканированием для обзора воздушного пространства // ТИИЭР.-1985.-Том 73.-№2

117. Якушенков Ю.Г. Совмещение функций обнаружения объектов и измерения их параметров в оптико-электронных системах // Известия высших учебных заведений. Приборостроение.-1990.-Том 33.-№6.-С.7-13

118. Ярославский Л.П. Введение в цифровую обработку изображений.-М.:Советское радио.-1979.-312с.

119. Яценко В.А. Синтаксическое распознавание образов в классе конечных квантовых автоматов // Автоматика.-1990.-№5.-С. 10-13

120. Пат. 2822090 ФРГ, МКИ Н04 № 5/22

121. Пат. 3828122 США, МКИ Н04 № 7/18

122. Пат. 4227212 США, МКИ Н04 № 7/18

123. Пат. 4272783 США, МКИ Н04 № 7/18

124. Пат. 4350998 США, МКИ Н04 № 7/18

125. Пат. 4408224 США, МКИ Н04 № 7/18

126. Alam М. A. Multiple target detection using fringe-adjusted joint transform correlator // Proc. of SPIE. Automatic Object Recognition IV.-Jul 1994.-Vol. 2234. P. 337-347

127. Azimi-Sadjadi M. R., Yu X. Neural Network Directed Bayes Decision Rule for Moving Target Classification // Proc. Of SPIE. Automatic Target Recognition IX.-Aug. 1999.-Vol. 3718. P. 152-163

128. Barnea O.I., Silverman H.F. A class of algorithms for fast image registration // IEEE Trans. Computers.-1972.-c-21.-№6.-P. 179-186

129. Baumgart C. W., Ciarcia C. A. Automated target recognition technique for image segmentation and scene analysis // Applications of Artificial Neural Networks V.-Mar 1994,-Vol. 2243. P. 194-199

130. Biao L., ZhenKang S., JiCheng L. Automatic Target Detection and Tracking System Using Infrared Imagery // Proc. of SPIE. Automatic Target Recognition VII. Jun 1997,-Vol. 3069, P.534-540

131. Carlson D. W., Kumar В. V. К. V., Mitchell R. R., Hoffelder M. Composite correlation filters for SAR image recognition // Proc. of SPIE. Algorithms for Synthetic Aperture Radar Imagery III.-Jun 1996.-Vol. 2757. P. 338-349

132. Cooper M., Grenander U., Miller M. I., Srivastava A. Accommodating geometric and thermodynamic variability for forward-looking infrared sensors // Proc. of SPIE. Algorithms for Synthetic Aperture Radar Imagery IV.-Jul 1997.-Vol. 3070. P. 162-172

133. Correia В. А. В., Dinis J., Davies R. Automatic detection and recognition of stationary motorized vehicles in infrared images // Proc. Of SPIE. Automatic Target Recognition IX.-Aug. 1999.-Vol. 3718. P. 140-151

134. Douglas C., Whitehouse S., Mott D., Baldwin J. Automatic change detection in space borne SAR imagery // Proc. of SPIE. Algorithms for Synthetic Aperture Radar Imagery III, Jun.- 1996.- Vol. 2757. P. 58-69

135. Dufour J.-Y., Martin V. Active/passive cooperative image segmentation for automatic target recognition // Proc. of SPIE. Applications of Digital Image Processing XVII.-Sep 1994.-Vol. 2298. P. 552-560

136. Eklund M. W., Trivedi M. M. Adaptive correlation-based tracking algorithm // Proc. of SPIE. Automatic Object Recognition IV.-Jul 1994.-Vol. 2234. P. 384-393

137. Ernisse В. E., Rogers S. K., Desimio M. P., Raines R. A. Complete automatic target cuer/recognition system for tactical forward-looking infrared images // Optical Engineering.-September 1997.- Vol.36(09). P. 2593-2604

138. Ernst D., Gross H., Strieker D., Thiinnessen U. Improvement of object classification in image sequences // Proc. of SPIE. Automatic Target Recognition VII.-Jun 1997.-Vol. 3069. P. 424-433

139. Jayaramamurthy S.N. Jain Ramesh. An approach to the segmentation of textured dynamic scenes // Computer vision, grafics and image processing.-1983.-№21.-P.239-261

140. Jicheng L., Zhenkang S., Biao L. Detection of small moving objects in image sequences // Proc. of SPIE. Automatic Target Recognition VII.- Jun 1997.-Vol. 3069. P.511-517

141. Lanterman A. D. , Coope M. L., Mille M. I. Efficient estimation of thermodynamic state incorporating Bayesian model order selection // Proc. Of SPIE. Automatic Target Recognition IX.-Aug. 1999.-Vol. 3718, P.2-12

142. Limb J.O,, Murphy J.A. Measuring the speed of moving objects from television signals // IEEE Trans.-1975.-Vol. COM 23.-№4.-P.411-414

143. Loughlin P. J. Local spectral and temporal characterizations of a wave // Proc. of SPIE. Automatic Target Recognition VIII.-Jul 1998.-Vol. 3371. P. 552559

144. Lutton S., Mitchell O. Segmentation and classification of targets in FLIR imagery // Soc. Photo-opt. Instrum. Eng. J.-1978.-№155.-P.83-90

145. Mansfield A. W., Poehler P. L. , Rais H. SAR coherent change detection (CCD) for search and rescue // Proc. of SPIE. Automatic Target Recognition VII.-Jun 1997.-Vol. 3069. P. 224-233

146. Markham K.C. Comparision of segmentation processes for object acquisition in infrared images // IEEE Proceedings.-1988.-Vol. 136, pt. F.-№1.-P.13-21

147. Markham K.C. Some segmentation process for application with a spoke filter// Pattern recognition letters.-1987.-№5(5).-P.329-335

148. Milgram D., Rosenfeld A., Tisdale G., Willett T. Algorithms and hardware technology for image recognition // Final report, University of Marybani. Westinghouse. AD-A051191.-May 1975 to Jenuary 1978

149. Mostafavi H. Optimal window function for image correlation in the presence of geometric distortion // IEEE Trans.-1979.-Vol. ASSP 27.-№2,-P.163-169

150. Mostafavi H., Smith F.W. Image correlation with geometric distortion // IEEE Trans.-1978.-Vol. AES 14.-№3.-P.487-500

151. Mostafavi H., Steading T.L., Smith F.W., Poulsen R.S. Optimum window for image registration // IEEE Trans.-1981.-Vol. AES 17.-P. 101-109

152. Pham Q. H., Brosnan Т. M., Smith M. J. T. Sequential digital filters for fast detection of targets in FLIR image data // Proc. of SPIE. Automatic Target Recognition VIL-Jun 1997.-Vol. 3069. P. 62-73

153. Roland Y.S. //IEEE Trans. On Aerospace and Electronic Systems.-1979,-Vol. 15.-№1

154. Sahoo P.K., Soltani S., Wong A.K.C. A survey of thresholding techniques // Computers vision, grafics, and image processing.-1988.-№41.-P.233-260

155. Schaming W.B. Adaptive gate multifeature bayesian statistical tracker // Proc. SPIE.-1982.-Vol. 359.-P.68-76

156. Spann M., Wilson R. A quad tree approach to image segmentation which combines statistical and spatial information // Pattern recognition.-1985.-Vol. 18.-№3/4.-P.257-269

157. Subramanian S., Gat N. Subpixel object detection using hyperspectral imaging for search and rescue operations // Proc. of SPIE. Automatic Target Recognition VIII.-Jul 1998.-Vol. 3371. P. 216-225

158. Алпатов Б.А., Бохан К.А. Алгоритм обнаружения и выделения изображения движущегося объекта в присутствии неоднородного фона. // Вестник РГРТА №6. Рязань, 1999.-Стр. 7-11.

159. Алпатов Б.А., Бохан К.А. Алгоритм обнаружения и выделения изображения движущегося объекта. // Цифровая обработка сигналов и ее применения. Тез. докл. 2-й международной конференции. М., МЦНТИ, 1999.Стр. 233-240.

160. Алпатов Б.А., Бохан К.А. Аналитический алгоритм обнаружения и оценки параметров изображений динамических объектов / Рязан. гос. радиотехн. акад. Рязань, 2001. 26с. Деп. в ВИМИ. 01.06.2001, № Д08885.

161. Алпатов Б.А., Бохан К.А. Решение задачи автоматического обнаружения и выделения изображения движущихся объектов в последовательности кадров. // Телевидение: передача и обработка изображений. Тез. докл. Международной конференции. Санкт-Петербург,2000.

162. Бохан К.А. Алгоритм классификации сегментов бинарного изображения. // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций. Тез. докл. 9-й международной научно-технической конференции. Рязань, 2000.-Стр. 36-37.

163. Бохан К.А. Методы обнаружения и выделения движущихся объектов на изображениях. // Тез. докл. 36-й научно-технической конференции. Рязань, РГРТА. 2000.-Стр. 34.

164. Бохан К.А. Моделирование последовательностей изображений на основе реальных сцен. // Рязань, РГРТА, 1998.-Стр. 22-27.

165. Система видеопроцессорная: Пояснительная записка к эскизно-техническому проекту. ОКР «АРГУС-РМ». Исп. Бохан К.А. и др.-Рязань,РГРТА, 1999. 331с.

166. Бохан К.А. Эвристический алгоритм обнаружения и оценки параметров изображений динамических объектов / Рязан. гос. радиотехн. акад. Рязань, 2001. 14с. Деп. в ВИМИ. 01.06.2001, № Д08886.