автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Моделирование и анализ структуры графических изображений для цифровой передачи видеоинформации

ВВЕДЕНИЕ.

1. ЗАДАЧИ МОДЕЛИРОВАНИЯ И АНАЛИЗА СТРУКТУРЫ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ ПРИ ЦИФРОВОЙ ПЕРЕДАЧЕ

ВИДЕОИНФОРМАЦИИ.

1.1. Графическая видеоинформация и формы ее представления

1.2. Модели данных, используемые для представления графических изображений

1.3. Методы анализа структуры графических изображений

1.4. Задачи моделирования и анализа структуры графических изображений

1.5. Выводы и постановка цели и задач исследований

2. МОДЕЛЬ ВОСПРОИЗВЕДЕНИЯ СТРУКТУРЫ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ.

2.1. Элементы структуры и каркас графического изображения

2.2. Графические атрибуты элементов структуры и воспроизведение изображения

2.3. Текстурные элементы изображения

2.4. Искажающие факторы формирования и регистрации изображений

2.5. Полученные результаты и выводы

3. АНАЛИЗ СТРУКТУРЫ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ

3.1. Пространственно-структурные параметры и их свойства

3.2. Базовые модели элементов изображения

3.3. Центроидная фильтрация изображений.

Обнаружение и распознавание деталей изображения

3.4. Сканометрический анализ текстурных изображений

3.5. Полученные результаты и выводы

Актуальность темы. Массовая компьютеризация всех отраслей знаний и всех видов деятельности резко расширили возможности получения, хранения и передачи больших объемов сложноструктурированной информации. Появилась возможность ввести в массовый обиход и сделать доступным для широкого круга пользователей использование видеоинформации в различных ее формах (графические и фотографические изображения, фильмы и т.д.). Однако огромная информационная емкость изображений по-прежнему ограничивает возможности использования видеоинформации при решении различных научных и практических задач. Несмотря на быстродействие и другие вычислительные ресурсы современных компьютеров, эти ограничения проявляются сразу, как только объемы информации, переносимые изображениями, начинают превышать некоторые пороговые значения. Иначе говоря, насколько бы ни расширялись возможности современных средств вычислительной техники и передачи данных по каналам связи, всегда возникает потребность оперирования объектами большего объема, чем эти средства могут обеспечить.

На сегодняшний день наиболее узким звеном в оперировании видеоинформацией являются каналы передачи цифровых данных: их пропускная способность ограничивает возможности быстрой передачи больших объемов информации за короткое время передачи. Ситуация здесь сходна с тем положением, которое существовало в первый период развития телевидения - необходимо было сузить диапазон полосы частот передачи видеосигнала для того, чтобы обеспечить его передачу, не увеличивая чрезмерно мощность передающих устройств.

Работы по созданию средств и методов эффективного цифрового представления изображений ведутся уже на протяжении нескольких десятилетий. Большой вклад в развитие таких методов внесли отечественные исследователи Васин Ю.Г., Журавлев Ю.И., Завалишин Н.Б., Ковалевский В.А., Лебедев Д.С., Мучник И.Б., Файн B.C., Цуккерман И.И., Ярославский Л.П. и др. За рубежом значительные результаты были достигнуты в работах Марра Д., Нарасимхана Р., Павлидиса Т., Прэтта У., Розенфельда А., Стокхэма Т., Фу К., Харалика P.M., Хюккеля М., Эндрю Г. и др.

Несмотря на достигнутые результаты в области цифровых методов представления и сжатия изображений, проблема их эффективного представления остается по-прежнему актуальной. Одним из путей ее решения представляется разработка интеллектуальных технологий обработки изображений, обеспечивающих не формализованное их кодирование, а распознавание их пространственной структуры, которая и является носителем заключенной в них информации, поскольку возможности извлечения полезной информации из изображений целиком и полностью определяется их пространственно-структурными свойствами и характеристиками. Изображения являются трудными для анализа объектами ввиду неограниченной сложности их структуры и высокой степени изменчивости - разнообразных и трудно контролируемых трансформаций и искажений, возникающих в процессе их формирования. ,

Целью работы является разработка эффективной модели описания пространственной структуры графических изображений И'метода их анализа, позволяющего распознавать элементы структуры изображений, устанавливать их взаимосвязи и формировать корректное описание структуры, а также реализация разработанной интеллектуальной технологии распознавания структуры изображений для эффективной цифровой передачи видеоинформации по телекоммуникационным каналам связи. ; • - . .

Для достижения поставленной цели в работе решаются следующие задачи:

- анализ особенностей построения и формирования графических изображений с целью разработки эффективной модели их представления;

- разработка и исследование модели графических изображений, обеспечивающей полноту и точность их описания, а также учитывающей характеристики их воспроизведения, формирования и регистрации;

- исследование центроидного преобразования изображений в целях обнаружения и распознавания структурных деталей изображений;

- разработка метода и алгоритмов анализа изображений, основанных на центроидной фильтрации и обеспечивающих формирование модели изображения и воспроизведение ее в графической форме;

- разработка вычислительных процедур и программного обеспечения обработки видеоинформации для цифровой передачи по телекоммуникационным каналам;

- оценка эффективности разработанной интеллектуальной технологии, средств и методов моделирования и анализа структуры графических изображений для цифровой передачи видеоинформации, а также их реализация и внедрение.

Объектом исследования являются графические изображения, характеризующие различные реальные физические и абстрактные искусственные объекты, обладающие свойством графической определенности и отчетливо выраженным структурным характером их построения, подверженные воздействию искажающих факторов их воспроизведения, формирования и регистрации.

Предметом исследования являются математические модели и методы описания и анализа пространственной структуры графических изображений, 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 функционального анализа, теории вероятностей и математической статистики, методов обработки и анализа изображений, методов распознавания образов.

В экспериментальных исследованиях созданных моделей и алгоритмов использовались методы представления данных в системах обработки графической видеоинформации, основы цифровой обработки изображений и системного программирования.

Достоверность изложенных положений работы подтверждается результатами обеспечения практического использования аппаратных и программных средств обработки видеоинформации, методики, технологии и программного обеспечения обработки видеоинформации, 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.

Достоверность экспериментальных результатов обеспечена их хорошей согласованностью с теоретически предсказанными характеристиками на больших объемах экспериментального материала, а также выбором надежных критериев при построении алгоритмов обработки информации.

На защиту выносятся результаты теоретической разработки моделирования и анализа структуры графических изображений, а также результаты ее практического применения теории для создания средств обработки видеоинформации для цифровой передачи по телекоммуникационным каналам связи:

- результаты анализа свойств графических изображений, особенности их воспроизведения, формирования и регистрации;

- модель пространственной структуры графических изображений, учитывающая их структурные свойства, а также искажающие факторы их воспроизведения, формирования и регистрации;

- результаты исследования центроидного преобразования изображений, особенностей воспроизведения пространственной структуры изображений, подвергаемых преобразованию;

- метод анализа структуры изображений, основанный на использовании центроидного преобразования и обеспечивающий обнаружение и распознавание структурных деталей изображений;

- алгоритмы и программы обработки видеоинформации при анализе графических изображений, а также при их воспроизведении в различных технических системах;

- результаты анализа возможностей и оценки эффективности разработанных технологий, средств и методов обработки видеоинформации при передаче ее по телекоммуникационным каналам связи;

- реализация разработанных алгоритмических и программно-инструментальных средств для использования в информационных системах обработки видеоинформации при передаче ее по телекоммуникационным каналам связи.

Научная новизна. В результате впервые проведенных исследований разработан математический аппарат моделирования и анализа графических изображений, обеспечивающий решение задач эффективной цифровой передачи видеоинформации и реализующий интеллектуальные информационные технологии распознавания и воспроизведения структуры изображений, в том числе:

- выявлены особенности графических изображений - графическая определенность и структурная обусловленность, а также особенности их воспроизведения при воздействии искажающих факторов в процессах формирования и регистрации изображений;

- разработана модель пространственной структуры графических изображений, учитывающая особенности составляющих ее элементов, их типов и графических характеристик, а также характеристик их воспроизведения, формирования и регистрации;

- исследованы свойства центроидного преобразования изображений, в результате чего установлена возможность его использования для обнаружения и распознавания структурных деталей изображений;

- разработан метод анализа пространственной структуры графических изображений, построенный на основе центроидного преобразования, обеспечивающий обнаружение и распознавание структурных деталей изображений в условиях действия искажающих факторов их формирования и регистрации;

- предложены алгоритмы обработки видеоинформации, реализующие процедуры анализа и воспроизведения графических изображений.

Практическая ценность работы заключается в применении новых эффективных моделей и методов анализа и воспроизведения графических изображений.

Разработано и отлажено программное обеспечение, реализующее алгоритмы обработки видеоинформации для цифровой передачи ее по телекоммуникационным каналам связи.

Проведен анализ возможностей и получены оценки эффективности разработанных технологий, средств и методов обработки видеоинформации.

Работа выполнялась в рамках ряда научно-технических и организационно-методических работ, проводимых в соответствии с планами НИОКР Минсвязи РФ и выполняемых ИжГТУ и ОАО «Удмурт Телеком» совместно с отраслевыми НИИ, производящими программно-аппаратные средства для телекоммуникаций, на основании «Основных положений развития Взаимоувязанной сети связи РФ на перспективу до 2005 года».

Реализация и внедрение работы. Полученные результаты использованы и апробированы для опытно-проиэводственной эксплуатации системы обработки видеоинформации (компрессия изображений) в ОАО «Удмурт Телеком».

Созданные программно-инструментальные средства обработки видеоинформации позволили повысить эффективность функционирования цифровых телекоммуникационных каналов связи при передаче видеоинформации, обеспечили повышение их пропускной способности, сокращение объемов памяти для цифрового представления графических изображений и увеличение скорости передачи информации.

Апробация работы. Результаты работы докладывались на Международной научно-технической конференции "Актуальные проблемы анализа и обеспечения надежности и качества приборов, устройств и систем", Международной конференции: Internation Conference "Intelligent Networks Services and Standards" (Москва, 1999), 54-й научной сессии, посвященной Дню радио (Москва, 1999), Международной конференции: Internation Conference "Intelligent Networks 2000: Services and Problems of Convergence " (Москва 2000). Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2000, 2001), 31-34 Научно-технической конференции ИжГТУ (Ижевск, 1999-2002 гг.); Российской научно-технической конференции «Приборостроение в XXI веке. Интеграция науки, образования и производства» (Ижевск, 2001), Международный Самарский симпозиум телекоммуникаций для руководящих работников отрасли связи (1997- 2001).

Публикации. Основные научные результаты по теме диссертации опубликованы в 12 научных работах, в том числе: 2 статьи в центральной печати; 4 статьи в научно-технических журналах; 2 депонированные рукописи; 2 трудов международных научно-технических конференций; 2 тезисов научно-технических конференций.

Структура диссертационной работы определяется общим замыслом и логикой проведения исследования и разработки.

Диссертация содержит введение, 4 главы, заключение и приложение, в котором представлен акт об использовании результатов работы.

ЗАКЛЮЧЕНИЕ

1. В работе разработан математический аппарат моделирования и анализа пространственной структуры графических изображений, обладающих свойством графической определенности и явно выраженными пространственно-структурными свойствами, с целью использования для цифровой передачи видеоинформации по телекоммуникационным каналам связи.

2. На основе анализа различных форм представления видеоинформации установлено, что основным ее носителем является пространственная структура изображений. Проанализированы существующие модели и методы анализа пространственной структуры изображений и сделан вывод о перспективности разработки интеллектуальных технологий обработки изображений, основанных на анализе их пространственной структуры, для передачи по каналам связи телекоммуникационных систем.

3. Разработана модель воспроизведения структуры графических изображений, учитывающая их структурную обусловленность пространственным планом построения изображения, а также свойство графической определенности, основанное на представлении анализируемых графических изображений, получаемых в результате графикации каркаса структуры изображения, подвергаемых воздействию искажений, которые вызывают снижение пространственного разрешения изображений и нанесение на него шумов и помех.

4. Воспроизведение графического изображения заключается в графика-ция каркаса его структуры - приписывании кодам видов элементов соответствующих графических параметров и последующей отрисовки реализации графического изображения. Кроме того, производится текстурирование на соответствующие планарные элементы. Для эффективного представления текстур разработана непараметрическая модель текстурных изображений, основанная на свойстве ограниченности пространственного влияния.

5. При воспроизведении реальных физических изображений исходные графицированные изображения подвергаются искажающим воздействиям, которые приводят к снижению величины пространственного разрешения изображений и нанесению на него шумов и помех. Описание преобразований, вызывающих изменение разрешающей способности изображений, дается линейным оператором типа свертки исходного сигнала изображения с импульсным откликом воспроизводящей системы, а воздействие шумов и помех может быть описано моделью аддитивного гауссова шума. Воздействие искажающих факторов приводит к частичной потере свойства графической определенности изображений, что вызывает необходимость разработки интеллектуальной технологии обработки видеоинформации для реализации метода анализа структуры графических изображений.

6. Разработана система пространственно-структурных параметров изображений - функционалов специального вида, построенных так что бы они явным образом проявляли чувствительность к преобразованиям изображений в процессах их формирования и регистрации. Установлены свойства пространственно-структурных параметров, которые обеспечивают соответствие арифметических операций над их значениями функциональным преобразованием над изображениями.

7. Разработана номенклатура базовых моделей элементов структуры изображений, для которых получены выражения значений их пространственно-структурных параметров, что обеспечивает возможность выявления и распознавания этих элементов.

8. На основе пространственно-структурных параметров построен центро-идный фильтр изображений и исследованы его свойства. Установлено, что реакции центроидного фильтра на элементы структуры изображений позволяют производить обнаружение этих элементов и распознавать их путем оценки их параметров.

9. Разработан метод сканометрического анализа текстурных изображений, построенный на основе использования свойств модели пространственно-распределенных стохастических структур и функционалов специального вида -сканометрий.

10. Разработаны и отлажены программные приложения к субоперационной системе HMS/Pilot, реализующие процедуры обработки, анализа и моделирования графических изображений для использования в системах передачи цифровой информации.

11. Результаты тестирования центроидного фильтра отчетливо показывают возможность его настройки на обнаружение и распознавание линий определенной толщины; при этом в местах стыка линий образуется зона неопределенности, принятие решений в которой может быть реализовано за счет анализа контекста структурных деталей изображения.

12. Для изображений, качество которых может быть признано удовлетворительным, результаты анализа при определенных параметрах фильтра оказываются практически безукоризненными. Соответствие качества результатов обработки изображения, характеристик структурных деталей и параметров фильтра приводит к выводу о том, что применение центроидного фильтра в адаптивном варианте позволит достичь высокой эффективности в процессах обнаружения и распознавания структурных деталей изображений.

13. Для псевдографических изображений (изображений, структура которых усложнена вспомогательными элементами типа сеток, текстур и т.п.) результаты анализа также представляются удовлетворительными, т.к. большая часть поля изображения (по площади) характеризуется правильным принятием решения при распознавании. Нарушение непрерывности распознаваемых линейных элементов и возникновение неопределенности в зонах их пересечения могут быть устранены также за счет контекстного анализа структуры изображения.

142

14. На основе введенного в рассмотрение понятия минимального растрового штрих-элемента получены оценки нижней границы эффективности кодирования результатов анализа графических изображений. Коэффициент сжатия информации при кодировании результатов анализа изображений на основе центроидной фильтрации составляет величину 20 и более раз.

15. Разработанные алгоритмические и программные средства реализованы и используются в целях создания и применения информационных систем анализа и синтеза графических изображений на основе интеллектуальных технологий обработки информации.

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

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

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

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

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

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

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

9. 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.

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

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

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

13. 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.

14. 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.

15. 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.

16. 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.

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

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

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

20. Геоинформатика. Толковый словарь основных терминов. М.: ГИС-ассоциация, 1999. - 204с.

21. 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.

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

23. 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.

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

25. Джеймс Т. Теория фотографического процесса. Л.: Химия, 1980.672с.

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

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

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

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

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

31. Иваницкий Г.Р., Литинская Л.Л., Шихматова В.Л. Автоматическийанализ микрообъектов. M.-JI.: Энергия, 1967. - 224с.

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

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

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

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

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

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

38. 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.

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

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

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

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

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

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

45. Математические и технические проблемы обработки изображений. —

46. Новосибирск: ВЦ СОАН СССР, 1980. 118с.

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

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

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

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

51. 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.

52. 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.

53. 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.

54. 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.З-11.

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

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

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

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

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

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

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

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

63. 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.

64. 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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

88. 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.

89. 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.

90. 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.

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

92. Freeman H. Shape description via nhe use of critical points // Pattern recognition, 1978, v. 10, №3.-P. 159-169.

93. 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.

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

95. 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.

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

97. 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.

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

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

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

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

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

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

104. Tanimoto S., Pavlidis T. A hierarchical data structure for picture processing // Сотр. Graph, and Image Proc. 1975, v. 4, № 4. P. 320-328.152

105. 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.

106. 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.

107. Моделирование и анализ структуры графических изображений для цифровой передачи видеоинформации»

108. Заместитель Генерального директора по новым технологиям \1. Ю.И. Мавлютов