автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Распознавание статистически неопределенных объектов с учетом архитектуры фотоматрицы

На правах рукописи БАЛЯСНЫИ Сергей Викторович —

РАСПОЗНАВАНИЕ СТАТИСТИЧЕСКИ НЕОПРЕДЕЛЕННЫХ ОБЪЕКТОВ С УЧЕТОМ АРХИТЕКТУРЫ ФОТОМАТРИЦЫ

Специальность: 05.11.16 - Информационно-измерительные и управляющие системы (в промышленности)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Тула 2015

005567074

Работа выполнена в ФГБОУ ВПО «Тульский государственный университет»

Научный руководитель:

Официальные оппоненты:

Ведущее предприятие:

кандидат технических наук, доцент ЦУДИКОВ Михаил Борисович

Лисичкин Владимир Георгиевич, доктор технических наук, доцент, ГКОУ ВПО Академия ФСО России г. Орёл, доцент кафедры 43

Будков Сергей Анатольевич, кандидат технических наук, ОАО «НПП «Связь» заместитель генерального директора

ОАО «Центральное конструкторское бюро аппаратостроения» г. Тула

Защита состоится «19» мая 2015 г. в 16.00 часов на заседании диссертационного совета Д 212.271.07 при ФГБОУ ВПО «Тульский государственный университет» по адресу:300012, г. Тула, проспект Ленина, 92,

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Тульский государственный университет» и на сайте tsu.tula.ru.

Автореферат разослан «31» марта 2015 г.

Ученый секретарь диссертационного совета

Данилкин Федор Алексеевич

ВВЕДЕНИЕ

Актуальность темы. Автоматическое распознавание образов, является одним из наиболее активно развивающихся направлений искусственного интеллекта. В настоящее время распознавание образов применяется во многих областях науки и техники, связанных с обработкой большого количества визуальной информации, например в медицине, производстве, системах безопасности и т.д.

В процессе распознавания объектов, приходится решать целый комплекс задач, направленных как на уменьшение количества ошибок распознавания, так и на повышения быстродействия процесса распознавания: повышение качества исходного изображения, приведение исходного изображения к виду, наиболее подходящему для процесса распознавания, локализация объектов на изображении, определение признаков, пригодных для классификации, построение классификатора, позволяющего определять объекты с минимальным количеством ошибок.

Исходное изображение может быть искажено шумом, а также содержать только часть изображения объекта, поэтому встает вопрос о распознавании в условиях неполной и искаженной информации об объекте.

Одним из вариантов уменьшения количества ошибок при распознавании является получение максимально детализированных изображений. Увеличения детализации изображения можно достичь как с помощью повышения качества оптической системы, так и с помощью увеличения разрешающей способности фотоэлектрического преобразователя. К настоящему моменту совершенствование оптических систем практически достигло своего предела. Тогда как повышение разрешающей способности матрицы проводилось в основном за счет повышения количества пикселей в матрице и уменьшения их размеров. Однако здесь встает вопрос о пределе повышения плотности пикселей, без замены существующей элементной базы, при этом вопросы, связанные с увеличение разрешающей способности за счет изменения архитектуры матрицы, т.е. формы и взаимного положения пикселей на ней.

Объектом исследования диссертационной работы является система распознавания объектов на изображении.

Предметом исследования диссертационной работы являются методы повышения разрешения исходного изображения при известной передаточной функции матричного фотоприемника (МФ), метод определения модели МФ при произвольной форме отдельного пикселя, методы определения признаков, локализации и классификации объектов на изображении.

Темой процессов распознавания обоазов занимались отечественные и зарубежные ученые Р. Гонсалес, А. Папулис, У. Прэтг, В.А. Сойфер, Дж. Ту, Д. Форсайт, А. Харкевич, ОрлиЯдид-Пехт, Ю. Якушев, Л. Порфирьев, Т. Хуанга, К. Фукунага, И. Собель, П. Хаф, Ц. Харрис и др. В известных трудах по объекту исследования разработаны методы оценки параметров некоторых видов фотоэлектрических преобразователей, подтверждённые

экспериментальными оценками, проведен большой объём работы в области автоматического распознавания объектов.

Недостаточно проработан вопрос оценки параметров фотоматриц произвольной конфигурации, а также проблема классификации образов при большой размерности вектора признаков, для случая непостоянной размерности вектора, а также при наличии неполной информации об объекте.

Цель работы заключается в разработке методов поиска и распознавания объектов на изображении.

Реализация поставленной цели включает решение следующих задач

1. Анализ существующих методов распознавания объектов на изображении, а также разработка по результатам анализа обобщенной схемы исследуемого процесса.

2. Анализ существующих методов повышения разрешающей способности изображений, получаем с использованием МФ.

3. Разработка метода определения контрастно-частотных характеристик ячейки МФ различной формы.

4. Разработка метода определение характеристик МФ для выбора матрицы с оптимальной разрешающей способностью, позволяющей получить максимально детализированное изображение.

5. Разработка алгоритма поиска и распознавания объектов на полученном изображении при наличии векторов признаков большой размерности, имеющих непостоянную длину.

6. Разработка специализированного алгоритмического и программного обеспечения для оценки параметров фотоматриц, распознавания объектов, а также разработка стенда для тестирования предложенных методов и алгоритмов.

Научная новизна диссертации заключается в следующем:

1. Разработан метод определения контрастно-частотной характеристики ячеек МФ различной формы.

2. Разработан метод определения параметров МФ произвольной конфигурации, позволяющий проводить оценку существующих МФ, а также синтез МФ, удовлетворяющую заранее заданным требованиям в виде контрастно-частотной характеристики.

3. Предложен метод получения признаков объекта, основанный на существующем методе SIFT, имеющий меньшую, по сравнению с ним вычислительную сложность.

4. Предложен метод классификации объектов с произвольной длиной вектора признаков, позволяющий проводить распознавание объектов при частичном попадании объекта на изображение.

Методы исследования. Теоретические исследования в настоящей работе выполнены с использованием методов системного анализа, теории информации, теории компьютерной обработки изображений. Экспериментальные исследования выполнялись на реальных и

синтезированных изображениях с использованием методов компьютерного моделирования и математической статистики.

Достоверность результатов и выводов диссертации подтверждается корректным использованием математического аппарата, результатами моделирования и экспериментальными исследованиями.

На защиту выносятся следующие научные результаты:

1. Метод определения контрастно-частотной характеристики МФ произвольной архитектуры.

2. Метод распознавания объектов на изображении, при неполной информации об них.

Практическая ценность работы состоит в том, что в ней:

1. Разработан метод определения параметров отдельного пикселя МФ произвольной формы.

2. Разработан метод определения параметров МФ произвольной

конфигурации.

3. Предложен алгоритм классификации объектов при непостоянной длине вектора признаков.

4. Разработано алгоритмическое и программное обеспечение для оценки параметров фотоматриц, а также для поиска и распознавания объектов на полученном с использованием специального стенда изображения.

Реализация и внедрение результатов.

Предложенные в диссертации методы и методики реализованы автором в процессе выполнения совместных работ с ООО ТПП «Конус».

Результаты внедрены в учебный процесс на кафедре «Робототехника и автоматизация производства» Государственного образовательного учреждения высшего профессионального образования «Тульский государственный университет» при преподавании следующих дисциплин: «Основы информационных устройств роботов», «Основы технического зрения и цифровой обработки изображений».

Апробация работы. Основные положения диссертации докладывались на следующих конференциях и семинарах.

- VIII Молодежные инновации, Тула, ТулГУ, 2014;

Инновационные наукоемкие информационные технологии («У.М.Н.И.К.»), Тула, ТулГУ, 2012;

- XXXIX Гагаринские чтения, Москва, ФГБОУ ВПО «МАТИ -Российский государственный технологический университет им. К. Э. Циолковского», 2013.

- Современные проблемы математики, механики, информатики, Тула, ТулГУ, 2013.

Публикации. По теме диссертации опубликовано 11 работ, включенных в список литературы, в том числе: статьи, представляющие собой материалы всероссийских научно-технических конференций, 4 статей в сборниках, рекомендуемых ВАК РФ, один патент на полезную модель.

Структура и объем работы. Диссертация состоит из ведения, 4 разделов заключения, изложенных на 137 страницах машинописного текста' включающих 75 рисунков и 4 таблицы, списка использованной литературы из 123 наименований и приложения с актами внедрения.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ Во введенииобоснована актуальность работы, определены степень разработанности темы, цели и основные задачи исследования, сформулирована научная новизна, обоснована практическая значимость работы, рассмотрены методы исследования и достоверность результатов, определены основные положения, выносимые на защиту, приведены данные о реализации, внедрении, апробации работы и ее кратком содержании.

В первом разделе диссертации приведена схема процесса распознавания (рис.1) информационно-измерительной системы, построенной на базе панорамной системы технического зрения, приведены основные подходы для каждого этапа процесса распознавания, а недостатки.

также указаны их достоинства и

Система технического зрения

Фрагмент изображения Формирование признаков

Классификация фрагмента

Классификация! объекта Г

Класс объекта

Рис 1. Общая схема системы распознаванияобъектов.

Сформулированы требования для каждого этапа распознавания

На основании изложенного сделан вывод о недостаточной проработке вопроса классификации объекта при непостоянной длине вектора признаков.

Показано, что для повышения качества распознавания объектов необходимо получать изображения с большим разрешением. При этом разрешение полученного изображения зависит от разрешающей способности матричного фотоприемника (МФ). Приведется метод получения изображения с более высоким разрешением при наличии информации о конструкции МФ.

Для оценки реальной разрешающей способности МФиспользуются понятия оптической передаточной функции и контрастно-частотной характеристики (рис 2).

Рис 2. Максимальная разрешающая способность ОЭС.

Рассмотрены существующие на сегодняшний день теоретические и эмпирические методы оценки контрастно-частной характеристики фотоэлектрических преобразователей.

На основании этого сделан вывод об отсутствии методов аналитической оценки параметров отдельных пикселей и фотоматриц произвольной конфигурации

Кроме того сделан вывод о недостаточной проработке вопроса классификации объекта при непостоянной длине вектора признаков.

Во втором разделе диссертации рассмотрен МФ как один из элементов информационно-измерительной системы. Разработан метод определения КЧХ МФ произвольной конструкции как сумма КЧХ составляющих её пикселей.При этом предполагается, что отдельная ячейка МФ состоит из фоточувствительной зоны, в которой происходит явление фотоэффекта, и «мертвой» зоны, в которой располагаются различные вспомогательные элементы. Следовательно качество пикселя предлагается рассматривать как отношение КЧХ фоточувствительной зоны ячейки МФ к КЧХ всей ячейки МФ.

^ _ Рфоточувств Робщ

В общем виде функция для определения ОПФ пикселя определяется как

схсу

где е„ - функция освещенности, сх, с.у - описание контура пикселя.

Пиксель любой геометрической формы может быть представлен с помощью прямоугольных треугольников, в силу того, что:

1. Все существующие варианты конструкции пикселей — суть правильные многоугольники (рис. 3), которые могут быть описаны двумя симметричными относительно оси абсцисс треугольниками.

£

Ь с

Рис. 3. Пример разбиения некоторых конструкций пикселей на треугольники в зависимости от формы фоточувствительной зоны (заштрихована): а-квадрат, Ь-ромб,с-восьмигранник.

2. КЧХ прямоугольного треугольника может быть легко определена аналитическими методами.

3. Предложенный метод применим и для неправильных многоугольников, вокруг которых можно описать окружность, а каждую грань представить как треугольный сектор, разбитый на пару симметричных прямоугольных треугольников.

4. В работе показано, что для криволинейных контуров также применим данный подход, если рассматривать криволинейную поверхность как суперпозицию треугольников, со стремящейся к нулю одной стороной.

В общем случае рассмотрен вариант, когда все треугольники, на которые разбивается фоточувствительная зона пикселя, имеют различные размеры. Следовательно прямоугольные треугольники, на которые они разбиваются далее, также в общем случае будут иметь размеры, отличные друг от друга. Принимается допущение, что некоторые размеры полученных при этом прямоугольных треугольников априори известны, а другие можно определить аналитически. Т.е. известна геометрия всех прямоугольных треугольниках, на которые разбита фоточувствительная зона пикселя, а именно: их размеры и угол поворота относительно оси абсцисс.

Передаточная функция сегмента пикселя в видепрямоугольного треугольника определяется как

ак хШ(ак)_/,... \

к 0 0

ат хЛап(ат) г .

ЕоЪ \ \ -е С0^<Рт)-™у зт{<рт))+у(пх вт(рт)+м>у соз(<эт

т О О

ке К, /я е М,

где

- длина катета <з;;

- угол при основании а,-;

- угол поворота треугольника относительно оси абсцисс ср{ъ соответствии с теоремой о повороте спектра

Для оценки полученных результатов в работе проведено сравнение предложенного метода определения КЧХ с известным методом для пикселей с фоточувствительной зоной в виде «прямоугольника» и «ромба». Было установлено, что результаты, полученные при использовании метода «треугольников», практически совпадают с результатами, полученными «классическим» методом. На основании этого сделан вывод, что применение данного метода при расчете КЧХ пикселя с другой геометрией фоточувствительной зоны также даст правильный результат.

Для определения передаточной функции фотоматрицы была построена ее математическая модель, в которой матрица представлена в виде свертки 5 - функций, описывающих:

оси х;

центр каждого пикселя (рис 4)

N

<Р0(х)= £0.5- (8(0.5а •*-*) + 8(0.5ак + х)\

к=О

где 2N - область определения функции по оси х, X - период функции

по

функции, описывающей профиль матрицы:

<р1(х) =

Е0, при\х\<—;

л I I ЫХ

О, при Дм >-,

11 2

где ИХ - «протяженность» матрицы;

функции описывающий профиль отдельного пикселя . N тх) = Т,<Рз(х-кХ), к=-Ы

где

<Рз(х) =

Ео, при\х\<—; О, при 1x1 > —,

а - протяженность фоточувствительной зоны.

-ЫХ -ЗХ

-2Х

2Х

ЗХ МХ

Рис 4. Профиль матрицы, описанной 5 - функцией (для случая «классической» матрицы)

В частотной области передаточная функция для двумерного случаяпримет вид

= Е0 • а —-^—-И■ соз(0.5 • а • а>А

0.5-п-т 0.5 - N■ X - (йу 4 х/

Л ---

Получена КЧХ модели матрицы (рис 5)

г 1

т-|т

ж ¿1

-'■-Г"""-

5 >\

—^

Рис. 5. КЧХ профиля матрицы

Сделан вывод о том, что полученные результаты совпадают с экспериментальными данными, следовательно, предложенная методика позволяет достоверно оценить КЧХ матрицы произвольной конфигурации

В третьем разделе диссертации разработан алгоритм распознавания объектов информационно-измерительной системой (рис. 6).

Точкн(с признаками)

Изображение

Часть сцены в

Рис 6. Схема процесса распознавания объектов информационно-измерительной

системой.

Рассмотрены основные шаги предложенного алгоритма. Для снижения количества ошибок при распознавании предложены методы восстановления и

улучшения изображения, включающие фильтрацию и нормализацию гистограммы яркостей.

В качестве признаков объекта были использованы особые точки. Предложен метод определения особых точек, основанный на методе SIFT, но имеющей более низкую вычислительную сложность за счет оптимизированной процедуры уточнения найденных точек. В предложенном методе сначала строится пирамида гауссианов

Цх,у,г) = G(x,y,r) * 1{х,у), тррЬ(х,у,г)- значение гауссиана в точке с координатами (х,у), г — радиус размытия, G(x,y, г) -гауссово ядро, 1(х,у) - значение пикселя изображения.

Затем определяется пирамида разностей гауссианов

D(x,y,r) = (G(x,y,kr)-G(x,y,r)) * I(x,y);

D(x,y,r) = L(x,y,kr) - L{x,y,r).

Узловые точки определяются в пирамиде разностей гауссианов, при этом узловыми точками считаются те, что являются локальными экстремумами как для области 3x3 пикселя на текущей уровне пирамиды разности гауссианов, так и на ближайших соседних уровнях.

Затем проводится процедура уточнения найденных узловых точек для исключения близко расположенных точек, а также для исключения ложных точек. Процедура уточнения заключается в определении обратной матрицы Гессе размерностью 3x3 в окрестности проверяемой точки с умножением полученного результата на частную производную в этой точке

d = -Я"1 • dFxy,

где Н - матрица Гессе (в окрестности 3x3 проверяемой точки), dFxy - частная производная второго порядка, взятая в проверяемой точке.

Если все элементы полученной в результате матрицы размерностью 3x3 удовлетворяют условию

d(i,j)< 0.5, / = 0...2,у =0...2, то гипотеза о подтверждении точки в качестве узловой подтверждается.

Признаки найденной ключевой точки должны обладать устойчивостью к аффинным преобразованиям (поворот, масштабирование) и в определенной степени к искажениям (смаз и т.д.). Во многом подобными свойствами обладают признаки, получаемые методом SIFT, а именно ориентация

Osp(x,y) = -,j(L(x +1,у) - L(х -1 ,у)2 + (L(x,y +1) - L(x,y -1))2 и

' Цх,у + \)-Цх,у-\? L{x + l,y)-L(x-\,y); G.Lowe]. Информация о направлении, ориентации и радиусе размытия позволяет обеспечить устойчивость признака к основным видам искажений. Признак для каждой точки определяется в окне, являющимся окрестностью ключевой точки. Окно, как правило, имеет размерность порядка 32x32 пикселя.

направление QSp(x,y) = arctg

ключевой точки [David

Для каждой точки в окне определяется е§ ориентация Оар (х,у) и

направление <2Др(дг ,у). Ориентация каждой точки корректируется в

соответствии с ориентацией ключевой точки <2ар (х,у) = <2ар (х, у) + <25р (х, у).

Полученные в результате значения приводятся к одному из ближайших фиксированных направлений, которые равномерно делят интервал в 360 градусов на 8 частей

<2„Лх,у) =

2ж

п—, если 8

(/1 + 1)—, если 8

, п = 0...7.

За признак особой точки принимаются значения вектора, полученные в результате суммирования всех векторов в окне по всем направлениям

31

Н$р= I Оар{х,у)ц.

и=0

Показано, что полученные таким образом признаки подчиняются нормальному закону распределения при повороте объекта на произвольный угол.

Вектор признаков эталона Т = , где т - длина вектора, собирается в дерево классификации, обеспечивая возможность использовать при классификации вектор признаков непостоянной размерности (рисунок 7).

Рис 7. Схема классификатора.

Для оценки степени принадлежности объекта к определенному классу задается стоимость я перехода из узла у^ к узлу как

1, если Ууу € <2]->-аУ]&<2п:<2„*

Л [1/тя, если 3б 0] -> уу &<2п:<2п* £>у,

где т - количество различных классов

При этом, если узел У] е Оу а е £?„ : * ,

то = т.е. если узел на

отдельной ветви дерева принадлежит нескольким классам, то все узлы выше его до корня также принадлежат этим классам.

Функция переходов g между узлами и <?у+1 определяется текущим

значением элементом вектора признаков а,-, g(qj,ai) = qJ+^. При этом степень

принадлежности признака 5(аг ) определяется весом перехода у+1 и

рассчитывается на этапе проектирования классификатора. Степень принадлежности отдельного признака к каждому классу

VteqJ

Таким образом, задача локализации и распознавания объекта на изображении сводится к отысканию размера и положения окна, обеспечивающего максимальный отклик на дереве классификации

В четвертом разделе диссертации рассмотрена разработка специального программного обеспечения для применения в информационно-измерительной системе технического зрения. Описаны основные функции, выполняемые программным обеспечением. Приведена структура программы.

Для получения изображений с различных ракурсов использовался специализированный стенд, представляющий собой управляемое сканирующее информационно-измерительное устройство (ИИУ) с размещенным на нем МФ. Общая схема устройства представлена на рисунке 8.

ЭВМ

МПУУ

дшд

ис

МФ

ДОС

Рисунок 8. Общая схема сканирующего ИИУ.

Представлена реализация каждого узла предложенного устройства с описанием и характеристиками составляющих его основных элементов, а также описание работы ИИУ.

Приведена работа предложенного алгоритма с использованием функции скользящего окна /(л:,у) изображения 1(х,у)

1{х,у),ггриЦ<±\у\<^-,

0,при\х\>— ,\у\:

В

где (х, у) - координаты центра окна; (А, В) - размеры окна.

Тогда вектор признаков н>(/(х,у)) точек, попавших в окна, Н/(х,у)) £ /(х,у): /(х,у) - особая точка, где N - длина вектора м(/(х,у))

Проведено тестирование предложенного алгоритма на способность определять объекта на изображении для различных степеней перекрытия объекта. Результаты тестирования приведены в таблице 1.

Процент перекрытия объекта Степень схожести

0 0.892

20 0.731

40 0.645

50 0.576

60 0.381

ЗАКЛЮЧЕНИЕ

По проведенным исследованиям могут быть сделаны следующие выводы.

1. Проведен задачи распознавания объектов, возникающих в процессе проектирования информационно-измерительной системы, построенной на базе панорамной системы технического зрения. Рассмотрены методы повышения качества изображения для известной контрастно-частотной характеристики (КЧХ) матричного фотоприемника (МФ). Представлены основные методы получения КЧХ МФ.Показано, что существующие методы не позволяют определить КЧХ ячейки МФ произвольной формы.

2. Определены основные требования к получаемым признакам изображения, позволяющие осуществлять успешную классификацию образов. Рассмотрены основные группы методов получения признаков объектов, удовлетворяющих в той или иной степени основным требованиям. Выявлены достоинства и недостатки каждой группы. Сформулирована задача классификации образов. Рассмотрены основные подходы к построению классификаторов, определены достоинства и недостатки каждого из подходов.

3. Рассмотрены основные варианты конструкций МФ. Предложен метод расчета КЧХ МФ как суммы КЧХ отдельных пикселей. Оценку качества пикселя предложено определять как отношение КЧХ фоточувствительной зоны пикселя к КЧХ всего пикселя. Предложен аналитический метод определения КЧХ ячейки МФ произвольной формы через разбиение пикселя на прямоугольные треугольники с «положительным» и «отрицательным» углами. Получено уравнение определения КЧХ элемента МФ при разбиении его на

треугольные сегменты. Погрешность предложенного метода в сравнении с существующими составляет 3.5%.

4. Предложен метод определения КЧХ МФ как свертку функции отдельной ячейки, сетки описывающей распределение элементов по площади матрицы и функции, ограничивающей площадь матрицы. Получено аналитическое определение КЧХ МФ. Правильность результатов подтверждена соответствием их теореме Котельникова.

5. Разработана методика решения задачи распознавания объектов на изображении, включающая предварительную обработку изображения, определение особых точек, локализацию и классификацию объекта с применением скользящего окна. Определены методы улучшения качества исходного изображения, позволяющие снизить количество ошибок распознавания.

6. Предложен алгоритм определения вектора признаков, основанный на элементах метода SIFT. Приведены этапы работы алгоритма. Показано, что распределение значений признаков, полученных с использованием предложенного алгоритма, для основных преобразований соответствует нормальному закону распределения.

7. Построена модель классификатора. На основании этого разработан алгоритм построения классификатора для распознавания объектов, использующий вектор признаков переменной длины Разработан алгоритм работы классификатора с применением функции скользящего окна. Приведен результат работы алгоритма на тестовом изображении для окна постоянного размера при одномерном движении.

8. Разработано алгоритмическое и программное обеспечение для исследования и тестирования предложенных алгоритмов поиска и распознавания объектов на изображении. Рассмотрена специализированнаяинформационно-измерительная система, предназначенная для получения изображений с различных ракурсов. Приведена общая схема системы. Разработана система управления ИИУС. Рассмотрены ее основные узлы.

9. В результате тестирования предложенного метода была установлена его способность правильно распознавать объекты на изображении при степени их перекрытия не более 40%.

Публикации по теме диссертации

1. Балясный C.B. Оценка относительной контрастно-частотной характеристики пикселей различной формы[Текст] / C.B. Балясный // Современные проблемы математики, механики, информатики. — Тула: Изд-во ТулГУ, 2013.-С. 119-125.

2. Балясный C.B. Использование нейронных сетей для кинематического управления многозвенным манипулятором [Текст] / C.B. Балясный // Умолодёжно-практическая конференция «Молодёжные инновации». - Тула: Изд-во ТулГУ, 2011. - С. 23-25.

3. Балясный C.B. Применение нейросетей для управления промышленным роботом в цилиндрической системе координат[Тексг] / C.B. Балясный //VI магистерская научно-техническая конференция. Часть первая -Тула: Изд-во ТулГУ, 2011. - С. 59.

4. Балясный C.B. Определение контрастно-частотной характеристики фотоматрицы [Текст] / C.B. Балясный // УШрегиональная научно-практическая конференция «Молодёжные инновации» Часть 1 - Тула: Изд-во ТулГУ 2014 -С. 13-15.

5. Балясный C.B. Исследование процесса сшивания нескольких кадров в единое изображение. /Д.В. Чеховский, М.Б. Цудиков, C.B. Балясный // Известия Тульского государственного университета. Выпуск 1 - Тула: Изд-во ТулГУ 2013.-С. 306-313.

6. Балясный C.B. Методика синтеза системы управления роботом на базе нейронных сетей. /И.К. Халкина C.B. Балясный // Известия Тульского государственного университета. Выпуск 9 4.1 - Тула: Изд-во ТулГУ 2013 - С 179-185.

7. Балясный C.B. Аналитическое определение контрастно-частотной характеристики ячейки фотоматрицы [Текст] /М.Б. Цудиков C.B. Балясный // Известия Тульского государственного университета. Выпуск 9 4.2 - Тула- Изд-во ТулГУ 2013. С. 315 - 322.

8. Балясный C.B. Определение контрастно-частотной характеристики фотоматрицы [Текст] /C.B. Балясный // Приборы и управление. Выпуск 11 -Тула: Изд-во ТулГУ 2013. С. 44 - 49.

9. Балясный C.B. Оценка относительной контрастно-частотной характеристики пикселей различной формы[Текст] /C.B. Балясный, Д.В. Чеховский // Международная молодёжная конференция «XXXIX Гагаринские чтения» -Москва: МАТИ, 2013.

10. Балясный C.B. Оптимизация времени построения панорамного изображения [Текст] / Д.В. Чеховский, C.B. Балясный // Международная молодёжная конференция «XXXIX Гагаринские чтения» -Москва: МАТИ, 2013.

11. Патент на полезную модель 134672 Российская Федерация, МПК G02B26/10. Устройство панорамного наблюдения - / Балясный C.B., Ларкин Е.В., Луцков Ю.И., Цудиков М.Б., Чеховский Д.В.; заявитель и патентообладатель ФГБОУ ВПО Тульский государственный университет, г. Тула, 2013128318/28; заяв. 20.06.2013; опубл. 20.11.2013, бюл. №32. -2с.: ил.'

Изд.лиц.ЛР№ 020300 от 12.02.97. Подписано в печать 20.03.2015 Формат бумаги 60x84 Vi6. Бумага офсетная. Усл.печ. л. 0,9 Уч.изд. л. 0,8 Тираж 100 экз. Заказ 024 Тульский государственный университет 300012, г. Тула, просп. Ленина, 92. Отпечатано в Издательстве ТулГУ 300012, г. Тула, просп.Ленина, 95.