автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Разработка и исследование алгоритмов и структур вычислительных устройств для геометрических преобразований контурных изображений в системах распознавания объектов на снимках

НОВОСИБИРСКИ I ЭЛЕКТРОТЕХНИЧЕСКИЙ ИНСТИТУТ '

На правах рукописи

ОВЧЕРЕНКО Владимир длягссащ-рович

УДК 681.3.01

РАЗРАБОТКА И ИССЛЕДОВАНИЕ АИШПМОВ И СТРУКТУР ВЫЧИСЛИТЕЛЬНЫХ УСТРОЙСТВ ДЛЯ ГЕОМЕТРИЧЕСКИХ ПРЕОБРАЗОВАН!« КОНТУРНЫХ ИЗОБРАЖЕНИЙ В СИСТЕМАХ РАСПОЗНАВАНИЯ ОБЪЕКТОВ НА СНИМКАХ

Специальность: 05.13.16 - Применение вычислительной техники,

математического моделирования я математических методов в научных исследованиях

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Новосибирск - 1992

Работа выполнена в Новосибирском электротехнической институте.

Научный руководитель - кандидат технических наук Соболев В.И.

Официальные оппоненты - доктор технических

наук Спектор A.A.

кандидат технических наук Долговееов B.C.

Ведущая организация - ЦКБ «Точприбор"

Защита состоится „ j 'p C£fOfC& 1992 г. в _ _ часов

на заседании специализированного совета Д 063.34.03 Новосибирского электротехнического инотитута по адресу: 630092, Новосибирск-92, проспект К.Маркса, 20.

С диссертацией можно ознакомиться в библиотеке института.

Автореферат разослан п" 1992 года.

Ученый секретарь специализированного совета,

к.т.н., доцент / , . - Б.Ю.Леыешко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Дм решения сложных проблем автоматизации обработки изображений, не обеспеченных пока производительностью серийных средств вычислительной техники, в последний года все болев широкое применение в самых различных областях науки и техники находят гибридные оптико-электронные вычислительные комплексы (ГОЭВК), позволяющие сочетать высокое быстродействие и производительность оптических методов обработки информации с широкими возможностями ЭВМ по выполнению логических и арифметических операций.

Наиболее полное представление о потенциальных возможностях ГОЭВК дает решение проблемы автоматизации обработки снимков, получаемых методами аэрофотосъемки, космической съемки, а также в процессе проведения научных исследований в области физики, химии, биологии, медицины и т.д. При этом, поток подлежащих анализу снимков, например, только в одной области физики оценивается величиной порядка 10® снимков в год, а поток космоснимков - в 55000 снимков в сутки.

Одной из основных и наиболее распространенных задач обработки и анализа снимков является задача распознавания изображений, наиболее оптимально решаемая с помощью ГОЭВК на основе корреляционных методов сравнения анализируемых' и эталонных изображений.

В процессе распознавания в когерентном оптическом процессоре, входящем в состав ГОЭВК, анализируемое оконтуренное изображение сопоставляется с контурным изображением эталонного объекта. Мерой близости элементов распознаваемого и предъявленного изображений являются значения функций взаимной корреляции, формируемые оптическим процессором. Достоверность распознавания оптическим процессором и точность определения их координат существенно зависят от степени изменчивости аналлзируемого изображения по отношению к эталонному. Оценка обширных материалов по теоретическому и экспериментальному исследованию алгоритмов распознавания корреляционного типа показывает, что наибольшее влияние на процесс распознавания оказывают изменения анализируемого изображения.вызванные его геометрическими искажениями (преобразованиями).

Надежное распознавание оптическими методам! возможно при относительно малых параметрах геометрических искажений сравниваемых

изображений: несовпадении угловых ориентации до 1°...5°, масштабов - до угла ракурса - до 10°.,.15°.

Поскольку эти требования в реальных условиях не выполняются, в процессе распознавания возникает необходимость подвергать полученное в плане эталонное изображение тем же геометрическим искажениям (преобразованиям), которые претерпевают изображения распознаваемых объектов в процессе съемки. Конкретный вид преобразований (проективные, аффинные, движения и подобия) выбирается в зависимости от условий получения обрабатываемых снимков, При этом учитывается соотношение расстояния до снимаемого объекта и его линейных размеров, напряжение и угол съемки и некоторые другие параметры.

Геометрические преобразования изображений являются одной из самых трудоемких операций, составляющей значительную часть длительности процесса распознавания изображения, и поэтому в значительной степени определяют производительность ГОЭВК при решении задач распознавания.

Одним из эффективных способов повышения производительности ГОЭВК, предназначенных для решения задачи распознавания изображений на снимках, является комплексирование их различными специализированными устройствами обработки изображении и, в частности, специализированными процессорами геометрических преобразований контурных изображений, реализующими быстрые алгоритмы данных преобразований.

Анализ обширных материалов теоретических исследований алгоритмов и методов реализации геометрических преобразований двумерных изображений, проведенных в работах зарубежных специалистов: Волдера.Медешта, Уеды, Каваками, Хартсхорна, Цухида; советских ученых: Аверина С.И., Байкова В.Б., Василенко Г.И., 1уревича Г.Б., Лейбина A.C., Моденова П.С., Нартова Л.Г., Пархоменко A.C., Путятина Е.П., Русына Б.П., Смолова В.Б., £>айна B.C. и других авторов, показал, что они носят в основном эвристический характер и не могут быть полностью формализованы, Конкретные алгоритмы неразрывно связаны с соответствующими условиями их применения на практике и в других ситуациях непригодны.

Все это обуславливает необходимость разработки и проведения исследований алгоритмов и структур вычислительных устройств для геометрических преобразований контурных изображений, предлагаемых для использования в системах распознавания объектов на снимках.

- б -

Цель и основные задачи работы. Целью диссертационной работы является разработка и исследование алгоритмов и структур вычислительных устройств для геометрических преобразований контурных изображений в системах распознавания объектов на сиголках, обладающих высоким быстродействием и точностью, приемлемой для рассматриваемой области приложения.

При этом решению подлежат следующие задачи:

- разработка алгоритмов преобразований движения и подобия контурных изображений;

- исследование точности алгоритмов преобразований движения и подобия контурных изображений;

- разработка алгоритмов аффинных преобразований контурных изображений;

- исследование точности алгоритмов аффинных преобразований контурных изображений;

- аппроксимация проективных преобразований контурных изображений' аффинными;

- оценка погрешности аппроксимации;

- разработка структур вычислительных устройств (ВУ) для преобразований движения и подобия контурных изображений;

- разработка структур ВУ для аффинных преобразований контурных изображений;

- исследование точности и быстродействия предложенных структур ВУ.

Методы исследования базируются на теории обработки изображений, теории распознавания, теории алгоритмов, теории вероятностей и математической статистики, теории цепей, теории комплексных чисел. Широко используются методы цифрового имитационного моделирования и экспериментальных исследований.

Научная новизна. В результате проведения исследований получены следующие результаты:

- разработаны быстродействующие алгоритмы преобразований движения и подобия контурных изображений;

-разработаны быстродействующе алгоритмы аффинных преобразований контурных изображений;

~ разработаны быстродействующие алгоритмы проективных преобразований контурных изображений на основе метода аппроксимации;

- получены аналитические оценки точности всех разработанных алгоритмов;

- предложены новые гструктуры ВУ, реализующие быстродействующие алгоритмы преобразований движения и подобия контурных изображений;

' - предложены новые структуры ВУ, реализующие быстродействующие алгоритмы аффинных преобразований контурных изображений;

- разработаны программы имитационного моделирования дла исследования точности разработанных ВУ;

- получены предельные оценки быстродействия предложенных структур ВУ;

- получены статистические оценки точности разработанных ВУ,

Практическая ценность. Предложенные в работе алгоритмы и

структуры ВУ для реализации геометрических преобразований контурных изображений, разработанные программы теоретического анализа точности алгоритмов и моделирования ВУ обеспечивают возможность построения быстродействующа геометрических преобразователей, которые включаются в состав ГОЭВК, решающего проблему распознавания объектов на снимках эффективным способом, и в каждом конкретном случае позволяют выполнить:

~ выбор структуры ВУ, реализующего тот или иной вид геометрических преобразований контурных изображений, в зависимости от конкретных условий съемки;

- построение на ее основе конкретных схем ВУ с заданными функциональными характеристиками;

- имитационное моделирование ВУ с целью исследования их точности.

Реализация и внедрение результатов работы. Исследования проводились в рамках выполненных в Новосибирском электротехническом институте ряда хоздоговорных тем по разработке электронных систем предпроцессорной обработки изображений. Результаты диссертационной работы были использованы:

~ при создании специализированного процессора для выполнения преобразований движения и подобия контурных эталонных изображений;

- при создании специализированного процессора доя аффинных преобразований контурных эталонных изображений, который наряду с данными преобразованиями обеспечивает выполнение преобразований

движения и подобна;

- при выполнении научно-исследовательских работ на кафедре Вычислительной техники Новосибирского электротехнического института.

Результаты работы внедрены в Сибирском научно-исследовательском институте оптических систем г. Новосибирск. ; Экономический эффект от внедрения составил 177,5 тыс.руб. в год на один процессор, что подтверждается соответствующими документами»представ ленными в Приложении.

Апробация работы. Основные положения диссертационной работы докладывались на:

- Всесоюзной научно-технической конференции „Микропроцессорные системы автоматики" (Новосибирск, 1990 г,);

- Всесоюзной научно-технической конференции по оптической обработке информации (Фрунзе, 1990 г.);

- Областной научно-технической конференции, посвященной Дню радио (Новосибирск, 1990 г.);

- научно-технических семинарах кафедры ВТ НЭТИ (1990, 1991 гг.).

Публикация. Материалы диссертационной работы опубликованы в 15 печатных работах, из них: I авторском свидетельстве и Ь 3 отчетах о НИР.

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы и Приложения. Основной текст содержит машинописных страниц, листов рисунков, ' $ листов таблиц. Список литературы содержит 136 наименований.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, сформированы цель и основные задачи исследования, научная новизна и практическая ценность работы.

В.первой главе проведен анализ методов реализации преобразований движения и подобия контурных изображений, представляющих один из наиболее широко используемых в системах обработки . изображений видов геометрических преобразований. Анализ показал ире-

имущества методов, реализуемых на основе итерационных алгоритмов и в частности метода «цифра за цифрой".

Метод »цифра за цифрой" в наибольшей стenera удовлетворяет требованиям, предъявляемым к алгоритмам, реализуемым аппаратурными средствами с целью достижения высокого быстродействия. Однако, использование этого метода для реализации преобразования вращения, образующего основное ядро рассматриваемых преобразований, в ряде практических приложений, и в частности, для решения задачи распознавания объектов на снимках с помощью цифровых или оптико-электронных комплексов обработки изображений, не обеспечивает создания алгоритмов преобразования, оптимальных с точки зрения быстродействия. Это обусловлено прежде всего тем,что рассматриваемое преобразование осуществляется за i итерационных циклов, количество которых зависит от разрядности входных данных (т.е. результат преобразования формируется последовательно - цифра за цифрой).

Учитывая это обстоятельство, а также специфику выполнения преобразования вращения при решении задачи распознавания, которая заключается: во-первых, в необходимости выполнения процедуры вращения точек контурного изображения с постоянным угловым шагом (>,У \ во-вторых, в небольшой разрядности входных/выход-шх данных (8-10 бит), обусловленной разрешающей способностью существующих и разрабатываемых в настоящее время устройств ввода /вывода видеоданных, в работе получены рекуррентные соотношения, описывающие преобразование вращения и отражающие специфические особенности области приложения, которые имеют следующий вид:

, Х"*г " X¿ ' CcSA S' - ¿/f- S¿ñA V (I)

1 íltf * ^'SinAff* y*-CaSA У ,

где x,* > и CC¿ i ^¿tf ~ соответственно старые и

новые координаты точек V контурного изображения; Aif ~ шаг изменения угловой ориентации точек, ¿ - номер итерации, К -положение точки в массиве.

Соотношения (I) позволяют распараллелить процесс вычисления новых координат ¿cf и U-. ■ естественным образом, что обеспечивает высокое быстродействие выполнения преобразования вращения, а постоянство приращения угла ¿j^ и небольшая разрядность входных данных позволяют хранить частичные произведения X*-CoS^ X* Sin А Уи ^¿-СоЗаУ' -Sin А У 13 ПЗУ I) виде таблиц для всех

К точек контурного изображения. При этом координаты этих точек и Ц* будут являться адресами соответствующих ячеек

ПЗУ.*

На основа данных соотношений разработан таблично-итерационный алгоритм преобразования вращения контурных изображений.предлагаемый для использования в системах распознавания объектов га снимках.

В рассматриваемых практических приложениях значения углового шага дУ малы и лежат в диапазоне 1°...5°. Тогда, полагая.

ЧТО СоЯдУ<=1, а гслЛУ & ДУ

можно записать следующим образом:

¿с*. « х* - г "р- у*

1Н

I

1-1°,

-.к *ч +

у:

- 2 , соотношения (I)

(2)

Р =

Значение параметра р выбирается таким образом, чтобы значение углового шага соответствовало значениям, допус-

каемым в рассматриваемой прикладной области, В этом случае: •

4 при АУ = 3,58°

5 при Д У> =1,79°

6 при Л у = 0,89°

Соотношения (2) представляют собой частный случай метода »цифра за цифрой" и позволяют одновременно с преобразованием вращения координат точек контурного изображения осуществлять преобразование подобия (масштабирование), а также свести эти преобразования к выполнению элементарных операций сдвига и суммирования.

Ба основе соотношений (2) а работе разработан частный итерационный алгоритм анализируемых преобразований, обеспечивающий вращение координат точек контурного изображения по распучивающейся спирали.

В работе получены обобщенные рекуррентные соотношения,которые имеют следующий вид:

~ - ' "' ?ч- >

где ГП - параметр, определяющий вид преобразования (раскручивающаяся, закручивающаяся спираль или.окружность).

X к

«¿-"•ли**-?*

(3)

- ю -

На основе соотношений (3) разработан обобщенный итерационный алгоритм быстрого преобразования контурного изображения, вид которого определен параметром /п .

Для каждого из разработанных алгоритмов получены аналитические выражения для теоретической оценки погрешностей преобразования. На основе этих выражений составлена и отлажена программа на языке Паскаль для ЭВМ СМ-1420, с помощью которой получены числовые значения этих погрешностей.Результаты теоретического анализа показали следующее:

- нецелесообразность реализации итерационных алгоритмов на основе вычислительных устройств с 8-ми разрядной сеткой, т.к. погрешности в этом случае недопустимо большие;

- погрешность преобразования является функцией от углового шага др и разрядности ВУ, реализующих данные алгоритмы;

- при выбранной разрядности ВУ погрешность преобразования уменьшается при увеличении углового шага

- увеличение разрядности вычислительного устройства повышает точность реализации разработанных алгоритмов и расширяет диапазон возможного изменения углового шага ду .

Поскольку итерационные алгоритмы на основе вычислительных устройств с небольшой разрядностью (8-10 разрядов) дают недопустимо большие погрешности, то в рассмотренной главе предложен быстродействующий алгоритм' непосредственной реализации преобразований движения и подобия,который дает приемлемую для рассматриваемой области приложения погрешность преобразований^ 2,4$).

Вторая глава посвящена разработке и исследованию алгоритмов аффинных преобразований контурных изображений.

Выполнение аффинных .преобразований' контурных изображений рассмотренными в данной гларе методами осуществляется,, как правило, в два этапа. На первом этапе вычисляются параметры преобразования одним из известных способов (по характерным или спорным точкам изображений,при помощи одного из методов поиска сходства, основанных на взаимной корреляции, нормализованной взаимной корреляции или критерии минимума расстояния). На втором этапе выполняется собственно преобразование контурного изображения на основе либо метода непосредственных преобразований, либо табличного метода, либо метода «эллипса".

Необходимость выполнения процедуры предварительного определения параметров анализируемого преобразования усложняет процесс преобразования и удлиняет время его реализации. В силу отмеченных причин рассмотренные в работе метода аффинных преобразований изображений характеризуются большой трудоемкостью, реализуются в основном программными средствами, а поэтому обладают низким быстродействием. Этот недостаток затрудняет их использование в быстродействующих распознающих системах, работающих в реальном (или близком к реальному) масштабе времени.

Получены новые уравнения аффинных преобразований контурных изображений, в которых в качестве параметров преобразований используются реальные физические параметры, измеренные непосредственно в процессе съемки и характеризующие условия получения снимков. Данные уравнения позволяют свести аффинные преобразования к преобразованиям вращения вокруг осей координат и параллельного переноса и имеют следующий вид:

¿к -Sin?)* f (4)

^ =J3 ■ (¿t -Si/t t/K • CoSPj'CcSV +1 ,

где , и X¡¡ i - соответственно, исходные п преобра-

зованные координаты точки К контурного изображения,^?- масштаб, !/- утол поворота, - угол съемки, £ - параметры смещения.

На основе полученных уравнений аффинных преобразований контурных изображений разрайоташ и предложены для использования в системах распознавания изображений на снимках два быстродействующих алгоритма (алгоритм непосредственной реализации и таблично-итерационный алгоритм), ориентированных на аппаратурную реализацию с небольшими элементными затратами. •

Проведенный теоретический анализ погрешности аффинных преобразований, реализуемых на основе непосредственного алгоритма, показал его практическую пригодность для применения в системах распознавания изображений на снимках, в состав которых для обеспечения высокой производительности включаются специализировашше процессоры (в данном случае - геометрический процессор), характеризующиеся высоким быстродействием и небольшой разрядностью (8-10 бит).

Теоретическая оценка погрешности таблично-итерационного алгоритма аффинных преобразований контурных изображений аналогична

оценке таблично-итерационного алгоритма преобразований движения и подобия, полученной в первой главе.

В третьей главе проведен анализ методов проективных преобразований изображений, выполняемых в процессе решения задачи распознавания, показавший целесообразность использования для построения быстродействующих алгоритмов методов, описывающих данные преобразования соотношениями, в которых параметры преобразования являются реальными физическими параметрами, измеренными непосредственно в процессе съемки.

Получены новые уравнения проективных преобразований изображений, в которых в качестве параметров преобразования используются реальные физические параметры, измеренные в процессе съемки. Данные уравнения обеспечивают выполнение проективных преобразований контурных изображений при решении задачи идентификации эталонного объекта и его предполагаемого перспективного изображения на снимках, полученных из произвольных точек съемки и имеют следующий вид:

^ т -Cosy* хн-Sin&Slrt9 // а'« /- (^-CoSif+XfeCnlfJ-CoÉV

где у - фокусное расстояние оъемочной камеры.

Проведен анализ возможных алгоритмов проективных преобразований контурных изображений, реализуемых на основе полученных в данной главе уравнений, с точки зрения обеспечения максимального быстродействия и минимальных аппаратурных затрат. С целью сокращения этих затрат и обеспечения выоокого быстродействия преобразования отмечается целесообразность сведения проективных преобразований контурных изображений к аффинным, реализуемым на основе соотношений (4).

Получена оценка погрешности аппроксимации проективных преобразований контурных изображений аффинными. На основании полученных оценок сделаны следующие вывода:

- погрешность - аппроксимации зависит от угла съемки Y и отношения высоты съемки /У к линейному размеру ¿ ;

- погрешность аппроксимации при фиксированном значении отношения HÍL уменьшается при уменьшении угла съемки Цг ;

- погрешность аппроксимации при увеличении высоты съемки М для фиксированных значений £ и „ ф уменьшается.

Четвертая глава посвящена разработке и исследованию структур ВУ, обеспечивающих быстрое выполнение процедуры геометрических преобразований контурных изображений и предназначенных для работы в составе высокопроизводительных систем распознавания объектов на снимках.

Предложены три структуры ВУ, реализующие итерационные алгоритмы преобразований движения и подобия контурных изображений, разработанные в I главе и одна структура ВУ, реализующая непосредственный алгоритм данных преобразований, также разработанная в I главе, которые характеризуются высоким быстродействием и приемлемой точностью.

Разработаны и отляженг программы моделирования работы ВУ, реализующих итерационные алгоритмы преобразований движения и подобия контурнйх изображений. Программы написаны на языка ПАСКАЛЬ в операционной среда М для мини-ЭВМ СМ-1420.

С помощью программ моделирования получены статистические оценки точности ВУ, реализующих итерационные алгоритмы преобразований движения и подобия контурных изображений.

Предложены две структуры ВУ, обеспечивающие быстрое выполнена е аффинных преобразований контурных изображений. В основу реализации этих структур положены разрабоганше во 2 главе таблично-итерационный алгоритм и непосредственный алгоритм.

Дано полное алгоритмическое описание работы всех разработанных структур ВУ.

Получены предельные оценки быстродействия всех разработанных структур ВУ, реализующих полный набор геометрических преобразований контурных азобранений, применительно к современной элементной базе.

В пятой главе приведены результаты разработки, экспериментальной проверки работоспособности и внедрения специализированных процессоров, выполненных на базе предложенных структур ВУ для геометрических преобразований контуршх изображений.

Экспериментальная проверка отдельных структур геометрических преобразователей и создание опытных образцов спецпроцессоров, включаемых в состав гибридных оптико-электронных комплексов обработки изображений,показали работоспособность предложенных структур при выполнении процедуры геометрических прпобразо-

ваний контурных изображений в процессе решения задачи идентификации объектов на снимках на основе корреляционных методов.

Разработаны и внедрены два опытных образца спецпроцессора для выполнения преобразований движения и подобия контурных изображений, которые характеризуются высоким быстродействием (менее I мкс) ^ превышающим скоростные свойства самых перспективных дефлекторов и устройств считывания корреляционного поля.

Разработан и внедрен опытный образец спецпроцессора для выполнения аффинных преобразований контурных изображений, характеризуемый повышенным быстродействием (менее 1,5 мкс) и приемлемой для рассматриваемой области приложения точностью.

Результаты диссертационной работы использовались при выполнении хоздоговорных работ на кафедре ВТ ЮТИ и внедрены в Сибирском НИИ оптических систем г. Новосибирск.

ОСНОВШЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проведенный в работе анализ методов реализации геометрических преобразований изображений (движения и подобия, аффинных, проективных) показал преимущества методов, реализуемых на основе итерационных алгоритмов. Они наиболее полно удовлетворяют требованиям.,' предъявляемым к алгоритмам, ориентированным на аппаратурную реализацию, характеризуются выооким быстродействием и приемлемыми элементными затратами.

2. Разработаны и исследованы три итерационных алгоритма преобразований движения и подобия контурных изображений (таблично-итерационный алгоритм, итерационный алгоритм на основе частных рекуррентных соотношений и обобщенный итерационный алгоритм), которые предлагаются для использования в высокопроизводительных системах распознавания изображений на снимках. Данные алгоритмы учитывают специфику области приложения и отличаются друг от друга функциональными возможностями, точностью, быстродействием и необходимыми аппаратурными затратами на их реализацию.

3. Разработан и исследован быстродействующий алгоритм непосредственной реализации преобразований движения и подобия контурных изображений, дающий приемлемую погрешность преобразований ( ^ 2,45?) для рассматриваемой области приложения при небольшой (8-10 бит) разрядности ВУ реализующего данный алгоритм.

4. Получены новые уравнения аффинных преобразований контурных изображений, в которых в качества параметров преобразований используются реальные физические параметры, измеренные непосредственно в процессе съемки и характеризующие условия получения снимков.

5. Ка основе этих уравнений разработаны и исследованы два быстродействующих алгоритма (таблично-итерационный алгоритм и непосредственный алгоритм), рекомендуемые для применения в высокопроизводительных системах распознавания изображений на снимках и ориентированные на аппаратурную реализацию с небольшими элементными затратами.

6. Получены новые уравнения проективных преобразований контурных изображений, в которых в качестве параметров преобразований используются реальные физические параметры, измеренные в процессе оъе\'ки.

7. Проведен анализ возможных алгоритмов проективных преобразований контурных изображений, реализуемых на остове полученных уравнений с точки зрения обеспечения максимального быстродействия и минимальных аппаратурных затрат. С целью их сокращения и обеспечения высокого быстродействия преобразования отмечается целесообразность сведения проективных преобразований контурных изображений к аффинным.

8. Получена оценка погрешности аппроксимации проективных преобразований контурных изображений аффинными.

9. Разработаны и исследованы три структуры ВУ, реализующие итерационные алгоритмы преобразований движения и подобия контурных изображений и одна структура ВУ, реализующая непосредственный алгоритм данных преобразований, отличающиеся точностью, быстродействием и аппаратурными затратами.

10. Разработаны и отлажены программы моделирования работы ВУ, реализующих итерационные алгоритмы преобразований движения и подобия контурных изображений. Получены сравнительные статистические оценки точности предлагаемых структур ВУ.

11. Разработаны и исследованы дее структуры ВУ, обеспечивающие быстрое выполнение аффинных преобразований контурных изобра-кэний, в основу которых положена таблично-итерационный и непосредственный алгоритмы.

12. Получены предельные оценки быстродействия всех разработанных структур ВУ, реализующих полный набор геометрических преобразований контурных изображений, применительно к современной элементной базе.

13. Экспериментальная проверка структур геометрических преобразований и создание опытных образцов спецпроцессоров, включаемых в состав гибридных оптико-электронных комплексов обработки изображений, показали работоспособность предложенных структур при решении задачи геометрических преобразований контурных изображений.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Кобычев Г.Г., Макаревич Л.Г., Орлов Е.М., Овчеренко В.А., Чернышов А.И, Аппаратурно-программный комплекс для обработки видеоданных // Тез. докл. 2 Всесоюзн. кокф. „Микропроцессорные системы автоматики". Часть I, Новосибирск, 1990, с. 136.

2. Овчеренко В.А. Итерационные алгоритмы геометрических преобразований контурных изображений в системах распределенной обработки видеоданных // Локальные вычислительные сети и распределенная обработка данных! Межвуз. сб. научн. трудов / Под ред. Малявко A.A., Новосиб. электротехн. ин-т, Новосибирск, 1991, -с. 47-54.

3. Овчеренко В.А. К оценке точности итерационных алгоритмов геометрических преобразований контурных изображений // Метода и средства автоматизации сбора и обработки экспериментальных данных: Межвуз. сб. научн, трудов / Под ред. Губарева В.В., Новосиб. электротехн, ин-т, Новосибирск, I99D, с. 75-82.

4. Овчеренко В.А. Алгоритмы геометрических преобразований контурных изображений при решении задачи идентификации объектов на снимках // Тез. докл. XXX Обл. научно-техн. кокф., посвященной Дню радио, Новосибирск, 1990, с. 96-97.

5. Афанасьев В.А., Калугин В.В., Овчеренко В.А., Соболев В.И. Периферийный процессор распределенных систем обработки данных для решения задач обработки изображений // Локальные вычислительные сети и распределенная обработка данных: Межвуз, сб. научн. трудов / Под ред. Малявко A.A., Новосиб. электротехн. ин-т, Новосибирск, IP89, с. 65-73.

6. Афанасьев В.А., Овчеренко В.А., Соболев В.И. Аффинные преобразования контурных- эталонных изображений в системах идентификации объектов на снимках // Депонир. рукопись № 4141-пр.88, I9G8, 9 е., ЩФШТЗИ.

7. Афанасьев В.А., Туров Л.Г., Овчеренко В.А., Соболев В.И. Аппроксимация проективных преобразований контурных эталонных изображений аффинными преобразованиями // Депонир. рукопись

№ 4140-пр.88, 1988, 14 е., ЦНИИТЭИ.

8. Афанасьев В,А..Калугин В.В..Овчеренко В.А..Соболев В.И. Преобразователь координат контурных изображений в стандарте КАМАК // Информ. листок И 261-88, 1988, 4 е., Новосибирск, ЦНТИ.

9. Афанасьев В.А., Горн A.B., Калугин В.В., Овчеренко В.А., Соболев В.И. Специализированные процессоры геометрических преобразований оптико-электронных комплексов обработки изображений // Тез. докл. 2 Всесоюз. конф. „Микропроцессорные системы автоматики". Часть I. Новосибирск, 1990, с. 134-135.

10. A.C. 1342290 (СССР). Цифровой преобразователь координат. / Афанасьев В.А., Иванова Л.Н., Овчеренко В.А., Соболев В.И., Чернышов А.И. Опубл. в ЕИ, 1987, & 37.

11. Афанасьев В.А., Калугин В.В., Соболев В.И., Горн A.B., Овчеренко В.А. Специализированный процессор аффинных преобразований контурных изображений // Депонир. рукопись Л 4606~пр.89,

1989, 9'с., Ред. I. Приборы и системы упр.

12. Афанасьев В.А., Калугин В.В., Соболев B.1L, Горн A.B., Овчеренко В.А. Специализированный процессор аффинных преобразований контурных.изображений. // Приборы и системы управления,

1990, № I, с. 33.

Подписано в печать 03,04.92. Формат 84x60x1/16. Бумага оберточная. Тираж 100 экз. Усл.пвч.л. 1,0. Уч.-иад.л. 1,0. Заказ Л 443

Отпечатано на участке оперативной полиграфии Новосибирского электротехнического института 630092, г. Новосибирск, пр. К.Маркса, 20