автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка, исследование и практическая реализация алгоритмов обработки и анализа графических изображений

ВВЕДЕНИЕ.'.

ГЛАВА I. Задачи кусочно-линейной аппроксимации и анализа графических изображений

§ I.I. Задачи кусочно-линейной аппроксимации графических изображений.

§ 1.2. Задачи структурного анализа графических изображений.

ГЛАВА П. Кусочно-линейная аппроксимация последовательностей точек на плоскости

§ 2.1. Основные определения и постановка, задачи.

§ 2.2. Решение оптимизационной задачи.

§ 2.3. Алгоритмы оптимальной аппрокситлации.

§ 2.4. Исследование алгоритмов.

§ 2.5. Быстродействующий однопроходный алгоритм кусочно-линейной аппроксимации последовательностей точек на плоскости.

ГЛАВА. Ш. Структурный анализ изображений с помощью звездных конструкций.

§ 3.1. Представление изображений звездочками.

§ 3.2. Звездные конструкции. Общее определение и постановка задачи анализа.

§ 3.3. Алгоритмы анализа изображений на основе звездных конструкций.

§ 3.4. Исследование алгоритмов.

§ 3.5. Разновидности звездных конструкций.

ГЛАВА 1У. Решение практических задач обработки и анализа изображений . .■.

§ 4.1. Система ввода и обработки графической информации

§ 4.2. Практическая реализация однопроходного алгоритма кусочно-линейной аппроксимации (алгоритма 2.3).

§ 4.3. Экспериментальная система анализа изображений блок-схем логических устройств.

В последние годы методы автоматической обработки и анализа графических изображений находят широкое применение во многих областях науки, техники и производства. В число таких областей входят автоматизация проектирования, медицина, биология, робототехника, приборостроение и другие. Например, в системах автоматизированного проектирования изделий электронной техники применение методов обработки изображений позволяет заменить традиционные полуавтоматические устройства кодирования автоматическими, что ускоряет процесс ввода изображений проектируемых схем в ЭВМ в десятки раз и значительно уменьшает количество допускаемых при этом ошибок. Создание систем ввода и анализа изображений занимает центральное место в робототехнике - отрасли, развитию которой прида -- ется большое значение в последних постановлениях партии и правительства.

Высокая актуальность, а также большой чисто научный интерес обусловили бурный рост работ в области обработки графических изображений.

Одними из основных возникающих здесь задач являются задачи кусочно-линейной аппроксимации графических изображений и последующего их структурного анализа. Первая имеет своей целью получение представления изображения в виде прямолинейных отрезков на плоскости, а вторая - построение структурного описания полученного множества отрезков. На сегодняшний день в обоих направле -ниях имеется достаточно много работ, в которых решаются различные конкретные прикладные задачи. Дальнейший рост количества этих работ вызывает необходимость в рассмотрении более общих постановок задач кусочно-линейной аппроксимации и структурного анализа графических изображений и разработке универсальных методов их решения. Наряду с этим, важным является также создание новых быстродействующих, эффективных алгоритмов аппроксимации и анализа графических изображений и их практическая реализация.

Таким образом, из вышеизложенного следует, что создание и практическая реализация новых методов кусочно-линейной аппроксимации и структурного анализа графических изображений является актуальной задачей.

Целью настоящей диссертационной работы является.

1. Постановка и точное решение оптимизационной задачи кусочно-линейной аппроксимации последовательностей точек на плоскости, а также разработка, исследование и практическая реализация быстродействующих алгоритмов аппроксимации.

2. Создание универсальной конструкции для анализа графических изображений, а также разработка, исследование и экспериментальная проверка соответствующих алгоритмов анализа.

Методика исследования. В диссертации используется аппарат теории множеств, методы динамического программирования, теории двумерных грамматик, а также экспериментальная проверка программ.

На защиту выносятся.

1. Новая постановка задачи кусочно-линейной аппроксимации графических изображений в виде двухкритериальной оптимизационной задачи.

2. Точное решение поставленной задачи методами динамического программирования.

3. Алгоритмы аппроксимации, реализующие полученное решение, и оценка их сложности.

4. Быстродействующий однопроходный алгоритм кусочно-линейной аппроксимации последовательностей точек на плоскости.

5. Практическая реализация алгоритма в системе ввода и обработки графических изображений.

6. Универсальная конструкция для анализа графических изображений.

7. Эффективные алгоритмы анализа графических изображений на основе предложенной конструкции и оценка их сложности.

Практическая ценность работы. Предложенный в работе однопроходный алгоритм кусочно-линейной аппроксимации последовательностей точек на плоскости практически реализован в системе ввода и обработки графической информации, созданной в Институте кибернетики имени В.М.Глушкова АН УССР.

Алгоритм может быть использован в системах обработки изображений как средство для' выделения прямолинейных отрезков на пос -ледовательностях точек плоскости.

На основе разработанной в работе конструкции для анализа графических изображений создана экспериментальная система структурного анализа изображений блок-схем логических устройств. Универсальность конструкции позволяет ее использование при решении и других задач анализа изображений. К ним, например, относятся задачи распознавания рукописных письменных знаков, задачи анализа чертежно-графической информации и т.д. Система ввода и обра -ботки графической информации Института кибернетики имени В.М.Глушкова АН УССР, в которой реализованы результаты настоящей диссертационной работы, успешно прошла Государственные испытания и рекомендована к серийному производству. Система внедрена и эффективно эксплуатируется на ряде предприятий гг.Москвы и Киева, что подтверждается соответствующими актами, копии которых приведены в приложении.

Апробация работы. Основные результаты диссертации доложены на I Всесоюзной конференции "Автоматизированные системы обработки изображений" ( АС0И3 - 81 ), г.Москва,1981г.; I Всесоюзной конференции "Методы и средства обработки сложноструктурированной, семантически насыщенной графической информации", г.Горький, 1983г.; У Всесоюзной конференции "Автоматизация ввода письменных знаков в'ЭВМ": г.Каунас, 1984г.; У1 Межреспубликанской школе-семинаре "Интерактивные системы", г.Батуми, 1984г., а также на заседаниях республиканского семинара "Распознавание обра -зов и конструирование читающих автоматов" Научного совета АН УССР по проблеме "Кибернетика" г.Киев, (1980-1984 гг.).

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из наименований и приложения. Объем работы 115 страниц основного текста, 58 страниц рисунков и 33 страниц приложения.

- 169 -ЗАКЛЮЧЕНИЕ

В рамках структурного подхода процесс анализа графических изображений сводится к двум последовательным процедурам: предварительной обработке, с целью представления изображения в виде множества непроизводных элементов с заданным отношением соседства, и собственно анализу изображения.

Обзор.основных результатов в области кусочно-линейной аппроксимации и структурного анализа графических изображений показал следующее. Работы по кусочно-линейной аппроксимации разделяются на две группы в зависимости от решаемой задачи минимизации числа аппроксимирующих отрезков либо отклонения от исходного множества. К настоящему моменту не существует работ, в которых обе задачи решались бы вместе, в виде единой двух критериальной оптимизационной задачи. Наряду с этим, и с практической точки зрения имеющиеся алгоритмы аппроксимации не обладают нужными свойствами (быстродействие и т.п.) Работы по структурному анализу графических изображений группируются в три последовательных течения в зависимости от применяемых методов и соответствия специфике задачи. К настоящему моменту в этой области получены многочисленные результаты, которые служат хорошей основой для создания универсальной конструкции, специально предназначенной для анализа графических изображений.

В соответствии с этим в настоящей диссертационной работе рассматривались задачи кусочно-линейной аппроксимации и структурного анализа графических изображений и получены следующие результаты.

Приведена единая двухкритериальная постановка задачи кусочно-линейной аппроксимации графических изображений.

Получено решение поставленной задачи с помощью методов динамического программирования и приведено доказательство его оптимальности.

Разработаны два алгоритма, реализующие полученное решение для случая незамкнутых и замкнутых последовательностей. Получены точные формулы сложности обоих алгоритмов.

Разработан и практически реализован быстродействующий однопроходный алгоритм кусочно-линейной аппроксимации графических изображений. Алгоритм имеет линейную сложность работы и не содержит громоздких вычислительных операций. Доказано, что на одном классе последовательностей разработанный алгоритм находит оптимальное по длине разбиение. Предложена также эвристическая однопроходная процедура уменьшения отклонения от исходной последовательности.

Предложена универсальная конструкция для анализа графических изображений, названная звездной конструкцией. Конструкция позволяет задавать ограничения на структуру входных изображений, состоящих из прямолинейных отрезков, и в соответствии с этим проводить их анализ. При этом задача анализа рассматривается не как отнесение изображения к классу, а шире, в предположении, что изображение состоит из объектов, принадлежащих различным классам.

Разработаны два алгоритма анализа на основе предложенной звездной конструкции. Алгоритмы основаны на процедурах разметки, или вычеркивания. Один из них является более быстродействующим , но шесте с тем более требовательным к памяти, чем другой. Получены формулы сложности обоих алгоритмов анализа, Указаны условия, при которых целесообразно применение того или другого алгоритма.

Предложены две разновидности звездных конструкций. Первая, названная классифицирующей звездной конструкцией, предназначена для решения задач отнесения изображения к классу. Она может быть применена при решении задач распознования изолированных письменных знаков. Вторая разновидность, названная габаритной звездной конструкцией, позволяет, наряду со структурными ограничениями, задавать также и геометрические ограничения на входные изображения.

Однопроходный алгоритм кусочно-линейной аппроксимации графических изображений практически реализован в системе ввода и обработки графической информации, которая рекомендована Государственной комиссией к серийному производству и внедрена на ряде предприятий.

На основе аппарата звездных конструкций создана экспериментальная система анализа изображений блок-схем логических устройств.

1. Ахо А., Ульман Дж. Теория синтаксического анализа, перевода и компиляции. Том I М., Мир, 1978, 612 с.

2. Ахо А., Хопкрофт Дж., Ульман ДЖ. Построение и анализ вычислительных алгоритмов. М.: Мир, 1979, 536 с.

3. Барабанюк Т.Н., Карапетян Г.К., Мацелло В.В., Тырский С.Я., Шарыпанов В.М., Шлезингер М.И., Шульдешов Г.А., Система автоматического кодирования эскизов схем логических устройств.

4. В кн.: Автоматизированные системы обработки изображений. (АС0И3 -81). Тезисы докладов I Всесоюзной конференции, Москва, 9-1I июня 1981 г.,Наука, 1981, с.103.

5. Белжан Р., Дрейфус С. Прикладные задачи динамического программирования.- М.: Наука, 1965, 458 с.

6. Васильев В.И. Распознающие системы. Справочник.-Киев: Наукова думка, изд. 2-е, 1983, 422 с.

7. Гинзбург С. Математическая теория контекстно-свободных языков. М.: Мир, 1970, 468 с.

8. Гренандер У. Лекции по теории образов. В 3-х томах. М.: Мир, 1979-1983, 1256 с.

9. Гуревич И.Б., Колвовой Н.А., Орлов Н.А. Псевдопараллельный метод обработки изображений. Там же с.22.

10. Денисов В.А. Обучающаяся система распознования рукописных знаков. В кн.-.Вопросы теории интеллектуальных роботов и распознавания образов. Сб. научн.трудов, Киев: ИК АН УССР, 1983, с.31-45.

11. Джирквелишвили З.А., Карапетян Г.К. Алгоритм анализа изображений блок-схем логических устройств. В кн.: Докл.У1 Межреспубликанской школы-семинара. "Интерактивные системы" (Батуми,27 мая 3 июня 1984 г.) Тбилиси: Мецниереба, 1984, с.275-276.

12. Дуда Р., Харт П. Распознавание образов и анализ сцен.М.: Мир, 1976, 511 с.

13. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации.- В кн.: Проблемы кибернетики. Вып.33, М.: Наука,1978, с.5-68.

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

15. Каменева И.П. Плиточные двумерные грамматики и анализ изображений. В кн.: Распознавание образов.Киев:Ж АН УССР, 1978, с.55-71.

16. Карапетян Г.К. Оптимальные алгоритмы кусочно-линейной аппроксимации дискретизованных кривых.-В кн.: Вопросы теории интеллектуальных роботов и распознавание образов. Сб.научн. трудов. Киев ИК АН УССР,1983, с.53-62.

17. Карапетян Г.К. Мацелло В.В. Структурный алгоритм распознавания графических изображений. В кн.: Распознавание образови автоматизация проектирования робототехнических зрительных систем. Сб. научн.трудов. Киев: ИК АН УССР, 1982, с.44-54.

18. Каралетян Г.К., Шульдешов Г.А.Однопроходный алгоритм ку-сочно-линейний аппроксимации дискретизованных кривых. В кн.: Методы и средства обработки сложноструктурированной, семантически насыщенной графической информации. Тезисы докладов

19. Всесоюзной конференции, Горький, 1983, с.66-67.

20. Каралетян Г.К., Шульдешов Г.А. Однопроходный алгоритм линейной аппроксимации последовательностей точек на кривых.-Кибернетика,1984, № I, с.114-117.

21. Каралетян Г.К., Шульдешов Г.А. Алгоритмы линейной аппроксимации дискретизованных изображений.-В кн.: Автоматизация ввода письменных знаков в ЦВМ. Тезисы докладов У Всесоюзной конференции, Каунас,1984, с.154-156.

22. Кийко В.М., Шлезингер М.И. Анализ изображений порождаемых блочными двумерными грамматиками.-В кн.: Обработка и распознавание сигналов.Киев: Ж АН УССР, 1975, с.19-37.

23. Кийко В.М., Шлезингер М.И. Выделение и кодирование линий в системах ввода в ЭВМ графических изображений.-УСиМ, 1984, № I, с.56-59.

24. Коваль В.К., Шлезингер М.И. Двумерное программирование в задачах анализа изображений.-Автоматика и телемеханика, 1976, № 8, с.149-168.

25. Коваль В.К., Шлезингер М.И. Оптимизация функций на множестве, заданном локально-конъюнктивным предикатом.-В кн.: Распознавание образов.Киев: Ж АН УССР, 1976, с.3-13.

26. Мацелло В.В. Выделение длинных горизонтальных и вертикальных границ на изображениях.- В кн. Математические и технические средства робототехники и распознавания образов.- Киев: Ж АН УССР, 1981, с.48-57.

27. Мацелло В.В., Тырский С.Я., Шлезингер М.И. Предельский О.Д.

28. Базовый набор программных средств системы обработки графической информации.- В кн.Методы и средства обработки сложноструктурированной, семантически насыщенной графической информации. Тезисы докладов I Всесоюзной конференции, Горький, 1983, с.38-39.

29. Мацелло В.В., Шлезингер М.И. Синтаксический анализ изображения в процессе построчного сканирования.-Известия Академии наук СССР. Сер.Техническая кибернетика, 1982 г. № 3, с.173-179

30. Минский М. Пейперт С. Персептроны.- М.:Мир,1971, 262 с.

31. Нарасимхан Р. Лингвистический подход к распознаванию образов. -В кн.: Автоматический анализ сложных изображений.

32. Сб.переводов под ред.Э.М.Бравермана, М.: Мир, 1969, с.22-49.

33. Нарасимхан Р. Синтаксическая интерпретация классов изображений.- Там же с.50-64.

34. Оре 0. Теория графов.-М.: Мир, 1980, с.336.

35. Прэтт У, Цифровая обработка изображений- М.: Мир,1982. т.1 т.2 790 с.

36. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин.М.: Мир, 1972, 230 с.

37. Ткачев И.И. Об.эквивалентности некоторых моделей для распознавания образов.-Кибернетика, 1980, гё 3, с.147.

38. Ткачев И.И. Эквивалентные преобразования в одном классе pacnos нающих систем.- Кибернетика, 1981, № I, с.27-32.

39. Ткачев И.И. Структурный алгоритм распознавания стилизованных рукописных цифр.- В кн.: Распознавание образов. Киев: ИК АН УССР, 1978, с.3-8.

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

41. Тырский С.Я.Алгоритм выделения контура.- В кн.Математическиеи технические средства робототехники и распознавания образов ; Сб.научн.трудов, Киев: ИК АН УССР, 1981, с.42-48.

42. Уолц Д.Интерпретация контурных рисунков, изображающих сцены с тенями.- В кн.: Психология машинного зрения.М.: Мир,1978. с 30-41.

43. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977,319 с.

44. Фукунага К. Введение в статистическую теорию распознавания образов.-М.:Наука, 1979, 366 с.

45. Хармон Л. Автоматическое распознавание печатных и рукописных пиеьменных знаков.- В кн.: Распознавание образов при помощи ЦВМ, Пер. с англ., М.:Мир, 1974, с.76-91.

46. Хомский Н. Формальные свойства грамматик.- Кибернетический сборник. Новая серия, вып. 2, М.: Мир, 1966, с.121-230.

47. Шлезингер М.И. Синтаксический анализ двумерных зрительных сигналов в условиях помех.- Кибернетика, 1976, й 4, с.113-130.

48. Шлезингер М.И. Особенности кодирования изображений в системах АРМ,- В кн.: Техника, экономика, информация, сер.Автоматизация проектирования, М., ВИМИ, 1983, вып.1. с.74-80

49. Ярославский Л.П. Введение в цифровую обработку изображений. М.: Сов.Радио, 1979, 312 с.49. die /^iiumoio Н, Зои,оda J, Уьпьъа К .

50. Wetf Gzaoinais qjiU SevezaZ (tio,p As Тоиълз € СоприЛ. SybtLM Sc't, J </943, ^ ij

51. Мапо Q ftefULSzniattoi* of &ioiti$ecifouib ui Vei/yib Cbnic а алее S^ijA^ -/ou Stome/rfsCbntpu&i 6botf>A,Lcs <inol Tm&ac, Placets-(£<j, 3, л/1, pp. 13-33.1. Г I. Bef£/ncui Onш — ' ^--------- ^-----

52. S2K X Р&гъсл.^ е/ (ггълимъьГл; Ры>с*

53. В:В. В. WozflfA/yp Vate. Descu/>fe>i and /У^плыг

54. S3. 8ъ>пь & linauisti'c /fatted <0е*сгрЪ€>лef q St'idiwc <1оье спя Г(Ъ/ирцGz^Alcj

55. W РпсиъйгЬ; , vot% 3 р 4/1 ^ ppM-ei. *

56. SBuwe Н, bfihigu/fol РгомпилеЖ

57. Оытмггь сщЫ й%tf/i (fy/M&ccitZen & Sc/mo^tu дшйЬь/к JiaisacZ&'y1. V0t РАМ}-*/; *5*61 Fecial Т. Аамшзаяь e^ , —

58. ЗфгжйоуЛлЯ Cbitu>ty/96%, j 4/3 j pp.

59. S6 . Peden J. Ptc* 1/)/оъмаtum^ vol з, tf&f-xu.

60. F&trnan jC-C&ssJ. On tbuiKUbaiion e/ /Me -Ягti&tict ,-!£££ SwnsQc&cns onbcitn&el zW v /963 , vof. S>bC-S> aJJ-jJ

61. Ргсемяп H,; SabtfU I. Свмцэаъь&тге ОпьСдьЦ Л (кг Въщгслщ /VoaU Сэ/ууэи&Л

62. Gnphict* anol Imxite P^ztsuiQ S9X09vo{:1. S3. Pu 8.X, ^bikjni /ottic fibtfan, пбйЬгь, X££.l JЪъЛас&еп! 6>nyo.f9¥b,vot we;/>/>

63. Pufacia У. Q fbimvzy LtneUifdwel-Uq af Ztoic Qtouti ^Sia^ms r-PntfauipAiLo^di^ j/i/ffjir-m,

64. Pubtfoi on/ihe. bwsrwt CUwt-^ PctCcAQ UbCsiQ "DunaryvCc t —

65. СЬпмМСсьбъЪ e^Ue 4CV, /УМ, ^

66. JbiAticK АЛ Scute. /¥a,6Aiy fratA/ns ~ Т»; fidUtbLC ImaOA /^cttscsto e&cj ; /)/A7Dadvvuttf Mufkj CAs&t&k , 9/>p.d.fO-Wt.бЪк /jvu\ £cok frAf, $£гис2иъг£ Pk&m

67. A/y, Wz ЯЯггл Fwm feiyxzt toiri tu>n DAejbiy. — Pa^Wifbcopni tlon j v»e% % 611. W. Сопуоьтбс

68. С&йл^ъ esict Pcxetf МгУй^оп

69. Ptoctb&b ^СЬпуоцЬп GiAphucb Ргссямелл^0, ^t)Lh Щpf^^-^66. fyape* JC.C, J (^aotoy /J&nelccriLt&ui Woiclb Cm /-/ceusflch^e^. Jfe&im&orLбопу^цй^ (г-гуэЛссь XrncjA Pbocusuj; /9X0; vcf. /4,

70. Jci)t$$eM> P Йлип&ю Gj fabbteU/?. On.1. ОлЫ Pd2q GvpA GTAmsmts

71. Cbmputui Gtog>Ait% cuiot I/nKo^ ръбсе&иъя1. VoL fpt ЯРЭ-Ш. ' Jк'ЬгьсА Rx CbryiputvL I/i&y>rutcitiD>L ef £/ia£i$ A, Dlx-6 qswL pQttevL5t Swsao&c/is1. CbtYbfU.j ec-lS69 БЛсшт А. uiftc&lte Pwct-bSUlC/ Afl/>s

72. Joint Compntm С^лЛшм j Sq/i ^bqtcLSce j У96% ff>. &Э-2Э0.гс U. & ^k/U^^ Po&i ~

73. Я^р'ю'кс/ПА.&ОП. Й> Й. Cohtoup.^ Ъэмkwtiaitu>n oftPui /tc/ц, /9?о П, AJljf/D 4/- f?,

74. Wo/id'anaii СъеуэЛь , Р&нагami h/её Qta т/т zs, ~ I>./o2mq cui$l4ЭЩ vot/6; 4//>/>145-16%. M • Miato* I Мгиъ&опь tn 1.wyp- Ръсьь&л^, vo£ £%9л/±, f>f. S3 SI.73.1. Л^t/y, ci/iel Sc^zTre^

75. Dt &1*/>A Cr\a srurlG-Zs 2n; /,ecZute stb&s c*i Со/*/>ц1. Оба Я /Усы

76. Veur УэгА: Со/>грс*%г Pitss 9?^j £02ff>.1. H. PavfrclCs & a

77. Binavj Зтасг&ь &трц (jhopkics oui&l Ттяср, Pbe&bUp? 49Z0, vo{ ±Ъ v JM-dS*.

78. P&vtioUs ^ ALuloa ouiel Cc/Uw6- fu.e Giyph (Ыуютъьг- Тошпде AC/i/jSfrij vol

79. PavCcdu Й". SibuctUwC PatUin, ft^wiiXo/i : PionitcVeb inel J4,x^po%itu>n Ae&ttLcUb X/i : FioriUeib of Pat&zjt Cb.Wa-baia&e Eaf.Y1. Миг Уогк ; pp. Ш.

80. Pfa&lb JГ Wt< Ошмпвль ълЫ^PCofabi DesczLp-lwn, r~ (b/tyut&z б-Щ/Ассъ I/na^A Ргосе. ssup j /W^r , рр^49Ъ-гго.

81. Pf*U*J., fosoiftti Q. W*g ~ "щяь tfa Зг&гпщ-Ьелив ЗьслЛ on fatcfcforlkti&ijMCij hbsAin^o a,£). С,УЭбЗ^р. 6ЪЭ~6/Э.1. Si

82. Рсц. J". Syniac tie &coo#Utco/i ^Мл sOj2. /StitseKWyi S.AtS. JSeeKsAciueufiM Z&a&'ti&o'i (jfpbui&d &&ААЦ Chatb^foib 0»ири&г (f^p^Lccs2«iy. PwAbUg, 6t, 3 ^.2b. Rame? U, <bi РгйаоСиъг ^oz

83. Cyfitwdbcb9 WtS, i'of. SS4C-6,

84. U% RobenfeCo/ Д., Humryieefr; £uc&.iS, Seemш ЯеСа natlo/i Ope^tCo/isIB £9 Vumsao&ons on /Чел cmeL Cybw&cbj vo^S/^C-6J

85. Rotfibtwi Jtj Wiiw,*. C. Petit oa&1 Setjbuejvfo't SpzUfiAbtoon, Df Context Semitic* /яу***^ Si^aiokt tuea of C-uoLsCcmfutm (ympMics, <гпс1

86. Pioce&uuj; /9Н, v0£ и/ij ppJOG- /24.

87. OL. Q. Рочмав Pectus &€scUfUon ScAe/>?e Ль a Basts tbt Pectus Рчсы&ии* r~l^oiwition euwi G>ru6u>£} 9J rt* /4, л/tiff. Si.

88. S3. 3/^Обсг а. РьгьСпъ у ^им PCCXums, — ^ Ou 4CW, A/^pptjSb-^i.

89. Shfimr ?lcZlLruGi4pAbJ Gid/yiwib Cond Реигьспси— JV. Fu>rU,Leu of Patttin fUcofutco^ Ъс/J,44ur Уогк, 4370.jpp. к 9d ' SQ9.91, Siiomouw G.J SiiDWuu; f{, faditlf GwпьШЯЬ wef Йлсцлв l- СЬтри&л Счлрклсъ1.^L PlCClAbisl^ ; /SfSjVtof. ^ ;AJ />/>'

90. УЛ. Siwnwwj C^ SiTomouujfl.; KutAivaw/t R.

91. Cltfi-LrbO't /^qrybi^lts of /у&^исгь ewe/ Ptciute2 I/nxiyz Рге>19П, vot fp. W-lbZ. '

92. Э 3. S ьгйтощий A tki vz bin A*,аъюу Ощ/уьтсаь "ib&iryiСЬ/П/йцСьг Giq,phu± and 2rna<te Pwccssuu* . усСЪ . WJ.}f>pf3-U.r ' J94 Stefanоый)*, ef $iAiti£teL QtVJ-es fku&<vi focoqtubbi

93. W. RecoQ/uticA of Pzui&d CAi/uzs,e САдлъс&ль Gute/nA&c fJt&i/i . —

94. Ь-ibKL H. CljDjOioxLyn^tcojb cf Cuzire S1. Smminis. of &цШёСо*.;9Э-. Ewz-(ЬгисйлА Xion^ipAc's^sof Ctffritc&d At&iUonA С fapAb Vjfoi Parte гл. C&y9>i£iC&tu>/i.~ giec&ucciC ё/шг.пее.'йпА

95. Puidu* COdveibCtu k/ebt/i/q^t&j InoUbfii ,nt/w кеч 6 Ога/уипаг in, ■ &in fktfoifL fottcwx-tijon j ЛЭШ;

96. Wu#Ws C. Ctrl EffitUn* Qfyyttftsn ft г Pctc&urtez <itiA6in CZpfWXirvLaitb/i of Р-&(Пл1 Curnjbb Сьтри&г Gvipkccs cxaoL 2/n*t^e- 183

97. Ргосмьсу , у0е. е., pp. яи-гез.100. hJ-М'иипь С. В ounoUcl Sibbi/jJcti~ tin* Qpptex

98. OYLdtib/t e&iaitlz-zel РвалОЛ йг^еь сщЫ /mes Социал. GiJtKpklcb алЫ Z/ywlqz Ргосе£~1Ы. Sv кшАпимигМу Иааг Я. Яе&ха^иэ/г1. Орешин;, ^ог Ьслла : СЬпveiqe/ice .

99. Spt&oi wei Tzi/ibCLC&oiS O/L1. Va^Sys&vs ^ 43vot bMC-Z;л/<L, ppAl-Lt*,