автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Разработка цифровой модели оценки трещиноватости и фракционного состава углей на основе их изображений

На правах рукописи

Макеев Максим Павлович

РАЗРАБОТКА ЦИФРОВОЙ МОДЕЛИ ОЦЕНКИ ТРЕЩИНОВАТОСТИ И ФРАКЦИОННОГО СОСТАВА УГЛЕЙ НА

ОСНОВЕ ИХ ИЗОБРАЖЕНИЙ

Специальность 05.13.18 - математическое моделирование, численные методы и комплексы программ

Автореферат диссертации ва соискание ученой степени кандидата технических наук

Кемерово 2006

Работа выполнена в Институте угля и углехимии СО РАН

Научный руководитель:

Официальные оппоненты:

доктор технических наук Тайлаков Олег Владимирович

доктор технических наук Моисеев Лев Львович

доктор технических наук Протасов Константин Тихонович

Ведущая организация: Кемеровский государственный

университет

Защита диссертации состоится 4 октября 2006 г. в 10 часов на заседании диссертационного совета Д 003.036.01 при Институте угля и углехимии СО РАН (650610, г. Кемерово, ул. Рукавишникова, 21). Факс: (384-2) 21-18-38 .

С диссертацией можно ознакомиться в библиотеке Института угля и углехимии СО РАН.

Автореферат разослан 31 августа 2006 г.

Ученый секретарь

диссертационного совета Д 003.036.01, доктор технических наук

В.Т. Преслер

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

Для повышения эффекгавности процессов угледобычи и углепереработки существенное значение имеет совершенствование методов анализа и испытания углей. Некоторые важнейшие физико-механические свойства углей могут быть определены путем анализа снимков угольной массы или изображений аншлиф-брикетов, полученных с помощью оптических и опта ко-электронных систем. Так, например, по коэффициенту отражения света витринитом и цвету угля определяют степень его метаморфизма, а по степени оптического увеличения определяют фракционный состав шихты в технологических процессах обогащения углей. Основным фактором, определяющим газопроницаемость углей, является трещиноватость, которая характеризуется суммарной длиной, величиной раскрытия трещин и углом их наклона относительно напластования. Измерения этих параметров, проводимые с помощью оптических приборов, весьма трудоемки.

Развитие компьютерных технологий и современных программно-аналитических комплексов позволило разработать цифровые методы анализа оптических изображений угольных образцов с использованием систем автоматического или автоматизированного распознавания образов, обеспечивающих обработку информации в реальном масштабе времени с достаточной степенью точности. Однако основным недостатком применяемых в настоящее время автоматических методов является то, что в случае некачественного исходного снимка за значимую информацию принимаются дефекты на изображении (ошибки распознавания второго рода), что значительно снижает достоверность получаемых результатов. При этом качество исходных снимков определяется в основном низкой контрастностью, недостаточной резкостью, зашумленностью и размытостью изображений. К недостаткам автоматизированных методов можно отнести необходимость субъективного выбора качества исходного изображения оператором, что приводит к увеличению количества снимков и затрат времени на обработку исходной информации.

В связи с этим, разработка цифровой модели для оценки трещиноватости и фракционного состава углей на основе их изображений, позволяющей выделять информационно-значимые объекты и оценивать структурные и фильтрационные свойства углей, является актуальной научной задачей.

Диссертационная работа выполнена в соответствии с планами НИР Института угля и углехимии СО РАН на 2004-2006 гг. (Проект 25.2.4: «Экспериментально-аналитические основы механики газоводоносных геоматериалов», этап 2004 г. «Методика наблюдений для определения параметров и разработка модели напряженно-деформированного и газового состояния массива горных пород»).

3

Целью работы является разработка цифровой модели для оценки структурных свойств и фракционного состава углей на основе бинаризации их оптических изображений.

Идея работы заключается & выявлении характерных свойств объекта на его цифровом изображении путем последовательной математической фильтрации специфических областей помех, соответствующих так называемым «пятнам», «бликам» и «включениям».

Задачи исследований:

— обосновать алгоритм обработки изображений аншлиф-ппуфов углей, устраняющий помехи на основе априорной информации о трещиноваггости исследуемого образца;

— разработать алгоритм и программу распознавания систем горизонтальных трещин и трещин кливажа на аншлиф-штуфах углей с учетом характерных особенностей их расположения;

— разработать обобщенную модель образов углей с учетом алгоритма распознавания систем трещин на основе преобразования Фурье;

— разработать алгоритм применения морфологических операций восстановления изображений гранул для оценки фракционного состава угольной шихты.

' Научные положения, защищаемые в работе:

— ограниченная, строго последовательная совокупность стандартных математических процедур коррекции изображений, реализованная посредством разработанного алгоритма, позволяет устранять помехи типа «пятна», «блики» и «включения» на дискретных образах аншлиф-штуфов;

— совместное применение методов линейной фильтрации и разработанного алгоритма распознавания оцифрованных двумерных изображений аншлиф-ппуфов обеспечивает достоверную оценку степени трещиновагости углей, определяющей их фильтрационные характеристики;

— разработанная обобщенная модель образов углей на основе преобразования Фурье корректно описывает спектральный состав сигналов, форма которых определяется структурой трещин;

— применение морфологического алгоритма, основанного на разбиении оцифрованных изображений гранул перекрывающимися матрицами типа «двоичных четверок», обеспечивает вычисление их площади при определении фракционного состава угольной шихты.

Научное значение работы состоит в том, что создан новый способ фильтрации помех («пятна», «блики» и «включения»), ориентированный на обработку изображений угольных образцов и изучение основных

свойств физических сред трещиноватости и газопроницаемости, играющих важную роль в задачах газо- и гидрофильтрации в массивах горных пород.

Научная новизна работы заключается в следующем:

— выбрана рациональная совокупность , приемов и обоснована последовательность фильтрации изображений аншлиф-штуфов углей, позволяющая устранять помехи на дискретом изображении;

— разработан оригинальный алгоритм и дана его программная реализация для распознавания изображений трещин, произвольно расположенных на плоскости аншлиф-штуфов углей, который позволяет определять степень трещиноватости исследуемых углей;

— предложена обобщенная модель образов углей, на основе преобразования Фурье, учитывающая пространственную ориентацию трещин;

— предложен новый алгоритм распознавания цифровых изображений гранул угольной шихты, позволяющий повысить эффективность микроскопического анализа ее состава при производстве кокса.

Личный вклад автора состоит:

— в выборе рациональной совокупности приемов и обосновании последовательности применения фильтров, позволяющих устранять на цифровых изображениях аншлиф-штуфов углей типичные помехи и выделять включения в угле;

— в разработке алгоритма распознавания оцифрованных изображений трещин, учитывающего их различную ориентацию на плоскости аншлиф-штуфов углей;

— в создании обобщенной модели образов углей с помощью Фурье преобразования, которая позволяет получать спектральный портрет образов углей в зависимости от структуры трещин исследуемого образца;

— в разработке методики распознавания гранул угольной шихты на основе применения алгоритма морфологической фильтрации для оценки ее структуры.

Методы исследований

Для достижения поставленной цели использован комплекс методов, включающий:

— методы линейной фильтрации изображений для повышения качества исходного снимка;

— методы теории распознавания образов при оценке трещиноватости аншлиф-штуфов углей и гранулометрического состава угольной шихты;

— методы математической статистики для оценки качества изображения при определенной последовательности применения стандартных фильтров;

— метод преобразования Фурье для создания обобщенной модели образов углей;

— линейный метод восстановления изображений для устранения помех па цифровых снимках и преобразования локальных контрастов при дискретной обработке оптических образов трещин.

Достоверность и обоснованность научных положений, выводов и рекомендаций подтверждается:

— корректностью сформулированных задач в результате использования их классических постановок и фундаментальных принципов теории распознавания образов;

— строгим применением теории фильтрации шумов и устойчивым повышением отношения сигнал-шум в результате использования типовых и разработанных фильтров оптических изображений;

— представительным количеством отобранных и исследованных угольных образцов и удовлетворительной сходимостью результатов определения физико-механических свойств углей в лабораторных условиях на основе применения разработанных автором алгоритмов и традиционных подходов.

Практическое значение работы заключается в следующем:

— разработаны приемы, алгоритмы и программа, позволяющие создать методическое и программно-алгоритмическое обеспечение экспресс-анализа образцов аншлиф-нгтуфов углей для оценки физических и фильтрационных свойств углей различных марок;

— обоснована методика проведения экспресс-анализа проб угольной шихты, обеспечивающая достоверную оценку ее гранулометрического состава при определении спекаемости углей в производстве кокса.

Реализация работы

Результаты работы, оформленные в виде методики проведения экспресс-анализа проб угольной шихты, использовались в Кемеровском филиале ИХТТМ СО РАН и ОАО «Кокс» для оценки гранулометрического состава угольной шихты до и после механоактивации в коксохимическом производственном цикле и на шахте «Распадская» (лава 5а-10-14) для исследования степени трещиновагости углей вдоль выемочного столба.

Апробация работы

Основные результаты исследований докладывались и обсуждались на 2-й школе-семинаре молодых ученых России «Проблемы устойчивого развития региона» (Улан-Удэ, 2001); на совместном заседании Президиума КемНЦ СО РАН и Ученого совета Института угля и углехимии СО РАН, посвященного Дню Российской науки (Кемерово, 2002); на научно-технической конференции «Шахтный метан: прогноз, управление,

использование» (Кемерово, 2002); на международной научно-практической конференции «Энергетическая безопасность России. Новые подходы к развитию угольной промышленности» (Кемерово, 2002); на I Международной конференции молодых ученых и специалистов, посвященной 25-летию ИПКОН РАН «Проблемы освоения недр в XXI веке - глазами молодых» (Москва, 2002); на V Международной научно-практической конференции «Безопасность жизнедеятельности предприятий в угольных регионах» (Кемерово, 2002); на международной конференции The International Coalbed Methane Symposium (США, Таскалуза, Алабама, 2003); на VI Всероссийской конференции молодых ученых по математическому моделированию и информационным технологиям (Кемерово, 2005); на научных семинарах Института угля и углехимии СО РАН (Кемерово, 2003 - 2005).

Публикации

По результатам выполненных исследований опубликовано 11 печатных работ, отражающих основное содержание диссертации.

Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения, изложена на 125 страницах, содержит 55 рисунков, 12 таблиц, список литературы из 68 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Ограниченная, строго последовательная совокупность стандартных математических процедур коррекции изображений, реализованная посредством разработанного алгоритма, позволяет устранять помехи типа «пятна», «блики» и «включения» на дискретных образах аншлиф-штуфов

В общем виде обработка оптических образов аншлиф-штуфов углей заключается в получении с помощью дискретного преобразователя их изображения U (рис. 1), которое удовлетворяет условию

C/ = (51U52)\(53U54)> (1)

где Si, S2 -горизонтальные и вертикальные трещины; S3 — «включения» в угле; S4 — шумы.

Объект Дискретный

(аншлиф-штуф угля) преобразователь

Персональный компьютер

Рис. 1. Принципиальная схема получения оцифрованного изображения аншлиф-нггуфа угля

Для обработки изображений анш лифов угольных образцов исследованы типовые фильтры, повышающие качество исходного изображения, на котором присутствуют различного рода помехи (рис. 2).

Помеха «включения»

Помеха «блик»

Помеха Объект

«пятно» «трещина»

а) б)

Рис. 2. Основные типы помех и вид объекта на изображениях аншлиф-

штуфов углей:

а) — образец угля с включениями фюзинита; б) — образец угля с явно выраженными трещинами

Наиболее распространенным дефектом является низкий контраст дискретных изображений, связанный с незначительным отличием яркостей фона и исследуемых объектов на угольных образцах. Для повышения контраста изображения применяется фильтр, основанный на поэлементном изменении яркости изображения, в горизонтальном

и вертикальном

r(ij) = <p(ij)-<p(i + lj)

(3)

направлениях. Здесь <p(i,j) - исходное изображение; 7(¿, j) -изображение с измененным контрастом; *, j - координаты строк и столбцов.

При получении исходного снимка угольного образца на его изображении в большинстве случаев появляются блики, для устранения которых можно использовать фильтры, основанные на заполнении зоны с высокой яркостью средним значением этого показателя другой зоны.

Для анализа изменения свойств изображения удобно использовать распределение яркостей пикселей, представляемого в виде гистограммы, на оси ординат которой отображается количество пикселей, а на оси абсцисс - значения яркостей изображения. В качестве примера на рис. 3, 4 представлены результаты применения фильтров. Исходное изображение (рис. 3, а) с квадратичным отклонением <ув «74 яркостей пикселей (рис. 4, а) после применения фильтра выравнивания фона преобразуется к изображению, представленному на рис. 3, б, которое характеризуется существенно более низким квадратичным отклонением <У в — 0*29 (рис. 4, б). При этом среднее значение яркостей пикселей В изменяется с 127,5 до 0,25 за счет устранения бликов.

Гистограмма, соответствующая применению фильтра увеличения контрастности, представлена на рис, 4, в и характеризуется повышением В с 0,25 до 0,68 при незначительном снижении <?в. Гистограмма яркостей пикселей для бинаризованного изображения (рис. 3, в) представлена на рис. 4, г и содержит только два значения яркостей пикселей 0 и 1.

Рассмотрены четыре комбинации последовательного наложения фильтров выравнивания фона, повышения контраста (2, 3), бинаризации, а

Н(п~—Ш1—

также винеровского Р (/)+Р (/) и медианного фильтров

/(*»>>) = Здесь Pc(f) и Pm(f) - спектральные плотности

мощности (энергетические спектры) сигнала и шума; /(х, у) — преобразованное изображение; g(s, t) - исходное изображение; s, t -координаты пикселя; SJ>y — подмножество элементов изображения.

Для выбора рациональной комбинации фильтров изображение U, полученное в результате их применения, сравнивалось с эталонным Uo, сформированным из исходного изображения с помощью растрового графического редактора. При этом изображение Uo является идеальным бинарным изображением поверхности аншлиф-ппуфа угля, на поверхности которого подчеркнуты все трещины. В табл. 1 приведены значения ковариации cov{t/, Uo}, рассчитанные для каждого преобразования изображения. Анализ полученных результатов показал,

что наибольшая ковариация соу { £/, и0} = 0,0271 соответствует варианту 1, представляющего собой комбинацию фильтров «выравнивание фона», «повышение контраста» и «бинаризация».

Д)

г)

Рис. 3. Применение разработанного алгоритма обработки оптических образов трещин на аншлиф-ипуфах углей:

а) - исходное изображение;

б) — сглаживание исходного изображения; в) - увеличение

контраста; г) - бинаризация изображения; д) - результат окончательной обработки исходного изображения

ЛЬ 10'

1 0,8 0,6 0,4 0,2 О

оа

100 150 Яркость, В

а)

0,4 0.6 Яркость, В

б)

: | . л

0 4 0.6 Яркость, В

В)

0,8

№10* 14 • 12 10 8 б 4 2 О

О

Яркость, В

Рис. 4. Распределение количества пикселей N изображения по яркости В: а) — исходное изображение; б) — сглаживание исходного изображения; в) - повышение контраста изображения; г) - бинаризация изображения

Таблица 1

Выбор рациональной комбинации фильтров

№ варианта Последовательность процедур соу {и, и0)

1 1. Выравнивание фона 0,0035

2. Повышение контраста 0,0068

3. Бинаризация 0,0271

2 1. Повышение контраста 0,0110

2. Выравнивание фона 0,0215

3. Бинаризация 0,0028

Продолжение табл. 1

№ варианта Последовательность процедур соу { и, и0}

3 1. Винеровский фильтр - 0,0029

2. Медианный фильтр 0,0026

3. Выравнивание фона 0,0023

4. Повышение контраста 0,0043

5. Бинаризация 0,0192

4 1. Медианный фильтр 0,0034

2. Винеровский фильтр 0,0025

3. Выравнивание фона 0,0022

4. Повышение контраста 0,0041

5. Бинаризация 0,0166

Совместное применение методов линейной фильтрации и разработанного алгоритма распознавания оцифрованных двумерных изображений аншлиф-штуфов обеспечивает достоверную оценку степени трещиноватости углей, определяющей их фильтрационные характеристики

*С учетом особенности физической природы трещин разработан алгоритм, позволяющий выделять трещины различной ориентации на двумерных изображениях ан шлиф-штуфов углей и определять коэффициент поверхностной плотности трещин образцов угля

где 1( - сумма пикселей /-ой трещины; ¿>, — величина раскрытия ¿-ой трещины, пиксель; к - коэффициент пересчета, м; Е — площадь оцифрованного изображения,

м2.

Процедура подчеркивания трещин, ориентированных вертикально и горизонтально, основывается на преобразовании массива чисел, описывающих исходное изображение с использованием формулы

исли±±а/>с V

1=1 к^ I ^ (5)

О, иначе

где / = 1,..,т\) - 1,..,п\ к=1,..,т\ 1=1,..,п\ Л/ - координаты получаемого

изображения, стоящие на (г, /)-ом месте; а( - координаты пикселей,

принадлежащих трещинам; - координаты пикселей, принадлежащих фону; с, 4 — максимальное и минимальное количество пикселей одного тона в строке и столбце, следующих подряд.

Для подчеркивания трещин, расположенных под углом к оси ординат используется преобразованная формула (5)

т

1» еслы]Г а[ < с V £,Ъ? > й

(6)

О, иначе

где/» = йг-/+7; <эг=г#Д [30°,...,90°] с шагом 10°.

Последовательное применение фильтров в комбинации 1 из табл. 1 и разработанного алгоритма позволяет существенно снизить отношение сигнал/шум

®® - ">' Ъ -:-7. (7)

А

где /(■*. у) — исходное изображение аншлиф-штуфа угля; /(*»>) -конечное изображение после применения алгоритма распознавания трещин. Так, например, для исходного образца угля, представленного на рис. 3, а отношение сигнал/шум изменяется от 0,17 Дб до 0,62 Дб для конечного изображения (рис. 3, д).

Обобщенная граф-схема алгоритма распознавания оцифрованных изображений трещин представлена на рис. 5.

С использованием разработанного алгоритма определен диапазон значений поверхностной плотности трещин угля марки Ж, отобранного в условиях шахты «Распадская», который составил для вентиляционного и конвейерного штреков 110-320 м'1 и 140-180 м*1.

Рис. 5. Граф-схема алгоритма распознавания оцифрованных изображений трещин

При решении ряда важных задач геомеханики рассматривается фильтрация газа и жидкости через массив горных пород. При этом количественные характеристики, описывающие систему трещин, являются важнейшими показателями при определении фильтрационных свойств горных пород. Для оценки проницаемости изотропного трещиноватого

пласта использовалось уравнение проф. Г.Б. Пыхачева, которое для оцифрованного изображения может быть преобразовано к виду

кт=Ъ2Л09аг£$^ (8)

1=1

где кт ~ проницаемость оцифрованных трещин, мД; (X — коэффициент

геометрии; ип - густота, м~ и количество оцифрованных трещин; о) -раскрытие 1-ой трещины, м.

В результате исследования 22 образцов угля было рассчитано среднее значение трещинной проницаемости, которое составило 1,5 мД.

Разработанная обобщенная модель образов углей на основе преобразования Фурье корректно описывает спектральный состав сигналов, форма которых определяется структурой трещин

Физико-механические свойства углей, связанные с трещиноватостью, зависят от протяженности, ширины и частоты трещин. Для формирования обобщенной модели образов углей предложено использовать преобразование Фурье. Для этого исходное изображение образца угля предварительно обрабатывается по правилу

?)<=£/: 5(*) = = (9)

При этом и(*,у) =

1, если (х, у) - координаты точки, принадлежащей трещине

О, иначе

Тогда функция s(x) и s(y) могут быть интерпретированы как сигналы, форма которых зависит от структуры трещин исследуемого образца угля, а плотности спеетров

ш

Sx(f)= ¡s(x)e~^dx (Ю)

и

$,</)= jiOOe4*^ (11)

определяют их спектральный состав и позволяют получать спектральный портрет трещиноватостн углей- На рис. 6 приведен спектральный состав образца (рис. 3, д) со строго ориентированной системой трещин.

Для обобщенной модели образов углей (рис. 6, г) были выделены

характерные пики спектральной плотности Sy(f), которые составили: для

пика №1 при 20 Д - 200 пикселей, пики №5-6 при 100 Д - 255 пикселей, пик №4 при 210 А — 180 пикселей. Данные значения можно хранить в базе данных, как характеристику трещиноватостн углей.

В большинстве, угли имеют неоднородную структуру трещин (рис. 7), для такого случая рассматривались различимые оценки спектральных плотностей Sx(f) и Sy(f) (рис. 8).

SM) 6 s

4 3 2 I О

SAD

9G0J-

WV

МО МО

140

/, пиксел'

ид 1Д

» Л

ид 2Д

а)

б)

* 10*

S4

40Л та из Л ЮЛ ЗОЛ 10Д 6,* А

В) Г)

Рис. 6. Применение преобразования Фурье для изображений трещин: а) и б) - спектральные плотности $*(/) и Бу(/)\

в) и г) - различимые оценки спектральных плотностей и •?,(/)

4Л

Ь- 1

I'

Рис. 7. Изображение аншлиф-штуфа угля, полученное в результате применения алгоритма распознавания трещин

а) б)

Рис. 8. Применение преобразования Фурье для изображений

трещин (рис. 7):

а) и б) - различимые оценки спектральных плотностей 5Л(/) и 5у(/)

Применение морфологического алгоритма, основанного на разбиении оцифрованных изображений гранул перекрывающимися матрицами типа «двоичных четверок», обеспечивает вычисление их площади при определении фракционного состава угольной шихты

Разработан алгоритм распознавания оптических образов гранул с использованием системы типовых фильтров. С помощью функции поиска объектов на изображении подсчитывается количество гранул в одной пробе угольной шихты при трехкратном увеличении по схеме, представленной на рис. 1. Распределение размера гранул по размеру может быть представлено в виде

F(S,N) ±t,Srk, (12)

где Si - площадь /-го гранулы, пиксель; N - количество гранул; к — afn — коэффициент пересчета, м-10"6/пикс.; а - ширина кадра, м-КГ6; п -количество пикселей в столбце.

В общем виде метод распознавания оцифрованных изображений гранул заключается в следующем:

— применяется последовательность фильтров (вариант 1, табл. 1);

— осуществляется поиск объектов, и определяются их размеры;

— вычисляются площади объектов.

При этом наиболее сложной процедурой является поиск объектов, который заключается в разбиении всего изображения на перекрывающиеся окна размером 2x2 пикселя и определение п двоичных четверок Q,- *-й группы, найденных на изображении. Площадь гранул вычисляется как

5

Значения коэффициентов а1у...,а5, зависящих от

¿«I

расположения двоичных четверок в матрице 2x2, принимаются равными а;=1/4, «2=1/2; dj=7/8; а<=\ ; а5=Ш.

В результате бинаризации и применения морфологических операций (рис. 9, а, б) формируется бинарное изображение, которое отображается на экране как палитровое изображение (рис. 9, в) с объектами, окрашенными уникальными цветами.

Рис. 9. Результат применения алгоритма преобразования изображения: а) - исходное изображение; б) - изображение после применения фильтров;

в) - конечное изображение

В табл. 2 приведены результаты оценки количества гранул в шихте коксохимического производства, полученные на основе применения алгоритма определения гранулометрического состава.

Таблица 2

Анализ гранулометрического состава

Размер гранул, м-10"6 Номер кадра (1x1 м-10*3) пробы (3x3 м*10"3) Процентное содержание гранул в пробе, %

1 2 3 4 5 6 7 8 9

Количество гранул в одном кадре

0-400 315 345 245 215 220 220 15 300 400 96,4

401-800 6 3 6 6 9 9 3 1 — 1,8

801-1200 3 3 0,3

1201-1600 3 3 3 — — — — — — 0,4

1601-2000 3 3 3 3 3 3 — — — 0,8

2001-2400 3 0,1

2401-2800 3 2 - — 0,2

ЗАКЛЮЧЕНИЕ

Диссертация является научно-квалификационной работой, в которой решена задача разработки и исследования цифровой модели для оценки трещиноватости и фракционного состава углей на основе анализа их изображений, имеющей существенное значение для применения математического моделирования при изучении физических свойств угольных пластов.

Основные научные результаты и выводы работы заключаются в следующем:

1. Выбранная последовательность цифровой обработки позволяет улучшить качество первоначального снимка аншлиф-ипуфа угля для последующего применения алгоритмов распознавания объектов на изображениях угольных образцов с диапазоном исходных значений яркости 0,2-И),8.

2. Для реализации алгоритма поиска трещин необходимо привести цифровое изображение к двоичной точности. Для этого следует задавать коэффициент порогового ограничения равным 0,6. Все пиксели бинарного изображения с яркостью, не превышающей этого значения, не принимаются во внимание.

3. Качество изображения, получаемого в рамках алгоритма распознавания трещин, согласно показателя отношения сигнал/шум характеризуется для исходного изображения - 0,17 Дб, для выравнивания фона- 0,18 Дб, для повышения контраста - 0,21 Дб, для бинаризации - 0,54 Дб и для процедуры подчеркивания трещин и удаление шумов - 0,62 Дб.

4. Для хранения информации в базе данных об обобщенной модели образов углей как характеристики их трещин оватости достаточно десяти

максимальных значений спектральной плотности Sx(f) и Sy(f),

5. Применение алгоритма распознавания оптических образов трещин позволило установить связь между показателями трещиноватости углей и проницаемостью путем сопоставления структурных свойств с полученными характеристиками оптических образов трещин. Верификация алгоритма путем применения типовых процедур оценки трещиноватости углей показала удовлетворительную сходимость результатов, ошибка не превышает 10%.

6. Посредством алгоритма распознавания оцифрованных изображений гранул определено процентное соотношение отдельных фракций угольной шихты в пробе, которое при размере гранул 0-400 * 10"6м составляет 96,4% от суммы всех гранул, имеющихся в одной пробе, соответственно для гранул 401-800 • Ю-6 м - 1,8%; 801-1200 - 10"6 м - 0,3%; 1201-1600 • 10*6 м -0,4%; 1601-2000 ■ 10"6 м - 0,8%; 2001-2400 • 10"6 м - 0,1% 2401-2800 • 10* м - 0,2%. Расхождение между результатами, полученными с помощью традиционного способа и на основе разработанного алгоритма, не превышает 5%.

Основное содержание диссертации опубликовано в работах:

Ведущие рецензируемые научные издания

1. Макеев, М.П. К оценке поверхностной плотности трещин // Вестник КузГТУ, 2002. № 5. _ С. 28-30.

2. Макеев, М.П. Оценка геомеханического состояния массив горных пород при отработке угольного пласта на выемочном участке / Б.В. Власенко, М.П. Макеев, В.Н. Цыцаркин // Горный информационно-аналитический бюллетень. - М.: Изд-во МГГУ, 2004, № 6. - С. 205-210.

3. Макеев, М.П. Анализ структурных свойств углей Кузбасса / О.В. Тайлаков, МЛ. Макеев, А.Н. Кормин // Горный информационно-аналитический бюллетень. - М.: Изд-во МГГУ, 2004, № 8. - С. 285-286.

Зарубежные издания

4. Tailakov, O.V., Utkaev, Е.Л., Makeev, М.Р. & Smyslov, A.I. Estimate of coal seams filtration properties in Kuznetsk coal basin of Russia // Proc. of International Coalbed Methane Symposium. Tuscaloosa, Alabama. 5-9 May 2003, 0323,-p. 1-3.

Тезисы и доклады научных конференции

5. Макеев, МП. Оценка фильтрационных свойств угольных пластов Кузнецкого угольного бассейна / А.Н. Кормин, М.П. Макеев, А.И. Смыслов, Е.А. Уткаев // Проблемы устойчивого развития региона: Тезисы 2-й школы-семинара молодых ученых России, 17-21 сент., 2001. Улан-Удэ: БНЦ СО РАН, 2001. - С. 52-54.

6. Макеев, М.П. Анализ цифровых изображений аншлифов углей / Н.А. Веснина, М.П. Макеев // XXIX конференция студентов и молодых ученых Кемеровского государственного университета: Труды научной конференции студентов и молодых ученых КемГУ, 22-27 апр. 2002. Кемерово: КемГУ, 2002. - С. 287-288.

7. Макеев, М.П. Методы оценки фильтрационных свойств угольных пластов и вмещающих пород. / А.Н. Кормин, М.П. Макеев, А.И. Смыслов, Е.А. Уткаев // Шахтный метан: прогноз, управление, использование: Доклады научн.-технич. конф., 10 июн., 2002. Кемерово: ИУУ СО РАН, 2002.-С. 69-74.

8. Макеев, М.П. Анализ трещиноватости углей на основе компьютерной обработки цифровых изображений аншлифов / О.В. Тайлаков, М.П. Макеев // Энергетическая безопасность России, Новые подходы к развитию угольной промышленности: Труды международной научн.-практич. конф., 10-13 сент., 2002. Кемерово: ННЦ ГП - ИГД им. А. А. Скочинского, ИУУ СО РАН, КузГТУ, ЗАО КВК «Экспо-Сибирь», 2002. - С. 75-77.

9. Макеев, М.П. Алгоритм выделения трещин на цифровых изображениях аншлифов углей // Проблемы освоения недр в XXI веке -глазами молодых: Материалы I Международной конференции молодых ученых и специалистов, посвященной 25-летию ИПКОН РАН, 21-23 окгяб., 2002. - М.: ИПКОН РАН, С. 36 - 38.

10. Макеев, М.П. Комплексная оценка фильтрационных и коллекгорских свойств угольных пластов / А.И. Смыслов, Е.А. Уткаев, М.П. Макеев, А.Н. Кормин // Безопасность жизнедеятельности предприятий в угольных регионах: Материалы V Междунар. науч.-практ. конф. 25-27нояб., 2002. Кемерово:КузГТУ, 2002.-С. 112-113.

11. Макеев, М.П. Гранулометрический экспресс-анализ угольной шихты на основе дискретной обработки изображений в реальном времени // VI Всероссийская конференция молодых ученых по математическому моделированию и информационным технологиям, 29-31 окт. 2005. Кемерово: ИВТ СО РАН, 2005. - С. 65-66.

Подписано к печати 21.08.2006 г. Формат бумаги 60*84 Vie Объем 1.0 пл. Тираж 100 экз. РИО ИУУ СО РАН 650610, г. Кемерово, ул. Рукавишникова, 21

Глава 1. Состояние вопроса.

1.1. Методы фильтрации и анализа цифровых изображений.

1.2. Методы оценки физико-механических свойств углей.

1.3. Выводы по главе.

Глава 2. Разработка алгоритмического обеспечения метода экспресс-анализа структурных свойств углей.

2.1. Применение системы компьютерного моделирования для ty обработки оптических изображений.

2.2. Разработка алгоритма определения поверхностной площади следов трещин.

2.3. Разработка методики исследования степени трещиноватости на оцифрованных изображениях трещин.

2.4. Разработка обобщенной модели образов углей с учетом алгоритма распознавания систем трещин на основе преобразования Фурье.

2.5. Выводы по главе.

Глава 3. Применение алгоритма распознавания образов трещин для оценивания свойств реальных объектов.

3.1. Анализ трещиноватости угольных пластов в окрестности горных выработок.

3.2. Оценка трещинной проницаемости.

3.2.1. Определение проницаемости угольного пласта.

3.2.2. Анализ трещинной проницаемости аншлиф-штуфов углей.

3.3. Выводы по главе.

Глава 4. Разработка методики экспресс-анализа гранулометрического состава угольной шихты.

4.1. Разработка алгоритма определения гранулометрических параметров.

4.2. Применение алгоритма определения процентного содержания гранул в пробе угольной шихты.

4.3. Выводы по главе.

Для повышения эффективности процессов угледобычи и углепереработки существенное значение имеет совершенствование методов анализа и испытания углей. Некоторые важнейшие физико-механические свойства углей могут быть определены путем анализа снимков угольной массы или изображений аншлиф-брикетов, полученных с помощью оптических и оптико-электронных систем. Так, например, по коэффициенту отражения света витринитом и цвету угля определяют степень его метаморфизма, а по степени оптического увеличения определяют фракционный состав шихты в технологических процессах обогащения углей. Основным фактором, определяющим газопроницаемость углей, является трещиноватость, которая характеризуется суммарной длиной, величиной раскрытия трещин и углом их наклона относительно напластования. Измерения этих параметров, проводимые с помощью оптических приборов, весьма трудоемки.

Развитие компьютерных технологий и современных программно-аналитических комплексов позволило разработать цифровые методы анализа оптических изображений угольных образцов с использованием систем автоматического или автоматизированного распознавания образов, обеспечивающих обработку информации в реальном масштабе времени с достаточной степенью точности. Однако основным недостатком применяемых в настоящее время автоматических методов является то, что в случае некачественного исходного снимка за значимую информацию принимаются дефекты на изображении (ошибки распознавания второго рода), что значительно снижает достоверность получаемых результатов. При этом качество исходных снимков определяется в основном низкой контрастностью, недостаточной резкостью, зашумленностью и размытостью изображений. К недостаткам автоматизированных методов можно отнести необходимость субъективного выбора качества исходного изображения оператором, что приводит к увеличению количества снимков и затрат времени на обработку исходной информации.

В связи с этим, разработка цифровой модели для оценки трещиноватости и фракционного состава углей на основе их изображений, позволяющей выделять информационно-значимые объекты и оценивать структурные и фильтрационные свойства углей, является актуальной научной задачей.

Диссертационная работа выполнена в соответствии с планами НИР Института угля и углехимии СО РАН на 2004-2006 гг. (Проект 25.2.4: «Экспериментально-аналитические основы механики газоводоносных геоматериалов», этап 2004 г. «Методика наблюдений для определения параметров и разработка модели напряженно-деформированного и газового состояния массива горных пород»).

Целью работы является разработка цифровой модели для оценки структурных свойств и фракционного состава углей на основе бинаризации их оптических изображений.

Идея работы заключается в выявлении характерных свойств объекта на его цифровом изображении путем последовательной математической фильтрации специфических областей помех, соответствующих так называемым «пятнам», «бликам» и «включениям».

Задачи исследований:

- обосновать алгоритм обработки изображений аншлиф-штуфов углей, устраняющий помехи на основе априорной информации о трещиноватости исследуемого образца;

- разработать алгоритм и программу распознавания систем горизонтальных трещин и трещин кливажа на аншлиф-штуфах углей с учетом характерных особенностей их расположения;

- разработать обобщенную модель образов углей с учетом алгоритма распознавания систем трещин на основе преобразования Фурье;

- разработать алгоритм применения морфологических операций ^ восстановления изображений гранул для оценки фракционного состава угольной шихты.

Научные положения, защищаемые в работе:

- ограниченная, строго последовательная совокупность стандартных математических процедур коррекции изображений, реализованная посредством разработанного алгоритма, позволяет устранять помехи типа «пятна», «блики» и «включения» на дискретных образах аншлиф-штуфов;

- совместное применение методов линейной фильтрации и разработанного алгоритма распознавания оцифрованных двумерных изображений аншлиф-штуфов обеспечивает достоверную оценку степени трещиноватости углей, определяющей их фильтрационные характеристики;

- разработанная обобщенная модель образов углей на основе преобразования Фурье корректно описывает спектральный состав сигналов, форма которых определяется структурой трещин;

- применение морфологического алгоритма, основанного на разбиении оцифрованных изображений гранул перекрывающимися матрицами типа «двоичных четверок», обеспечивает вычисление их площади при определении фракционного состава угольной шихты.

Научное значение работы состоит в том, что создан новый способ фильтрации помех («пятна», «блики» и «включения»), ориентированный /£, на обработку изображений угольных образцов и изучение основных свойств физических сред трещиноватости и газопроницаемости, играющих важную роль в задачах газо- и гидрофильтрации в массивах горных пород.

Научная новизна работы заключается в следующем:

- выбрана рациональная совокупность приемов и обоснована последовательность фильтрации изображений аншлиф-штуфов углей, позволяющая устранять помехи на дискретном изображении;

- разработан оригинальный алгоритм и дана его программная реализация для распознавания изображений трещин, произвольно расположенных на плоскости аншлиф-штуфов углей, который позволяет определять степень трещиноватости исследуемых углей;

- предложена обобщенная модель образов углей, на основе преобразования Фурье, учитывающая пространственную ориентацию трещин;

- предложен новый алгоритм распознавания цифровых изображений гранул угольной шихты, позволяющий повысить эффективность микроскопического анализа ее состава при производстве кокса.

Личный вклад автора состоит:

- в выборе рациональной совокупности приемов и обосновании последовательности применения фильтров, позволяющих устранять на цифровых изображениях аншлиф-штуфов углей типичные помехи и выделять включения в угле;

- в разработке алгоритма распознавания оцифрованных изображений трещин, учитывающего их различную ориентацию на плоскости аншлиф-штуфов углей;

- в создании обобщенной модели образов углей с помощью Фурье преобразования, которая позволяет получать спектральный портрет образов углей в зависимости от структуры трещин исследуемого образца;

- в разработке методики распознавания гранул угольной шихты на основе применения алгоритма морфологической фильтрации для оценки ее структуры.

Методы исследований

Для достижения поставленной цели использован комплекс методов, включающий:

- методы линейной фильтрации изображений для повышения качества исходного снимка;

- методы теории распознавания образов при оценке трещиноватости аншлиф-штуфов углей и гранулометрического состава угольной шихты;

- методы математической статистики для оценки качества изображения при определенной последовательности применения стандартных фильтров;

- метод преобразования Фурье для создания обобщенной модели образов углей;

- линейный метод восстановления изображений для устранения помех на цифровых снимках и преобразования локальных контрастов при дискретной обработке оптических образов трещин.

Достоверность и обоснованность научных положений, выводов и рекомендаций подтверждается:

- корректностью сформулированных задач в результате использования их классических постановок и фундаментальных принципов теории распознавания образов;

- строгим применением теории фильтрации шумов и устойчивым повышением отношения сигнал-шум в результате использования типовых и разработанных фильтров оптических изображений;

- представительным количеством отобранных и исследованных угольных образцов и удовлетворительной сходимостью результатов определения физико-механических свойств углей в лабораторных условиях на основе применения разработанных автором алгоритмов и традиционных подходов.

Практическое значение работы заключается в следующем:

- разработаны приемы, алгоритмы и программа, позволяющие создать методическое и программно-алгоритмическое обеспечение экспресс-анализа образцов аншлиф-штуфов углей для оценки физических и фильтрационных свойств углей различных марок;

- обоснована методика проведения экспресс-анализа проб угольной шихты, обеспечивающая достоверную оценку ее гранулометрического состава при определении спекаемости углей в производстве кокса.

Реализация работы

Результаты работы, оформленные в виде методики проведения экспресс-анализа проб угольной шихты, использовались в Кемеровском филиале ИХТТМ СО РАН и ОАО «Кокс» для оценки гранулометрического состава угольной шихты до и после механоактивации в коксохимическом производственном цикле и на шахте «Распадекая» (лава 5а-10-14) для исследования степени трещиноватости углей вдоль выемочного столба.

Апробация работы

Основные результаты исследований докладывались и обсуждались на 2-й школе-семинаре молодых ученых России «Проблемы устойчивого развития региона» (Улан-Удэ, 2001); на совместном заседании Президиума КемНЦ СО РАН и Ученого совета Института угля и углехимии СО РАН, посвященного Дню Российской науки (Кемерово, 2002); на научно-технической конференции «Шахтный метан: прогноз, управление, использование» (Кемерово, 2002); на международной научно-практической конференции «Энергетическая безопасность России. Новые подходы к развитию угольной промышленности» (Кемерово, 2002); на I

Международной конференции молодых ученых и специалистов, посвященной 25-летию ИПКОН РАН «Проблемы освоения недр в XXI веке - глазами молодых» (Москва, 2002); на V Международной научно-практической конференции «Безопасность жизнедеятельности предприятий в угольных регионах» (Кемерово, 2002); на международной конференции The International Coalbed Methane Symposium (США, Таскалуза, Алабама, 2003); на VI Всероссийской конференции молодых ученых по математическому моделированию и информационным технологиям (Кемерово, 2005); на научных семинарах Института угля и углехимии СО РАН (Кемерово, 2003 - 2005).

4.3. Выводы по главе

1. Обработка исходного изображения пробы угольной шихты перед реализацией алгоритма распознавания оцифрованных изображений гранул проводимая в соответствии с вариантом 1, из табл. 2.2 является достаточной для распознавания гранул угольной шихты.

2. Для реализации алгоритма распознавания оцифрованных изображений гранул, при преобразовании цифрового изображения к двоичной точности, коэффициент порогового ограничения принимается равным 0,6.

3. Посредством алгоритма распознавания оцифрованных изображений гранул определено процентное соотношение отдельных фракций угольной шихты в пробе, которое при размере гранул 0-400 • 10~6 м составляет 96,4% от суммы всех гранул, имеющихся в одной пробе, соответственно для гранул 401-800- 10"6 м - 1,8%; 801-1200- 10"6м-0,3%; 1201-1600- 10"6м-0,4%; 1601-2000 • 10"6 м - 0,8%; 2001-2400 • 10"6 м - 0,1% 2401-2800 • 10"6 м - 0,2%. Расхождение между результатами, полученными с помощью традиционного способа и на основе разработанного алгоритма, не превышает 5%.

4. Сравнительный анализ по определению гранулометрических параметров угольной шихты с помощью традиционного способа и на основе разработанного алгоритма показал довольно близкие значения размера гранул и их процентное содержание в пробе угольной шихты. Коэффициент аппроксимации составил 0,88.

Заключение

Диссертация является научно-квалификационной работой, в которой решена задача разработки и исследования цифровой модели для оценки трещиноватости и фракционного состава углей на основе анализа их изображений, имеющей существенное значение для применения математического моделирования при изучении физических свойств угольных пластов.

Основные научные результаты и выводы работы заключаются в следующем:

1. Выбранная последовательность цифровой обработки позволяет улучшить качество первоначального снимка аншлиф-штуфа угля для последующего применения алгоритмов распознавания объектов на изображениях угольных образцов с диапазоном исходных значений яркости 0,2-5-0,8.

2. Для реализации алгоритма поиска трещин необходимо привести цифровое изображение к двоичной точности. Для этого следует задавать коэффициент порогового ограничения равным 0,6. Все пиксели бинарного изображения с яркостью, не превышающей этого значения, не принимаются во внимание.

3. Качество изображения, получаемого в рамках алгоритма распознавания трещин, согласно показателя отношения сигнал/шум характеризуется для исходного изображения - 0,17 Дб, для выравнивания фона- 0,18 Дб, для повышения контраста - 0,21 Дб, для бинаризации - 0,54 Дб и для процедуры подчеркивания трещин и удаление шумов - 0,62 Дб.

4. Для хранения информации в базе данных об обобщенной модели образов углей как характеристики их трещиноватости достаточно десяти максимальных значений спектральной плотности sx (/) и sy (/).

5. Применение алгоритма распознавания оптических образов трещин позволило установить связь между показателями трещиноватости углей и проницаемостью путем сопоставления структурных свойств с полученными характеристиками оптических образов трещин. Верификация алгоритма путем применения типовых процедур оценки трещиноватости углей показала удовлетворительную сходимость результатов, ошибка не превышает 10%.

6. Посредством алгоритма распознавания оцифрованных изображений гранул определено процентное соотношение отдельных фракций угольной шихты в пробе, которое при размере гранул 0-400 • 10"6 м составляет 96,4% от суммы всех гранул, имеющихся в одной пробе, соответственно для гранул 401-800 • 10"6 м - 1,8%; 801-1200 • 10"6 м - 0,3%; 1201-1600 • Ю-6 м - 0,4%; 1601-2000 • 10"6 м - 0,8%; 2001-2400 • 10"6 м -0,1% 2401-2800 • 10"6 м - 0,2%. Расхождение между результатами, полученными с помощью традиционного способа и на основе разработанного алгоритма, не превышает 5%.

1. Ярославский, Л.П. Адаптивные методы обработки изображений / Ярославский, Л.П., Сифоров, В.И.-М.: Наука, 1988.-244 с.

2. Смирнов, А.Я. Критерии качества дискретизированных изображений // Труды ГОИ им. С.И. Вавилова. т. 57. - вып. 191. - Л. - 1984 305 с.

3. Ярославский, Л.П. Введение в цифровую обработку изображений. -М.: Сов. радио, 1979.-312 с.

4. Ярославский, Л.П. Методы цифровой голографии / Ярославский, Л.П., Мерзляков Н.С. М.: Наука, 1977 - 192 с.

5. Гуров, А.А., Порфирьева, Н.Н. Обработка изображений на ЭВМ методами линейной фильтрации / Гуров, А.А., Порфирьева, Н.Н. // Труды ГОИ им. С.И. Вавилова. -Л, 1982. Вып. 185. - С. 33-50.

6. Даджион, Д. Цифровая обработка многомерных сигналов: Пер. с англ. под ред. Л.П. Ярославского / Даджион, Д., Мерсеро, Р. М.: Мир, 1988. -488 с.

7. Даджион, Д. Цифровая обработка многомерных сигналов: Пер. с англ. под ред. Л.П. Ярославского / Даджион, Д., Мерсеро, Р. М.: Мир, 1988. -488 с.

8. Претт, У. Цифровая обработка изображений. М.: Мир, 1982 - Кн. 1-2 - 792 с.

9. Литван, Р.И. Оптимальное градационное преобразование изображений / Литван, Р.И., Аверьянов, Ю.И., Быковская, Ф.С. // Техника кино и телевидения.- 1979.-№2.-С. 38-41.

10. Беликова, Т.П. Некоторые методы цифрового препарирования изображений // Цифровая обработка сигналов и ее применение- М.: Наука, 1981. С.87-98.

11. Голд, Б. Цифровая обработка сигналов / Голд, Б., Рэйдер, Ч М.: Наука, 1965-268 с.

12. Рудаков, П.И. Обработка сигналов и изображений / Рудаков, П.И., Сафонов, В.И. MatLab 5. М.: 2000 - 200 с.

13. Бьемон, Ж. Итерационные методы улучшения изображений / Бьемон, Ж., Лагендейк, Р.Л., Марсеро, P.M. // ТИИЭР. 1990. - Т.78, № 5. - С. 5884.

14. Василенко, Г.И. Теория восстановления сигналов. М.: Сов. радио. 1979.-272 с.

15. Голд, Б., Рэйдер, Ч. Цифровая обработка сигналов: Пер. с англ. / Под ред. A.M. Трахтмана. М.: Советское радио, 1973. - 368 с.

16. Белявцев, В.Г. Алгоритмы фильтрации изображений с адаптацией размеров апертуры / Белявцев, В.Г., Воскобойников, Ю.Е. // Автометрия. -1998. -№3.- С. 18-25.

17. Тайц, Е.М. Методы анализа и испытания углей / Тайц, Е.М., Андреева, И.А.-М.: Недра, 1983 -300 с.

18. Еремин, И.В. Марочный состав углей и их рациональное использование: Справочник / Еремин, И.В., Броновец, Т.М. М.: Недра, 1994-255 с.

19. Гонзалес, Р., Вудс, Р. Цифровая обработка изображений: Пер. с англ. / Под ред. П.А. Чочиа М.: Техносфера, 2005. 1070 с.

20. Макеев, М.П. К оценке поверхностной плотности трещин // Вестник КузГТУ, 2002. № 5. С. 28-30.

21. Tailakov, O.V.; Utkaev, Е.А.; Makeev, М.Р. & Smyslov, A.I. Estimate of coal seams filtration properties in Kuznetsk coal basin of Russia // Proc. of1.ternational Coalbed Methane Symposium. Tuscaloosa, Alabama. 5-9 May 2003, 0323, p. 1-3.

22. Макеев, М.П. Анализ структурных свойств углей Кузбасса / Тайлаков, О.В., Макеев, М.П., Кормин, А.Н. // Горный информационно-аналитический бюллетень. М.: Изд-во МГГУ, 2004, № 8. - С. 285-286.

23. Дорофеева, Т.В. Тектоническая трещиноватость горных пород и условия формирования трещинных коллекторов нефти и газа. JL: Недра, 1986-224 с.

24. Хуанга, Т.С. Быстрые алгоритмы в цифровой обработке изображений М.: Радио и связь, 1984. - 224 с.

25. Сухоносов, Г.Д. Справочник по испытанию необсаженных скважин / Сухоносов, Г.Д., Шакиров, А.Ф. -М.: Недра, 1985 -250 с.

26. Амосов, И.И. Трещинообразование в углях / Амосов, И.И. Еремин, И.В.-Л. 1960- 100 с.

27. Маскет, М. Течение однородных жидкостей в пористой среде. M.-JL, 1949-280 с.

28. Шейдеггер, А.Е. Физика течения жидкостей через пористые среды. -М. 1960, 250 с.

29. Ставрогин, А.В. Экспериментальная физика и механика горных пород / Ставрогин, А.В., Тарасов, Б.Г. -СПб.: «Наука», 2001. 343 с.

30. Айруни, А.Т. Фундаментально прикладные методы решения проблемы метана угольных пластов / Айруни, А.Т. Малышев, Ю.Н., Трубецкой, К.Н. -М.: Издательство Академии горных наук, 2000 519 с.

31. Сименков, О.И. Обработка и отображение информации в растровых графических системах / Сименков, О.И., Абламейко, С.В., Берейшин, В.И., Старовойтов В. В. Минск: Наука и техника, 1989 - 181 с.

32. Беликова, Т.П. Цифровая обработка фотоснимков поверхности Марса, переданных АМС "Марс-4" и "Марс-5" / Беликова, Т.П., Кронрод, М.А., Чочиа, П.А., Ярославский, Л.П. // Косм, исслед. 1975. - Т. 13, вып. 6. - С. 898-906.

33. Беликова, Т.П. Синтез линейных фильтров для выделения диагностически важных объектов в задачах медицинской интроскопии // Цифровая оптика в медицинской интроскопии. М.: Ин-т проблем передачи информ., 1992. - С. 57-72.

34. Беликова, Т.П. Использование адаптивных амплитудных преобразований для препарирования изображений / Беликова, Т.П., Ярославский, Л.П. // Вопросы радиоэлектроники, сер. Общетехническая. -1974, вып. 14. С. 88-98.

35. Беликова Т.П. Препарирование изображений в диалоговом режиме в задачах медицинской диагностики и исследования природных ресурсов / Беликова, Т.П., Ярославский, Л.П. // Автометрия. 1980. - №4. - С. 66.

36. Гильбо, Е.П. Обработка сигналов на основе упорядоченного выбора / Гильбо, Е.П., Челпанов, И.Б. М.: Сов. радио, 1976. - 344 с.

37. Гимельфарб, Г.Л. Автоматизированная межотраслевая обработка снимков земной поверхности, получаемая с ИСЗ серии Landsat. // Зарубежная радиоэлектроника. 1983. - N 8. - С. 56 - 84.

38. Гимельфарб, Г.Л. Аппаратные средства и особенности программного обеспечения диалоговой цифровой обработки изображений // Зарубежная радиоэлектроника. 1985.-N 10.-С.87- 128 с.

39. Гимельфарб, Г.Л. и др. Расчленение цифровых изображений на участки, однородные по локальным изменениям сигнала // Тез. докл. Всесоюз. Конф. АСОИЗ-81.-М.: Наука, 1981.-С. 51.

40. Грязин, Г.Н. Оптико электронные системы для обзора пространства: Системы телевидения. - Л.: Машиностроение. - 1988. - 224 с.

41. Гуров, А.А. Вопросы оценки контрастности сюжетных изображений / Гуров, А.А., Порфирьева, Н.Н. // Труды ГОИ им. С.И. Вавилова. т. 44, вып. 178.-Л.- 1979.-С. 31-34.

42. Дэйвид, Г. Порядковые статистики. М.: Наука, 1979. - 336 с.

43. Журавлев, Ю.И. Распознавание образов и распознавание изображений / Журавлев, Ю.И., Гуревич, И.Б. // Распознавание, классификация, прогноз. Математические методы и их применение. Вып. 2. - М.: Наука. - 1989. -С. 5 - 72.

44. Журавлев, Ю.И. Алгоритмы вычисления оценок и их применение / Журавлев, Ю.И., Калилов, М.М., Гуляганов, Ш.Е. Ташкент: Фан, 1974. -119 с.

45. Ким, В. Ранговые алгоритмы обработки изображений / Ким, В., Ярославский, Л.П. // Адаптивные методы обработки изображений. М.: Наука, 1988.-С. 35 -73.

46. Переверткин, С.М. Микро-ЭВМ в информационно-измерительных системах / Переверткин, С.М., Гаранин, Н.И., Костин, Ю.Н., Миронов, И.И. М.: Машиностроение, 1987 - 248 с.

47. Мирошников, М.М. Дальнейшее развитие методологических основ иконики / Мирошников, М.М., Нестерук, В.Ф. // Труды ГОИ им. С.И. Вавилова. т.64, вып. 198. - Л. - 1987. - С. 5 - И.

48. Мирошников, М.М. Основные этапы и результаты научных исследований в Государственном оптическом институте: Доклад на Чтениях имени академика Д.С. Рождественского, посвященных 75-летию со дня основания ГОИ // Оптический журнал. 1994. - N 4. - С. 3 - 110.

49. Мирошников, М.М. Теоретические основы оптико-электронных приборов. Л.: Машиностроение, 1983. - 696 с.

50. Нестерук, В.Ф. Информационная оценка процесса зрительного восприятия / Нестерук, В.Ф., Порфирьева, Н.Н. // Оптика и спектроскопия. 1978. - Т. 44, вып. 4. - С. 801 - 803.

51. Нестерук, В.Ф. Контрастный закон восприятия света / Нестерук, В.Ф., Порфирьева, Н.Н. // Оптика и спектроскопия. 1970. - Т. XXIX, вып. 6. -С. 1138- 1143.

52. Нестерук, В.Ф. Преобразование оптических изображений и оценка их качества // Успехи научной фотографии. М.: Наука. - 1985. - Т. 23. - С. 93- 102.

53. Нестерук, В.Ф. Принцип дуальности при нелинейных безинерционных преобразованиях изображений // Труды ГОИ им. С.И. Вавилова. 1987,- Т. 64. - Вып. 198. - С. 12 - 24.

54. Нестерук, В.Ф. Вопросы теории восприятия сюжетных изображений и количественной оценки их контраста / Нестерук, В.Ф., Соколова, В.А. // Оптико-электронная промышленность. 1980. - №5. - С. 11-13.

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

56. Розенфельд, А. Распознавание и обработка изображений. М.: Мир, 1972.-230 с.

57. Смирнов, А.Я. Экспертные оценки качества дискретизированых изображений / Смирнов, А.Я., Белов, В.Ю. // Труды ГОИ им. С.И. Вавилова.-т.57, вып. 191. Л. - 1984. - С. 65 - 167.

58. Смирнов, А.Я. Тенденции развития критериев качества оптико-фотографических систем / Смирнов, А.Я., Березин, Н.П. // Успехи научной фотографии. 1985. - т. 23. - с. 72.

59. Виноградов, Н.А. Справочник по устройствам цифровой обработки информации / Виноградов, Н.А., Яковлев, В.Н., Воскресенский, В.В. К.: Техника, 1988.-415 с.