автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.05, диссертация на тему:Специализированное вычислительное устройство формирования контуров движущихся объектов в реальном масштабе времени

ОРЛОВ АЛЕКСЕЙ ВАЛЕРЬЕВИЧ

СПЕЦИАЛИЗИРОВАННОЕ ВЫЧИСЛИТЕЛЬНОЕ УСТРОЙСТВО ФОРМИРОВАНИЯ КОНТУРОВ ДВИЖУЩИХСЯ ОБЪЕКТОВ В РЕАЛЬНОМ МАСШТАБЕ ВРЕМЕНИ

05.13.05 — Элементы и устройства вычислительной техники и систем управления

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

1 с "ЕП 2010

Курск-2010

004617430

Работа выполнена на кафедре «Информационные системы и технологии»

Юго-Западного государственного университета

Научный руководитель: доктор технических наук, профессор

Дегтярев Сергей Викторович

Официальные оппоненты: доктор технических наук, профессор,

заслуженный деятель науки РФ Сизов Александр Семёнович кандидат технических наук, доцент Труфанов Максим Игоревич

Ведущая организация: ГОУ ВПО «Московский государственный

институт электроники и математики (технический университет)»

Защита состоится «28» декабря 2010 г. в 16-00 часов на заседании совета по защите докторских и кандидатских диссертаций Д 212.105.02 при Юго-Западном государственном университете по адресу: 305040, Курск, ул. 50 лет Октября, 94, конференц-зал.

С диссертацией можно ознакомиться в библиотеке Юго-Западного государственного университета.

Автореферат разослан «27» ноября 2010 года

Ученый секретарь совета

по защите докторских и кандидатских

диссертаций Д 212.105.02

Е.А. Титенко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В настоящее время в различных отраслях хозяйства, в частности, в системах диагностики и контроля качества изделий, производстве изделий для электронной промышленности, системах управления движением шагающих и транспортных роботов широкое применение находят системы и устройства обработки и распознавания изображений.

Большое количество практических приложений, например, определение параметров движения автотранспорта, автоматическое распознавание целей, контроль и организация взаимодействия этих объектов между собой обусловливает необходимость слежения за их динамикой. При этом важной задачей является определение движущихся объектов. От точности обнаружения объектов на серии изображений зависит точность выделения контуров (области с высокой концентрацией информации) движущихся объектов.

Выделение контуров объектов является основным путём решения задачи сегментации, т.е. разделения изображения на составные части. Наиболее сложной задачей, является автоматическое формирование контуров движущихся объектов, расположенных в поле зрения системы. Поскольку для задач обработки видео в реальном масштабе времени вычислительная сложность алгоритмов имеет большое значение, многие из существующих алгоритмов основаны на упрощенных посылках, которые уменьшают вычислительную трудоёмкость вышеупомянутых задач, в том числе за счёт снижения точности. Повышение точности выделения контуров объектов влечёт за собой усложнение и, как правило, снижение производительности специализированных устройств.

Быстродействие устройств обработки изображений достигается как за счет использования быстродействующих элементов, так и за счет использования параллельных вычислений. Одним из основных направлений совершенствования систем обработки изображений и повышения их производительности является аппаратная реализация функций обработки изображений и создание специализированных блоков преобразования изображений. Использование такого подхода к решению задачи формирования контуров обусловливает возможность отказа от выполнения основных процедур обработки изображения программно реализованных цифровым процессором и аппаратно реализовать необходимые операции, в специализированных блоках, что позволяет осуществить определение контуров объектов в реальном масштабе времени.

Таким образом, возникает объективная необходимость создания специализированных быстродействующих устройств формирования контурных описаний движущихся объектов, функционирующих в реальном масштабе времени и обеспечивающих требуемую точность при определении движущихся объектов.

Следовательно, объективно имеет место противоречие между необходимостью повышения точности определения направления движения объектов в реальном масштабе времени и возможностями существующих методов и средств их обнаружения.

На основе изложенного следует заключить, что разработка метода и устройства обнаружения движущихся объектов на основе обработки последовательности кадров с высоким коэффициентом корреляции и изменения яркости точек изображения, обеспечивающего возможность их распознавания, является актуальной научно-технической задачей.

Цель работы состоит в повышении точности обнаружения движущихся объектов в режиме реального времени путём разработки метода и алгоритмов обработки цифровых изображений и формирования контуров движущихся объектов.

В соответствии с поставленной целью научно-техническая задача диссертационной работы декомпозирована на следующие частные задачи:

1. Анализ современного состояния вопроса автоматического формирования контуров движущихся объектов. Определение ограничений известных методов и средств, обоснование направления исследования.

2. Разработка математической модели процесса описания контуров движущихся объектов.

3. Создание метода обнаружения движущихся объектов и алгоритмов Описания контуров объектов по их изображению.

4. Синтез структурно-функциональной организации специализированного вычислительного устройства формирования контуров движущихся объектов и его экспериментальная оценка.

Новыми научными результатами и положениями, выносимыми на защиту, являются:

1. Математическая модель процесса описания контуров движущихся объектов, особенностью которой является учёт направления их движения и многомерности вектора направления движения каждой точки объекта, обеспечивающая уменьшения ошибки описания контуров.

2. Метод обнаружения движущихся объектов, обеспечивающий повышение точности определения направления движения объектов, за счёт реализации этапов: вычисления межкадровой разности текущего и предыдущего изображений, определения направления движения пикселей, коррекции многозначных направлений движения пикселей путём анализа вектора направления движения точек в восьмисвязной окрестности, группирования пикселей в объекты.

3. Алгоритмы формирования контуров движущихся объектов, отличающиеся обработкой областей отображающих их движение.

4. Структурно-функциональные организации специализированного вычислительного устройства формирования контуров движущихся объектов, особенностью которых является введение блоков выделения движущихся пикселей, обнаружения направления движения, определения

областей движущегося объекта и связей между ними, обеспечивающая формирование контуров объектов в реальном масштабе времени.

Объект исследований - оптико-электронные изображения движущихся объектов.

Предмет исследований - методы и алгоритмы обработки изображений систем технического зрения, обеспечивающие формирование контурных описаний движущихся объектов.

Методы исследования. В работе использованы методы цифровой обработки и анализа сигналов и изображений, математического моделирования, теорий: вероятностей, параллельных вычислений, алгоритмов, проектирования устройств цифровой обработки сигналов.

Практическая ценность работы состоит в

- разработке математической модели формирования контурных описаний движущихся объектов, положенной в основу функционирования устройств обработки изображений применительно к системам технического зрения мобильных роботов, видеосистемам охраны и наблюдения, системам биометрического контроля.

- синтезе структурно-функциональной организации специализированного вычислительного устройства формирования контурных описаний движущихся объектов, позволяющего повысить точность определения направления движения объектов в режиме реального времени, что обеспечивает возможность его применения в соответствующих отраслях народного хозяйства.

Результаты работы внедрены в Курское ОАО «Прибор» ОКБ «Авиаавтоматика», ООО ЧОП «Дружина плюс» и используются в учебном процессе Юго-Западного государственного университета. Внедрения подтверждены соответствующими актами.

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на международных и российских конференциях: ХШ всероссийской конференции по проблемам математики информатики, физики и химии (г. Москва, 2006г.), X и XI международных научно-технических конференциях «Медико-экологические информационные технологии» (г. Курск, 2007-2008г.г.), 8-й международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание - 2008» (г. Курск, 2008г.), международной научно-технической конференции «Информационно-измерительные, диагностические и управляющие системы» (г. Курск, 2009г.), всероссийской научно-технической конференции «Интеллектуальные и информационные системы» (г. Тула, 2009г.), а также на научно-технических семинарах кафедры «Информационные системы и технологии» с 2007 по 2010 гг.

Публикации. Основные результаты диссертации отражены в 9 печатных работах. Среди них 2 статьи, опубликованные в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендованных ВАК. Оригинальность технических решений защищена патентом на изобретение.

Личный вклад автора. В работах, опубликованных в соавторстве, лично соискателем разработаны: в [6] - методы повышения точности бинаризации, в [3,4] - методы и алгоритмы цифровой обработки изображений, в [7,8] - блоки и в [1,2,5,9] устройство их реализации

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 75 наименований, изложена на 113 страницах и поясняется 21 рисунком и 3 таблицами.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цель и задачи исследований, приведена научная новизна, практическая значимость и результаты работы.

В первом разделе проведен анализ существующих методов, алгоритмов и устройств определения состояния динамических объектов и формирования их контурного описания. Известно множество алгоритмов, которые можно разделить на следующие группы: блочные методы, методы оптического потока, фазовой корреляции, глобальной оценки движения, многокадровой оценки движения, а также комбинированные методы.

Анализ существующих методов обработки изображений показал, что они обладают низкой точностью или избыточной для решения задач в реальном времени вычислительной сложностью, в связи с чем сделан вывод о необходимости разработки метода, позволяющего повысить точность построения контуров объектов в реальном масштабе времени.

По результатам анализа недостатков и ограничений существующих методов и средств разработаны основные требования к специализированному вычислительному устройству формирования контурных описаний движущихся объектов.

Во втором разделе базируясь на результатах существующих методов обработки видеоинформации, определена обобщенная математическая модель устройства формирования контурных описаний движущихся объектов, состоящая из математической модели МоЬ определения динамических объектов изображения и пространственной фильтрации помех, а также математической модели Мп формирования контурного описания объектов

М,={МЛ,М„). (1)

Математическая модель МоЬ определения динамических объектов на изображениях представлена выражением

мл =РоЬ(3(к),т,1{к-\)),8{к) = /аЬ(1(к),1(к-\)), (2) где Б (к) - множество движущихся объектов на изображении.

ОД - Ш*)}, -1 Б,(к) = ^(х,уШк) е 1(к), (3)

Цк-1) - предыдущий кадр, 1(к) - текущий кадр, к - порядковый номер кадра, /„,,(•)- функция обнаружения движущихся объектов.

Для обнаружения движущихся объектов предыдущий кадр 1(к-1) и текущий кадр 1(к) обрабатываются скользящим окном 3x3. Для каждого пикселя (у) текущего и предыдущего кадра составляются матрицы яркости Х(к) и Х(к-1) восьмисвязной окрестности:

Х(П):

х/-1 х1-1 ] VI

= X,- , Х„ X.. ,

0-1 и 4-1

ХМ ] /И,

,п = к,к-\. (4)

Для учёта возможных изменений внешней освещенности сцены с одним и тем же расположением объектов в следующем кадре относительно текущего кадра матрицы Х(к) иХ(к-1) преобразуются следующим образом:

Х\к) = (*„(*) -х (к)), * = / -1, / + 1; / = +1, (5)

Х"(Л-1) = (х;(Л-1)-х,((А:)),г = г-1,г + 1;/ = у'-1,У + 1. (6) Направление перемещения г каждого пикселя относительно текущего к-го кадра определяется путём межкадрового вычитания. Расчет производится для восьмисвязной окрестности каждого пикселя. Вывод о перемещении пикселя в одном из восьми направлений делается на основании следующего условия:

Х"(к/к -1) = Х\к) - Х'(к-1),

Х"(к/к-\): уи{к / к-1) > Г„V/, 1 = \,М,} = ЦУ где 7\ - порог обнаружения движения.

Для определения направления движения пикселя формируются матрицы определения перемещения центрального пикселя на текущем кадре относительно предыдущего, которые задаются в общем виде следующим образом:

хг(к-\)=(х:^н(к-1)-х;(к)),

_ __ _ _

2 = /-1,/ + 1 ;/ = + = = -2,2, где г - номер направления движения, который показан на рис 1.

1 2

8 X

1 2 3

8 X 4

2 3

X 4

1 2

8 X

7 6

щш

2 3

6 5

8 X

7 6

8 X 4

7 6 5

X 4

6 5

Рис.1, Направление смещения центрального пикселя (X) и соответствующие маски

Результирующие матрицы яркости изображения, по которому вычисляется перемещение пикселя на текущем кадре, задаются в общем виде следующим образом:

Хг(к/к-1) = Х\к)-Хг(к-1),г = Ц. (9)

За направление движения пикселя принимается то направление, для которого суммарное значение изменений яркости (сумма всех элементов результирующих матриц) по модулю является минимальным.

Г

> > * .1

Б(хи{к)) - сНгесиоп

ГП1П

Ш0(1

\\

1)

(10)

где сИгесИоп(•) - функция, значением которой является величина верхнего индекса матрицы Хг (А/к -1).

При получении в текущей точке функцией сЛгесИоп(-)

нескольких минимумов учитываются смежные пиксели х,

х1/+1. Если направление движения смежного пикселя 0(х,1(к)) однозначно

определено и совпадает с одним из направлений движения текущего пикселя £)(ху(/с)), то направление движения текущего пикселя

принимается таким же как направление движения смежного:

D(xJk)) =

D(xij_l(k)), если D(Xy(k)) имеет больше 1 значения и одно из значений

совпадает с D{x:J(к)), при условии, что D(xv_, (к)) имеет 1 значение ■£>(*ы;№)> если D(x,j(k)) имеет больше 1 значения и одно из значений совпадает с D(xl_lJ(k)), при условии, что D(x,_Xj(k)) имеет 1 значение

D{x,j(k)) имеет больше 1 значения и одно из значений совпадает с D(x,_Xj^{ky), >гри условии, что D(xl_lj_x{k)) имеет 1 значение D{xljtl(k)), если 0(хи(к)) имеет больше 1 значения и одно из значений совпадает с D(xIJti(k)), при условии, что 0(х^{к)) имеет 1 значение

Пиксели с одинаковым направлением движения группируются в объекты. Под определением движения объекта S ¡(к) понимается совокупность отличных от фона точек изображения с направлением движения г, таких, что для каждой точки найдется не менее одной соседней точки, расположенной на расстоянии один пиксель. Обнаружение движущихся объектов производится для формирования областей выделения контуров.

Математическая модель Ма построения контуров динамических объектов на изображениях представлена выражением

MK=FeXE,m,S(k)),E = ftXB),

В = felh(S(k),G?),G? = fls(S(k),Gr),Gr = fJS(k)J(k)), где Е - множество контуров движущихся объектов, /„„(•)- функция кодирования контурных линий, В — бинарная карта модулей градиента, /еЛ')~ функция бинаризации, Gr- карта векторов градиента с односвязными представлениями контуров, /„(•)- функция скелетизации, Gr— карта векторов градиента, fed{') - функция выделения контуров объектов.

Выделение контуров производится с помощью оператора Собела Gr = (G(.x,y),v(x,y)) = fed№),J(k)) =

(12)

,arctg(a)

(13)

Ax,y)IS(k),

где вг - градиентное изображение, каждый элемент которого содержит два компонента: модуль градиента С(х,у) (поле величин), отражающий скорость изменения яркости в точке с координатами (х,у), и направление градиента у^.у) (поле направлений), которое определяется углом наклона прямой, соответствующий направлению перепада яркости, к оси абсцисс.

Функция скелетизации /„,(•) выполняет создание односвязных представлений контуров

■рг /г, ч , ч\ м 1С(х,у),С(х*,У*)$С(х,у)

Сг = (С(х,у),у(х,у)) = /е! [£(*),0(х,.у) Ы ,

\ ' [0, в противном случае (14)

У(х,у)е8(к),

где (х*,у*) - координаты опорных точек, находящихся на прямой, ортогональной касательной к контурной линии в данной точке.

С помощью функции бинаризации /„,,(•) выполняется разделение точек изображения на точки контуров и точки однородных областей »и ^ г ¡1[0'Кх,у)> Щх,у,Ь(х,у))]

|0,р?г(дс,;у) < Щх,у,Ь(х,у))] (15> У(х,у)еБ(к)

(16)

г = -1,1,/ = -1,1, Vx,Vy: b{x,y) е [0,1], где К - коэффициент детализации бинарного изображения В, который позволяет управлять уровнем детализации (количеством контуров); <(•)-функции изменения пороговых значений в зависимости от наличия в восьмисвязной окрестности точек контура; Тх,Тг — пороговые значения, определяемые исходя из критерия максимума и минимума энтропии

Предпочтительным набором параметров при определении порога Тг является тот, который удовлетворяет условию минимума энтропии:

H{t'\/\) = т[П(Н(ф\ф))), (17)

а для 7, максимума энтропии:

H{t\,t\) = дпа хя(Я(/,(г),Г2(г))), (18)

где //(•)- функция энтропии, /|(г),/2(г)) -пары параметров-кандидатов для расчёта энтропии.

Пороговые значения вычисляются следующим образом:

Г1=(?;+0/2,Г2=(С+С)/2. (19)

Векторное кодирование /„(•) контурных линий объектов выполняется за один проход по бинарному изображению Каждый пиксель скелетного растра анализируется на основании его связности с восемью соседними пикселями и в зависимости от расположения окружающих пикселей классифицируется как конечная точка, элемент линии и узловая точка. Исходя из классификации точки, соответствующий ей вектор добавляется

к предшествующему данной точке контуру, а также, при необходимости, выполняется создание одного или нескольких новых контуров.

На основе функции /е1{') строится множество Е, каждый элемент которого представляет собой линейный векторный контур.

Выражения (2) и (11) путем подстановки в формулу (1) позволяют сформировать обобщенное представление математической модели устройства формирования контурных описаний движущихся объектов -М,.

В третьем разделе на основе математической модели процесса формирования контурного описания движущихся объектов на изображении разработан метод обнаружения движущихся объектов и обобщенный алгоритм функционирования устройства.

Для определения состояния объектов разработан метод обнаружения движущихся объектов, основными этапами которого являются:

- формирование матриц для каждого пикселя и обработка скользящим окном текущего и предыдущего кадров изображения;

- обнаружение на текущем кадре движущихся пикселей путём межкадрового вычитания;

- формирование матриц в восьмисвязной окрестности каждого обнаруженного пикселя, обеспечивающих определение направления его движения;

- определение направления движения каждого пикселя на основе анализа суммарного значения изменений яркости в матрицах построенных в восьмисвязной окрестности;

- коррекция направления движения пикселей, которым назначено более одного направления движения на предыдущем шаге, с учётом направления движения их смежных пикселей;

- формирование множества областей движущихся объектов путём объединения пикселей с учётом направления их движения и наличия пикселей в восьмисвязной окрестности.

Обобщенный алгоритм функционирования устройства формирования контуров движущихся объектов, состоит из следующих шагов:

1. Обнаружение движущихся объектов.

2. Контурное описание движущихся объектов

Последующая детализация этапов обнаружения движущихся объектов и их контурного описания связана с применением последовательного и параллельного алгоритмов контурного описания движущихся объектов.

В предлагаемом в диссертационной работе специализированном вычислительном устройстве формирования контурных представлений движущихся объектов все операции обработки изображений реализованы аппаратно, что обеспечивает формирование контурных описаний движущихся объектов в реальном масштабе времени, группа блоков защищена патентом РФ №2362210. Схема алгоритма контурного описания движущихся объектов представлена на рис 2.

Рис. 2. Схема алгоритма контурного описания движущихся объектов с последовательным определением направления движения пикселей и выделения контуров объектов

На основе предложенного метода и алгоритма разработана структурно-функциональная организация вычислительного устройства формирования контуров движущихся объектов (рис. 3), в состав которого входят: датчик изображения (ДИ), буферная память (БП), а также блоки: управления (БУ), выделения движущихся пикселей (БВДП), определения направления движущихся пикселей (БОНД), определения областей движущихся объектов (БООДО), пространственного дифференцирования (БПД), скелетизации (БС), бинаризации (ББ) и векторизации (БВ).

Рис. 3. Структурно-функциональная схема быстродействующего вычислительного устройства формирования описания контуров движущихся объектов

В процессе функционирования блок управления, обеспечивающий взаимодействие блоков, записывает текущий кадр в ОЗУ и выделяет скользящие окна обработки на текущем и предыдущем кадрах, которые передаёт в блок выделения движущихся пикселей для фильтрации и межкадрового вычитания. Обработка изображений ведётся параллельно со вводом следующего кадра. Блок определения направления движущихся пикселей рассчитывает коды направления движения каждого выделенного движущегося пикселя. Блок определения областей движущихся объектов объединяет пиксели с учётом направления их движения и наличия пикселей в восьмисвязной окрестности и формирует области движущихся объектов, при этом устраняются неинформативные точки с разным направлением движения, благодаря чему уточняются области для дальнейшей параллельной обработки, за счёт этого повышается точность и быстродействие устройства. В сформированных областях движущихся объектов, под контролем блока управления, выделяются контуры блоками пространственного дифференцирования, происходит их утончение блоками скелетизации, пороговая обработка блоками бинаризации и построение векторного описания контуров объектов блоками векторизации. Блок управления подаёт результат на USB контроллер, после чего цикл повторяется до обработки всего изображения.

Определение направления движения пикселей и выделение контуров объектов происходит последовательно, обеспечивая вычисления в реальном масштабе времени.

В специализированном вычислительном устройстве формирования контуров движущихся объектов, схема алгоритма которого представлена на рис 4, определение направления движения пикселей объектов происходит параллельно с процессом выделения контуров.

Рис. 4. Схема алгоритма контурного описания движущихся объектов с параллельным определением направления движения пикселей и выделения

контуров объектов

Рис. 5. Структурно-функциональная схема устройства формирования контуров движущихся объектов с параллельным определением направления движения пикселей

В состав устройства (рис. 5) входят: датчик изображения (ДИ), буферная память (БП), блок управления (БУ), выделения движущихся пикселей (БВДП), определения областей движущихся объектов (БООДО), а также блоки: пространственного дифференцирования (БПД), скелетизации (БС), бинаризации (ББ), определения направления движущихся пикселей (БОНД), блок формирования движущихся объектов (БФДО) и блок векторизации (БВ).

При такой реализации области, полученные БООДО, обрабатываются параллельно одновременно с определением направления движения каждого пикселя, за счёт чего обеспечивается работа в реальном режиме времени. При формировании движущихся объектов БФДО на основании направления движения точек контуров, определённых БОНД, происходит разделение перекрывающихся объектов, тем самым повышается точность определения объектов и построения векторного описания их контуров.

Специализированное вычислительное устройство формирования контуров движущихся объектов в реальном масштабе времени реализовано на базе ПЛИС.

В четвёртом разделе разработан аппаратно-программный стенд (АПС) и методика проведения экспериментального исследования, которые позволили произвести проверку степени адекватности полученной в результате теоретического исследования математической модели и точность обнаружения движущихся объектов. В состав АПС входят датчик изображения, ПЛИС-устройство формирования контуров движущихся объектов, которое является основным структурным элементом стенда и формирует контурное описание объектов, ПЭВМ.

Исследование параметров устройства проводилось в соответствии с разработанной методикой проведения экспериментальных исследований, согласно которой экспериментальные исследования проводились для различных видеопоследовательностей, содержащих движущиеся объекты разных размеров с использованием реальных изображений и изображений трехмерной рабочей сцены, полученных путём моделирования.

В таблице 1 приведены результаты экспериментальной оценки устройства формирования контуров движущихся объектов.

Разработанное устройство по сравнению с существующим на 5,6 % точнее определяет направление движения объектов.

Таблица 1

Результаты экспериментальной оценки устройства__

Показатели Известное устройство Разработанное устройство

С последовательным определением направления движения С параллельным определением направления движения

Точки с правильно определённым направлением движения 92,4% 98% 95,7%

Точки с неопределённым направлением движения 7,6% 2% 4,3%

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе решена научно-техническая задача состоящая в разработке метода и устройства обнаружения движущихся объектов на основе оценки последовательности кадров с высоким коэффициентом корреляции и изменения яркости точек изображения, обеспечивающего возможность их распознавания. В ходе решения этой задачи получены следующие основные результаты.

1. По результатам анализа современного состояния вопроса автоматического формирования контуров движущихся объектов показано, что существующие методы обработки изображений обладают либо низкой точностью, либо большой вычислительной сложностью, что обусловило необходимость постановки и решения научной задачи диссертационной работы.

2. Разработана математическая модель описания контуров движущихся объектов, отличающаяся учётом многозначности векторов направления движения точек объектов, позволившая синтезировать метод и аппарагно-ориентированные алгоритмы обработки изображений с целью уменьшения ошибки описания контуров движущихся объектов.

3. Разработан метод обнаружения движущихся объектов, обеспечивающий возможность реализации операций обработки изображений на аппаратном уровне и позволяющий повысить точность обнаружения движущихся объектов в реальном масштабе времени.

4. Разработаны алгоритмы формирования контуров движущихся объектов, осуществляющие обработку областей отображающих движение объектов, что позволяет выполнить операции по обработке изображений в реальном масштабе времени.

5. Разработаны структурно-функциональные организации вычислительного устройства формирования контурных описаний движущихся объектов, отличающиеся введением специализированных

вычислительных блоков и связей между ними, обеспечивающие формирование описания контуров объектов в реальном масштабе времени.

6. Результаты экспериментальных исследований подтвердили основные теоретические положения и выводы работы. Сравнительный анализ разработанного специализированного вычислительного устройства свидетельствует о повышении точности определения направления движения объектов в среднем на 5,6 % .

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ Статьи в журналах, входящих в перечень ВАК РФ

1. Орлов, A.B. Быстродействующее устройство выделения контуров объектов [Текст] / A.B. Орлов, C.B. Дегтярев, B.C. Панищев // «Информационно измерительные и управляющие системы», №4, 2009, С 87-89.

2. Орлов, A.B. Повышение быстродействия фильтрации изображения за счёт использования ПЛИС [Текст] / A.B. Орлов, C.B. Дегтярев // «Информационно измерительные и управляющие системы», №7, 2009, С 90-93.

Материалы конференций

3. Орлов,A.B. Построение контуров объектов на основе нечёткой логики [Текст] / A.B. Орлов // XLII всероссийская конференция по проблемам математики, информатики, физики и химии. М: Изд-во РУДН, 2006. -С 41.

4. Орлов,A.B. Выделение контуров с использованием нечёткой логики [Текст] / A.B. Орлов // X международная науч.-техн. конф. «Медико-экологические информационные технологии 2007». - Курск: КурскГТУ, 2007. - С 212-213.

5. Орлов, A.B. Устройство выделения контуров объектов на изображении [Текст] / A.B. Орлов // VIII международная науч.-техн. конф. «Распознавание 2008»,- Курск: КурскГТУ, 2008, 4.2. С 38-39.

6. Орлов, A.B. Бинаризация изображения на основе критерия максимума и минимума энтропии [Текст] / A.B. Орлов // XI международная науч.-техн. конф. «Медико-экологические информационные технологии 2008». - Курск: КурскГТУ, 2008. - С 142— 144.

7. Орлов, A.B. Блок фильтрации изображения с применением регуляризации Тихонова [Текст] / A.B. Орлов, С.В.Дегтярев // Сборник материалов МНТК «Информационно- измерительные, диагностические и управляющие системы», Курск, 2009, 4.2. С 189-192.

8. Орлов, A.B. Блок пространственного дифференцирования [Текст] / A.B. Орлов // Всероссийская научно-техническая конференция «Интеллектуальные и информационные системы», Тула, 2009, С 209 - 210.

Патенты на изобретения

9. Орлов, A.B. Патент №2362210 Российская Федерация, МПК G06K9/36, G06K9/62, А61В5/103. Устройство выделения контуров объектов на изображении /A.B. Орлов, C.B. Дегтярёв, С.В.Мирошниченко; Заявитель и патентообладатель КурскГТУ. №2007144400/09;заявл. 29.11.2007; опубл. 20.07.2009; бюл. №20. - 9с.

Подписано к печати ¿6. 44. 2.о<0 . Формат 60x84 1/16.

Печатных листов 1,0 . Тираж 100 экз. Заказ 12_.

Юго-Западный государственный университет.

Издательско-полиграфический центр Юго-Западного государственного университета. 305040, г. Курск, ул. 50 лет Октября, 94.

Соискатель

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ И СРЕДСТВ

ФОРМИРОВАНИЯ КОНТУРОВ ДВИЖУЩИХСЯ ОБЪЕКТОВ.

1Л. Методы обнаружения движущихся объектов.

1.2. Методы контурного представления объектов.

1.2.1. Фильтрация изображения.

1.2.2. Выделение контуров объектов.

1.2.2.1. Пространственное дифференцирование.

1.2.2.2. Бинаризация контурного изображения.

1.2.2.3. Скелетизация контуров объектов.

1.2.2.4. Кодирование контурных линий.

1.3 Средства обнаружения движущихся объектов.

Выводы.

ГЛАВА 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ БЫСТРОДЕЙСТВУЮЩЕГО ВЫЧИСЛИТЕЛЬНОГО УСТРОЙСТВА ФОРМИРОВАНИЯ КОНТУРНЫХ ПРЕДСТАВЛЕНИЙ ДВИЖУЩИХСЯ ОБЪЕКТОВ.

2.1. Математическая модель определения движущихся объектов на изображениях.

2.2. Математическая модель контурного представления движущихся объектов.

2.2.1. Функции выделения и утончения контуров объектов.

2.2.2. Функции пороговой обработки и кодирования контурных линий объектов.

Выводы.

3. МЕТОД ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ ОБЪЕКТОВ, АЛГОРИТМЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ И СИНТЕЗ УСТРОЙСТВА ФОРМИРОВАНИЯ КОНТУРНЫХ ОПИСАНИЙ ДВИЖУЩИХСЯ ОБЪЕКТОВ.

3.1 Метод и алгоритм обнаружения движущихся объектов.

3.2 Обобщённый алгоритм формирования контурного описания объектов

3.2.1. Алгоритм пространственного дифференцирования.

3.2.2. Алгоритм скелетизации и устранения ступенчатого эффекта градиентных изображений.

3.2.3. Алгоритм бинаризации скелетных градиентных изображений

3.2.4. Алгоритм кодирования контуров объектов.

3.3. Методика выбора рациональных параметров устройства обработки изображений.

3.4. Структурно-функциональные организации быстродействующего вычислительного устройства формирования контурных описаний движущихся объектов.:.

Выводы.

4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ БЫСТРОДЕЙСТВУЮЩЕГО ВЫЧИСЛИТЕЛЬНОГО УСТРОЙСТВА ФОРМИРОВАНИЯ КОНТУРНЫХ ОПИСАНИЙ ДВИЖУЩИХСЯ

ОБЪЕКТОВ.

4.1 Методика проведения испытаний быстродействующего вычислительного устройства формирования контурных описаний движущихся объектов.

4.2. Аппаратно-программный стенд для проведения испытаний.

Выводы.

В настоящее время в различных отраслях хозяйства, в частности, в системах диагностики и контроля качества изделий, производстве изделий для электронной промышленности, системах управления движением шагающих и транспортных роботов широкое применение находят системы и устройства обработки и распознавания изображений.

Большое количество практических приложений, например, определение параметров движения автотранспорта, автоматическое распознавание целей, контроль и организация взаимодействия этих объектов между собой обусловливает необходимость слежения за их динамикой. При этом важной задачей является определение движущихся объектов. От точности обнаружения объектов на серии изображений зависит точность выделения контуров (области с высокой концентрацией информации) движущихся объектов.

Выделение контуров объектов является основным путём решения задачи сегментации, т.е. разделения изображения на составные части. Наиболее сложной задачей, является автоматическое формирование контуров движущихся объектов, расположенных в поле зрения системы. Поскольку для задач обработки видео в реальном масштабе времени вычислительная сложность алгоритмов имеет большое значение, многие из существующих алгоритмов основаны на упрощенных посылках, которые уменьшают вычислительную трудоёмкость вышеупомянутых задач, в том числе за счёт снижения точности. Повышение точности выделения контуров объектов влечёт за собой усложнение и, как правило, снижение производительности специализированных устройств.

Быстродействие устройств обработки изображений достигается как за счет использования быстродействующих элементов, так и за счет использования параллельных вычислений. Одним из основных направлений совершенствования систем обработки изображений и повышения их производительности является аппаратная реализация функций обработки изображений и создание специализированных блоков преобразования изображений. Использование такого подхода к решению задачи формирования контуров обусловливает возможность отказа от выполнения основных процедур обработки изображения программно реализованных цифровым процессором и аппаратно реализовать необходимые операции, в специализированных блоках, что позволяет осуществить определение контуров объектов в реальном масштабе времени.

Таким образом, возникает объективная необходимость создания специализированных быстродействующих устройств формирования контурных описаний движущихся объектов, функционирующих в реальном масштабе времени и обеспечивающих требуемую точность при определении движущихся объектов.

Следовательно, объективно имеет место противоречие между необходимостью повышения точности определения направления движения объектов в реальном масштабе времени и возможностями существующих методов и средств их обнаружения.

На основе изложенного следует заключить, что разработка метода и устройства обнаружения движущихся объектов на основе обработки последовательности кадров с высоким коэффициентом корреляции и изменения яркости точек изображения, обеспечивающего возможность их распознавания, является актуальной научно-технической задачей.

Цель работы состоит в повышении точности обнаружения движущихся' объектов в реальном масштабе времени путём разработки метода и алгоритмов обработки цифровых изображений и формирования контуров движущихся объектов.

В соответствии с поставленной целью научно-техническая задача диссертационной работы декомпозирована на следующие частные задачи:

1. Анализ, современного состояния вопроса автоматического формирования контуров движущихся объектов; Определение ограничений известных методов и средств, обоснование направления исследования.

2. Разработка математической модели процесса описания контуров движущихся объектов.

3. Создание метода обнаружения движущихся объектов и алгоритмов описании контуров объектов по их изображению.

4. Синтез структурно-функциональных организаций специализированного ' вычислительного устройства формирования контуров движущихся объектов и его экспериментальная оценка;

Новыми научными результатами и положениями, выносимыми на защиту, являются:

1. Математическая модель процесса* описания контуров, движущихся объектов, особенностью которой является учёт направления их движения и многомерности вектора направления движения каждой. точки-объекта, обеспечивающая уменьшения ошибки описания контуров. 1

2. Метод обнаружения движущихся объектов, обеспечивающий повышение точности определения« направления движения объектов, за счёт реализации этапов: вычисления межкадровой разности текущего< и предыдущего изображений, определения направления движения пикселей, коррекции многозначных направлений движения« пикселей путём анализа вектора направления движения точек в восьмисвязной окрестности, группирования пикселей в объекты.

3. Алгоритмы формирования контуров движущихся объектов, отличающиеся обработкой областей отображающих их движение.

4. Структурно-функциональные организации специализированного вычислительного устройства формирования контуров движущихся объектов, особенностью которых является введение блоков выделения движущихся пикселей, обнаружения направления движения, определения областей движущегося объекта и связей между ними, обеспечивающие формирование контуров объектов в реальном масштабе времени.

Объект исследований — оптико-электронные изображения движущихся объектов.

Предмет исследований - методы и алгоритмы обработки изображений систем технического зрения, обеспечивающие формирование контурных описаний движущихся объектов.

Методы исследования. В работе использованы методы цифровой обработки и анализа сигналов и изображений, математического моделирования, теорий: вероятностей, параллельных вычислений, алгоритмов, проектирования устройств цифровой обработки сигналов.

Практическая ценность работы состоит в разработке математической модели формирования контурных описаний движущихся объектов, положенной в основу функционирования устройств обработки изображений применительно к системам технического зрения мобильных роботов, видеосистемам охраны и наблюдения, системам биометрического контроля. синтезе структурно-функциональной организации специализированного вычислительного устройства формирования контурных описаний движущихся объектов, позволяющего повысить точность определения направления движения объектов в режиме реального времени, что обеспечивает возможность его применения в соответствующих отраслях народного хозяйства.

Результаты работы внедрены в Курское ОАО «Прибор» ОКБ «Авиаавтоматика», ООО ЧОП «Дружина плюс» и используются в учебном процессе Юго-Западного государственного университета.

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на международных и российских конференциях: ХЫ1 всероссийской конференции по проблемам математики информатики, физики и химии (г. Москва, 2006г.), X и XI международных научно-технических конференциях «Медико-экологические информационные технологии» (г. Курск, 2007-2008г.г.), 8-й международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание - 2008» (г. Курск, 2008г.), международной научно-технической конференции «ИнформационноI измерительные, диагностические и управляющие системы» (г. Курск, 2009г.), всероссийской. научно-технической конференции

Интеллектуальные и информационные системы» (г. Тула, 2009г.), а также на научно-технических семинарах кафедры «Информационные системы и технологии» с 2007 по 2010 гг.

Публикации. Основные результаты диссертации отражены в 9 печатных работах. Среди них 2 статьи, опубликованные в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендованных ВАК. Оригинальность технических решений защищена патентом на изобретение.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 75 наименований, изложена на 113 страницах и поясняется 21 рисунком и 3 таблицами.

Выводы

1. Разработана методика проведения испытаний быстродействующего вычислительного устройства формирования контурных описаний движущихся объектов, обеспечивающая экспериментальные исследования его временных и качественных характеристик.

2. Проведены экспериментальные исследования, подтверждающие адекватность разработанной математической модели, что позволяет использовать математическую модель для теоретических исследований при решении других связанных с анализом движущихся объектов задач. Разработанное специализированное устройство на 5,6 % точнее определяет направление движения объектов.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена научно-техническая задача состоящая в разработке метода и устройства обнаружения движущихся объектов на основе оценки последовательности кадров с высоким коэффициентом корреляции и изменения яркости точек изображения, обеспечивающего возможность их распознавания. В ходе решения этой задачи получены следующие основные результаты.

1. По результатам анализа современного состояния вопроса автоматического формирования контуров движущихся объектов показано, что существующие методы обработки изображений обладают либо низкой точностью, либо большой вычислительной сложностью, что обусловило необходимость постановки и решения научной задачи диссертационной работы.

2. Разработана математическая модель описания контуров движущихся объектов, отличающаяся учётом многозначности векторов направления движения точек объектов, позволившая синтезировать метод и аппаратно-ориентированные алгоритмы обработки изображений с целью уменьшения ошибки описания контуров движущихся объектов.

3. Разработан метод обнаружения движущихся объектов, обеспечивающий возможность реализации операций обработки изображений на аппаратном уровне и позволяющий повысить точность обнаружения движущихся объектов в реальном масштабе времени.

4. Разработаны алгоритмы формирования контуров движущихся объектов, осуществляющие обработку областей отображающих движение объектов, что позволяет выполнить операции по обработке изображений в реальном масштабе времени.

Разработаны структурно-функциональные организации вычислительного устройства формирования контурных описаний движущихся объектов, отличающиеся введением специализированных вычислительных блоков и связей между ними, обеспечивающие формирование описания контуров объектов в реальном масштабе времени.

6. Результаты экспериментальных исследований подтвердили основные теоретические положения и выводы работы. Сравнительный анализ разработанного специализированного вычислительного устройства свидетельствует о повышении точности определения направления движения объектов на 5,6 % .

1. Катыс, Г.П. Обработка визуальной информации Текст. / Г.П. Катыс, М.: Машиностроение, 1990, С 320.

2. Krishnamurthy, Ravi. Frame Interpolation and Bidirectional Prediction of Video using Compactly-Encoded Optical Flow Fields and Label Fields Text./ John W. Woods, Piere Moulin, //, IEEE Trans. Circ. Syst. Video Tech, Vol. 9, No. 5, Aug.1999, PP 713-726.

3. D. J. Fleet and A D. Jepson. Computation of component image velocity from local phase information. Int. J. Сотр. Vision, 5, 1990, PP 77-104.

4. Sanjeev, Kumar. Global Motion Estimation in Frequency and Spatial Domain Text. / Mainak Biswas and Truong Q Nguyen //, IEEE International Conference on Speech, Acoustics, and Signal Processing, 2004, PP 14-23.

5. Jahne, B. Spatio-temporal Image Processing Text. / Lecture Notes in Computer Science. Springer, Berlin, 1993.

6. Zhu, S. A new diamond search algorithm for fast blockmatching motion estimation Text. / S. Zhu, К. K. Ma // IEEE Trans. Image Processing, vol. 9, Feb.2000, PP 287-290.

7. Xuan, Jing. An Efficient Three-Step Search Algorithm for Block Motion Estimation Text. / Xuan Jing, Lap-Pui Chau // IEEE Transactions on Multimedia, Vol. 6, N. 3, June 2004.

8. Lopes, F. / Hierarchical motion estimation with spatial transforms // Lopes F., Ghanbari M. // IEEE International Conference of Image Processing, Vol. 2, Vancouver, ВС, Canada, 2000, PP. 558-561

9. Tae Gyoung Ahn. Fast Full-Search Motion Estimation Based on Multilevel Successive Elimination Algorithm text. / Tae Gyoung Ahn, Yong Ho Moon, Jae Ho Kim // IEEE Transactions on Circuits and Systems for Video Technology, Vol. 14, N. 11, November 2004.

10. Сырямкин В. И. Системы технического зрения Текст. : Справочник / В. И. Сырямкин, В. С. Титов, Ю. Г. Якушенков и др. // Под общей редакцией В. И. Сырямкина, В. С. Титова. Томск: МГП «Раско», 1992. 367с.

11. Сойфер, В.А. Методы компьютерной обработки изображений Текст. / Под ред. В.А. Сойфера 2-е изд., исйр. - М.: ФИЗМАТЛИТ, 2003. - 784 с. -ISBN 5-9221-0270-2.

12. Журавель, И.М. Краткий курс теории обработки изображений Интернет. / И.М. Журавель matlab.exponenta.ru/imageprocess/book2/31.php.

13. Претт, Э. Цифровая обработка изображений Текст.: в 2 т. / Э. Претт. [Перевод с англ. Д.С. Лебедева] -М.: Мир, 1982.

14. Alvarez, L. Axioms and Fundamental Equations of Image Processing Text. / Luis Alvarez, Frederic Guichard, Pierre-Louis Lions, Jean-Michel Morel // Arch. National Mech. Anal. 123. Springer-Verlag, 1993. - PP. 199-257.

15. Дегтярев, C.B. Методы цифровой обработки изображений Текст. / С.В. Дегтярев, С.С. Садыков, С.С. Тевс, Т.А. Ширабакина. Курск: КурскГТУ, 2001. - 167с. ISBN 5-7681-0097-0

16. Deriche, R. Using Canny's Criteria to Derivate a Recursively Implemented Optimal Edge Detector Text. / R. Deriche // Computer Vision Vol. 1, No 2, 1987 - PP.167-187.

17. Elder, J.H. Local Scale Control for Edge Detection and Blur Estimation Texr. / James. H. Elder, Steven W. Zuckler // IEE Transactions on Pattern Analysis and Machine Intelligence Vol. 20, No 7, 1998 - PP. 699-716.

18. Vliet, L. An Edge Detection Model Based on Nonlinear Laplace Filtering. Pattern Recognition and Artificial Intelligence Text. / L. van Vliet, I. Yong, A. Beckers // Vol. 7, 1988 PP. 63-73.

19. Verbeek, P. On the Local Error of Curved Edges in Low-Pass Filtered 2D and 3D Images Text. / P. Verbeek, L. van Vliet // IEE Trans. Pattern recognition and Machine Intelligence Vol. 16, № 7, 19941. PP. 726-733.

20. Tikhonov, A.N. Solutions of 111 pose problems Text. / A.N. Tikhonov, V.Y. Arsenin WH Winson - Washington DC, - 1977.

21. Орлов, A.B. Блок фильтрации изображения с применением регуляризации Тихонова Текст. / А.В. Орлов, С.В.Дегтярев // Сборник материалов МНТК «Информационно- измерительные, диагностические и управляющие системы», Курск, 2009, 4.2. С 189-192.

22. Орлов, А.В. Повышение быстродействия фильтрации изображения за счёт использования ПЛИС Текст. / А.В. Орлов, С.В. Дегтярев // «Информационно измерительные и управляющие системы», №7, 2009, С 9093.

23. Хемминг Р.В. Цифровые фильтры Текст. / Хемминг Р.В. М.: Наука, 1990. С 268.

24. N.Otsu. A Threshold Selection Method from Gray-Level Histograms Text. // IEEE Trans. Syst. Man Cybern. Vol. 9, №1. 1979. pp. 62-66.

25. Траер Д, Джейн К. Целевая оценка эффективности методов бинаризации Интернет. / Траер Д, Джейн К. citeseer.nj.nec.com/cache/papers/cs/4013/itp:zSzzSzflp.ifi.uio.nozSzpubzSztrierzS zevalTR.pdf/goal-directed-evaluation-of.pdf, 1995

26. Хемминг Р.В. Цифровые фильтры Текст. / Хемминг Р.В. М.: Наука, 1990.-268 с.

27. C.I.Chang. A Relative Entropy-based Approach to Image Thresholding Text. / C.I.Chang et al. // Pattern Recognition №9, Vol 27, 1994. pp 1275-1289.

28. S.E. El-Khamy. Minimum Entropy-Based Fuzzy Edge Detection Text. / S.E. El-Khamy et al. // IEEE Trans, on Fuzzy Systems. №3, Vol. 9, 2001. pp. 467-479.

29. Wen-Bing Tao. Image segmentation by three-level thresholding based on maximum fuzzy entropy and genetic algorithm / Wen-Bing Tao, Jin-Wen Tian, Jian Liu // Pattern Recognition Letters 24 2003 pp. 3069-3078.

30. Wang, J. Relative Entropy-based Methods for Image Segmentation Text. / J. Wang, Y. Du, C. Chang, P. Thouin // IEEE Int. Symp. Circ. Syst. (ISCAS) 2. -2002,-PP. 265-268.

31. Pal, N. Entropic Thresholding Text. / N. Pal, S. Pal // Signal Processing. -No. 16. 1989, - PP. 97-108.

32. Bieda, R. The Thresholding Technique in Edge Detection Operators for Multichannel Images Text. / R. Bieda // Machine Graphics & Vision. Vol. 13, No. 1/2. - 2004. — PP. 53-63

33. J.F.Canny. A Computational Approach to Edge Detection / J.F.Canny // IEEE Trans. Pattern Recognition and Machine Intelligence. Vol. 8, №6. 1986. pp. 679-698.

34. Лукашенко, Г. Применение волнового алгоритма для нахождения скелета растрового изображения Интернет. / ocrai.narod.ru/vectory.html.

35. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. -М.: Мир, 1976-368 с.

36. Абламейко С. В., Лагуновский Д. М. Обработка изображений: технология, методы, применения. Учебное пособие. Мн.: Амалфея, 2000. -304 с.

37. Катыс, Г.П. Восприятие и анализ оптической информации автоматической системой Текст. / Г.П. Катыс. М.: Машиностроение. -1986.- 415с

38. Левшин, В.Л. Обработка информации в оптических системах пеленгации Текст. / В.Л. Левшин М.: Машиностроение. 1978. - 168с.

39. Никулин, О.Ю. Системы телевизионного наблюдения Текст. / О.Ю. Никулин, А.Н. Петрушин М.: Оберег-РБ. - 1985. - 176с.

40. Патент РФ № 2251735С2, Архипов A.A. и др., Устройство для обработки изображений, опубл. 10.05.2005, заявитель и патентообладатель КурскГТУ, С 6.

41. Патент США №6441848, Tull D.L. Preventing blur caused by motion of the subject in a digital image, 2002

42. Патент РФ № 2337501C2, Дегтярёв C.B. и др, Способ компенсации размытости изображения движущихся объектов и устройство для его реализации, опубл. 10.07.2008, заявитель и патентообладатель КурскГТУ, С 40.

43. Орлов, A.B. Бинаризация изображения на основе критерия максимума и минимума энтропии Текст. / A.B. Орлов // XI международная науч.-техн. конф. «Медико-экологические информационные технологии 2008». Курск: КурскГТУ, 2008. - С 142-144.

44. Zhao, M. A Technique of Three-Level Thresholding Based on Probability Partition an Fuzzy 3-Partition Text. /М. Zhao, A. M. N. Fu, and H. Yan // IEEE Trans, on Fuzzy Systems, vol.9, no.3, June 2001, PP. 469- 479.

45. Cheung K.F. Fuzzy One -Mean Algorithm for Edge Detection Text. / K.F. Cheung, W.K. Chan // IEEE Inter. Conf. on Fuzzy Systems, 1995, PP. 20392044.

46. Kuo, Y.H. A New Fuzzy Edge Detection Method for Image Enhancement Text. / Y.H. Kuo, C.S. Lee, C.C. Liu // IEEE Inter. Conf. on Fuzzy Systems, 1997, PP. 1069-1074.

47. Russo, F. Edge Detection in noisy images using fuzzy Reasoning Text. / F. Russo, 1ЕЕУ Trans. On Instrumentation and Measurement, vol. 47, №5, 1998.

48. Орлов,А.В. Построение контуров объектов на основе нечёткой логики Текст. / А.В. Орлов // XLII всероссийская конференция по проблемам математики, информатики, физики и химии. М: Изд-во РУДН,2006.-С 41.

49. Орлов,А.В. Выделение контуров с использованием нечёткой логики Текст. / А.В. Орлов // X международная науч.-техн. конф. «Медико,-экологические информационные технологии 2007». Курск: КурскГТУ,2007.-С 212-213.

50. Тербер, К. Дж. Архитектура высокопроизводительных вычислительных систем Текс. / К. Дж. Тербер // Пер. с англ. М.: Наука. Главная редакция физико-математической литературы, 1985, С 272.

51. Гома, X. UML. Проектирование систем рельноговремени, параллеьных и распределённых приложений Текст. / X. Гома // Пер. с англ. М.:ДМК Пресс, 2002, С 704.

52. Developing Multithreaded Applications: A Platform Consistent Approach Text. // March 2003, Intel Corporation 2003.

53. Киселёв, А.В. Современные микропроцессоры Текст. / А.В. Киселёв, В.В. Корнеев // М.: Нолидж, 2000, С 320.

54. Орлов, A.B. Устройство выделения контуров объектов на изображении Текст. / A.B. Орлов // VIII международная науч.-техн. конф. «Распознавание 2008».- Курск: КурскГТУ, 2008, 4.2. С 38-39.

55. Орлов, A.B. Быстродействующее устройство выделения контуров объектов Текст. / A.B. Орлов, С.В. Дегтярев, B.C. Панищев // «Информационно измерительные и управляющие системы», №4, 2009, С 8789.

56. Ватутин Э.И. Программная оптимизация оператора Собела с использованием SIMD-расширений процессоров семейства х86 / Ватутин Э.И, Мирошниченко С.Ю., Титов В.С // Телекоммуникации. 2006. №6. С. 1216

57. Якушенков, Ю.Г. Теория и расчет оптико-электронных приборов: учебник для студентов вузов Текст. / Ю.Г. Якушенков. М.: Логос, 1999, С 480.

58. Чэн, Ш.-К. Принципы проектирования систем визуальной информации Текст. / Ш.-К. Чэн //М.: Мир, 1994, С 408.

59. Мошкин, В.И. Техническое зрение роботов Текст. / В.И. Мошкин, A.A. Петров, B.C. Титов, Ю.Г. Якушенков под общ. ред. Ю.Г. Якушенкова // М.: Машиностроение, 1990, С 272.

60. Егорова, С.Д. Оптико-электронное цифровое преобразование изображений Текст. / С.Д. Егорова, В.А. Колесник. М.: Радио и связь, 1991.-208 с.

61. Титов, B.C. Оптико-электронные устройства обработки и распознавания изображений Текст. / B.C. Титов, М.И. Труфанов., Е.А. Макарецкий, А.Я. Паринский. Тула: Изд-во ТулГУ, 2008. - 121 с.

62. ATI Online Manual Электронный ресурс. Part Number 137-40178-104 -http://support.amd.com/us/GPUTechDocs/radeononline.pdf

63. Общие результаты экспертной оценки уровня профессиональной социализированное™ студентов на начало эксперимента указаны в таблице 2.1.11 и размещены на рисунке 2.1.3.