автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Теория и методы обработки результатов распределенных измерений в информационно-измерительных системах

На правах рукописи

КОТОВ Владислав Викторович

ТЕОРИЯ И МЕТОДЫ ОБРАБОТКИ РЕЗУЛЬТАТОВ РАСПРЕДЕЛЕННЫХ ИЗМЕРЕНИЙ В ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ

Специальность: 05.11. 16—Информационно-измерительные и управляющие системы (в промышленности)

АВТОРЕФЕРАТ

диссертации на соискание учёной степени доктора технических наук

Тула 2004

Работа выполнена на кафедре робототехники и автоматизации производства в Тульском государственном университете

Научный консультант:

доктор технических наук, профессор ЛАРКИН Евгений Васильевич

Официальные оппоненты:

доктор технических наук, профессор ТАЛАЛАЕВ Алексей Кириллович

доктор технических наук, профессор КИСЕЛЕВ Владимир Дмитриевич

доктор технических наук, профессор ОСАДЧИЙ Владимир Иванович

Ведущее предприятие:

Открытое акционерное общество «Научно-исследовательский институт «Стрела»

Зашита состоится « ¿Г» // 2004 года в 14 часов на заседании диссертационного совета Д 212.271.07 при Тульском государственном университете (300600, г. Тула, пр. Ленина, 92), в аудитории 9-101.

С диссертацией можно ознакомиться в библиотеке Тульского государственного университета (300600, г. Тула, пр. Ленина, 92).

Автореферат разослан

Ж О А

2004 г.

Учёный секретарь диссертационного совета

Ф.А. Данилкин

ОБШДЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Современный этап развития информационно-измерительных систем (ИИС) характеризуется, во-первых, увеличением объёмов первичной регистрируемой информации, на основе которой осуществляется принятие дальнейших решений при выработке управляющих воздействий, и, во-вторых, усложнением методов её обработки, расширением круга задач, решаемых подобными системами.

С одной стороны, это связано со стремлением разработчиков упростить эксплуатацию подобных ИИС, повысить эффективность их функционирования и расширить сферы применения, к которым, в первую очередь, можно отнести проведение научных и технических экспериментов, управление высокотехнологичными производственными процессами, использование интеллектуальных робототехнических систем, биомедицинские исследования, организацию эргономичных речевых интерфейсов с вычислительными системами, а также различные военные приложения, включающие оптическую и радиолокацию, обнаружение, измерение координат и классификацию движущихся наземных и воздушных целей и др.

С другой стороны постоянное совершенствование технической базы информационно-измерительных систем, проявляющееся в разработке специализированных сигнальных процессоров с повышенной вычислительной эффективностью", увеличении ёмкости и быстродействия запоминающих устройств, наличии широкой номенклатуры датчиков первичных сигналов, - обеспечивает возможности практической реализации все более сложных методов обработки информации, использующих всё большие объемы первичных регистрируемых данных.

Современное развитие информационно-измерительных систем идет в направлении перехода от статических измерений отдельных величин к регистрации величин, изменяющихся во времени и пространстве и использованию Одновременно большого количества результатов измерений с дальнейшей их централизованной обработкой.

Множество различных задач, связанных с обработкой распределённых измерений, породило множество разнообразных методов и алгоритмов их решения. Общепринятым путём повышения точности результатов измерений является применение более чувствительных датчиков, сенсоров с повышенной селективностью и т.п. Однако само по себе применение более совершенных технических средств не всегда способно обеспечить желаемый результат, вызывая, вместе с тем, удорожание аппаратуры.

Поэтому в последнее время в нашей стране и за рубежом значительные усилия направляются на разработку математических моделей ИИС, обрабатывающих результат распределённых измерений. Несмотря на достигнутые результаты, общая методология моделирования информационно-измерительных систем обработки распределённой измерительной информации в настоящее время

КМБЛ ПОТЕКА С! О»

¡«■»■■НТВ «ИРМ»

Несмотря на то, что объект наблюдения номинально не входит в состав элементов ИИС, структура и алгоритмы ее функционирования существенным образом зависят от вида объекта и целей, которые ставятся перед ИИС при его восприятии. Рассматривая функционирование наблюдаемого объекта как процесс смен внутренних состояний, а конечную цель его восприятия ИИС как формирование оценки текущего состояния, можно выделить два важных фактора, определяющих способы моделирования ИИС: тесноту связи между регистрируемыми первичными сигналами и искомой оценкой состояния объекта и степень распределённости измерений.

Первый фактор может варьироваться от высокого уровня корреляции (вплоть до функциональной связи) между оцениваемым состоянием и регистрируемыми сигналами при малом уровне помех, до корреляции с незначительным уровнем, когда связь становится неоднозначной, а величины внешних и внутренних возмущающих факторов велики. Точная оценка состояния по отдельному измерению в последнем случае становится затруднительной или невозможной.

По характеру измерений, выполняемых ИИС (второй фактор), можно выделить системы с сосредоточенными и распределёнными измерениями. Сосредоточенность измерений в пространстве/времени допустима в случае оценки простых параметров объекта и наличии априорной определённости момента времени и/или пространственного положения наблюдаемого объекта, параметры которого оцениваются. В случае, когда такая определённость отсутствует или когда представляет интерес динамика наблюдаемого процесса, измерения производятся распределённо во времени и/или в пространстве, причём результаты единичных измерений (отсчёты) в процессе обработки обычно сохраняют упорядоченность.

Вышеизложенное позволяет сделать вывод, что в области информационно-измерительных систем существует отдельный класс объектов, представляющих собой программно-технические комплексы, состоящие из сенсорной подсистемы, ряда функциональных компонентов (узлов и блоков) по преобразованию информации, вычислительную подсистему и средства формирования реакции, которые осуществляют серию распределённых и упорядоченных во времени и/или пространстве измерений одного или нескольких параметров наблюдаемого объекта, и формируют оценку состояния объекта на основе обработки совокупности воспринятой информации.

Предмет исследования диссертационной работы может быть определён как способы оценивания состояния наблюдаемого объекта при проведении многократных распределённых измерений сигналов, несущих информацию о его состоянии.

При создании моделей ИИС обработки результатов распределённых измерений необходимо обеспечивать адекватность отражения ими значимых аспектов функционирования подобных систем, к числу которых относятся следующие:

наличие лишь общих требований к воспринимаемой информации, в которой может содержаться (а может и не содержаться) релевантная составляющая;

регистрируемые ИИС сигналы лишь косвенным образом связаны с состоянием наблюдаемого объекта, оценка которого и является целью функционирования системы;

процесс функционирования ИИС может рассматриваться как процесс обработки распределённых во времени и/или метрическом пространстве результатов измерений сигналов, генерируемых объектом.

Подходов к моделированию, в равной степени учитывающих все перечисленные аспекты, в настоящее время не существует, поэтому в диссертации разработан подход, который опирается на аналитические методы математического моделирования: теория ортогональных преобразований и спектрального анализа, теория сигналов, теория фильтрации, теория информации.

Экспериментальные исследования проводились с использованием методов статистического моделирования на естественных массивах распределённых измерений, формируемых ИИС различных типов, в частности системами радиолокационного сканирования местности, телевизионными и тепловизионными системами наблюдения, сканерами с микрофильмов.

Цель диссертационной работы решении проблемы синтеза информационно-измерительных систем в части обоснования рационального выбора метода обработки результатов распределённых измерений, основанного на аналитическом описании информационных процессов в объектах наблюдения и установления связи этих процессов с характеристиками сигналов, формируемых объектом.

Задачи исследований.

1. Построение обобщённой схемы наблюдаемого объекта, отражающей структуру его взаимосвязей с ИИС и моделирующей процесс генерации сигналов, воспринимаемых и обрабатываемых ИИС.

2. Исследование особенностей информационных процессов в ИИС, которые оказывают влияние на их технические характеристики и разработка подхода к их моделированию и проектированию на основании аналитических методов.

3. Построение обобщённой структуры процессов обработки в ИИС результатов распределённых измерений.

4. Разработка методологии оценки информационных свойств различных типов обработки результатов распределённых измерений, с целью последующего выбора метода обработки, минимизирующего ошибку оценки состояния наблюдаемого объекта.

5. Исследование общих закономерностей алгоритмической обработки результатов распределённых измерений и сведение задач оценки состояния наблюдаемого объекта к ряду типовых задач обработки сигналов: фильтрации, спектральному анализу в локальной области сигнала и нелинейной гистограммной обработке.

6. Разработка метода идентификации событий смены плотности распределения, основанного на наборе статистики наблюдаемого сигнала и оценке статистических характеристик.

7. Построение методики выбора параметров частотно--временных преобразований первичных сигналов

8. Создание на основании методологии прикладных методов обработки изображений, включающих

- метод многокадровой фильтрации изображений, обеспечивающий подавление шумовой составляющей при малых искажениях полезного сигнала

- метод цифровой коррекции изображений угасающей документации, обеспечивающий возможность их дальнейшего микрофильмирования

- метод трассировки доплеровской составляющей в сигналах радиолокационного наблюдения

9. Экспериментальная проверка разработанной методологии при создании и внедрении реальных программно-технических информационно -измерительных комплексов

Научная новизна заключается в следующем.

1. Сформулирована концепция моделирования ИИС как множества взаимосвязанных функциональных компонентов, работа которых направлена на формирование оценки состояния наблюдаемого объекта по совокупности результатов измерений, распределённых во времени и/или пространстве.

2. Создан обобщённый метод комплексного анализа ИИС обработки результатов распределённых измерений, основанный на математическом (аналитическом) параметрическом моделировании процессов в программных и аппаратных средствах подобных систем.

3. Разработан метод выбора способа обработки на основе анализа информационных свойств наблюдаемых сигналов при реализации целевых задач обработки.

4. Разработан метод идентификации событий смены плотности распределения, основанный на наборе статистики наблюдаемого сигнала и оценке его статистических характеристик

5. Решён ряд научно--прикладных задач обработки результатов распределённых измерений, включающий:

- метод многокадровой фильтрации для систем сканирования изображений, основанный на формировании множеств базовых и опорных точек, преобразовании кадров модели в единую систему координат и компенсации краевых эффектов;

- метод обработки слабоконтрастных изображений угасающей документации, основанный на оценке распределённого в метрическом пространстве состояния сканируемой сцены, используемой в постобработке, в процессе фильтрации и контрастирования;

- метод обработки результатов радиолокационного сканирования местности, основанный на трассировке доплеровской составляющей, выде-

ленной согласованным фильтром с ограниченной апертурой с сокращением вычислительных затрат при выполнении частотно-временного преобразования.

Практическая ценность. Диссертационная работа в основном направлена на решение задач, имеющих непосредственное практическое значение. Разработанная методология ориентирована на создание практических рекомендаций, позволяющих повысить качество вновь разрабатываемых информационно-измерительных систем исследуемого класса при сокращении сроков их разработки.

Достоверность полученных теоретических результатов подтверждается результатами апробаций методологии при решении практических задач разработки ряда информационно-измерительных систем, осуществляющих восприятие и обработку распределённых измерений.

Научные положения, выносимые на защиту.

1. Концепция моделирования информационно-измерительных систем, состоящих из ряда программно-технических компонентов, работа которых направлена на формирование оценки состояния наблюдаемого объекта по совокупности результатов измерений, распределённых во времени и/или пространстве.

2. Формализованный подход к выбору метода обработки результатов распределённых измерений, основанный на оценке информативности формируемых системой сообщений и статистических характеристиках сигналов, описывающих различные состояния объекта.

3. Метод оценки состояния наблюдаемого объекта, основанный на анализе спектральных характеристик результатов распределённых измерений, включающий способы определения рациональных величин ширины и шага смещения окна ЧСП для заданной интенсивности потока смен состояний наблюдаемого объекта и допустимой вероятности пропуска события, определение интервалов характерных частот на основе анализа априорно известных корреляционных функций сигналов, описывающих состояния наблюдаемого объекта

4. Метод преобразования кадров в единую систему координат при многокадровой обработке, основанный на поиске моментов наступления событий - характерных точек изображения в многокадровой модели.

5. Метод формирования фильтров для многокадровой фильтрации, учитывающий появление аддитивного шума в различных кадрах модели, возможно при наличии коррелированной составляющей внутри кадра.

6. Метод преобразования слабоконтрастных изображений угасающих документов в форму, пригодную для микрофильмирования, основанный на оценке распределённого в пространстве состояния сканируемой сцены; метод низкочастотной пространственно-зависимой фильтрации слабоконтрастных изображений для подавления шумов без значительного воздействия на границы объектов.

7. Метод трассировки доплеровской составляющей в массиве данных радиолокационного сканирования местности, основанный на согласованной

фильтрации результатов частотно-временного преобразования распределённых измерений наблюдаемой сцены.

Реализация и внедрение результатов работы. Полученные в диссертации теоретические и практические результаты использованы в рамках комплексной инновационной научно-технической программы Государственного комитета РФ по высшему образованию 13.22 (1993-1996 г. проект «Создание комплексов обработки изображений и средств отображения информации»), а также внедрены на предприятиях при выполнении следующих научно-исследовательских и опытно-конструкторских работ:

по теме №022801 «Комплекс цифрового управления и обработки сигналов оптической пеленгационной установки» в ГУП КБ Приборостроения, 2000 г.

по теме №170001 «Разработка комплекса программного обеспечения телевизионного автомата боевой машины комплекса «Панцирь» в ГУП КБ Приборостроения, 2002 г.

по теме «Исследование технических и программных средств авиони-ки» в ФГУП «Санкт-Петербургское ОКБ «Электроавтоматика», 2002 г.

по теме №27-2000 «Программный комплекс классификации целей по данным радиолокационного наблюдения» (шифр «Всплеск») в ФГУП НИИ «Стрела», 2003 г.

по теме «Разработка методики, алгоритма и программы для восстановления малоконтрастного («угасающего») изображения» в ФГУП РФ «НИИ репрографии», 2004 г.

Часть исследований была выполнена при поддержке Министерства образования РФ и губернатора Тульской области:

грант губернатора Тульской области в сфере науки и техники №21-2000 от 05.12.2000 г. «Исследование процесса разрушения информации на магнитных носителях».

грант Министерства образования РФ № 17103 Гр. 01.200.105186 за 2001-02 гг. «Математическое моделирование параллельных процессов в ме-хатронных системах».

грант губернатора Тульской области в сфере науки и техники №18-2001 от 16.01.2002 г. «Исследование информационных процессов идентификации объектов».

Результаты диссертации использованы при выполнении госбюджетных научно-исследовательских работ по научно-технической программе «Научные исследования высшей школы по приоритетным направлениям науки и техники», проект №09.01.056 «Концепция и методология информационного проектирования программно-технических измерительных и управляющих систем подвижных объектов», проводимых в Тульском государственном университете, а также нашли применение в учебном процессе.

Апробация работы. Содержание и основные результаты диссертации докладывались на следующих научно-технических конференциях и семинарах:

1. Всероссийская научно-техническая конференция «Биотехнические, медицинские и экологические системы и комплексы», РГРА, Рязань, 1996 г. 2. Международная школа-семинар «Новые информационные технологии», Судак, 1996 г. 3. Межвузовская научно-техническая конференция «Микроэлектроника и информатика», МГИЭТ (ТУ), Москва, 1997 г. 4. XI Межвузовская научно-техническая конференция, ТВ АИ, Тула, 1997 г. 5. III Международная конференция «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации», КГТУ, Курск, 1997 г. 6. Всероссийская научно-техническая конференция «Биотехнические, медицинские и экологические системы и комплексы», РГРА, Рязань, 1997 г. 7. Научно-техническая конференция 3 ЦНИИ МО РФ, Москва, 1997 г. 8. 35-ая Научно-техническая конференция Михайловской артиллерийской академии, Санкт-Петербург, 1997 г. 9. XIV (1997) и XV (1998) Научные сессии, посвященные Дню радио, ТулГУ, Тула, 1997-98 гг. 10. Всероссийская межвузовская научно-техническая конференция «Микроэлектроника и информатика», МИЭТ, Москва, 1998 г. 11. I (1999) и II (2000) Всероссийские научно-технические конференции «Компьютерные технологии в науке, проектировании и производстве», НГТУ, Нижний Новгород, 1999-2000 гг. 12. XII Научно-техническая конференция «Пути совершенствования ракетно-артиллерийских комплексов, методов их эксплуатации и ремонта», ТАИИ, Тула, 1999 г. 13. Международная научная конференция «Математические методы в технике и технологиях -ММТТ-12», НГУ, Великий Новгород, 1999 г. 14. Всероссийская научно-техническая конференция «Информационные технологии в науке, проектировании и производстве», Верхневолжское отделение Академии технологических наук РФ, Нижний Новгород, 2000 г. 15. Всероссийские научно-технические конференции «Системы управления электротехническими объектами», ТулГУ, Тула, 2000-02 гт. 16. Региональная научно-техническая конференция «Интеллектуальные и информационные системы», ТулГУ, Тула, 2000 г. 17. Международная научная конференция «Математические методы в технике и технологиях - ММТТ-14», Смоленский филиал МЭИ (ТУ), Смоленск, 2001 г. 18. Всероссийская научно-практическая конференция «Проблемы информатизации образования», ТулГУ, Тула, 2001 г. 19. Всероссийская научно-техническая конференция «Новые информационные технологии в научных исследованиях и образовании», РГРА, Рязань, 2002 г, 20. Межрегиональная научно-техническая конференция «Интеллектуальные и информационные системы», ТулГУ, Тула, 2003 г. 21. Всероссийские научно-технические конференции «Проблемы специального машиностроения». Тула, 2000-03 гг. 22. XL Всероссийская конференция по проблемам математики, информатики, физики и химии, РУДН, Москва, 2004 г. 23. Электронная конференция «Приоритетные направления развития науки, технологий и техники», Российская академия естествознания, Москва, 2004 г.

Публикации. По теме диссертации опубликованы 62 работы, в том числе: 1 монография, 2 учебных пособия, 26 тезисов докладов на междуна-

родных, всероссийских, региональных и отраслевых конференциях и семинарах, 32 статей, получено 1 свидетельство об отраслевой регистрации разработки.

Структура и объём работы. Диссертация состоит из введения, 7 разделов, заключения, изложенных на 333 страницах машинописного текста, и включающих 83 рисунка и 4 таблицы, приложений на 62 страницах и списка использованной литературы из 210 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении к диссертации рассматривается актуальность темы, сформулированы цель и направление исследований, определены объект, предмет и методы исследования, дана общая характеристика работы, включающая научную и практическую новизну, реализацию результатов, апробацию работы и публикации. Приведены объём и структура и даны краткие аннотации разделов диссертации.

В 1-ом разделе диссертации дано определение информационно -измерительной системы как средства оценки состояния наблюдаемого объекта, обеспечивающего снятие неопределённости в результате выполнения измерительной операции. Показано, что структурно исследуемые системы состоят из совокупности датчиков первичных сигналов (сенсорная подсистема), вычислителя, реализующего алгоритм обработки регистрируемой информации и оконечных устройств, обеспечивающих формирование выходной реакции ИИС (рис. 1).

Показано, что объект наблюдения, выступающий в качестве источника информации, характеризуется внутренним состоянием 8, которое проявляется в среде в форме сигналов допускающих наблюдение и регистрацию ' техническими средствами. Обобщённый аргумент задаёт пространство Н, в котором происходит генерация и регистрация сигналов, и может включать в себя координаты времени, метрического пространства, диапазона оптического спектра и т.п. Физическая природа сигналов может быть различной, в зависимости от типа наблюдаемого объекта (акустические, оптические, тепловые, электромагнитные излучения, механические воздействия и т.п.). Наряду с объектом окружающая среда, как правило, также формирует сигналы аналогичной природы, которые с точки зрения ИИС выступают в качестве шумов (паразитные засветки, активные радиопомехи, тепловой шум и т.п.). Подобные шумы являются мешающим фактором, борьба с которым входит в задачи функционирования ИИС.

Практически всегда зависимости представляют собой случай-

ные функции, причём случайность может возникать как собственно за счёт случайных внешних помех, шумов и иных погрешностей измерения, так и за счёт внутренних свойств наблюдаемого объекта. Однако, рассматривая крайние случаи таких зависимостей, можно выделить две группы ИИС. К

первой группе будут относиться ИИС, для которых характерна высокая корреляция вплоть до функциональной связи между оцениваемым состоянием и регистрируемыми сигналами, а величины случайных возмущений невелики (ИИС, выполняющими прямое измерение состояния).

- состояние объекта ОУ - оконечные устройства формирования реакции Д - датчики первичных сигналов; Рис. 1. Циркуляция информации по подсистемам ИИС и этапам обработки

Ко второй группе относятся ИИС, формирующие оценку состояния наблюдаемого объекта в случаях, когда связь между оцениваемым и регистрируемым параметрами является неоднозначной, а величины внешних и внутренних возмущающих факторов велики. Точная оценка состояния по одному параметру при этом, как правило, оказывается затруднительной или невозможной (ИИС, выполняющими косвенное оценивание состояния).

По характеру измерений, выполняемых ИИС для формирования искомой оценки состояния объекта наблюдения, можно выделить ИИС с сосредоточенными и с распределёнными измерениями. Сосредоточенность измерений в пространстве/времени допустима в случае оценки простых параметров объекта (вес, геометрические размеры, температура, давление, напряжение) и наличии априорной определённости момента времени и/или пространственного положения наблюдаемого объекта, параметры которого оцениваются.

В случае, когда такая определённость отсутствует, или когда представляет интерес динамика наблюдаемого процесса, измерения производятся распределённо во времени и/или в пространстве, причём результаты единичных измерений (отсчёты) в процессе обработки обычно сохраняют упорядоченность.

Рассматривая в совокупности оба фактора - степень подобия и рас-пределённость/сосредоточенность измерений, можно выделить класс ИИС,

для которых характерно распределённое косвенное оценивание состояния наблюдаемого объекта. К таким ИИС относятся системы тепловизионного и радиолокационного наблюдения, системы сканирования и обработки изображений, системы обработки речевых сигналов и др.

Проведённый анализ различных вариантов реализации информационно-измерительных систем показывает наличие значительного количества систем, обладающих сходной структурой и свойствами. Это позволяет расширить объект исследования до класса объектов, обладающих, как можно ожидать, сходными методами исследования.

Приведена модель наблюдаемого объекта, функционирование которого рассматривается как поток смен состояний, которые не наблюдаются непосредственно, но характеризуются и, соответственно, могут быть идентифицированы по генерируемому объектом сигналу При переходе системы в состояние запускается генератор формирующий сигнал обладающий определённым вектором характерных признаков

на сумматоре 2 и, возможно, фильтруются фильтром Б. Кроме сигналов £,(г|) на один из входов сумматора может подаваться сигнал е(г|) аддитивной помехи Е.

С точки зрения внешнего наблюдателя векторы информативных при-

алфавита, определяемого типом наблюдаемого объекта. Задача распознавания в таких системах может сводиться либо к определению момента смены состояния в процессе М, либо к определению периодов времени, в которые процесс пребывает в некотором подмножестве состояний

В качестве признаков могут выступать спектральные плотности

плотности распределения вероятностей сигналов (или, соот-

ветственно, ряды распределения величин сигналов для дискретного случая), автокорреляционные функции сигналов К^х) и т.п.

В ИИС рассматриваемого класса подсистема обработки и распознавания представляет собой совокупность аппаратных и программных средств, обеспечивающих преобразование первичных сигналов, поступающих от сенсорной подсистемы, в выходную реакцию системы.

Эта подсистема содержит алгоритмы формирования оценки действительного состояния 5 наблюдаемого объекта, причём в зависимости от целей функционирования системы такая оценка может либо использоваться непосредственно для формирования выходной реакции ИИС, либо применяться как один из дополнительных факторов, влияющих на ход сигнальной обработки.

размерностью Сигналы с генераторов суммируются

представляют собой символы некоторого конечного

Предварительная обработка первичных сигналов (блок на рис. 1) может включать в себя нормализацию, фильтрацию шумов, переупорядочение отсчётов сигнала (например, аффинные преобразования отдельных кадров многокадровой модели изображения), ортогональные преобразования и т.п. Её основной целью является преобразование первичных сигналов в форму, удобную для дальнейшей обработки.

В процессе проектирования ИИС для оценки 5 состояния наблюдаемого объекта выбирается некоторое множество информативных признаков

|х]>--->Хлг(х)}' образующих признаковое пространство X. Выбор пространства должен быть осуществлён таким образом, чтобы различным состояниям системы соответствовали различные области в X. Блок А\ вычисляет

вектор оценок информативных признаков для текущего на-

бора отсчётов входных сигналов, а блок выполняет его классификацию,

формируя искомую оценку состояния наблюдаемого объекта.

Постобработка (блок обеспечивает преобразование найденной

оценки в сигнал, поступающий в оконечные устройства с целью формирования реакции системы.

Существует подкласс информационно-измерительных систем, задачей функционирования которых является не собственно оценка состояния наблюдаемого объекта, а регистрация формируемых им сигналов с некоторой их обработкой. В качестве примера можно привести системы сканирования изображений, обеспечивающие формирование цифровых моделей изображений. Обработка в таких случаях обычно сводится к повышению качества визуального восприятия изображения, что может достигаться за счёт фильтрации случайных помех, изменения интегральных характеристик изображения (яркости, контраста, гистограммы распределения цветовых оттенков) и т.п. Несмотря на номинальное отсутствие в подобных системах блока оценки состояния объекта в смысле, определённом выше, фактически обработка также может включать в себя методы выделения в регистрируемых сигналах некоторых характерных состояний с целью повышения общей эффективности обработки. Например, для преобразования кадров многокадровой модели изображения в единую систему координат в процессе предобработки возникает необходимость отыскания в них общих точек. В этом случае произвольная локальная область изображения может принимать одно из множества состояний: фон или одна из опорных точек, по которым производится совмещение. Полученные оценки не используются непосредственно для формирования реакции системы, однако они влияют на постобработку - собственно многокадровую фильтрацию изображения. Таким образом, подобные ИИС также можно описать схемой, показанной на рис. 1.

Процесс оценки состояния наблюдаемого объекта сформулирован как последовательность этапов:

фрагментирование регистрируемого сигнала оконной функцией, обеспечивающей локализацию результатов последующей обработки во времени и/или пространстве;

формирование оценки информативных признаков путём применения некоторого множества преобразований к выбранному фрагменту; формирование оценки состояния наблюдаемого объекта. Показано, что увеличение размеров окна обработки, с одной стороны, позволяет получать более надёжные и подробные оценки информативных признаков регистрируемых сигналов, однако, с другой, - снижает точность определения момента времени или области пространства, в которых сигнал обладает такими признаками - т.е. ухудшает пространственно-временную локализацию получаемой оценки. Одновременно увеличивается вероятность того, что окно «накроет» более одного события в потоке смен состояний, что негативно сказывается на возможности конечной идентификации состояния наблюдаемого объекта.

Величина шага смещения окна, с одной стороны, определяет общий объём вычислительных затрат, необходимых для реализации частотно-временного преобразования. С увеличением шага смещения общий объём вычислений, очевидно, снижается. Однако с другой стороны рост величины шага смещения повышает вероятность пропуска очередного состояния наблюдаемого объекта.

Традиционно проблема выбора ширины окна и шага его смещения решалась исходя из необходимости обеспечения возможности последующего синтеза сигнала по результатам его частотно-временного преобразования. Если ограничиться лишь вопросами анализа регистрируемых распределённых измерений в рамках выбранной модели объекта, можно сформулировать следующую возникающую задачу: зная статистические характеристики процесса функционирования наблюдаемого объекта оценить оптимальный с точки зрения вычислительных затрат и допустимой погрешности определения времени шаг смещения окна и ширину оконной функции.

Разработана классификация методов обработки распределённых измерений по информативному признаку сигнала, в котором заключена информация о состоянии. К основным группам отнесены методы, основанные на неупорядоченном обобщении — оценке функции плотности распределения значений сигнала (пороговая сегментация, гистограммное оценивание и др.), методы, основанные на упорядоченном обобщении - оценке спектральной плотности сигнала (оконные ортогональные преобразования с постоянной шириной окна; преобразования с переменной шириной окна) и методы, основанные на оценке близости формы сигналов (корреляция с моделями эталонных сигналов, согласованная фильтрация и др.).

В 2-ом разделе исследован вопрос выбора метода обработки результатов распределенных измерений на основании оценки информативности сообщения, которое формируется в результате их дискретизации и квантования по уровню.

Рассматривается система из двух переключаемых генераторов сигналов, статистические свойства отсчетов которых характеризуются, соответственно гистограммами Пр и П^, а в качестве меры информативности выбрана энтропия G и Н. Первый генератор условно назван «фоном», второй - «целью».

Показано, что если в множестве, состоящем из М х N отсчетов, символ определяется статистикой а один из символов определяется статистикой и если местоположение «цели» относительно «фона» a priori неизвестно, то к неопределенностям гистограмм П^, и П^

добавляется urni ггн^ггггттмгтг. пягттпттпжр.тлгсг «тп' ги,. ття и '.мпп^г.к-'гтлц х е

К К М N '

Hbt = ~(MN -1) I рк In pk - I qk In qk - £ £ rmn In rmn k= 1 A=1 m-\n=\

MN-l

= (MN-l)HJZ + Gn + F = -^-HMN + Gn + F,

где - значения вероятностей из гистограммы «фона» и «цели», соот-

ветственно, F - составляющая энтропии, возникающая как следствие случайного местонахождения пикселя, представляющего образ «цели», относительно множества пикселей, представляющих образ «фона»:

Проведен анализ-энтропии отдельно взятого отсчета распределенного измерения в ситуации, когда он может нести информацию, как о «цели», так и о «фоне», равной

где Нр, Ну - энтропии образа «фона» и «цели», соответственно; г - априорная вероятность появления «цели».

Показано, что величины Нр, Нг для стационарных параметров

генераторов и вероятности появления «цели» являются постоянными, а ве-

1+-

Як'

Ml-').

-г In

1 +

Р&-Г) 9tr

уменьша-

личина

4=1

ет энтропию сигнала. Величина к характеризует остаточную неопределенность разделения «цели» и «фона». В пределе, когда выполняются условия

Показано, что остаточная неопределенность классификации «цели» не зависит от местоположения порога разделения на гистограмме, если порог расположен внутри области перекрывающихся значений отсчетов. Сме-

щение порога за указанную область приводит к увеличению остаточной неопределенности.

Показано, что если в информационно-измерительных системах исследуемого класса результаты распределенных измерений подвергаются алгоритмической обработке, в результате чего из отсчетов лтп, принимающих К

значений, формируется отсчет атп, принимающий Ь значений, то Ь < К и энтропия На символа атг1 не превышает энтропии Нй. Кроме того показано, что любая алгоритмическая обработка результатов распределенных измерений символа не уменьшает остаточной неопределенности разделения «цели» и «фона».

Если в результате распределенных измерений генератор, выдающий сигнал, соответствующий образу «цели», формирует более одного отсчета, то энтропия значений отсчетов определяется выражением

где s - вероятность того, что исследуемый отсчет совпадает с центром образа «цели».

Вследствие того, что генератор «цели» формирует более одного отсчета, появляется дополнительная информация, которая может быть использована для понижения неопределенности выделения отсчетов указанного генератора. В частности, «цель» может быть представлена сообщением, состоящим из К символов каждый из которых имеет значение частоты появления отсчета с соответствующей величиной. Каж-

дый из символов

может принять одно из значений,

с вероятностями

однако указанные значения не могут считаться

некоррелированными, т.к. существует рекуррентная система ограничений на них:

где - значения символов, о которых были сделаны соответ-

ствующие предположения.

Энтропия последовательности {.9,, ...,&к, :.,9К}

где 12.....к-\ ' условная энтропия, при условии, что отсчеты с первого

по принимают соответствующие значения.

Операцию формирования гистограммы можно рассматривать как алгоритмическую обработку, которая меняет энтропию сообщения. Алгорит-

мической обработке подвергаются как отсчеты генератора «цели», так и отсчеты генератора «фона». В последнем случае формируется сообщение с энтропией Н(.

В случае несовпадения статистик гистограмм совокупности отсчетов генераторов «цели» и «фона», энтропия сообщения включает составляющие

и и V - значения условных вероятностей для соответствующих символов.

Ошибка выделения отсчетов, принадлежащих генератору «цели» может быть уменьшена следующими способами:

путем исключения из анализа и принятия решения значений символов

|&1,..и {с^,...,^,...,^}, гистограммы которых содержат перекрывающиеся области;

путем анализа изображений в ^-мерном пространстве, каждое измерение которого соответствует одному из символов гистограммы;

путем проведения дополнительной обработки и расчета по значениям гистограмм некоторой интегральной оценки.

Решена задача определения плотности распределения значений гистограммы при многократных замерах отсчетов «цели» и «фона». Доказано, что при рассмотрении некоррелированных сигналов, или использовании достаточно больших апертур фильтра распределение значений отсчетов гистограммы является биномиальным. Показано, что в отличие от схемы Бернулли при анализе гистограмм интерес представляют не абсолютные числа положительных исходов, а их относительные частоты При этом несколько модифицируются выражения для математического ожидания и дисперсии

В частности, математическое ожидание найденного ряда распределения будет равно

Доказательство утверждения выполнено методом математической индукции.

Дисперсия ряда распределения, рассматриваемого для заданного И, определяется выражением:

Доказательство этого утверждения осуществляется аналогичным образом.

Полученные зависимости позволяют определить диапазон, в который будут попадать оценки плотности распределения /(х) по гистограмме Н для заданного объёма выборки и априорных вероятностей появления значений сигнала

Сделан вывод о том, что при ограниченном размере апертуры построенная по ней гистограмма будет носить случайный характер. Элементы А, гистограммы будут распределены биномиально, при этом их математическое ожидание будет равно априорной вероятности появления в сигнале отсчетов со значением Дисперсия элементов убывает с ростом объёма выборки Ы, т.е. увеличение размеров апертуры делает оценку ряда по гистограмме статистически более обоснованной. Найденные зависимости позволяют определить целесообразность использования гистограммных оценок при решении задачи распознавания.

В случае если значения отсчетов «фона» ктп и л^ коррелированны

или статистически связны, то энтропия события, заключающегося в появлении единственного пикселя, являющегося образом «цели» на множестве статистически связных пикселей «фона», и остаточная неопределенность разделения «цели» и «фона» определяются зависимостями, соответственно

где - энтропия статистически связных символов.

Если «цель», так и «фон» представлены множествами связных пикселей, то результат распределенных измерений содержит дополнительную информацию, которая позволяет отличить «цель» от «фона» даже при слабоконтрастных «целях». В этом случае перебор значений отсчетов генератора «цели» и «фона» предложено рассматривать как марковские процессы, для которых определены вероятности значений каждого следующего отсчета по значению предыдущего отсчета. Если рассматривать каждую реализацию марковского процесса как единственный символ, принимающий соответствующее значение, то энтропия сообщения генераторов «фона» и «цели» принимают вид, соответственно

где Ж— количество реализаций; - вероятность формирования \v-ii реализации, складывающаяся из вероятностей перехода марковского процесса в сопряженные состояния.

В этом случае также, неопределенность различения генераторов «це-

№

ли» и «фона» (1-^) £

1 +

IV

+ 5 £ «„,111 1 +

может

^"Ш" пк," I иж8 А

)вания решающего правила разделения це

служить критерием для формирова почек символов.

Показано, что одним из существенных недостатков метода прямого разделения «цели» и «фона» по реализациям является значительный потребный объем памяти ЭВМ, необходимой для хранения описаний цепочек. В этом случае рекомендовано использование ортогональных преобразований с формированием соответствующих спектров. В результате указанных преобразований получено выражение для энтропии гармоники

где - энтропия априорного предположения о том, что цепочка симво-

лов принадлежит «цели»;

- энтропия появления гармоники как

символа «цели»;

- энтропия появления гармоники как символа «фона»; - неопределенность в распознавании принадлежности гармоники (принадлежал ли символ Г^, «цели» или «фону», т.е. Г^ = Г. или = ТтЬ ), равная

УМ

2=]

1 +

+ 5 X иГ}21п

1 +

Т/Г

Предложено из частот спектра отбирать те, для которых отношение достигает минимума (подобные частоты можно назвать характерными для данной «цели»). Из характерных частот может быть сформировано т-мерное пространство, в котором и следует проводить распознавание «цели». Если в состав характерных частот входит нулевая частота, это значит, что для определения «цели» достаточно порогового разделения, или гистограммного метода.

В 3-ем разделе рассмотрены вопросы оценки состояния наблюдаемого объекта по генерируемым им сигналам с локально изменяющимися во времени и/или пространстве спектрами.

Построена модель сигнала со скачкообразно изменяющейся локальной спектральной плотностью, формально определяемая как

где и £2(0 " сигналы первого и второго генераторов со спектраль-

ными плотностями соответственно; - момент скачкооб-

разного переключения генераторов; 1(/) — единичная функция Хевисайда.

При рассмотрении сигнала на всей области определения его спектр является нестационарным. С течением времени в нём меняются все гармонические составляющие. Однако в рамках выбранной модели подобное изменение сосредоточено в единственной точке 1-х. Таким образом, выделение момента наступления события в подобном сигнале обуславливает необходимость синтеза такого частотно-сигнального преобразования (ЧСП), в котором, во-первых, наличие гармоник от соседних с моментом наступления события участком сказывается незначительно (т.е. ЧСП должно обеспечивать локальность формируемых оценок во времени) и, во-вторых, все гармоники выделяются достаточно эффективно, т.е. без существенного взаимного влияния.

Определена форма ядра ЧСП как произведение: V (í, cov, w)=exp(j ay )■ W (t, w),

где - комплексная экспонента с параметром определяющем

частоту основной анализируемой гармоники сигнала; W(t,w) - оконная функция, обеспечивающая локализацию анализируемого фрагмента сигнала во временной области; w - параметр оконной функции, определяющий ширину локализуемого фрагмента сигнала.

Комплексная экспонента в последнем выражении определяет избирательные свойства ядра ЧСП в частотной области, тогда как оконная функция W(t,wj - в сигнальной. Конкретная форма iV(t,w) может быть различной, (что определяет, в том числе, частотные свойства ядра ЧСП в целом). Кроме того, будем полагать чётной функцией, т.е.

имеющей собственную спектральную плотность

Если ширину ядра ЧСП, в пределах которой у^ю^.Э,*) принимает ненулевые значения, ограничить интервалом

где р - некоторое целое число, то его периодическое продолжение у* ((0^,0,/) можно представить рядом":

Y*((Ov,e,í)= I слехр(>ау), c„=^-Jv(oov>e,í)exp(-jra»ví)dí;

ЧСП сигнала с помощью функции имеет вид:

y(üV,ex(t)y(av,Q,t)át.

С учетом того, что вне интервала (¡iJj) ядро ЧСП равно нулю, последнее выражение можно представить в виде:

- 2 1 -

Таким образом, независимо от конкретного вида ядра, результат ЧСП сигнала можно рассматривать как взвешенную сумму преобразований этого сигнала с помощью комплексной экспоненты ехр^ЖОу/^, ограниченной

прямоугольным окном {1\,12)4

Рассмотрены частотные характеристики различных оконных функций, традиционно использующихся в спектральном анализе.

Синтезированы два основных вида ядер ЧСП с постоянной и переменной относительно начала окна фазой. Ядро с постоянной фазой:

Доказано утверждение, что с точки зрения процессов определения момента наступления события методами спектрального анализа не имеет

принципиального значения, какую из функций и

использовать в качестве ядра ЧСП.

Показано, что при использовании для формирования

локальной оценки спектра по множеству дискретных отсчетов сигнала вычисления можно существенно сократить, перейдя к рекурсивной форме преобразования. Действительно, если оконная функция, ограничивающая 2р периодов комплексной экспоненты, представлена 2// + 1 отсчетами, отстоящими друг от друга на интервал то оценка спектральной составляющей в дискретной форме будет иметь вид:

где - дискретное смещение оконной функции по временной оси.

Если значение вычислено, то величина

дет оггоеттелятъся выпажением:

бу-

^ (ш^е^^р - Л^)ДЗГ)-Ч/((т - /V) ДГ,со1)/10т)+

+х((т + N +1) Д Т) • V ((т + N +1) Д Т, ю, Ът ),

что требует меньших вычислительных затрат, чем прямой расчёт.

Исследованы процессы преобразований моногармонического сигнала с событием типа «амплитудно-фазовый скачок»:

;с(/) = (Ь+1(/-т)с)-ехр^ш/) + (Ь+1(/-т)с)-ехр(-^со/), где 6 = д,/2-ехр(]ф1), с = [а2/2-ехр(]ф2)-а]/2-ехр(]ф1)], а Ь,с - комплексно сопряженные значения Ь и с соответственно.

Показано, что в зависимости от взаимного расположения оконной функции ЧСП и события в сигнале можно выделить три основных случая, определяющих значение результирующего преобразования Ч^СОу.б).

Случай 1: Т>(б + р-. В область интегрирования попадает лишь сигнал поскольку верхний предел интегрирования меньше, чем

точка наступления события:

Случай 2: + В область интегрирования попадает

лишь сигнал поскольку нижний предел интегрирования больше, чем

точка наступления события:

Случай 3: (0 - р • 2ту со^ ]<т<(0 + p-lnja^y Область интегрирования накрывает момент переключения сигнала с £i(i) на &2(0> в результате чего определяется совместным действием приведённых выше вы-

ражений.

Анализ найденных зависимостей показывает, что в обоих случаях (до события + р-1 Cöy^ и после событияz<(Q + р-2пjö)yрезультатом

частотно-временного преобразования Ч^Ю^,©^ является сумма двух комплексных экспонент ехр(у0(П + ю)) и ехр^0(П — со)), которые умножаются на комплексные числа, не зависящие от 0. При стремлении (0^ к ю величина Чт^Юу,©^ для этих случаев оказывается равной:

lira xP(wv,0)=-S-exp(-j91); lim 4/(cow,0)=^2-exp(-jv2).

г л _1СЛ ^ ' ()1 /л _i ел \ т / ЛЛ

При отклонениях со^ ОТ Ю величина Ч^СО^.б^ уменьшается.

Случай 3 соответствует некоторому переходному процессу, ширина которого определяется шириной оконной функции ЧСП. Таким образом, анализируя характер изменения оказывается возможным иден-

тифицировать последовательности событий описанного типа.

Предложен метод оценки допустимой ширины окна ЧСП, в основу которого положено предположение о стационарном пуассоновском потоке смен состояний в наблюдаемом объекте с интенсивностью X. При прочих равных локальной точность оценки спектральной плотности возрастает с увеличением ширины w оконной функции, поэтому с точки зрения простоты и достоверности идентификации текущего состояния объекта целесообразно выбирать окно максимально широким. Однако чрезмерное увеличение w очевидно снижает точность привязки событий ко времени (пространственным координатам). Верхняя граница w может быть оценена исходя из следующих соображений. С ростом w увеличивается вероятность возникновения нескольких событий в пределах оконной функции, что, очевидно, не позволит идентифицировать их в дальнейшем. При принятых допущениях одновременное наличие в границах окна двух или более событий возникает в случае, если а значит вероятность того, что в окна со-

держаться два или более события равна />2 (>!') = < Учитывая известную плотность распределения длительности интервала между событиями в пуассоновском потоке, получим:

Обозначив допустимую вероятность попадания двух событий в одно окно как (3, из последнего выражения получим оценку верхней границы допустимой величины ширины окна:

Таким образом, верхняя допустимая граница ширины окна ЧСП уменьшается с уменьшением допустимой вероятности попадания двух событий в его пределы.

Предложен метод оценки допустимого шага Д9 смещения окна в процессе выполнения частотно-сигнального преобразования. Очевидно, что с увеличением снижаются вычислительные затраты на выполнение частотно-временного преобразования, однако одновременно с этим растёт вероятность пропуска отдельного события. Для её оценки и обоснования рационального выбора Дб рассмотрены возможные случаи взаимного расположения событий в потоке и оконной функции ЧСП в процессе спектрального анализа, выполнена их классификация на благоприятствующие анализу состояния наблюдаемого объекта, и являющиеся недопустимыми (пропуски событий). Оценены вероятности их возникновения для за-

данной интенсивности смен состояний, ширины окна и величины шага смещения. Найдена оценка вероятности возникновения ошибки при анализе сигналов, I[орП'к' ггтгг.гV гп/яг.г.пттпвг.к'ими гтпттег.г.ямтт*

Показан характер изменения вероятностей реализации отдельных случаев при выполнении частотно-временного преобразования.

Предложен метод идентификации состояния объекта по распределённым измерениям с обработкой в частотной области. Сформулирован квадратичный критерий близости амплитудного спектра наблюдаемой реализации сигнала и эталонного амплитудного спектра 5,э(со), характеризующего отдельное состояние объекта:

где П - диапазон анализируемых частот. Минимум этого критерия позволяет принять решение о принадлежности анализируемых результатов измерений состоянию объекта.

Поскольку отдельная реализация набора регистрируемых измерений является в той или иной степени случайной, рассчитываемые на её основе составляющие спектра также будут содержать элемент случайности.

В первом приближении можно считать, что для каждого класса объектов основная их часть сосредоточена в диапазоне при этом

границы интервала располагаются симметрично относительно соответствующей эталонной плотности Зд-Ди), и ширина интервала пропорциональна дисперсии амплитудного спектрального коэффициента.

Величины критериев Ф,- будут также содержать элемент случайности, изменяясь для различных реализаций сигнала от некоторого минимального, до некоторого максимального значений. Для того, чтобы распознавание состояния по оценке локальной спектральной плотности регистрируемого сигнала оставалось возможным, необходимо выполнение условия:

Показано, что для любой пары состояний с индексами можно

выделить три типа множеств частотных интервалов: для которого вы-

полняется условие - для условия

П

и множество

При этом

Наихудшему для оценки состояния наблюдаемого объекта случаю соответствует реализации сигнала со спектральной плотно-

стью определяемой выражением:

Величина будет равна:

\2

I (ЯэвИ-Я/.эМ) 40 + \ (^.энН-^эС®)) <1<Л

п1,у

П3,У

Последнее выражение можно интерпретировать следующим образом: 0.2 ,у представляет собой зону неопределённости, в которой эталонные амплитудные спектры сигналов, описывающих ¿-ое и у-ое состояния наблюдаемого объекта, могут принимать одинаковые значения. Его расширение сокращает полезный диапазон частот, по которым может проводиться анализ, и, следовательно, затрудняет идентификацию состояния объекта.

С другой стороны, величина тахФ,-определяется шириной

интервала значений в котором могут изменяться величи-

ны спектральных коэффициентов, и анализируемым диапазоном частот Поскольку величина критерия Ф неотрицательная, исключение из анализа

интервалов типа уменьшает значение при этом величина

остаётся неизменной. Таким образом, для повышения качества

идентификации состояния наблюдаемого объекта с использованием спектральных характеристик регистрируемых сигналов, при наличии интервалов типа их целесообразно исключать из рассмотрения. Показано, что если для эталонных сигналов каждого состояния известны априорно, или оценены экспериментально на этапе обучения системы распознавания, автокорреляционные функции то дисперсию элементов амплитудного спектра можно оценить как:

Предложенный метод позволяет оценить целесообразность использования оценок спектральных плотностей сигналов в качестве информативных признаков при решении задачи оценки текущего состояния наблюдаемого объекта, а также определить наиболее подходящие для анализа интервалы частот по известным корреляционным функциям сигналов, описывающих состояния наблюдаемого объекта.

В 4-ом разделе диссертации рассматриваются вопросы обработки массивов распределённых измерений, формируемых в результате радиолокационного сканирования местности. Исследовано влияние микропрофиля дороги на характер перемещений подвижных наземных объектов (ПНО). Показано, что результирующие амплитудные характеристики спектральных плотностей движений кабины представляют собой кривые, имеющие один, или два максимума, лежащих в области средних частот, которые подлежат оцениванию при трассировке доплеровской составляющей.

Разработан алгоритм трассировки доплеровской составляющей, обеспечивающий выделение в частотно-временном преобразовании доминирующей компоненты в условиях наличия помех. Суть алгоритма сводится к выполнению линейной фильтрации каждого временного среза преобразования с использованием оконной функции вида:

где - постоянный коэффициент, величина которого определяет ширину получающегося окна; / - момент времени, в который оценивается спектр наблюдаемого сигнала; - расположение искомой частотной со-

ставляющей в предыдущий момент времени.

Отфильтрованные результаты ЧСП в точке ? определяются выражением:

5*(со,/) = 5'(со,/)-Ж(сй,г),

при этом новое значение доплеровской составляющей равно: сод(г) = а^тах|5*(ом)}.

Рассмотрены вопросы сокращения вычислительных затрат на расчёт ЧСП. Предложен быстрый рекурсивный алгоритм оконного преобразования Фурье, представляющий собой обобщение известного рекурсивного алгоритма оценивания мгновенного спектра на случай сдвига окна преобразования на более чем один отсчёт.

5-ый раздел посвящен анализу систем формирования и обработки многокадровых моделей изображений. Сформулировано понятие многокадровой модели изображения, как множества кадров 1 = формируемых в результате многократного сканирования некоторой неподвижной или медленно меняющейся сцены. Процесс фильтрации подобных моделей кратко описывается следующим образом. Если формирование модели проходило в условиях инвариантности сканируемой сцены при полной неподвижности оптической системы сканера, то любой точечный объект сцены будет представлен множеством пикселей с равными координатами

в соответствующих кадрах. Это позволяет производить фильтрацию модели, рассчитывая элементы

результирующего изображения, далее обозначаемого как

путём некоторого преобразования соответствующих элементов из всех (к)

гг1

входных кадров г

Вид преобразования Ф определяет свойства фильтра и должен выбираться исходя из требований, предъявляемых к фильтру. Рассмотренный подход позволяет осуществить фильтрацию шума без подавления высоких пространственных частот полезного сигнала, поскольку при формировании элемента результирующего изображения не используется

информация о яркости элементов, смежных с элементами из

входных кадров.

В общем случае элемент результирующего изображения

может быть сформирован посредством применения одного или нескольких последовательных функциональных преобразований к значениям

(*)

пикселей из некоторых локальных областей входных кадров вклю-

чающих в себя элементы Но даже в этом случае качество фильт-

рации будет выше вследствие большего объема накапливаемой статистики.

В реальных условиях в процессе сканирования неизбежно возникают сдвиги как сканируемой сцены, так и оптической системы сканирующего устройства. Это означает, что некоторый точечный объект & сканируемой

сцены на разных кадрах будет представлен пикселями с различными

координатами. Таким образом, для осуществления фильтрации модели необходимо найти соответствие между системами координат различных кадров. Для этого были введены вспомогательные определения базового и приводимого кадров, базовой и приводимой точки.

Базовый кадр - кадр многокадровой модели изображения, к системе координат которого приводятся все остальные кадры модели. Приводимый кадр - кадр многокадровой модели изображения, система координат которого приводится к системе координат базового кадра. Базовая точка - пиксель, отображающий точечный объект сканируемой сцены в базовом кадре Приводимая т - пиксель, отображающий точечный объект сканируемой сцены в приводимом кадре

Показано, что произвольный выбор некоторого кадра модели в качестве базового, не является оптимальным. В качестве критерия оптимальности предложено рассматривать минимизацию суммарной площади областей с неопределенным значением яркости, возникающих в результате совмещения кадров.

Сформулирован критерий формирования множества базовых точек, обеспечивающий выделение в базовом кадре некоторых «характерных» пикселей, которые в дальнейшем можно будет с достаточной точностью идентифицировать в приводимых кадрах.

Определен критерий формирования множества провидимых точек. Найдена оценка достоверности определения координат приводимой точки в условиях воздействия аддитивного белого гауссовского шума.

Разработана процедура преобразования кадров многокадровой модели изображения в единую систему координат. Очевидно, что любые два кадра можно привести к единой системе координат, выполнив над одним из них

один линейный сдвиг на вектор Д = и один поворот относительно

некоторой наперед заданной точки с координатами на угол Оба

этих преобразования обеспечивают сохранение расстояний и, как следствие, неизменность масштаба и формы.

Поскольку отдельная базовая точка Р^ и соответствующая

ей приводимая точка характеризуют один и тот же точечный

объект Э„, на основании различий в их координатах можно определить пас-СО) Ак) гл

раметры совмещения кадров Однако вследствие наличия шу-

ма, дискретного характера модели и т.п. точное определение координат приводимых точек невозможно, поэтому параметры совмещения кадров рассчитываются исходя из условия обеспечения экстремального значения некоторого критерия качества совмещения кадров. В случае монохромных моделей изображений при одновременном отсутствии априорной информации о степени точности координат той или иной приводимой точки в качестве такого критерия предложена зависимость вида

где - координаты приводимой точки в кадре после

поворота и сдвига; 1 — функция расстояния между базовой точкой и соответствующей ей приводимой точкой после поворота и сдвига.

В результате, оптимальные, в рамках предложенного критерия, пара-

метры совмещения кадров F^ и F^ будут определяться выражениями f N-1 N-1 N-1 ^

Т.«» - со8ф(*>' £ - sin«p<*> v

N

r N

V i=0

(N-1

z

w=0

i=0 /=0

eos ф^

I

i=0

, N-\ /=0

I I I У^!^- V ?(*> V 77(0)

V ;=0

/=0

/=0

1=0 ¡=0

1=0

(Ь1~ 1 Л/-1 д/_1

(*)'V-СО- л/V #)-(<».

ЛГ-1

ч/=0 1=0 ЛГ-1

-Л' I «=0

1=0 1=0 1=0

Предложена итерационная процедура, обеспечивающая уточнение параметров преобразования кадров в единую систему координат, заключающаяся в последовательном определении среди приводимых точек той, которая имеет наибольшую погрешность совмещения, и исключении ее из множества приводимых точек с последующим перерасчетом параметров преобразования кадров в единую систему координат. Подобная процедура значительно повышает точность совмещения кадров и общее качество многокадровой фильтрации.

В 6-ом разделе рассмотрены вопросы динамического формирования областей поиска приводимых точек, обеспечивающие существенное ускорение обработки. Кратко предложенная методика заключается в следующем. Поиск приводимой точки в общем случае должен осуществляться в пределах некоторой локальной области приводимого кадра, размеры которой определяются априорно заданными максимальными величинами сдвигов отдельных кадров. Мощность множества базовых и соответственно приводимых точек выбирается существенно больше минимально необходимой, что позволяет компенсировать возможные ошибки идентификации в процессе поиска приводимых точек. Поскольку ошибки определения координат приводимых точек являются случайными величинами, то параметры совмещения кадров, вычисляемые на основе различий в координатах базовых и приводимых точек, так же содержат некоторую случайную ошибку. Показано, что с ростом мощности множеств приводимых точек эта ошибка стремится к нулю. Однако, уже после определения координат нескольких приводимых точек становится возможным вычисление предварительных оценок параметров преобразования кадров модели в единую систему координат, которые позволяют с достаточной точностью прогнозировать местоположение очередной приводимой точки. Это позволяет осуществлять её поиск в области с размерами, определяемыми не предельными величинами сдвигов кадров, а верхней оценкой границы ошибки определения параметров преобразования, которая значительно меньше.

Разработаны различные варианты фильтров многокадровых моделей изображения. Процесс локальной фильтрации однокадровой модели сводится к выполнению определенной последовательности преобразований над элементами изображения, входящими в некоторую его область, ограниченную плоской апертурой, как правило, прямоугольной формы. В случае фильтрации многокадровых моделей изображений апертура фильтра рас-

сматривается как некоторая объемная область, включающая пиксели из различных кадров модели изображения.

Наиболее простой фильтр образует апертура-столбец. Если координаты текущего формируемого пикселя результирующего кадра -то апертура-столбец для этого пикселя будет включать в себя элементы изображения из всех кадров модели с координатами (хс,ус}. Эти элементы образуют множество

При этом элемент выходного, отфильтрованного изображения является результатом некоторого функционального преобразования Ф, выполненного над элементами множества Л

Конкретный вид преобразования определяет тип фильтра.

В общем случае, при фильтрации многокадровых моделей изображений апертура представляет собою прямую призму, высота которой соответствует количеству кадров, входящих в модель. Чаще всего в качестве подобной апертуры используется параллелепипед, длина и ширина которого характеризуют размеры области, образующейся в результате пересечения апертуры с плоскостью соответствующего кадра.

Координаты геометрического центра апертуры (хс,ус) совпадают с

координатами текущего формируемого пикселя результирующего изображения, а длина и ширина составляют соответственно (2и+1) и (2ьН-1). При этом элементы модели изображения, ограниченные апертурой, образуют множество

где - матрица с элементами модели изображения, находящимися внутри области А в кадре

Если принадлежность элемента к кадру игнорируется,

то есть, над всеми элементами множества А одновременно осуществляется единообразная обработка, то процесс фильтрации фактически сводится к рассмотренной выше фильтрации с использованием апертуры-столбца.

Однако в данном случае более эффективным является применение комбинированных фильтров. Процесс комбинированной фильтрации распадается на несколько этапов. На первом к каждому подмножеству А^ множества А отдельно применяется некоторое преобразование В результате этого формируется множество промежуточных результатов

На втором этапе к этому множеству применяется еще одно преобразование в результате которого формируется искомый элемент

хс,ус) результирующего отфильтрованного изображения.

Таким образом, в общем виде процесс комбинированной фильтрации можно представить как

где - преобразования над элементами соответствующих множеств.

По виду преобразований предложено несколько различных

вариантов комбинированных фильтров многокадровых моделей изображений.

Медиано-линейный фильтр: элемент результирующего изображения в этом случае будет определяться выражением

В этом фильтре в пределах отдельного кадра (множества А^) осуществляется медианная фильтрация, а непосредственно элемент выходного, отфильтрованного изображения формируется путем линейной фильтрации множества промежуточных результатов. Использование медианы в качестве преобразования Ф[, обеспечивает малое размывание областей с высоким уровнем контраста. Вместе с тем, линейный вид преобразования усредняет результаты обработки по различным кадрам, тем самым, компенсирует возможные ошибки.

Линейно-медианный фильтр: элемент результирующего изображения в этом случае будет определяться выражением

где Н — матрица весовых коэффициентов окна апертуры размерностью Вид элементов этой матрицы будет определять тип линейного фильтра.

Медиано-медианный фильтр: элемент результирующего изображения в этом случае будет определяться выражением

Описанные фильтры могут применяться также в итерационной форме, с изменением размеров и формы апертуры или параметров весовой функции на различных проходах. Стратегия применения определяется конкретными целями обработки изображения.

Предложена методика аффинных преобразований кадров многокад-, ровой модели, учитывающая дискретный характер изображения. Кратко, она заключается в следующем. Элемент матрицы изображения рассматривается как интегральный показатель, характеризующий интенсивность излучения, падающего на некоторую компактную выпуклую область плоскости непрерывного изображения, формируемого оптической системой, обладающую конечными размерами. Таким образом, при выполнении сдвигов и поворотов кадров модели, осуществляющихся в процессе совмещения кадров, элементы результирующего изображения вычисляются с учетом яркостей окружающих пикселей, что позволяет снизить проявление «лестничного» эффекта и повысить общее качество обработки изображения.

Предложена методика обработки областей с неопределенными значениями яркости пикселей, возникающими на периферийных областях приводимых кадров в результате их преобразования в систему координат базового кадра. Методика основана на введении дополнительного кода, описывающего признак неопределенной яркости. Предложена процедура преобразования модели изображения, обеспечивающая сохранение длины разрядной сетки кодов яркости при минимальном внесении искажений, а также, модифицированные процедуры фильтрации моделей с подобными кодами.

7-ой раздел диссертации посвящен вопросам цифровой обработки слабоконтрастных изображений угасающих документов. Задача связана с тем, что в настоящее время в архивах страны имеется значительное количество документов, состояние которых в силу длительного хранения и низких свойств основы или красителя, использованных при изготовлении, столь плохи, что оригиналы могут быть полностью утрачены. Использование микрофильмирования в случае угасающих документов оказывается затруднительным или невозможным в силу их несоответствия требованиям ГОСТ 13.1.002. «Репрография. Микрография. Документы для съемки. Общие требования и нормы». В разделе приведён анализ причин возникающих сложностей микрофильмирования, предложено использовать гибридную технологию микрофильмирования, отдельным этапом которой является цифровая обработка слабоконтрастных изображений, с последующим выводом на микрофильм с использованием СОМ-систем.

Анализ структуры документов позволил сделать вывод, что в большинстве случаев исходное изображение состоит из однотипных элементов, которые можно интерпретировать как распределённые в метрическом пространстве состояния наблюдаемого объекта. Совокупное множество состояний несёт информацию об элементах изображения, соответствующих различным видам текста и фона. Каждое состояние характеризуется условной многомерной плотностью распределения ве-

роятностеи значении, принимаемых принадлежащими ему пикселями

Показано, что прямые процедуры повышения контраста для данных типов изображении оказываются малоэффективными. Предложен метод контрастирования, основанный на разбиении множества состояний в на два непересекающихся подмножества 8 = - текста (Б^) и фона (Б/,). В

результате общая задача обработки оригинала была рассмотрена как совокупность двух подзадач:

оценки состояния каждои локальнои области пространства изображения с целю отнесения образующих пикселеи к одному из состоянии

{5"/}. и

формирования результирующего пикселя Р'('л) с учётом принадлежности его тому или иному состоянию объекта.

Экспериментальные исследования угасающих оригиналов показали, что в подавляющем большинстве случаев гистограммы состоянии возможно с достаточнои точностью аппроксимировать многомерным нормальным распределением вида:

где

№

- матрица центральных моментов второго порядка; с1е1

обобщённая дисперсия 1-го многомерного распределения; ^ ^

- центр распределения;

4

Я.Ю

к]к

-]

; Б и СОУ - дисперсия и

ковариация соответственно.

Элементы матрицы моментов при этом оцениваются непосредственно по обрабатываемому изображению:

где - число пикселеи, образующих зону

Элементы вектора центра распределения представляют собои оценки математических ожидании величин соответствующих цветовых составляющих с у изображения в пределах зоны А:. и могут быть оценены анало-з .......1 1 1 '■" 1 1 •**

гично:

| МЫШОТЕКА I

I т —- - ■ I

I щт* 2 » О И» ш......^

М

Номер состояния, к которому следует отнести анализируемый пиксель, в этом случае можно определить как

Состояние с найденным номером, обозначаемое как используется в дальнейшем при решении задачи формирования выходного результирующего изображения Для этого предложено несколько алгоритмов, зависящих от вида изображения (бинарное, полутоновое и т.д.).

В частности, для формирования полутоновых результирующих изображений предложено следующее правило: из всех значений

/г г = необходимо выбрать пару макси-

мальных - среди чисел, соответствующих состояниям подмножества и - среди чисел, соответствующих состояниям подмножества и рассчитать яркость результирующего пикселя по формуле:

где величину изменяющуюся от 0 до 1, можно рассматривать как дополнительный параметр, варьируя который можно регулировать средний уровень яркости результирующего изображения.

Предложен метод низкочастотной фильтрации изображений с низким контрастом, обеспечивающий подавление шума, вызванного неравномерным старением красителей и основы исходных документов, который обеспечивает снижение обобщённой дисперсии распределений, описывающих соответствующие состояния объектов и, за счёт этого, повышение общего качества обработки. Основная идея фильтра заключается в оценивании степени близости точек, попадающих в окно фильтрации, в метрическом и цветовом пространстве, и использовании для фильтрации лишь тех из них, для которых мера близости превысила заданный заранее порог. Метод позволяет усреднять протяжённые однородные области изображения, снижая на них уровень шума и, одновременно слабо воздействует на границы областей, не вызывая их значительного размытия.

Полученное в результате предварительной обработки изображение может быть непосредственно выведено на микрофильм с использованием СОМ-системы, либо распечатано на бумажный носитель и микрофильмировано обычным способом.

В заключении сделаны выводы по работе, сформулированы основные научные и практические результаты диссертации.

ЗАКЛЮЧЕНИЕ

1. В работе решена важная народно-хозяйственная проблема синтеза информационно-измерительных систем в части обоснования рационального выбора метода обработки результатов распределённых измерений, основанного на аналитическом описании информационных процессов в объектах наблюдения и установления связи этих процессов с характеристиками сигналов, формируемых объектом.

2. Исследованы варианты структур информационно-измерительных систем для решения различных задач по регистрации и обработке сигналов. Показано, что существует класс ИИС с общими задачами, функционирование которых может быть сведено к выполнению ряда измерений, распределённых во времени и/или пространстве.

3. Выполнен анализ и синтезирована обобщённая структура информационных потоков и последовательность этапов обработки данных в системах рассматриваемого класса. Показано, что отличительной особенностью таких ИИС является наличие блока (алгоритма) формирования оценки состояния наблюдаемого объекта, которая может использоваться непосредственно для формирования реакции системы, либо опосредованно, при постобработке входной информации.

4. Исследованы методы решения целевых задач обработки сигналов. Показано, что основным методом обработки распределённых измерений является обобщение результатов измерений во многих точках времени/пространства, в качестве которых может служить упорядоченное обобщение - спектр, и неупорядоченное - гистограмма.

5. Построена модель сигнала со скачкообразно изменяющейся локальной спектральной плотностью. Показано, что при анализе событий типа «амплитудно-фазовый скачок» ширина переходного процесса определяется шириной окна ядра ЧСП. Её увеличение снижает точность локализации формируемых оценок Спектра в пространстве сигнала, но повышает их разрешение по частоте и/или надёжность. Верхняя граница ширины окна оценена исходя из допустимой вероятности одновременного возникновения двух и более событий в пределах области ненулевых значений оконной функции.

6. Найдены зависимости для определения шага смещения окна ЧСП для заданной интенсивности потока смен состояний наблюдаемого объекта и допустимой вероятности пропуска события.

7. Разработан метод оценки целесообразности использования в качестве информативного признака упорядоченного обобщения - спектра, включающий определение интервалов характерных частот, в результате анализа априорно известных корреляционных функций сигналов, описывающих состояния наблюдаемого объекта.

8. Разработан формализованный подход к выбору метода обработки результатов распределённых измерений, основанный на оценке информа-

тивности формируемых системой сообщений и статистических характеристиках сигналов, описывающих различные состояния объекта

9. Определены понятия многокадровой модели изображения, базового и приводимого кадра, базовой и приводимой точки. Разработан метод многокадровой обработки, включающий методику выбора базового кадра, методику формирования множества базовых точек, методику поиска приводимых точек с использованием гистограммных и спектральных признаков. Выполнена оценка точности определения координат приводимой точки в условиях воздействия аддитивного белого гауссова шума.

10. Сформулирован критерий и найдены оптимальные оценки параметров совмещения кадров. Разработана методика преобразования кадров многокадровой модели изображения в единую систему координат, включающая итерационную процедуру динамического формирования областей поиска приводимых точек при преобразовании кадров, обладающую меньшей вычислительной сложностью по сравнению с прямым поиском.

11. Показано, что алгоритмы линейной и нелинейной локальной фильтрации могут быть обобщены на случай обработки многокадровых моделей изображений. Предложены варианты локальных фильтров многокадровых моделей изображений с различной формой апертуры. Рассмотрены вопросы компенсации краевых эффектов при фильтрации периферийных областей кадров многокадровой модели.

12. Задача обработки слабоконтрастных изображений угасающей документации сформулирована и решена как задача оценки распределённого в метрическом пространстве состояния сканируемой сцены, используемой в постобработке, в процессе фильтрации и контрастирования.

13. Разработан метод низкочастотной пространственно-зависимой фильтрации слабоконтрастных изображений, обеспечивающий усреднение яркости и цветового оттенка протяжённых однородных областей изображения без значительного воздействия на границы объектов.

14. Разработан алгоритм трассировки доплеровской составляющей для случая обработки данных радиолокационного наблюдения, и предложены средства сокращения вычислительных затрат при выполнении их анализа.

15. Прикладные результаты работы внедрены при решении конкретных проектных задач создания информационно-измерительных систем обработки распределённых измерений в рамках ряда научно-исследовательских и опытно-конструкторских работ.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Содержание диссертации опубликовано в 62 работах, основными из которых являются:

1. Котов В.В. Организация интерфейса для сканирующих устройств с радиальной разверткой // Алгоритмы и структуры систем обработки информации. Тула: ТулГУ, 1996. - С. 67-77.

2. Котов В.В., Игнатьева Т.В. Технология улучшения изображений на основе многокадровой обработки // Автоматизация и современные технологии. №7,1997. - С. 15-19.

3. Игнатьев В.М., Котов В.В. Особенности аффинных преобразований многокадровых моделей изображений // Научно-технический сборник № 14 Тула: Изд-во ТВАИУ, 1997. - С. 92-102.

4. Игнатьев В.М., Котов В.В. Использование многокадровой обработки при флюоресцентном ангиографическом исследовании // Сборник тезисов докладов III Международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации». - Курск: Курский гос. тех. ун-т., 1997. - С. 101102.

5. Данилкин Ф.А., Котов В.В. Динамическое формирование областей поиска приводимых точек при обработке многокадровых моделей изображений // Известия Тульского государственного университета. Серия Вычислительная техника. Автоматика. Управление. Том 1. Выпуск 1: Вычислительная техника. - Тула: ТулГУ, 1997. - С. 28-35.

6. Игнатьев В.М., Котов В.В. Методика преобразования координат растровых моделей изображений // Известия Тульского государственного университета. Серия Вычислительная техника. Автоматика. Управление. Том 1. Выпуск 2: Автоматика. -Тула: ТулГУ, 1997. - С. 90-95.

7. Игнатьев В.М., Котов В.В. Методика компрессии многокадровых моделей изображений на основе эффективного кодирования // Известия Тульского государственного университета. Серия Математика. Механика. Информатика. Том 3. Выпуск 2. -Тула: ТулГУ, 1997. - С. 31-38.

8. Abuzova I.V., Ignatiev V.M., Kotov V.V., Larkin E.V. The method of multiframe image filtering // Machine Graphics & Vision. Vol. 7, No. 3, 1998. -P.645-654.

9. Котов В.В., Игнатьева Т.В. Технология пространственных преобразований многокадровых моделей изображений // Автоматизация и современные технологии. №7,1998. - С. 17-21.

10. Данилкин Ф.А., Котов В.В., Ларкин Е.В. Выделение кривых на круговых диаграммах // Известия Тульского государственного университета. Серия Математика. Механика. Информатика. Том 4. Выпуск 4. - Тула: ТулГУ, 1998.-С. 21-23.

11. Котов В.В. Особенности компьютерной обработки сканированных изображений диаграммных бланков // Математические методы в технике и технологиях - ММТТ - 12: Сб. трудов Международной научной конференции в 5-ти томах. Т.5. Секция 11, 12 / Новгородский государственный университет. Великий Новгород, 1999. - С. 29-31.

12. Ларкин Е.В., Котов В.В., Титов СВ. Особенности оценки временных характеристик распределенных информационно-измерительных систем // Известия Тульского государственного университета. Серия: Проблемы специального машиностроения. Выпуск 3. Часть 1. Тула: ТулГУ, 2000, - С. 385-389.

13. Данилкин Ф.А., Котов В.В. Машинный анализ сканированных изображений круговых диаграмм // Известия Тульского государственного университета. Серия: Вычислительная техника. Автоматика. Управление. Том

2. Выпуск 3. Управление. Тула: ТулГУ, 2000. - С. 158-162.

14. Данилкин Ф.А., Котов В В. Методы обработки многокадровых моделей изображений. - Тула: Тул. гос. ун-т, 2000. - 96 с.

15. Котов В.В., Ларкин ЕВ. К вопросу о применении вейвлет-анализа для решения задач распознавания // Известия Тульского государственного университета. Серия: Математика Механика Информатика. Том 6. Выпуск

3. Информатика. Тула: Изд-во ТулГУ, 2000/- С. 79-82.

16. Ларкин Е.В., Котов В.В., Титов СВ. Оценка временных характеристик алгоритмов // Известия Тульского государственного университета. Серия: Математика. Механика. Информатика. Том 6. Выпуск 3. Информатика. Тула: Изд-во ТулГУ, 2000. - С. 98-102.

17. Данилкин Ф.А., Котов В .В. Методы анализа систем микрофильмирования на основе частотно-контрастных характеристик // Известия Тульского государственного университета. Серия Вычислительная техника. Автоматика. Управление. Том 2. Выпуск 3. Управление. Тула: ТулГУ. 2000. -СЛ58-162.

18. Котов В.В., Басалова Г.В. Обнаружение одиночных объектов на теп-ловизионных изображениях // Научно-технический сборник №18. — Тула: ТАИИ, 2001.-С. 94-100.

19. Котов В.В. Применение вейвлетов различных типов для анализа событий // Известия Тульского государственного университета. Серия: Вычислительная техника. Автоматика. Управление. Том 3. Выпуск 3. Управление. Тула: ТулГУ, 2001.-С. 165-167.

20. Котов В В. Инструментальное программное обеспечение вейвлет-анализа для решения задач распознавания // Математические методы в технике и технологиях — ММТТ - 14: Сб. трудов Международной научной конференции в 6-ти томах. Т.5. Секции 7, 8 / Смоленский филиал Московского энергетичес. инс-та (техн. ун-та). Смоленск, 2001. - С. 104.

21. Ларкин Е.В, Котов В.В. Особенности идентификации событий методами вейвлет-анализа // Известия Тульского государственного университета. Серия: Математика. Механика. Информатика. Том 7. Вып. 3. Информатика-Тула: Изд-во ТулГУ, 2001. - С. 96-103.

22. Ларкин Е.В., Котов В.В. Поиск целей на тепловизионных изображениях // Известия Тульского государственного университета. Серия: Проблемы специального машиностроения. Выпуск 4 (часть 2). Тула: Изд-во ТулГУ, 2001.-С. 25-28.

23. Котов В.В., Киселев А.Н. Применение вейвлет-преобразования в задачах распознавания фонем // Известия Тульского государственного университета. Серия: Математика. Механика. Информатика. Том 7. Вып. 3. Информатика - Тула: Изд-во ТулГУ, 2001. - С. 73-77.

24. Шаталов И.Е., Котов В.В., Ларкин Е.В. Определение момента наступления события с помощью вейвлет-анализа // Известия Тульского государ-

ственного университета. Серия: Математика. Механика. Информатика. Том 7. Вып. 3. Информатика-Тула: Изд-воТулГУ,2001.-С. 153-156.

25. Басалова Г.В., Котов В.В. Архивное хранение информации в технических системах. - Тула: Тул. гос. ун-т, 2001, — 102 с.

26. Котов В.В., Киселёв А.Н. Формантный анализ на основе вейвлет-преобразования речевых сигналов // Известия Тульского государственного университета. Серия Проблемы управления электротехническими объектами. Выпуск 2. Сборник трудов всероссийской научно-технической конференции «Системы управления электротехническими объектами». Секция 5. - Тула: Изд-во ТулГУ, 2002. - С. 156-157.

27. Котов В.В. Трассировка основных частотных составляющих одномерных сигналов // Известия Тульского государственного университета. Серия: Проблемы специального машиностроения. Вып. 5, часть 1. - Тула: Изд-во ТулГУ, 2002. - С. 321-324.

28. Котов В.В., Киселёв А.Н. Адаптивный спектральный анализ речевых сигналов на основе использования статистической модели объекта // Известия Тульского государственного университета. Серия Вычислительная техника. Автоматика. Управление. Том 4. Выпуск 1 Вычислительная техника. - Тула: Изд-во ТулГУ, 2002. - С.64-70.

29. Котов В.В. Оценка скорости отображения информации в бортовых системах управления // Известия Тульского государственного университета. Серия Вычислительная техника. Автоматика. Управление. Том 4. Вып. 3. Управление. - Тула: Изд-во ТулГУ, 2002. - С. 98-104.

30. Котов В.В., Киселёв А.Н. Выбор признаков в задаче построения системы автоматического распознавания речи // Известия Тульского государственного университета. Серия Проблемы специального машиностроения. Вып. 5. Ч. 2. - Тула: Изд-во ТулГУ, 2002. - С. 164-167.

31. Котов В.В., Соколов В.А. Идентификация событий при решении задач распознавания // Известия Тульского государственного университета. Серия Проблемы специального машиностроения. Вып. 6. Ч. 2. - Тула: Изд-во ТулГУ, 2003. - С. 62-65.

32. Котов В.В. Ускорение вычислений при обработке сигналов радиолокационного наблюдения // Известия Тульского государственного университета. Серия Проблемы специального машиностроения. Вып. 6. Ч. 2. - Тула: Изд-во ТулГУ, 2003. - С. 375-378.

33. Котов В.В., Зиборов О.В. Особенности аппроксимации векторных изображений отрезками прямых // Известия Тульского государственного университета. Серия Вычислительная техника. Информационные технологии. Системы управления. Том 1. Вып. 1. Системы управления. - Тула: Изд-во ТулГУ, 2003. - С. 70-75.

34. Котов В.В. Критерии поиска соответствующих точек при многокадровой обработке // Известия Тульского государственного университета. Серия Вычислительная техника. Информационные технологии. Системы управления. Том 1. Вып. 1. Системы управления. - Тула: Изд-во ТулГУ, 2003.-С. 81-85.

* 19869

-4035. Котов В.В., Соколов ВА Частотное мультиплексирование с применением вейвлет-анализа сигналов / Интеллектуальные и информационные системы: Материалы межрегиональной научно-технической конференции. // Тула: Изд-во ТулГУ, 2003 - С. 86-89.

36. Котов В В., Зиборов О.В. Алгоритм выделения примитивов из поля регрессии. / Интеллектуальные и информационные системы: Материалы межрегиональной научно-технической конференции // Тула: Изд-во ТулГУ, 2003. - С. 90-93.

37. Котов В.В., Соколов В.А Оценка оптимальных параметров частотно-временных преобразований сигналов // Известия Тульского государственного университета. Серия Вычислительная техника. Информационные технологии. Системы управления. Т. 1. Вып. 2. Вычислительная техника. — Тула Изд-во ТулГУ, 2003. - С. 30-35.

38. Котов В.В., Киселев А.Н. Ускорение вычисления непрерывного вейвлет-преобразования при анализе высокочастотных компоненты сигналов // Известия Тульского государственного университета. Серия Вычислительная техника. Информационные технологии. Системы управления. Т. 1. Вып. 2. Вычислительная техника. — Тула: Изд-во ТулГУ, 2003. - С. 113-120.

39. Kalachik R., Kotov V. Fractal image compression. GlobalDSP [электронный ресурс], 2004. GlobalDSP, Vol. 3, Issue 5, May 2004. Режим доступа: httpV/www.globaldsp.com, свободный. - Заголовок с экрана.

40. Бобылёв Л.И., Гаврилин А.П., Данилкин Ф.А., Котов В.В. Цифровая обработка изображений угасающих документов при микрофильмировании // Вопросы оборонной техники (серия 7) Вып. 1 (167), 2004. - С. 33-41.

41. Котов В.В., Хмельницкий Д.В. Низкочастотная фильтрация изображений угасающих документов // XL Всероссийская конференция по проблемам математики, информатики, физики и химии. Тезисы докладов. Секции физики. - М.: Изд-во РУДН, 2004. - С. 86-89.

42. Котов В.В. Использование гистограммных оценок в задачах распознавания // Успехи современного естествознания. №4, 2004. - С. 40-43.

43. Свидетельство об отраслевой регистрации разработки № 3540. Виртуальный лабораторный стенд частотно-временного анализа сигналов /Котов В.В., Соколов В А Отраслевой фонд регистрации алгоритмов и программ - 2004.

44. Котов В.В. Распределённые измерения: методы обработки. - Тула: Изд-во ТулГУ, 2004. - 140 с.

Формат 60 ж 84 1/16 Печать офсетная Бумага офсетная Объем 2,5 п л Тираж 100 ъкз Заказ №

Тульский государственный университет 300600, Тула, просп Ленина, 92 Издательство ТулГУ 300600, Тула, ул Болдина, 151

ВВЕДЕНИЕ.

Раздел 1. АНАЛИЗ ПРОЦЕССОВ ОБРАБОТКИ РАСПРЕДЕЛЁННЫХ ИЗМЕРЕНИЙ В ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ.

1.1. Обобщённая схема информационных потоков в ИИС.

1.2. Варианты реализации ИИС и решаемые задачи.

1.3. Модель формирования сигнала наблюдаемым объектом.

1.4. Последовательность этапов обработки сенсорной информации в ИИС.

1.5. Модель формирования оценки состояния объекта.

1.6. Методы обработки распределённых измерений.

1.7. Выводы и постановка задач диссертации.

Раздел 2. ИДЕНТИФИКАЦИЯ МОМЕНТОВ НАСТУПЛЕНИЯ СОБЫТИЙ

ПУТЁМ АНАЛИЗА ПЛОТНОСТИ РАСПРЕДЕЛЕНИЯ.

2.1. Информационные характеристики распределённых измерений.

2.2. Энтропия образа цели и фона при некоррелированных значениях пикселей 2.3. Алгоритмическая.обработка единственного пикселя.

2.4. Пространственная цель.

2.5. Оценка локальной плотности распределения вероятностей значений сигнала по гистограмме.

2.6. Единственный пиксель цели при коррелированных значениях пикселей фона.

2.7. Пространственная цель при коррелированных значениях пикселей цели и фона.

2.8. Выводы.

Раздел 3. ИДЕНТИФИКАЦИЯ МОМЕНТОВ НАСТУПЛЕНИЯ СОБЫТИЙ

ПУТЁМ АНАЛИЗА СПЕКТРАЛЬНОЙ ПЛОТНОСТИ СИГНАЛА.

3.1. Введение.

3.2. Событие как изменение спектральных характеристик сигнала.

3.3. Выделение МНС с помочью частотно-сигнального преобразования.

3.4. Общая форма частотно-временного преобразования.

3.5. Исследование частотных характеристик некоторых оконных функций

3.6. Событие типа «амплитудно-фазовый скачок».

3.7. Синтез ядер ЧСП.

3.8. Частотно-временное преобразование сигнала.

3.9. Исследование реакции ЧСП на событие типа «амплитудно-фазовый скачок».

3.10. Оценка допустимой ширины окна ЧВП и шага смещения при частотно-временном анализе сигналов.

3.11. Идентификация состояния объекта в частотной области.

3.12. Выводы.

Раздел 4. ОБРАБОТКА РЕЗУЛЬТАТОВ РАСПРЕДЕЛЁННЫХ ИЗМЕРЕНИЙ РАДИОЛОКАЦИОННОГО СКАНИРОВАНИЯ МЕСТНО- " СТИ.:.

4.1. Введение.

4.2. Формирование входного сигнала.

4.3. Характеристика возмущающих воздействий на ПНО.

4.4. Движение кабины ПНО.

4.5. Частотный анализ движения ПНО.

4.6. Метод выделения доплеровской частотной составляющей.

4.7. Метод вычисления оконного ДПФ при малых значениях шага смещения окна.

4.8. Экспериментальные исследования процессов обработки распределённых измерений радиолокационного сканирования.

4.9. Выводы

Раздел 5. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОЦЕССА ОБРАБОТКИ МНОГОМЕРНЫХ РАСПРЕДЕЛЁННЫХ ИЗМЕРЕНИЙ.

5.1. Введение.

5.2. Задача преобразования кадров в единую систему координат.

5.3. Методика выбора базового кадра.

5.4. Методика формирования множества приводимых точек с использованием корреляционного критерия в области изображения.

5.5. Методика формирования множества приводимых точек с использованием корреляционного критерия в спектральной области.

5.6. Методика формирования множества базовых точек.

5.7. Оценка точности определения координат приводимой точки в условиях воздействия аддитивного белого гауссова шума.

5.8. Преобразование кадров в единую систему координат.

5.9. Методика оценки параметров преобразования кадров в единую систему координат.

5.10. Выводы.

Раздел 6. МЕТОДЫ ОБРАБОТКИ МНОГОКАДРОВЫХ МОДЕЛЕЙ ИЗО- " БРАЖЕНИЙ.

6.1. Динамическое формирование областей поиска приводимых точек при обработке ММИ.

6.2. Аффинные преобразования многокадровых моделей изображений.

6.3. Фильтры многокадровых моделей изображений с апертурой-столбцом

6.4. Фильтры многокадровых моделей изображений с апертурой-призмой.

6.5. Обработка периферийных областей приводимых кадров.

6.6. Выводы.

Раздел 7. МЕТОДЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ УГАСАЮЩИХ ДОКУМЕНТОВ.

7.1. Введение.

7.2. Анализ проблем микрофильмирования угасающих документов.

7.3. Система гибридного микрофильмирования как информационно-измерительная система.

7.4. Формирование множества состояний наблюдаемого объекта.

7.5. Процедуры повышения контраста.

7.6. Оценка состояния объекта.

7.7. Формирование результирующего состояния на основе оценки состояния объекта.

7.8. Метод пространственно-зависимой фильтрации зашумлённых слабоконтрастных изображений.

7.9. Экспериментальные исследования программно-технического комплекса формирования и обработки цифровых моделей изображений угасающей документации.!.

7.10. Выводы.

Актуальность проблемы. Современный этап развития информационно-измерительных систем (ИИС) [70-71, 120, 2, 7, 8] характеризуется, во-первых, увеличением объёмов первичной регистрируемой информации, на основе которой осуществляется принятие дальнейших решений при выработке управляющих воздействий, и, во-вторых, усложнением методов её обработки, расширением круга задач, решаемых подобными системами.

С одной стороны, это обуславливается стремлением разработчиков упростить эксплуатацию подобных ИИС, повысить эффективность их функционирования и расширить сферы применения, к которым, в первую очередь, можно отнести проведение научных и технических экспериментов, управление высокотехнологичными производственными процессами [135, 34, 140], использование интеллектуальных робототехнических систем [154, 151, 175], биомедицинские исследования [110], организацию эргономичных речевых интерфейсов с вычислительными системами [137], а также различные военные приложения, включающие оптическую [134] и радиолокацию [25, 123], обнаружение, измерение координат и классификацию движущихся наземных и воздушных целей [1, 12, 95, 131] и др.

С другой стороны постоянное совершенствование технической базы информационно-измерительных систем, проявляющееся в разработке специализированных сигнальных процессоров с повышенной вычислительной эффективностью, увеличении ёмкости и быстродействия запоминающих устройств, наличии широкой номенклатуры датчиков первичных сигналов, — обеспечивает возможности практической реализации всё более сложных методов обработки информации, использующих всё большие объёмы первичных регистрируемых данных.

Современное развитие информационно-измерительных систем идёт в направлении перехода от статических измерений отдельных величин к регистрации величин, изменяющихся во времени и пространстве и использованию одновременно большого количества результатов измерений с дальнейшей их централизованной обработкой.

Множество различных задач, связанных с обработкой распределённых измерений, породило множество разнообразных методов и алгоритмов их решения [155, 145, 147, 70, 81, 125, 136, 139, 5]. Общепринятым путём повышения точности результатов измерений является применение более чувствительных датчиков, сенсоров с повышенной селективностью и т.п. Однако само по себе применение более совершенных технических средств не всегда способно обеспечить желаемый результат, вызывая, вместе с тем, удорожание аппаратуры.

Поэтому в последнее время в нашей стране и за рубежом значительные усилия направляются на разработку математических моделей ИИС, обрабатывающих результаты распределённых измерений. Несмотря на достигнутые результаты, общая методология моделирования информационно-измерительных систем обработки распределённой измерительной информации в настоящее время отсутствует, что объясняет актуальность работы.

Несмотря на то, что объект наблюдения номинально не входит в состав элементов ИИС, структура и алгоритмы её функционирования существенным образом зависят от вида объекта и целей, которые ставятся перед ИИС при его восприятии. Рассматривая функционирование наблюдаемого объекта как процесс смен внутренних состояний, а конечную цель его восприятия ИИС как формирование оценки текущего состояния, можно выделить два важных фактора, определяющих способы моделирования ИИС: тесноту связи между регистрируемыми первичными сигналами и искомой оценкой состояния объекта и степень распределенности измерений.

Первый фактор может варьироваться от высокого уровня корреляции (вплоть до функциональной связи) между оцениваемым состоянием и регистрируемыми сигналами при малом уровне помех, до корреляции с незначительным уровнем, когда связь становится неоднозначной, а величины внешних и внутренних возмущающих факторов велики. Точная оценка состояния по отдельному измерению в последнем случае становится затруднительной или невозможной.

По характеру измерений, выполняемых ИИС (второй фактор), можно выделить системы с сосредоточенными и распределёнными измерениями. Сосредоточенность измерений в пространстве/времени допустима в случае оценки простых параметров объекта и наличии априорной определённости момента времени и/или пространственного положения наблюдаемого объекта, параметры которого оцениваются. В случае, когда такая определённость отсутствует или когда представляет интерес динамика наблюдаемого процесса, измерения производятся распределённо во времени и/или в пространстве, причём результаты единичных измерений (отсчёты) в процессе обработки обычно сохраняют упорядоченность.

Вышеизложенное позволяет сделать вывод, что в области информационно-измерительных систем существует отдельный класс объектов, представляющих собой программно-технические комплексы, состоящие из сенсорной подсистемы, ряда функциональных компонентов (узлов и блоков) по преобразованию информации, вычислительную подсистему и средства формирования реакции, которые осуществляют серию распределённых и упорядоченных во времени и/или пространстве измерений одного или нескольких параметров наблюдаемого объекта, и формируют оценку состояния объекта на основе обработки совокупности воспринятой информации.

Предмет исследования диссертационной работы может быть определён как способы оценивания состояния наблюдаемого объекта при проведении многократных распределённых измерений сигналов, несущих информацию о его состоянии.

При создании моделей ИИС обработки результатов распределённых измерений необходимо обеспечивать адекватность отражения ими значимых аспектов функционирования подобных систем, к числу которых относятся следующие: наличие лишь общих требований к воспринимаемой информации, в которой может содержаться (а может и не содержаться) релевантная составляющая; регистрируемые ИИС сигналы лишь косвенным образом связаны с состоянием наблюдаемого объекта, оценка которого и является целью функционирования системы; процесс функционирования ИИС может рассматриваться как процесс обработки распределённых во времени и/или метрическом пространстве результатов измерений сигналов, генерируемых объектом.

Подходов к моделированию, в равной степени учитывающих все перечисленные аспекты, в настоящее время не существует, поэтому в диссертации разработан подход, который опирается на аналитические методы математического моделирования: теория ортогональных преобразований и спектрального анализа, теория сигналов, теория фильтрации, теория информации.

Экспериментальные исследования проводились с использованием методов статистического моделирования на естественных массивах распределённых измерений, формируемых ИИС различных типов, в частности системами радиолокационного сканирования местности, телевизионными и тепловизионными системами наблюдения, сканерами с микрофильмов.

Цель диссертационной работы решении проблемы синтеза информационно-измерительных систем в части обоснования рационального выбора метода обработки результатов распределённых измерений, основанного на аналитическом описании информационных процессов в объектах наблюдения и установления связи этих процессов с характеристиками сигналов, формируемых объектом.

- — - - - Задачи исследований. - ^ *

1. Построение обобщённой схемы наблюдаемого объекта, отражающей структуру его взаимосвязей с ИИС и моделирующей процесс генерации сигналов, воспринимаемых и обрабатываемых ИИС.

2. Исследование особенностей информационных процессов в ИИС, которые оказывают влияние на их технические характеристики и разработка подхода к их моделированию и проектированию на основании аналитических методов.

3. Построение обобщённой структуры процессов обработки в ИИС результатов распределённых измерений.

4. Разработка методологии оценки информационных свойств различных типов обработки результатов распределённых измерений, с целью последующего выбора метода обработки, минимизирующего ошибку оценки состояния наблюдаемого объекта.

5. Исследование общих закономерностей алгоритмической обработки результатов распределённых измерений и сведение задач оценки состояния наблюдаемого объекта к ряду типовых задач обработки сигналов: фильтрации, спектральному анализу в локальной области сигнала и нелинейной гистограммной обработке.

6. Разработка метода идентификации событий смены плотности распределения, основанного на наборе статистики наблюдаемого сигнала и оценке статистических характеристик.

7. Построение методики выбора параметров частотно-временных преобразований первичных сигналов

8. Создание на основании методологии прикладных методов обработки изображений, включающих

- метод многокадровой фильтрации изображений, обеспечивающий подавление шумовой составляющей при малых искажениях полезного сигнала

- метод цифровой коррекции изображений угасающей документации, обеспечивающий возможность их дальнейшего микрофильмирования

- метод трассировки доплеровской составляющей в сигналах радиолокационного наблюдения

9. Экспериментальная проверка разработанной методологии при создании и внедрении реальных программно-технических информационно-измерительных комплексов

Научная новизна заключается в следующем.

1. Сформулирована концепция моделирования ИИС как множества взаимосвязанных функциональных компонентов, работа которых направлена на формирование оценки состояния наблюдаемого объекта по совокупности результатов измерений, распределённых во времени и/или пространстве.

2. Создан обобщённый метод комплексного анализа ИИС обработки результатов распределённых измерений, основанный на математическом (аналитическом) параметрическом моделировании процессов в программных и аппаратных средствах подобных систем.

3. Разработан метод выбора способа обработки на основе анализа информационных свойств наблюдаемых сигналов при реализации целевых задач обработки.

4. Разработан метод идентификации событий смены плотности распределения, основанный на наборе статистики наблюдаемого сигнала и оценке его статистических характеристик

5. Решён ряд научно-прикладных задач обработки результатов распределённых измерений, включающий:

- метод многокадровой фильтрации для систем сканирования изображений, основанный на формировании множеств базовых и опорных точек, преобразовании кадров модели в единую систему координат и компенсации краевых эффектов;

- метод обработки слабоконтрастных изображений угасающей документации, основанный на оценке распределённого в метрическом пространстве состояния сканируемой сцены, используемой в постобработке, в процессе фильтрации и контрастирования;

- метод обработки результатов радиолокационного сканирования местности, основанный на трассировке доплеровской составляющей, выделенной согласованным фильтром с ограниченной апертурой с сокращением вычислительных затрат при выполнении частотно-временного преобразования.

Практическая ценность. Диссертационная работа в основном направлена на решение задач, имеющих непосредственное практическое значение. Разработанная методология ориентирована на создание практических рекомендаций, позволяющих повысить качество вновь разрабатываемых информационно-измерительных систем исследуемого класса при сокращении сроков их разработки.

Достоверность полученных теоретических результатов подтверждается результатами апробаций методологии при решении практических задач разработки ряда информационно-измерительных систем, осуществляющих восприятие и обработку распределённых измерений.

Научные положения, выносимые на защиту.

1. Концепция моделирования информационно-измерительных систем, состоящих из ряда программно-технических компонентов, работа которых направлена на формирование оценки состояния наблюдаемого объекта по совокупности результатов измерений, распределённых во времени и/или пространстве.

2. Формализованный подход к выбору метода обработки результатов распределённых измерений, основанный на оценке информативности формируемых системой сообщений и статистических характеристиках сигналов, описывающих различные состояния объекта.

3. Метод оценки состояния наблюдаемого объекта, основанный на анализе спектральных характеристик результатов распределённых измерений, включающий способы определения рациональных величин ширины и шага смещения окна ЧСП для заданной интенсивности потока смен состояний наблюдаемого объекта и допустимой вероятности пропуска события, определение интервалов характерных частот на основе анализа априорно известных корреляционных функций сигналов, описывающих состояния наблюдаемого объекта

4. Метод преобразования кадров в единую систему координат при многокадровой обработке, основанный на поиске моментов наступления событий - характерных точек изображения в многокадровой модели.

5. Метод формирования фильтров для многокадровой фильтрации, учитывающий появление аддитивного шума в различных кадрах модели, возможно при наличии коррелированной составляющей внутри кадра.

6. Метод преобразования слабоконтрастных изображений угасающих документов в форму, пригодную для микрофильмирования, основанный на оценке распределённого в пространстве состояния сканируемой сцены; метод низкочастотной пространственно-зависимой фильтрации слабоконтрастных изображений для подавления шумов без значительного воздействия на границы объектов.

7. Метод трассировки доплеровской составляющей в массиве данных радиолокационного сканирования местности, основанный на согласованной фильтрации результатов частотно-временного преобразования распределённых измерений наблюдаемой сцены.

Реализация и внедрение результатов работы. Полученные в диссертации теоретические и практические результаты использованы в рамках комплексной инновационной научно-технической программы Государственного комитета РФ по высшему образованию 13.22 (1993-1996 г. проект «Создание комплексов обработки изображений и средств отображения информации»), а также внедрены на предприятиях при выполнении следующих научно-исследовательских и опытно-конструкторских работ: по теме № 022801 «Комплекс цифрового управления и обработки сигналов оптической пеленгационной установки» в ГУЛ КБ Приборостроения, 2000 г. по теме №170001 «Разработка комплекса программного обеспечения телевизионного автомата боевой машины комплекса «Панцирь» в ГУП КБ Приборостроения, 2002 г. по теме «Исследование технических и программных средств авиони-ки» в ФГУП «Санкт-Петербургское ОКБ «Электроавтоматика», 2002 г. по теме №27-2000 «Программный комплекс классификации целей по данным радиолокационного наблюдения» (шифр «Всплеск») в ФГУП НИИ «Стрела», 2003 г. по теме «Разработка методики, алгоритма и программы для восстановления малоконтрастного («угасающего») изображения» в ФГУП РФ «НИИ репрографии», 2004 г.

Часть исследований была выполнена при поддержке Министерства образования РФ и губернатора Тульской области: грант губернатора Тульской области в сфере науки и техники №21-2000 от 05.12.2000 г. «Исследование процесса разрушения информации на магнитных носителях». грант Министерства образования РФ № 17103 Гр. 01.200.105186 за 2001-02 гг. «Математическое моделирование параллельных процессов в мехатронных системах». грант губернатора Тульской области в сфере науки и техники №18-2001 от 16.01.2002 г. «Исследование информационных процессов идентификации объектов».

Результаты диссертации использованы при выполнении госбюджетных научно-исследовательских работ по научно-технической программе «Научные исследования высшей школы по приоритетным направлениям науки и техники», проект № 09.01.056 «Концепция и методология информационного проектирования программно-технических измерительных и управляющих систем подвижных объектов», проводимых в Тульском государственном университете, а также нашли применение в учебном процессе.

-Апробация работы. Содержание и основные результаты диссертации докладывались на следующих научно-технических конференциях и семинарах:

1. Всероссийская научно-техническая конференция «Биотехнические, медицинские и экологические системы и комплексы», РГРА, Рязань, 1996 г. 2. Международная школа-семинар «Новые информационные технологии», Судак, 1996 г. 3. Межвузовская научно-техническая конференция «Микроэлектроника и информатика», МГИЭТ (ТУ), Москва, 1997 г. 4. XI Межвузовская научно-техническая конференция, ТВАИ, Тула, 1997 г. 5. III Международная конференция «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации», КГТУ, Курск, 1997 г. 6. Всероссийская научно-техническая конференция «Биотехнические, медицинские и экологические системы и комплексы», РГРА, Рязань, 1997 г. 7. Научно-техническая конференция 3 ЦНИИ МО РФ, Москва, 1997 г. 8. 35-ая Научно-техническая конференция Михайловской артиллерийской академии, Санкт-Петербург, 1997 г. 9. XIV (1997) и XV (1998) Научные сессии, посвященные Дню радио, ТулГУ, Тула, 1997-98 гг. 10. Всероссийская межвузовская научно-техническая конференция «Микроэлектроника и информатика», МИЭТ, Москва, 1998 г. 11.1 (1999) и II (2000) Всероссийские научно-технические конференции «Компьютерные технологии в науке, проектировании и производстве», НГТУ, Нижний Новгород, 1999-2000 гг. 12. XII Научно-техническая конференция «Пути совершенствования ракетно-артиллерийских комплексов, методов их эксплуатации и ремонта», ТАИИ, Тула, 1999 г. 13. Международная научная конференция «Математические методы в технике и технологиях — ММТТ-12», НГУ, Великий Новгород,

1999 г. 14. Всероссийская научно-техническая конференция «Информационные технологии в науке, проектировании и производстве», Верхневолжское отделение Академии технологических наук РФ, Нижний Новгород,

2000 г. 15. Всероссийские научно-технические конференции «Системы управления электротехническими объектами», ТулГУ, Тула, 2000-02 гг. 16. Региональная научно-техническая конференция «Интеллектуальные и информационные системы», ТулГУ, Тула, 2000 г. 17. Международная научная конференция «Математические методы в технике и технологиях -ММТТ-14», Смоленский филиал МЭИ (ТУ), Смоленск, 2001 г. 18. Всероссийская научно-практическая конференция «Проблемы информатизации образования», ТулГУ, Тула, 2001 г. 19. Всероссийская научно-техническая конференция «Новые информационные технологии в научных исследованиях и образовании», РГРА, Рязань, 2002 г. 20. Межрегиональная научно-техническая конференция «Интеллектуальные и информационные системы», ТулГУ, Тула, 2003 г. 21. Всероссийские научно-технические конференции «Проблемы специального машиностроения». Тула, 2000-03 гг. 22. XL Всероссийская конференция по проблемам математики, информатики, физики и химии, РУДН, Москва, 2004 г. 23. Электронная конференция «Приоритетные направления развития науки, технологий и техники», Российская академия естествознания, Москва, 2004 г.

Публикации. По теме диссертации опубликованы 62 работы, в том числе: 1 монография, 2 учебных пособия, 26 тезисов докладов на международных, всероссийских, региональных и отраслевых конференциях и семинарах, 32 статей, получено 1 свидетельство об отраслевой регистрации разработки.

Структура и объём работы. Диссертация состоит из введения, 7 разделов, заключения, изложенных на 333 страницах машинописного текста, и включающих 83 рисунка и 4 таблицы, приложений на 62 страницах и списка использованной литературы из 209 наименований.

7.10. Выводы

1. Задача обработки слабоконтрастных изображений угасающей документации сформулирована и решена как задача оценки распределённого в метрическом пространстве состояния сканируемой сцены. Показаны способы использования этой оценки в постобработке, в процессе фильтрации и контрастирования изображения.

2. Предложены различные процедуры формирования результирующих изображений, обеспечивающие снижение оптической плотности фона и повышение контраста изображения.

3. Разработан метод низкочастотной пространственно-зависимой фильтрации слабоконтрастных изображений, обеспечивающий усреднение яркости и цветового оттенка протяжённых однородных областей изображения без значительного воздействия на границы объектов, что позволяет осуществлять оценку состояния более точно.

4. Проведены экспериментальные исследования программно-технического комплекса формирования и обработки цифровых моделей изображений угасающих документов. Показана эффективность предложенной методики.

6. ЗАКЛЮЧЕНИЕ

В целом по работе можно сделать следующие выводы.

1. В работе решена важная народно-хозяйственная проблема синтеза информационно-измерительных систем в части обоснования рационального выбора метода обработки результатов распределённых измерений, основанного на аналитическом описании информационных процессов в объектах наблюдения и установления связи этих процессов с характеристиками сигналов, формируемых объектом.

2. Исследованы варианты структур информационно-измерительных систем для решения различных задач по регистрации и обработке сигналов. Показано, что существует класс ИИС с общими задачами, функционирование которых может быть сведено к выполнению ряда измерений, распределённых во времени и/или пространстве.

3. Выполнен анализ и синтезирована обобщённая структура информационных потоков и последовательность этапов обработки данных в системах рассматриваемого класса. Показано, что отличительной особенностью таких ИИС является наличие блока (алгоритма) формирования оценки состояния наблюдаемого объекта, которая может использоваться непосредственно для формирования реакции системы, либо опосредованно, при постобработке входной информации.

4. Исследованы методы решения целевых задач обработки сигналов. Показано, что основным методом обработки распределённых измерений является обобщение результатов измерений во многих точках времени/пространства, в качестве которых может служить упорядоченное обобщение - спектр, и неупорядоченное - гистограмма.

5. Построена модель сигнала со скачкообразно изменяющейся локальной спектральной плотностью. Показано, что при анализе событий типа «амплитудно-фазовый скачок» ширина переходного процесса определяется шириной окна ядра ЧСП. Её увеличение снижает точность локализации формируемых оценок спектра в пространстве сигнала, но повышает их разрешение по частоте и/или надёжность. Верхняя граница ширины окна оценена исходя из допустимой вероятности одновременного возникновения двух и более событий в пределах области ненулевых значений оконной функции.

6. Найдены зависимости для определения шага смещения окна ЧСП для заданной интенсивности потока смен состояний наблюдаемого объекта и допустимой вероятности пропуска события.

7. Разработан метод оценки целесообразности использования в качестве информативного признака упорядоченного обобщения — спектра, включающий определение интервалов характерных частот, в результате анализа априорно известных корреляционных функций сигналов, описывающих состояния наблюдаемого объекта.

8. Разработан формализованный подход к выбору метода обработки результатов распределённых измерений, основанный на оценке информативности формируемых системой сообщений и статистических характеристиках сигналов, описывающих различные состояния объекта

9. Определены понятия многокадровой модели изображения, базового и приводимого кадра, базовой и приводимой точки. Разработан метод многокадровой обработки, включающий методику выбора базового кадра, методику формирования множества базовых точек, методику поиска приводимых точек с использованием гистограммных и спектральных признаков. Выполнена оценка точности определения координат приводимой точки в условиях воздействия аддитивного белого гауссова шума.

10. Сформулирован критерий и найдены оптимальные оценки параметров совмещения кадров. Разработана методика преобразования кадров многокадровой модели изображения в единую систему координат, включающая итерационную процедуру динамического формирования областей поиска приводимых точек при преобразовании кадров, обладающую меньшей вычислительной сложностью по сравнению с прямым поиском.

11. Показано, что алгоритмы линейной и нелинейной локальной фильтрации могут быть обобщены на случай обработки многокадровых моделей изображений. Предложены варианты локальных фильтров многокадровых моделей изображений с различной формой апертуры. Рассмотрены вопросы компенсации краевых эффектов при фильтрации периферийных областей кадров многокадровой модели.

12. Задача обработки слабоконтрастных изображений угасающей документации сформулирована и решена как задача оценки распределённого в метрическом пространстве состояния сканируемой сцены, используемой в постобработке, в процессе фильтрации и контрастирования.

13. Разработан метод низкочастотной пространственно-зависимой фильтрации слабоконтрастных изображений, обеспечивающий усреднение яркости и цветового оттенка протяжённых однородных областей изображения без значительного воздействия на границы объектов.

14. Разработан алгоритм трассировки доплеровской составляющей для случая обработки данных радиолокационного наблюдения, и предложены средства сокращения вычислительных затрат при выполнении их анализа.

15. Прикладные результаты работы внедрены при решении конкретных проектных задач создания информационно-измерительных систем обработки распределённых измерений в рамках ряда научно-исследовательских и опытно-конструкторских работ.

1. Абчук В.А., Суздаль В.Г. Поиск объектов. М.: Сов. радио, 1977.-336 с.

2. Автоматизированные измерительные комплексы. — М.: Энергоатомиздат, 1982. 216 с.

3. Акимов П.С., Бакут П.А., Богданович В.А. и др. Теория обнаружения сигналов. — М.: Радио и связь, 1984. — 440 с.

4. Александров В.В., Горский М.Д. Представление и обработка изображений. Рекурсивный подход Л.: Наука. Ленингр. отд-ние, 1985. — 189 с.

5. Алиев Т.М. и др. Вероятностные измерительно-вычислительные устройства /Алиев Т.М., Тер-Исраелов Г.С., Тер-Хачатуров А.А. -М.: Энергоатомиздат, 1983. 168 с.ь

6. Аммерал Л. Машинная графика на персональном компьютере. М.: Сол Систем, 1992. - 230 с.

7. Анализ измерительных информационных систем / Маликов В.М., Дубовой В.М., Кветный P.M., Исматулаев П.Р. Ташкент: Ташкентский политехи, ин-т им. А.Р. Беруни., 1984. - 176 с.

8. Андриянов А.В., Шпак И.И. Цифровая обработка информации в измерительных приборах и системах. Минск: Высш. шк., 1987. - 174 с.

9. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений. М.: Высшая школа, 1983. - 295 с.

10. Ахмед Н., Рао К. Ортогональные преобразования при обработке цифровых сигналов. М.: Мир, 1980. — 248 с.

11. Баклицкий В.К., Бочкарев A.M., Мусьяков М.П. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации.-М.: Радио и связь, 1986.-216 с.

12. Бакут П.А., Жулина Ю.В., Иванчук Н.А. Обнаружение движущихся объектов. — М.: Сов. радио, 1980. -288 с.

13. Баруча-Рид А.Т. Элементы теории марковских процессов и их приложения. М.: Наука, 1969. — 512 с.

14. Басалова Г.В., Котов В.В. Архивное хранение информации в технических системах. Тула: Тул. гос. ун-т, 2001, - 102 с.

15. Баскаков С.И. Радиотехнические цепи и сигналы: Учебник. — М.: Высш. школа, 1983. 536 с.

16. Бассвиль М., Банвеист А. Обнаружение изменения свойств сигналов и сигналов и динамических систем. М.: Наука, 1989. - 278 с.

17. Белкин А.В., Левин М.Ш. Принятие решений: Комбинаторные модели аппроксимации информации. -М.: Наука, 1990. — 160 с.

18. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. М: Мир, 1989.

19. Бобылёв Л.И., Гаврилин А.П., Данилкин Ф.А., Котов В.В. Цифровая обработка изображений угасающих документов при микрофильмировании // Вопросы оборонной техники (серия 7) Вып. 1 (167), 2004.-С. 33-41.

20. Боресков А.В., Шикин Е.В., Шикин Г.Е. Компьютерная графика: первое знакомство. М.: Финансы и статистика, 1996. - 176 с.

21. Бутаков Е.А., Островский В.И., Фадеев Л.И. Обработка изображений на ЭВМ. М.: Радио и связь, 1987. - 236 с.

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

23. Василенко Г.М., Тараторкин A.M. Восстановление изображений. М.: Радио и связь, 1986. - 302 с.

24. Васильев К.К., Крашенинников В.Р. Методы обработки многомерных случайных полей. Саратов: Изд-во Сарат. ун-та, 1990. - 128 с.

25. Васин В.В., Власов О.В. и др. Радиолокационные устройства (теория и принципы построения), М.: Советское радио, 1970.

26. Ватанаба М. Современные тенденции развития технологии технического зрения. // «Обозрение Тошиба». 50, № 8, 1995. -С. 604-606.

27. Введение в цифровую фильтрацию: пер. с англ., под ред. Филиппова Л.И. М.: Мир, 1976.

28. Вентцель А.Д. Курс теории случайных процессов. М.: Наука, 1975.-320 с.

29. Вентцель Е.С. Теория вероятностей. — М.: Наука, 1964. 572 с.

30. Вентцель Е.С., Овчаров JI.A. Теория случайных процессов и её инженерные приложения. М.: Высш. шк., 2000. — 383 с.

31. Винцюк Т.К. Анализ, распознавание и интерпретация речевых сигналов. Киев: Наукова думка, 1987.

32. Гайдуков Б.А., Котов В.В. Погрешности дискретизации изображения. //XXII Научная сессия, посвящённая Дню Радио. Материалы конференции. Тула: Изд-во ТулГУ, 2004. - С. 81-82.

33. Гельман М.М. Аналого-цифровые преобразователи для информационно-измерительных систем. М.: изд-во стандартов, 1989. — 317 с.

34. Генкин В.Л., Ерош И.Л., Москалев Э.С. Системы распознавания автоматизированных производств. — Л.: Машиностроение, 1988. — 245 с.

35. Гинзбург В.И. Формирование и обработка изображений в реальном времени. М.: Радио и связь, 1986. - 312 с.

36. Глушков В.М. Мышление и кибернетика //Вопросы философии, 1963. № 1.С. 10-24.

37. Годжаев Н.М. Оптика. Учебное пособие для вузов. М.: Высш. школа, 1977.-432 с.

38. Голд Б., Рейден И. Цифровая обработка сигналов. М.: Мир, 1973.-367 с.

39. Гольберг JI.M. Цифровая обработка сигналов. М.: Радио и связь, 1990.- 325 с.

40. Гончаров А.А., Котов В.В. Обработка многомерных изображений в многопроцессорных вычислительных системах с использованием нечёткой логики // XV Научная сессия, посвященная Дню Радио. Тезисы докладов. Тула: ТулГУ, 1998. С. 63.

41. Горелик A.JL, Скрипкин В.А. Методы распознавания. — М.: Высш. шк., 1977. 222 с.

42. Горьян Н.С., Кац Б.М., Цуккерман И.И. Выделение статистически однородных участков изображений. В кн.: Иконика. Цифровая голография. Обработка изображений. М.: Наука, 1975. - с. 62-73.

43. ГОСТ 13.1.002-80. «Репрография. Микрография. Документы для съемки. Общие требования и нормы» // Изд-во стандартов, 1982.

44. Гренадер У., Фрайбергер Р. Краткий курс вычислительной вероятности и статистики. М.: Наука, 1978. - 192 с.

45. Григоренко A.M. Некоторые вопросы теории технической информации. М.: ЮБЕКС, 1998. - 112 с.

46. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов. М.: Мир, 1988. - 488 с.

47. Данилкин Ф.А., Котов В.В. Методы обработки многокадровых моделей изображений. Тула: Тул. гос. ун-т, 2000. - 96 с.

48. Данилкин Ф.А., Котов В.В., Ларкин Е.В. Выделение кривых на круговых диаграммах. // Известия Тульского государственного университета. Серия Математика. Механика. Информатика. Том 4. Выпуск 4. Тула: ТулГУ, 1998.-С. 21-23.

49. Дмитриев В.И. Прикладная теория информации. М.: Высшая школа, 1989.-320 с.

50. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.-511 с.• 56. Завалишин Н.В., Мучник И.Б. Модели зрительного восприятия и алгоритмы анализа изображений. М.: Наука, 1974. — 344 с.

51. Загляднов И.Ю., Касаткин В.Н. Построение изображений на экране персональной ЭВМ. Киев: Тэхника, 1990. - 116 с.

52. Злобин В.К., Кобаев В.Н. О точности корреляционного совмещения точечных изображений на ЭВМ. // Вычислительные машины, комплексы и сети. Межвузовский сборник научных трудов. — Рязань: РГРТА,1996.-С. 30-33.

53. Иванов В.П., Батраков А.С. Трехмерная компьютерная графика. М.: Радио и связь, 1995. - 224 с.

54. Игнатьев В.М., Котов В.В. Влияние белого шума при многокадровой обработке изображений. // Сборник тезисов докладов XI межвузовской НТК. Тула: Изд-во ТВАИУ, 1997. С. 114-115.

55. Игнатьев В.М., Котов В.В. Особенности аффинных преобразований многокадровых моделей изображений. // Научно-технический сборник №14 Тула: Изд-во ТВАИУ, 1997. С. 92-102.

56. Игнатьев В.М., Котов В.В. Особенности использования эффективных кодов при компрессии многокадровых моделей изображений // XIV научная сессия, посвященная Дню Радио: тезисы докладов. Тула: ТулГУ, 1997.-С. 39.

57. Игнатьев В.М., Котов В.В. Уменьшение искажений изображений при многокадровой обработке. // Сборник тезисов докладов НТК 3 ЦНИИ МО РФ, 1997. С. 35.

58. Игнатьев В.М., Ларкин Е.В. Восприятие информации в системах искусственного интеллекта. — Тула.: ТГТУ, 1993. — 88 с.

59. Игнатьев В.М., Ларкин Е.В., Абузова И.В. Сканирующие системы с повышенным разрешением. Тула: ТулГУ, 1996. — 85 с.

60. Информационно-измерительная техника и технологии / Калашников В.И., Нефедов С.В., Путилин А.Б. и др. М.: Высш. шк., 2002. -45 с.

61. Информационно-измерительные системы коллективного пользования / Загорский В.П., Пугачев И.С., Ярусов А.Г. АН БССР. Ин-т технической кибернетики. Минск: Наука и техника, 1987. - 104 с.

62. Искусственный интеллект: Справочник: Кн. 2. Модели и методы / Под ред. Д.А. Поспелова. М.: Радио и связь, 1990. - 304 с.

63. Каппелини В, Константинидис А. Дж., Эмилиани П. Цифровые фильтры и их применение.- М.: Энергоатомиздат, 1983 360 с.

64. Карташев В.Г. Основы теории дискретных сигналов и цифровых фильтров. — М.: Высш. школа, 1982. — 109 с.

65. Катыс Г.П. Восприятие и анализ оптической информации автоматической системой. — М.: Машиностроение, 1986. — 416 с.

66. Катыс Г.П. Методы и вычислительные средства обработки изображений. Кишинев: Штиинца, 1991. - 209 с.

67. Катыс Г.П. Обработка визуальной информации М.: Машиностроение, 1990. - 320 с.

68. Кендан М.Дж., Стюарт А. Статистические выводы и связи. — М.: Наука, 1973.-899 с.

69. Кокс Д., Хинкли Д. Теоретическая статистика. М.: Мир, 1978. - 560 с.

70. Колмогоров А.Н. Три подхода к определению понятия «количество информации» //Проблемы передачи информации, 1965. Т. 1. Вып. 1. С. 25-38.

71. Копейкин С.В. Адаптивные методы обработки измерений. — Саратов: Изд-во Саратовского ун-та, 1982. 120 с.

72. Корн Г., Корн Т. Справочник по математике (для научных работников и инженеров). — М.: Наука, 1973. 831 с.

73. Котов В.В. Использование гистограммных оценок в задачах распознавания // Успехи современного естествознания. №4, 2004. — С. 40-43.

74. Котов В.В. Организация интерфейса для сканирующих устройств с радиальной разверткой. // В кн. Алгоритмы и структуры систем обработки информации. Тула: ТулГУ, 1996. С. 67-77

75. Котов В.В. Применение вейвлетов различных типов для анализа событий. // Известия Тульского государственного университета. Серия: Вычислительная техника. Автоматика. Управление. Том 3. Выпуск 3. Управление. Тула: ТулГУ, 2001. С. 165-167.

76. Котов В.В. Распределённые измерения: методы обработки. — Тула: Изд-во ТулГУ, 2004. 140 с.

77. Котов В.В. Технология обработки цветных многокадровых моделей изображений. // Микроэлектроника и информатика — 97: Тезисы докладов межвузовской научно-технической конференции. Часть 2. М.: МГИЭТ (ТУ), 1997. С. 62.

78. Котов В.В. Трассировка основных частотных составляющих одномерных сигналов. // Известия Тульского государственного университета. Серия: Проблемы специального машиностроения. Вып. 5, часть 1. — Тула: изд-во ТулГУ, 2002. С. 321-324.

79. Котов В.В. Ускорение вычислений при обработке сигналов радиолокационного наблюдения. // Известия Тульского государственного университета. Серия Проблемы специального машиностроения. Вып. 6. Ч. 2. Тула: Изд-во ТулГУ, 2003. - С. 375-378.

80. Котов В.В. Фильтрация многокадровых изображений // Школа-семинар «Новые информационные технологии»: Тез. докл. май 1996; Т.2 -С.359.

81. Котов В.В., Басалова Г.В. Обнаружение одиночных объектов на тепловизионных изображениях. // Научно-технический сборник №18. -Тула: ТАИИ, 2001. С. 94-100.

82. Котов В.В., Зиборов О.В. Алгоритм выделения примитивов из поля регрессии. / Интеллектуальные и информационные системы: материалы межрегиональной научно-технической конференции. // Тула: изд-во ТулГУ, 2003.-С. 90-93.

83. Котов В.В., Игнатьева Т.В. Особенности выбора базового кадра при обработке многокадровых моделей изображений. // Сборник тезисов докладов 35-ой научно-технической конференции Михайловской артиллерийской академии. Санкт-Петербург, 1997. С. 71.

84. Котов В.В., Игнатьева Т.В. Технология пространственных преобразований многокадровых моделей изображений. // Автоматизация и современные технологии. №7, 1998. С. 17-21.

85. Котов В.В., Игнатьева Т.В. Технология улучшения изображений на основе многокадровой обработки. // Автоматизация и современные технологии. №7, 1997.-С. 15-19.

86. Котов В.В., Киселёв А.Н. Применение вейвлет-преобразования в задачах распознавания фонем. // Известия Тульского государственного университета. Серия: Математика. Механика. Информатика. Том 7. Вып. 3. Информатика Тула: изд-во ТулГУ, 2001. - С. 73-77.

87. Котов В.В., Моторин B.C. Моделирование условий освещения при синтезе пространственных объектов. //XXII Научная сессия, посвященная Дню Радио. Материалы конференции. — Тула: Изд-во ТулГУ, 2004. -С. 17-18.

88. Котов В.В., Святенко И.Ю. Особенности сопряжения систем радиального сканирования с персональным компьютером // «XXI Гагарин-ские чтения»: Тезисы докладов молодежной науч. конф. — М: МГАТУ, 1996, Ч.5-С. 98-99.

89. Котов В.В., Соколов В.А. Идентификация событий при решении задач распознавания. // Известия Тульского государственного университета. Серия Проблемы специального машиностроения. Вып. 6. Ч. 2. — Тула: Изд-во ТулГУ, 2003. С. 62-65.

90. Котов В.В., Хмельницкий Д.В. Низкочастотная фильтрация изображений угасающих документов И XL Всероссийская конференция по проблемам математики, информатики, физики и химии. Тезисы докладов. Секции физики. М.: Изд-во РУДН, 2004. - С. 86-89.

91. Краус М., Вошни Э. Измерительные информационные системы. М.: Мир, 1975. - 312 с.

92. Кузнецов Ю.А., Шилин В.А. Микросхемотехника БИС на приборах с зарядовой связью. — М.: Радио и связь, 1988. 160 с.

93. Кузьмин И.В., Кедрус В.А. Основы теории информации и кодирования. Киев: Вища школа, 1986. — 360 с.

94. Кузьмин С.З. Основы проектирования систем цифровой обработки радиолокационной информации М., Радио и связь, 1986.

95. Куликовский Л.Ф., Мотов В.В. Теоретические основы информационных процессов. М.: Высш. шк., 1987. - 248 с.

96. Купер Дж., Макгиллем К. Вероятностные методы анализа сигналов и систем: Пер. с англ. — М.: Мир, 1989. 376 с.

97. Куприянов М.С., Матюшкин Б.Д. Цифровая обработка сигналов: процессоры, алгоритмы, средства проектирования СПб., Политехника, 1998.

98. Кучушев Е.И., Старостин Е.Л., Корчашин А.Ю. Внешнее ориентирование изображений по линейным маркерам в системах реконструкции трехмерной среды. // «Вопросы кибернетики» (Москва). № 181, 1995. -С.148-159.

99. Лабунец В.Г. Алгебраическая теория сигналов и систем. Быстрые многомерные преобразования Фурье. Свердловск: Изд-во Уральского ун-та, 1989.- 186 с.

100. Ларкин Е.В. Алгоритмы управления доступом к информации в терминальном репрографическом комплексе. // Информационный листок № 87-0283.-М.-.ВИМИ, 1987.-3 с.

101. Ларкин Е.В., Котов В.В. Особенности идентификации событий методами вейвлет-анализа. // Известия Тульского государственного университета. Серия: Математика. Механика. Информатика. Том 7. Вып. 3. Информатика Тула: изд-во ТулГУ, 2001. - С. 96-103.

102. Ларкин Е.В., Котов В.В. Поиск целей на тепловизионных изображениях. // Известия Тульского государственного университета. Серия: Проблемы специального машиностроения. Выпуск 4 (часть 2). Тула: Изд-во ТулГУ, 2001. С. 25-28.

103. Левин Б.Р. Теоретические основы статистической радиотехники. М.: Сов. радио, 1968. - Кн. 2. - 503 с.

104. Левшин В.Л. Пространственная фильтрация в оптических системах пеленгации. М.: Сов. радио, 1971. - 200 с.

105. Малышев В.М., Мехнников А.И. Гибкие измерительные системы в метрологии. М.: Изд-во стандартов, 1988. — 175 с.

106. Мелик-Махназаров A.M., Маркатун М.Г. Цифровые измерительные системы корреляционного типа. М.: Энергоатомиздат, 1985. -128 с.

107. Методы автоматического распознавания речи. / Под ред. Ли У. В 2-х томах.-М.: Мир, 1983.-716 с.

108. Методы компьютерной обработки изображений. / Под ред.

109. B.А. Сойфера. М.: Физмат, 2001. - 784 с.

110. Методы цифрового моделирования и идентификации стационарных случайных процессов в информационно-измерительных системах /Лебедев А.Н., Недоседкин Д.Д., Стеклова Г.А., Чернявский Е.А. Л.: Энергоатомиздат, 1988. - 64 с.

111. МикроЭВМ в информационно-измерительных системах. / Пе-реверткин С.М., Гаранин Н.И., Костин Ю.Н., Миронов И.И. М.: Машиностроение, 1987.-244 с.

112. Минкин Д.В., Котов В.В. Алгоритм описания трёхмерной сцены из бинокулярного стерео И Микроэлектроника и информатика-98: Тезисы докладов Всероссийской межвузовской научно-технической конференции. Апрель 1998 г. Часть 2. М.: МИЭТ, 1998. С. 192.

113. Моттль В.В., Мучник И.Б. Скрытые марковские модели в структурном анализе сигналов. М.: ФИЗМАТЛИТ, 1999. — 352 с.

114. Никифоров И.В. Последовательное обнаружение изменения свойств временных рядов. М.: Наука, 1983. - 199 с.

115. Новиков Л.В. Основы вейвлет-анализа сигналов. — Санкт-Петербург: 1999.

116. Новосилов О.Н., Фомин А.Ф. Основы теории и расчёта информационно-измерительных систем. М.: Машиностроение, 1991. - 322 с.

117. Нуссбаумер М. Быстрое преобразование Фурье и алгоритмы вычисления сверток . - М.: Радио и связь, - 1985. - 248 с.

118. Обучающиеся системы обработки информации и принятия решений: Непараметрический подход / РАН Выч. центр; Лапко А.В., Ченцов

119. C.И., Крохов С.И., Фельдман Л.А. Новосибирск: Наука, 1996. - 296 с.

120. Оппенгейм А.В., Шафер Р.В. Цифровая обработка сигналов. -М.: Связь, 1979.-416 с.

121. Очин Е.Ф. Вычислительные системы обработки изображений. . JL: Энергоатомиздат, 1989. - 132 с.

122. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986. - 400 с.

123. Писаревский А.И. Системы технического зрения. J1.: Машиностроение, 1988. - 240 с.

124. Пресс Ф.П. Фоточувствительные приборы с зарядовой связью. М.: Радио и связь, 1991. - 264 с.

125. Прэтт У. Цифровая обработка изображений: В 2х кн. М.: Мир, 1982 г.-714 с.

126. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике. М.: Машиностроение, 1990. — 320 с.

127. Пытьев Ю.М. Методы математического моделирования измерительно-вычислительных систем. М.: Физмат, 2002. — 384 с.

128. Рабинер JI., Гоулд Б. Теория и применение цифровой обработки сигналов. Пер. с англ. М.: Мир, 1978. - 848 с.

129. Рабинер JI.P., Шафер Р.В. Цифровая обработка речевых сигналов. -М.: Радио и связь, 1981.

130. Радиоприёмные устройства. / Под ред. Жуковского А.П. — М.: Высш. шк., 1989.-342 с.

131. Романов В.Ю. Популярные форматы файлов для хранения графических изображений на IBM PC М.: Унитех, 1992. - 156 с.

132. Сапожников А. Скоростные сканеры документов. // Компьютер-Пресс. № 10, 1997. - С. 102-104.

133. Свидетельство об отраслевой регистрации разработки № 3540. Виртуальный лабораторный стенд частотно-временного анализа сигналов / Котов В.В., Соколов В.А. 2004.

134. Силаев А.А. Спектральная теория подрессоривания транспортных машин. М.: Машиностроение, 1972. - 192 с.

135. Сканирующее устройство. //Ларкин Е.В., Абузова И.В., Данил-кин Ф.А. Патент № 2080635 от 20.05.97 по заявке № 94018116.

136. Советов Б.Я. Информационная технология: Учеб. для вузов. — М.: Высш. шк., 1994.

137. Справочник по теории вероятностей и математической статистике / B.C. Королюк, Н.И. Портенко, А.В. Скороход, А.Ф. Турбин. М.: Наука, Гл. ред. физ.-мат. лит., 1985. - 640 с.

138. Справочник по устройствам цифровой обработки информации // Н.А. Виноградов, В.Н. Яковлев, В.В. Воскресенский и др. К.: Тэхника, 1988.-415 с.

139. Страхова Л.А. Обнаружение сигнала движущейся цели на фоне пассивных помех с применением спектрального анализа. //Изв. вузов — «Радиоэлектроника». 1988. - №4 - С. 8-15.

140. Тихонов В.И., Миронов М.А. Марковские процессы. М.: Сов. радио, 1977.-488 с.

141. Токарев В.Л. Обнаружение сигналов со случайными параметрами. //В сб. Алгоритмы и структуры систем обработки информации. Тула: ТулГУ, 1992.- 148 с.

142. Фланаган Дж. Анализ, синтез и восприятие речи. М.: Связь,

143. Фризер X. Фотографическая регистрация информации. / Пер. с нем. М.: Мир, 1978. - 670 с.

144. Фу К., Гонсалес Р., Ли К. Робототехника. /Пер. с англ. М.: Мир, 1989.-624 с.

145. Фуканага К. Введение в статистическую теорию распознавания образов. -М.: Мир, 1978.-312 с.

146. Хорн Б.К. Зрение роботов. М.: Мир, 1989. - 448 с.

147. Хромов Л.И., Цыцулин А.К., Куликов А.Н. Видеоинформатика. Передача и компьютерная обработка видеоинформации- М.: Машиностроение, 1990. 320 с.

148. Хэмминг Р.В. Теория кодирования и теория информации: пер. с англ. -М.: Радио и связь, 1983. 176 с.

149. Чжун Кай-лай. Однородные цепи Маркова. М.: Мир, 1964.426 с.

150. Чукин Ю.В. Структуры данных для представления изображе*-ний. // «Зарубежная радиоэлектроника», № 8, 1983. - С. 85.

151. Ширяев А.Н. Вероятность. М.: Наука. Гл. ред. физ.-мат. лит., 1989.-640 с.

152. Эйкхофф П. Основы идентификации систем управления. — М.: Мир, 1975.-684 с.

153. Яворский И.А., Корсунский В.М. Корреляционный метод поиска знаков совмещения в электронной литографии. // Электрон, моделир. 17, № 1, 1995.- С. 88-92.

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

155. Abuzova I.V., Ignatiev V.M., Kotov V.V., Larkin E.V. The method of multiframe image filtering. // Machine Graphics & Vision. Vol. 7, No. 3, 1998.-Pp. 645-654.

156. Brunelli R., Messelodi S. Robust estimation of correlation with application to computer vision. // Pattern Recogn. 28,1 6, 1995. - P.833-841.

157. Burrus, C.S. and R.A. Gopinath, H. Guo. Introduction to wavelets and wavelet transforms. Upper Saddle River, NJ (USA): Prentice Hall, — 1998.

158. Cawhell A.E. An introduction to image processing and pictures management. // J. Doc. and Text Manag., 4, 1993. - P. 53-63.

159. Chin Т. M., Korl W. C., Willsky A. S. A distributed and iterative method for square root filtering in space-time estimation. // Automatica. 31, 4, 1995. -P.67-82.

160. Evans A.N., Nixon M.S. Mode filtering to reduce ultrasound speckle for feature extraction. // IEEE Proc. Vision, Image and Signal Process. -142, 1 2, 1995.-P. 87-94.

161. Ghosal S., Mehrotra R. Detection of composite edges. // IEEE Trans. Image Process. 4, 1994. - P. 14-25.

162. Gil J., Werman M. Computing 2-D min, median and max filters. // IEEE Trans. Pattern Anal, and Mach. Intell., l5,1993. - P. 117-126.

163. Kalachik R., Kotov V. Fractal image compression. GlobalDSP элек-тронный ресурс., 2004. GlobalDSP, Vol. 3, Issue 5, May 2004. Режим доступа: http://www.globaldsp.com, свободный. Заголовок с экрана.

164. Liu D., Yamashita Y., Jgawa H. Pattern recognition in the presence of noise. // Pattern. Recogn. 28, 1 7, 1995. - P. 989-995.

165. M. Ruskal, R. Coifman, eds. Wavelets and their applications. -Jones and Bartlett, 1992.

166. Meloche J., Zamar R. H. Binary-image restoration // Can. J. Statist. -»3, 1994.-P. 335-355.

167. Meyer, Yves. Wavelets: algorithms and applications. Philadelphia: Society for Industrial and Applied Mathematics, 1994. - 134 pp.

168. Oliensis S. Local reproducible smoothing without shrinkage. // IEEE Trans. Pattern Anal, and Mach. Intell. 1 3, 1993. - P. 307-312.

169. Pankoj D., Subhasis C. Automated assembling of images: image montage preparation. // Pattern Recogn. 28,1 3, 1995. - P. 431- 445.

170. Pham В., Pringle G. Color Correction for an image Sequence // IEEE Comput. Graph, and Appl. 15,1 3, 1995. - P.38-42.

171. Rampioni A. Detail-preserving filter for noisy images // Electron. Lett. -31,41,1995. P. 865-866.

172. Shannon C.E. 1948. A mathematical theory of communication. Bell Syst. Tech. J. 27 (Jul.), pp. 398-403.

173. Singh D.B. Faster implementation of window based filters for machine vision // Proc. Conf. Appl. Phis. Sci. Bombay, 1992. - P.7/1-7/7.

174. Smith S.W. The Scientist and Engineering's Guide to Digital signal Processing. California Technical Publishing, - San Diego, С A, 1999. - 650 pp.

175. The Windows Interface: an application design guide. Microsoft Windows Software Development Kit. // Microsoft, 1996.

176. Told L., Hidenori I., Hirohisa S. Image filtering, edge detection, and edge tracing using fuzzy reasoning. // IEEE Trans. Pattern Anal, and Mach. Intell. 18,1 5, 1996.-P. 481-491.

177. Vrhel M.J., Trussel H.J. Filter consideration in color correction. // IEEE Trans. Image Process. 1 2, 1993. - P. 147-167.

178. Werman M., Weinshall D. Similarity and affine distance between 2D point sets. // Proc. 12th IAPR Int. Conf. Pattern Recogn. Los Alamitos (Calif.) etc., 1994. - P. 723-725.

179. Yi-Sheng, Chellappa R. Dynamic feature point tracking in an image sequence. // Proc. 12th IAPR Inf. Conf. Pattern Recogn.,— Los Alamitos (Calif.) etc., 1994. P.654-657.