Алгоритмы многомасштабной фильтрации изображений с произвольным коэффициентом изменения масштаба в практике дефектоскопических исследований тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Фомин, Андрей Александрович

• Фомин, Андрей Александрович
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Фомин, Андрей Александрович

ВВЕДЕНИЕ.

ГЛАВА 1. ОБЗОР И АНАЛИЗ МЕТОДОВ ЦИФРОВОЙ МНОГОМАСШТАБНОЙ ФИЛЬТРАЦИИ ИЗОБРАЖЕНИЙ.

1.1 Постановка задачи цифровой фильтрации изображений.

1.1.1 Определение цифрового изображения и цифровой фильтрации.

1.1.2 Цели и задачи цифровой фильтрации изображений.

1.1.3 Методы цифровой фильтрации изображений.

1.1.4 Характеристики методов цифровой фильтрации изображений.

1.2 Многомасштабные методы обработки изображений.

1.2.1 Определение мпогомасштабной обработки изображений.

1.2.2 Методы пирамидального представления изображений.

1.3 Описание изображений на основе вейвлет-преобразования.

1.3.1 Определение вейвлет-преобразования.

1.3.2 Непрерывное вейвлет-преобразовапие.

1.3.3 Дискретное вейвлет-преобразование.

1.3.4 Пакетное вейвлет-преобразование.

1.4 Анализ возможностей построения алгоритмов многомасштабной фильтрации изображений.

1.4.1 Возможности построения алгоритмов многомасштабного представления изображений с произвольным разрешением.

1.4.2 Вейвлет-преобразования в задачах оценки параметров и фильтрации шума изображений.

1.4.3 Возможности вейвлет-преобразований в задачах фильтрации особенностей изображений.

1.4.4 Фильтрация кривых с использованием вейвлет-преобразований.

ВЫВОДЫ ПО ГЛАВЕ 1.

ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ.

ГЛАВА 2. РАЗРАБОТКА АЛГОРИТМОВ МНОГОМАСШТАБНОЙ

ФИЛЬТРАЦИИ ИЗОБРАЖЕНИЙ.

2.1 Разработка алгоритма многомасштабной аппроксимации изображений с произвольным коэффициентом сжатия.

2.2 Разработка алгоритмов анализа характеристик и многомасштабной фильтрации шума на изображениях.

2.2.1 Модернизация алгоритмов оценки параметров шума на изображениях.

2.2.2 Разработка алгоритма многомасштабной фильтрации комбинированных шумов на изображениях.

2.3 Разработка алгоритмов многомасштабной фильтрации особенностей изображений.

2.3.1 Разработка алгоритма многомасштабной фильтрации особенностей изображений на основе поиска экстремумов амплитуд вейвлет-образов.

2.3.2 Разработка алгоритма многомасштабной фильтрации особенностей изображений на основе расчета энергетических характеристик вейвлет-образов.

2.3.3 Разработка алгоритма многомасштабной фильтрации особенностей изображений на основе выбора максимальных вейвлет-коэффициентов.

2.3.4 Разработка алгоритма многомасштабной фильтрации особенностей изображений на основе непрерывного двумерного вейвлет-преобразования.

2.4 Разработка алгоритмов многомасштабной фильтрации кривых.

2.4.1 Разработка алгоритма многомасштабного сглаживания кривых.

2.4.2 Разработка алгоритма анализа признаков описания формы изображений на основе их многомасштабного представления.

2.5 Разработка алгоритма многомасштабной фильтрации групповых объектов изображений.

ВЫВОДЫ ПО ГЛАВЕ 2.

ГЛАВА 3. ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ МНОГОМАСШТАБНОЙ ФИЛЬТРАЦИИ ИЗОБРАЖЕНИЙ.

3.1 Формирование и обоснование тестовых изображений.

3.2 Исследование алгоритмов обработки и анализа зашумленных изображений.

3.2.1 Исследование алгоритма оценки параметров шума на изображении.

3.2.2 Исследование алгоритма многомасштабной фильтрации комбинированных шумов на изображении.

3.3 Исследование алгоритмов многомасштабной фильтрации особенностей изображений.

3.4 Исследование алгоритмов многомасштабной обработки и анализа кривых.

3.4.1 Исследование алгоритма многомасштабной фильтрации кривых.

3.4.2 Исследование алгоритма сравнения признаков описания формы изображений на основе их многомасштабного представления.

3.5 Исследование алгоритма многомасштабной фильтрации групповых объектов изобажений.

ВЫВОДЫ ПО ГЛАВЕ 3.

ГЛАВА 4. ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ В ОБРАБОТКЕ И АНАЛИЗЕ ДЕФЕКТОСКОПИЧЕСКИХ ИЗОБРАЖЕНИЙ СВАРНЫХ МЕТАЛЛОКОНСТРУКЦИЙ.

4.1 Современное состояние проблемы цифровой обработки и анализа дефектоскопических изображений в задачах контроля качества сварных металлоконструкций.

4.1.1 Общее состояние маталлофопда России.

4.1.2 Актуальность проблемы цифровой обработки и анализа дефектоскопических изображений.

4.1.3 Задачи цифровой обработки и анализа дефектоскопических изображений металлоконструкций.

4.1.4 Обзор характеристик дефектоскопических изображений и анализ методов их цифровой обработки.

4.2 Применение алгоритмов многомасштабной фильтрации при обработке дефектоскопических изображений.

4.2.1 Предварительная обработка дефектоскопических изображений.

4.2.2 Оценка дефектности изделий по дефектоскопическим изображениям.

4.2.3 Обработка изображений микроструктур.

4.3 Анализ возможностей построения автоматизированных подсистем контроля качества.

4.4 Анализ возможностей разработки аппаратных средств анализа дефектоскопических изображений.

4.4.1 Устройство вычисления вейвлет-преобразования.

4.4.2 Устройство вычисления двумерного вейвлет-преобразования.

4.4.3 Устройство вычисления непрерывного двумерного вейвлет-преобразования с произвольным углом поворота фильтра.

4.5 Разработка устройств многомасштабной обработки и анализа дефектоскопических изображений.

4.5.1 Устройство фильтрации особенностей изображений на основе непрерывного вейвлет-преобразования.

4.5.2 Устройство обнаружения дефектов сварных соединений на основе вейвлет-апализа рентгенограмм.

4.5.3 Устройство кратномасштабного обнаружения дефектов округлой формы по рентгенограммам сварных соединений.

ВЫВОДЫ ПО ГЛАВЕ 4.

Введение диссертации (часть автореферата) на тему «Алгоритмы многомасштабной фильтрации изображений с произвольным коэффициентом изменения масштаба в практике дефектоскопических исследований»

Актуальность проблемы. Современный этап развития промышленности предъявляет повышенные требования к качеству, надежности и долговечности выпускаемой продукции. В подобных условиях особое значение приобретают методы неразрушающего контроля качества на всех стадиях жизненного цикла изделий [20]. При этом наблюдается тенденция.к использованию средств визуализации дефектоскопической информации и формирования дефектоскопических изображений, описывающих внутреннюю структуру изделий.

Особенностью многих методов дефектоскопии все еще являются высокие затраты человеческого труда при обработке результатов обследования изделий. Существенной проблемой при этом является низкое качество получаемых дефектоскопических изображений, что снижает достоверность контроля. В то же время современные средства формирования и визуализации дефектоскопической информации и средства вычислительной техники позволяют автоматизировать многие рутинные операции по анализу и расшифровке дефектоскопических снимков.

Решение этой задачи возможно с использованием методов цифровой обработки и анализа изображений (Астафьева Н.М., Блаттер К., Витязев В.В., Воробьев В.И., Вудс Р., Гонсалес Р., Гостев И.М., Грибунин В.Г., Гроссман А., Добеши И., Донохо Д., Дремин И.М., Иванов О.В., Короновский А.А., Малла С., Морле Д., Переберин А.В., Прэтт У., Садыков С.С., Сойфер В.А., Столниц Э., Уолкер Д., Фурман Я.А., Чуй К.). Широко применяемые в подобных случаях подходы, основанные на использовании методов повышения качества изображений, часто неприемлемы, поскольку существует вероятность снижения информативности и достоверности анализируемых снимков. При такой постановке актуальны задачи обнаружения и анализа характеристик областей интереса дефектоскопических изображений на фоне помех.

Перспективным подходом к анализу случайных сигналов (дефектоскопических снимков) является использование методов многомасштабной обработки, в частности основанных на вейвлет-преобразованиях [6, 22, 127], позволяющих проводить анализ, выявлять зависимости или отслеживать изменения характеристик изображений на разных масштабах, что позволяет получить более полную информацию об объекте исследований.

Высокая эффективность применения вейвлетов в задачах фильтрации шума и сжатия изображений [47, 63, 101, 105] приводит к возникновению интереса к созданию вейвлет-алгоритмов, направленных и на решение задач дефектоскопии. Подобные алгоритмы существуют, по часто они решают эти задачи не в полной мере. Многие алгоритмы ориентированы лишь на частотный подход. Часть алгоритмов используют подходы, разработанные для одномерных сигналов, и не учитывают двумерную структуру изображений. Кроме того, большинство вейвлет-алгоритмов используют в качестве масштабирующих коэффициентов целые числа, что может приводить к значительным потерям информации об особенностях изображения при переходе с одного масштаба разложения на другой, что недопустимо при решении задач дефектоскопии.

Для повышения производительности и оперативности контроля качества актуальны задачи аппаратпой реализации алгоритмов и методов визуализации, анализа и расшифровки дефектоскопических изображений.

В этой связи актуальными являются задачи разработки и исследования новых алгоритмов мпогомасштабной фильтрации изображений с произвольным выбором масштабирующих коэффициентов, предназначенных для решения задач контроля качества металлоизделий.

Объект исследований. Методы и алгоритмы многомасштабной обработки и анализа изображений.

Предмет исследований. Методы и алгоритмы многомасштабной фильтрации и анализа особенностей цифровых изображений, характеристики и свойства этих алгоритмов.

Научная задача. Разработка новых алгоритмов многомасштабной фильтрации особенностей изображений с произвольным выбором масштабирующих коэффициентов.

Цель работы: повышение точности оценки характеристик изображений за счет использования алгоритмов многомасштабной фильтрации особенностей с произвольными масштабирующими коэффициентами и развитие методик автоматизированной расшифровки и анализа дефектоскопических изображений на базе алгоритмов многомасштабной фильтрации.

Решение общей научной задачи и достижение поставленной цели связано с решением следующих вопросов:

1. Обзор и анализ применяемых в настоящее время алгоритмов и методов многомасштабного представления и обработки изображений.

2. Исследование возможностей вейвлет-преобразования в задачах цифровой обработки и анализа изображений.

3. Разработка новых алгоритмов многомасштабной фильтрации изображений с использованием вейвлет-преобразований.

4. Разработка новых алгоритмов многомасштабного представления изображений с использованием вейвлет-преобразований.

5. Исследование возможностей применения разработанных алгоритмов для решения практических производственных задач контроля качества металлоизделий.

6. Анализ возможностей аппаратной реализации алгоритмов многомасштабной фильтрации изображений для решения задач дефектоскопии.

Методы исследований. Для решения поставленных задач использованы методы дискретной математики, основные понятия математического анализа и теории множеств, методы цифровой обработки сигналов и изображений, методы теории вейвлет-преобразований и кратномасштабного анализа.

Научная новизна работы:

- алгоритм мпогомасштабного представления одномерных сигналов и изображений с произвольным коэффициентом сжатия;

- алгоритмы многомасштабной фильтрации особенностей изображений на основе непрерывного вейвлет-преобразования с адаптивным выбором масштабирующих коэффициентов;

- алгоритм многомасштабной фильтрации групповых объектов изображений;

- алгоритм многомасштабной фильтрации кривых на плоскости и в пространстве с требуемым коэффициентом сглаженности;

- автоматизированная подсистема многомасштабной обработки и анализа дефектоскопических изображений сварных металлоконструкций;

- вычислительные схемы алгоритмов многомасштабной фильтрации изображений.

Достоверность результатов работы. Основные полученные результаты представлены в виде алгоритмов, вычислительных схем алгоритмов и структурной схемы автоматизированной подсистемы обработки изображений. Адекватность предложенных алгоритмов доказывается результатами физического эксперимента и сравнением с известными алгоритмами.

Практическая значимость:

- алгоритм мпогомасштабной аппроксимации сигналов и изображений с заданным коэффициентом сжатия обеспечивает требуемую скорость изменения характеристик сигналов и позволяет повысить точность их анализа и обработки;

- алгоритмы адаптивной многомасштабной фильтрации особенностей по- ,, зволяет обнаруживать объекты произвольной формы на фоне помех с сохранением их основных геометрических характеристик;

- алгоритм мпогомасштабной фильтрации групповых объектов позволяет формировать группы объектов без анализа характеристик и свойств отдельных объектов на изображении;

- алгоритмы многомасштабной фильтрации и анализа кривых обеспечиваI ют произвольную степень сглаженности линейчатых объектов на изображении без искажения информации о форме кривых;

- автоматизированная подсистема многомасштабной обработки изображений является инструментом для проведения дефектоскопических исследований качества металлоизделий, позволяющим повысить оперативность и достоверность контроля, что подтверждается соответствующими актами о внедрении;

- предложенные вычислительные схемы алгоритмов многомасштабной фильтрации доказывают возможность аппаратной реализации предложенных алгоритмов на базе известных устройств аналогов, что позволит расширить функциональность этих устройств и использовать их при создании аппаратно-программных комплексов, решающих промышленные задачи обработки изображений.

Результаты работы получены автором при выполнении госбюджетной НИР №340/98 "Разработка методов, устройств и систем автоматизированной обработки видеоинформации" и используются:

- в управлении аварийно-восстановительных работ филиала ООО "Вол-готрансгаз", г. Нижний Новгород при расшифровке рентгенографических снимков сварных соединений газопроводов;

- в центральной заводской лаборатории ОАО "ПО МуромМаш Завод", г. Муром в процессе анализа радиографических снимков изделий и оптических снимков микроструктур металлов;

- в учебном процессе МИВлГУ при проведении лабораторных и практических работ по курсу "Методы и системы цифровой обработки изображений".

На защиту выносятся следующие результаты:

1. Алгоритм многомасштабного представления сигналов и изображений с произвольным коэффициентом сжатия.

2. Алгоритм фильтрации контуров изображений на основе многомасштабного представления и анализа кривых.

3. Алгоритмы адаптивной фильтрации объектов изображений в области непрерывного вейвлет-спектра.

4. Алгоритм многомасштабной фильтрации групповых объектов.

5. Результаты практического применения разработанных алгоритмов при расшифровке рентгенографических снимков сварных соединений металлоизделий.

6. Автоматизированная подсистема многомасштабной обработки и анализа рентгенографических снимков сварных соединений.

Апробация работы. Основные результаты докладывались и обсуждались на: 8-й и 9-й международных конференциях "Распознавание образов и анализ изображений" - РОАИ (г. Йошкар-Ола, 2007, г. Н. Новгород, 2008); 8-й - 10-й международных конференциях "Цифровая обработка и анализ сигналов" - DSPA (г. Москва, 2006 - 2008); VIII международной научно-технической конференции "Распознавание-2008" (г. Курск, 2008); международной молодежной научной конференции "Туполевские чтения" (г. Казань, 2005); IX международной конференции "Интеллектуальные системы и компьютерные науки" (г. Москва, 2006); XIV международной научной конференции "Ломоносов-2007" (г. Москва, 2007); VIII международной научио-технической конференции "Искусственный интел-лект-2007" (пос. Дивноморское, 2007); XXXIII международной конференции "Информационные технологии в науке, социологии, экономике и бизнесе" (г. Ялта, 2006) и др. международных, всероссийских и региональных конференциях.

Публикации. По теме диссертационной работы опубликовано более 40 печатных работ, в том числе 20 статей, 6 из которых в журналах, входящих в перечень ВАК, 1 учебное пособие, 8 патентов и свидетельств об официальной регистрации.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 131 наименование и приложения. Общий объем диссертации 162 страницы, в том числе 134 страницы основного текста, 13 страниц списка литературы, 9 страниц приложения. Таблиц 9, рисунков 66.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Фомин, Андрей Александрович

Основные результаты, полученные в данной работе, сводятся к следующему:

1. Проведен анализ методов цифровой фильтрации изображений. Показаны достоинства многомасштабных подходов к цифровой фильтрации, основанных на вейвлет-преобразованиях, над традиционными подходами.

2. Показаны ограничения применения вейвлет-преобразований с целыми коэффициентами изменения масштаба при разработке многомасштабных алгоритмов цифровой фильтрации изображений. Рассмотрены возможности построения алгоритмов многомасштабной обработки изображений с использованием вейвлетов с произвольными коэффициентами изменения масштаба.

3. Разработаны новые алгоритмы многомасштабной фильтрации изображений, отличающиеся возможностью выбора произвольного масштабирующего коэффициента:

- алгоритм многомасштабной аппроксимации изображений с произвольным коэффициентом сжатия, позволяющий снизить аналитическую и вычислительную сложность методов многомасштабной аппроксимации изображений с нецелыми коэффициентами сжатия;

- алгоритм оценки параметров и многомасштабной фильтрации комбинированных шумов, в среднем па 15% улучшающий оценку сигнал/шум для обработанного изображения по сравнению с известными алгоритмами винеровской фильтрации и обратной свертки;

- алгоритмы многомасштабной фильтрации особенностей изображений, основанные на использовании непрерывного вейвлет-преобразования позволяющие в среднем на 35% повысить точность обнаружения объектов произвольной формы (с точки зрения сохранения формы и размеров) по сравнению с классическими алгоритмами, применяемыми в системах технического зрения;

- алгоритм многомасштабной фильтрации и анализа кривых позволяющий в среднем на 25% снизить искажения геометрических характеристик объектов, описываемых контурами, по сравнению с алгоритмами медианной фильтрации и сплайн-интерполяции кривых;

- алгоритм многомасштабной фильтрации групповых объектов изображений, позволяющий выделять группы особенностей без анализа свойств и характеристик каждой из них.

4. Проведены исследования разработанных алгоритмов на тестовых и реальных изображениях, доказывающие работоспособность и достоверность результатов работы алгоритмов.

5. Проведены исследования алгоритмов на реальных рентгенографических снимках сварных соединений, доказывающие эффективность их применения, с точки зрения соответствия результатов работы алгоритмов результатам, полученным оператором-дефектоскопистом.

6. Разработана автоматизированная подсистема многомасштабной обработки и анализа дефектоскопических изображений сварных металлоконструкций, реализующая разработанные алгоритмы многомасштабной фильтрации. Подсистема позволяет сократить время расшифровки рентгенографических снимков в среднем в 2-3 раза.

7. Показана возможность аппаратной реализации предложенных алгоритмов, что позволит расширить функциональность известных устройств-аналогов и повысить оперативность обработки и анализа дефектоскопических снимков.

ЗАКЛЮЧЕНИЕ

Список литературы диссертационного исследования кандидат технических наук Фомин, Андрей Александрович, 2009 год

1. Александров, А.Б. и др. Автоматическое обнаружение непроваров и газовых пор при ультразвуковом контроле сварных швов циркониевых оболочек тепловыделяющих элементов / А.Б. Александров [и др.] // Дефектоскопия. -2004. -№4.-С. 20-27.

2. Алешин, Н.П. Радиационная, ультразвуковая и магнитная дефектоскопия металлоизделий : учеб. пособие / Н.П. Алешин, В.Г. Щербинский. М. : Высшая школа, 1991. - 271 с. : ил.

3. Алешин, Н.П. Ультразвуковая дефектоскопия : справ, пособие / Н.П. Алешин, В.Г. Лупачев. М. : Высшая школа, 1987. - 271 с. : ил.

4. Анисимов, Б.В. Распознавание образов и цифровая обработка изображений : учеб. пособие для студентов вузов. / Б.В. Анисимов, В.Д. Курганов, В.К. Зло-бин. М. : Высшая школа, 1983. - 295 с. : ил.

5. Архипов, А.Е. Методы цифровой обработки изображений : учеб. пособие / А.Е. Архипов, С.В. Дегтярев, С.С. Садыков. Курск : Изд-во Курск, гос. техн. ун-та, 2002. - 118 с.

6. Астафьева, Н.М. Вейвлет-анализ: основы теории и примеры применения / Н.М. Астафьева // Успехи физических наук. 1996. - Т. 166. - №11. — С. 1145-1170.

7. Бадалян, В.Т. и др. Алгоритмы обработки данных для автоматизации работы ультразвуковых систем с когерентной обработкой данных / В.Т. Бадалян [и др.] //Дефектоскопия.-2004. -№12.-С. 3-15.

8. Бархатов, В.А. Развитие методов ультразвуковой дефектоскопии сварных соединений / В.А. Бархатов // Дефектоскопия. 2003. - №1. - С. 28-55.

9. Блаттер, К. Вейвлет-анализ. Основы теории / К. Блаттер. М. : Техносфера, 2006.-272 с.

10. Вавилов, В.П. Адаптивная тепловая томография / В.П. Вавилов, А.И. Иванов, К. Малдаг//Дефектоскопия. 1994. -№1. - С. 25-31.

11. Введение в цифровую фильтрацию / под ред. Р. Богнера, А. Константини-диса ; пер. М. : Мир, 1976. - 216 с.

12. Витязев, В.В. Вейвлет-анализ временных рядов : учеб. пособие / В.В. Витязев. СПб. : Изд-во С.-Петерб. ун-та, 2001. - 58 с.

13. Воробьев, В.И. Теория и практика вейвлет-преобразования / В.И. Воробьев, В.Г. Грибунин. СПб. : ВУС, 1999. - 204 с.

14. Галушков, А.И. и др. Двухкомпонентный матричный преобразователь для систем визуализации магнитного поля / А.И. Галушков [и др.] // Дефектоскопия. 2003. - №3. - С. 18-29.

15. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. М. : Техносфера, 2005. - 1072 с.

16. ГОСТ 23055-78. Контроль неразрушающий. Сварка металлов плавлением. Классификация сварных соединений по результатам радиографического контроля. Введ. 1978-07-04. - М. : Изд-во стандартов, 1978. - 9 с.

17. ГОСТ 7512-82. Контроль неразрушающий. Соединения сварные. Радиографический метод. Взамен ГОСТ 7512-75 ; введ. 1982-20-12. - М. : Изд-во стандартов, 1982. - 18 с.

18. ГОСТ 8233-56. Сталь. Эталоны микроструктуры. Введ. 1956-11-26. - М. : Изд-во стандартов, 1956. - 12 с.

19. Гриб, В.В. Диагностика технического состояния и прогнозирования остаточного ресурса магистральных пефтегазопродуктоводов : учеб. и справ, пособие / В.В. Гриб. М. : Изд-во ЦНИИТЭнефтехим, 2004. - 64 с.

20. Диагностика и контроль качества сварных конструкций нефтегазовых объектов н оборудования : инф. материалы к лекциям и практическим занятиям. М. : РГУ нефти и газа им. И.М. Губкина, 2007. - 178 с.

21. Добеши, И. Десять лекций по вейвлетам / И. Добеши ; пер. Ижевск : НИЦ "Регулярная и хаотическая динамика", 2001. - 464 с.

22. Дремин, И.М. Вейвлеты и их использование / И.М. Дремин, О.В. Иванов, В.А. Нечитайло // Успехи физических паук. 2001. — Т. 171. - №5. - С. 465501.

23. Дроздова, В.И. Проблемы автоматизации контроля магнитных полей рассеяния с помощью магнитных жидкостей / В.И. Дроздова, Г.В. Шатрова, А.В. Приходкин // Успехи современного естествознания. 2007. - №9. - С. 75-77.

24. Дунин-Барковский, И.В. Измерения и анализ шероховатости, волнистости инекруглости поверхности / И.В. Дунин-Барковский, А.Н. Карташова. М. : Машиностроение, 1978. - 232 с. : ил.

25. Ермолов, И.Н. Неразрушающий контроль. В 5 кн. Кн. 2. Акустические методы контроля : практ. пособие / И.Н. Ермолов, Н.П. Алешин, А.И. Потапов ; под ред. В.В. Сухорукова. М. : Высшая школа, 1991. - 283 с. : ил.

26. Жизняков, АЛ. Автоматизированная подсистема кратномасштабной обработки рентгенограмм в системах неразрушающего контроля / A.JI. Жизняков, А.А. Фомин // Автоматизация и современные технологии. 2007. - №12. — С. 11-26.

27. Жизняков, АЛ. Автоматизированное обнаружение дефектов сварных соединений / A.JT. Жизняков, А.А. Фомин // Фундаментальные проблемы современного материаловедения. 2007. - Т. 4. - №2. - С. 75-80.

28. Жизняков, АЛ. Вейвлет-преобразование в обработке и анализе изображений / A.JI. Жизняков, Н.В. Вакунов. М. : Государственный научный центр Российской Федерации - ВНИИгеосистем, 2005. - 102 с. : ил.

29. Жизняков, A.JI. Информационная технология обнаружения дефектов сварных соединений на основе непрерывного вейвлет-анализа рентгенографических снимков / A.JI. Жизняков, А.А. Фомин, Г.А. Симонова // Информационные технологии. 2007. - №8. - С. 43-49.

30. Жизняков, А.Л. Миогомасштабный подход к анализу контуров изображений / А.Л. Жизняков, А.А. Фомин // Искусственный интеллект. 2007. - №4. - С. 280-287.

31. Жизняков, А.Л. Многомасштабный подход к фильтрации контуров полутоновых изображений / А.Л. Жизняков, А.А. Фомин // Вестник компьютерных и информационных технологий. 2007. - №9. - С. 13-23.

32. Жизняков, А.Л. Обнаружение пор и шлаковых включений по рентгенографическим снимкам сварных швов средствами вейвлет-анализа / А.Л. Жизняков, А.А. Фомин, Г.А. Симонова // Заводская лаборатория. Диагностика материалов. 2007. - Т. 73. -№11. -С. 25-29.

33. Калинкина, Д.А. Определение уровня шума на изображении на основе усреднения дисперсии в блоках / Д.А. Калинкина // Тез. докл. междунар. конф. "Ломоносов 2005", М./2005. С. 29-30.

34. Клюев, В.В. Неразрушающий контроль и диагностика фундамент технической безопасности 21 века / В.В. Клюев // Дефектоскопия. - 2005 - №4. — С. 8-25.

35. Колере, П. Распознавание образов / П. Колере, Д. Мюррэй ; пер. М. : Мир, 1970.-288 с.

36. Колючкин, В.Я. и др. Автоматизированная двухканальная установка для измерения параметров резьбы ниппелей насосно-компрессорных труб / В.Я. Колючкин [и др.] // Дефектоскопия. 2003. - №9. - С. 84-87.

37. Комплекснозначные и гиперкомплексные системы в задачах обработки многомерных сигналов / под ред. Я.А. Фурмана. — М. : ФИЗМАТЛИТ, 2004.-456 с.

38. Контроль качества сварки : учеб. пособие для машиностроительных вузов / под ред. В.Н. Волчепко. М. : Машиностроение, 1975. - 328 с. : ил.

39. Короновскин, А.А. Непрерывный вейвлетный анализ и его приложения /

40. A.А. Короновский, А.Е. Храмов. М. : ФИЗМАТЛИТ, 2003. - 176 с.

41. Люткевнч, A.M. Выбор параметров системы ручного томографического контроля сварных швов / A.M. Люткевич // Контроль. Диагностика. 2004. — №5.-С. 23-30.

42. Малла, С. Вэйвлеты в обработке сигналов / С. Малла ; пер. М. : Мир, 2005. - 671 с. : ил.

43. Методы компьютерной обработки изображений / под ред. В.А. Сойфера. -Изд. 2-е, испр. М. : ФИЗМАТЛИТ, 2003. - 784 с.

44. Нелинейная фильтрация сигналов и изображений : Учеб. пособие для студентов вузов / М.А. Щербаков. Пенза : Изд-во Пенз. гос. ун-та, 1999. -164 с.

45. Новиков, JI.B. Основы вейвлет-анализа сигналов : учеб. пособие / Л.В. Новиков. СПб. : МОДУС, 1999. - 152 с. : ил.

46. Павлидис, Т. Алгоритмы машинной графики и обработки изображений / Т. Павлидис. М. : Радио и связь, 1986. - 394 с.

47. Пат. 2249850 РФ, МПК7 G 06 F 17/14. Способ последовательно-параллельного вейвлет-преобразования / Квашенников В.В., Яковлев В.Г. ; опубл. 10.04.2005, Бюл. №10.

48. Пат. 2246132 РФ, МПК7 G 06 F 17/14. Способ и устройство быстрого вычисления дискретного вейвлет-преобразования сигнала с произвольным шагом дискретизации масштабных коэффициентов / Сапрыкин В.А., Малый

49. B.В., Лопухин Р.В. ; опубл. 10.02.2004, Бюл. №4.

50. Пат. 2042209 РФ, МПК6 G 06 Т 1/00. Устройство вычисления двумерной свертки /Кревецкий А.В. ; опубл. 20.08.1995, Бюл. №16.

51. Пат. 57033 Российская Федерация, МПК7 G 06 F 17/14. Устройство вычисления вейвлет преобразования / Жизняков А.Л., Фомин А.А. ; заявитель и патентообладатель Жизняков А.Л., Фомин А.А. — №2006116364/22 ; заявл.1205.2006 ; опубл. 27.09.2006, Бюл. №27.

52. Патрик, Э. Основы теории распознавания образов / Э. Патрик ; пер. М. : Советское радио, 1980. - 408 с. : ил.

53. Переберин, А.В. О систематизации вейвлет-преобразований / А.В. Перебе-рип // Вычислительные методы и программирование. — 2001. Т. 2. - С. 15— 40.

54. Поликар, Р. Введение в вейвлет преобразование / Р. Поликар ; пер. В.Г. Грибупин. С.-Пб. : АВТЭКС, 2002. - 59 с.

55. Прэтт, У. Цифровая обработка изображений : в 2 кн. / У. Прэтт ; пер. — М. : Мир, 1982.

56. Рандошкин, В.В. Новый стробоскопический метод визуализации дефектов в проводящих материалах с помощью магнитооптического метода / В.В. Рандошкин // Дефектоскопия. 1994. - №11. - С. 36-44.

57. Ринкевич, А.Б. Вейвлетный анализ акустических полей и сигналов в ультразвуковой дефектоскопии / А.Б. Ринкевич, Д.В. Перов // Дефектоскопия. -2005.-№2.-С. 43-53.

58. Садыков, С.С. Методы выделения структурных признаков изображений / С.С. Садыков, В.Н. Кан, И.Р. Самандаров. Ташкент : Фан, 1990. - 104 с.

59. Садыков, С.С. Цифровая обработка и анализ изображений / С.С. Садыков. — Ташкент : НПО "Кибернетика" АН РУз, 1994. 195 с.

60. Семенов, С.И. Информационно-диагностическая система для онкологии : монография / С.И. Семенов. Владимир : ВООО ВОИ "Рост", 2002. - 209 с.

61. Сергиенко, А.Б. Цифровая обработка сигналов / А.Б. Сергиенко. — СПб. : Питер, 2002. 608 с. : ил.

62. Смоленцев, Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB / Н.К. Смоленцев. М. : ДМК Пресс, 2005. - 304 с. : ил.

63. Сташков, А.Н. Многопараметровый магнитный контроль объемного и термического упрочнения стальных изделий : автореф. дис. . канд. техн. наук /

64. A.Н. Сташков. Екатеринбург : Изд-во ИФМ УрО РАН, 2006. - 22 с.

65. Стеклов, О.И. Мониторинг и прогнозирование ресурса нефтегазовых сооружений в условиях их старения и коррозии / О.И. Стеклов. М. : Изд-во РГУ нефти и газа им. И.М. Губкина, 2002. - 23 с.

66. СТО Газпром 2-2.4-083-2006. Инструкция по неразрушающим методам контроля качества сварных соединений при строительстве и ремонте промысловых и магистральных газопроводов. Введ. 2006-30-10. - М. : Изд-во ООО "ВНИИГАЗ", 2006. - 126 с.

67. Столниц, Э. Вейвлеты в компьютерной графике / Э. Столниц, Т. ДеРоуз, Д. Салезин ; пер. Ижевск : НИЦ "Регулярная и хаотическая динамика", 2002. -272 с.

68. Ту, Д. Принципы распознавания образов / Д. Ту, Р. Гонсалес ; пер. М. : Мир, 1978.-414 с.

69. Федеральная служба государственной статистики Электронный ресурс. (http://www.gks.ru).

70. Федюкин, В.К. Термоциклическая обработка металлов и деталей машин /

71. B.К. Федюкин, М.Е. Смагоринский. — JL. : Машиностроение. Ленингр. отд-ние, 1989.-255 с. : ил.

72. Фомин, А.А. Алгоритмы и методы вейвлет-фильтрации изображений / А.А. Фомин // Тез. докл. науч.-практ. конф. Муром, 2 февр. 2007 г. Муром : Изд-во МИ (ф) ВлГУ, 2007. - С. 175-176.

73. Фомин, А.А. Алгоритмы обработки полутоновых изображений на основе вейвлет-преобразования / А.А. Фомин, С.Н. Борблик ; Муром, ин-т Владимир. гос. ун-та. Муром, 2005. - 37 с. - Деп. в ВИНИТИ 14.12.05, № 1660.

74. Фомин, А.А. Возможности вейвлет-анализа при обработке контуров изображений / А.А. Фомин // Тез. докл. XIV междунар. конф. "Ломоносов". М., 2007 г. М. : СП "Мысль", 2007. - С. 24.

75. Фомин, А.А. Возможности применения вейвлет-преобразования в компьютерной томографии / А.А. Фомин, С.Н. Борблик ; Муром, ин-т Владимир, гос. ун-та. Муром, 2005.- 17 с. - Деп. в ВИНИТИ 14.12.05, № 1663.

76. Фомин, А.А. Возможности применения вейвлет-преобразования для выделения объектов на изображениях / А.А. Фомин // Информационные технологии моделирования и управления. 2007. -№1(35). - С. 95-99.

77. Фомин, А.А. Возможности применения комбинированных вейвлет-фильтров в задачах цифровой обработки изображений / А.А. Фомин // Тез. докл. 14 междунар. науч.-техн. конф. Рязань, 2005 г. Рязань : Изд-во Рязанск. гос. радиотехн. акад., 2005. - С. 199-201.

78. Фомин, А.А. Выделение и обработка контуров изображений на основе вейвлет-преобразования / А.А. Фомин // Системы управления и информационные технологии. 2007. - №1.2(27). - С. 295-299.

79. Фомин, А.А. Использование вейвлет преобразования для создания графических банков данных и формирования запросов изображения / А.А. Фомин, С.Н. Борблик ; Муром, ин-т Владимир, гос. ун-та. - Муром, 2005. - 38 с. — Деп. в ВИНИТИ 14.12.05, № 1661.

80. Фомин, А.А. Использование вейвлет-преобразования в задачах фильтрации изображений / А.А. Фомин // Методы и устройства передачи и обработки информации : межвуз. сб. науч. тр. ; под ред. В.В. Ромашова. М. : Радиотехника, 2007.-С. 129-132.

81. Фомин, А.А. Обзор и анализ методов и алгоритмов обработки изображенийна основе вейвлет-преобразования / А.А. Фомин, С.Н. Борблик ; Муром, ин-т Владимир, гос. ун-та. Муром, 2005. - 27 с. - Деп. в ВИНИТИ 14.12.05, № 1662.

82. Фомин, А.А. Фильтрация изображений на основе вейвлет-преобразования / А.А. Фомин //Тез. докл. XXXII междунар. науч. конф. "Гагаринские чтения". М., 2006 г. М. : МАТИ, 2006. - С. 119-120.

83. Фурман, Я.А. и др. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Я.А. Фурман [и др.] ; под ред. Я.А. Фурмана. М. : ФИЗМАТЛИТ, 2002. - 592 с.

84. Хорн, Ф. Атлас структур сварных соединений / Ф. Хорн ; пер. М. : Металлургия, 1977.-288 с.

85. Чуй, К. Введение в вейвлеты / К. Чуй ; пер. М. : Мир, 2001. - 412 с.

86. Шапиро, Л. Компьютерное зрение / Л. Шапиро, Д. Стокман ; пер. М. : БИ

87. НОМ. Лаборатория знаний, 2006. 752 с. : ил.

88. Шлеенков, А.С. и др. Автоматизированный магнитный контроль труб нефтяного сортамента / А.С. Шлеенков [и др.] // Дефектоскопия. 2002. - №6. — С. 12-18.

89. Щербаков, А.А. К вопросу о показателях качества при метрологическом обеспечении ультразвуковых дефектоскопов общего назначения / А.А. Щербаков // Дефектоскопия. 2004. - №3. - С. 20-27.

90. Юрченко, В.Ф. Методы и средства автоматизированной расшифровки рентгенографических изображений сварных соединений : автореф. дис. . канд. техн. наук / В.Ф. Юрченко. Киев : Изд-во ИЭС им. Е.О. Патона, 1983. - 16 с.

91. Ярославский, Л.П. Введение в цифровую обработку изображений / Л.П. Ярославский. М. : Советское радио, 1979. - 312 с. : ил.

92. Adelson, Е.Н. |et al. Pyramid methods in image processing / E.H. Adelson et al.] //RCA Engineer. 1984.-Vol. 29. -№6. -PP. 33-41.

93. Allon, S. Fast deblurring algorithms Electronic document. / S. Allon, M. Deber-trand, B. Sleutjes, 2004. 56 p. (http://www.bmi2.bmt.tue.nl/image-analysis/Education/OGO/0504-3.2bDeblur/OGO3.2b2004Deblur.pdf).

94. Bar, L. Image deblurring in the presence of salt-and-pepper noise / L. Bar, N. So-chen, N. Kiryati. Tel Aviv : Tel Aviv university, 2005. - 12 p.

95. Chen, C.H. Advanced image processing methods for ultrasonic NDE research / C.H. Chen. Dartmouth : University of Massachusetts Dartmouth, 2007. - 5 p.

96. Donoho, D. A fast wavelet algorithm for image deblurring / D. Donoho, M. Rai-mondo. Stanford : Stanford university, 2004. - 13 p.

97. Ibarra-Castanedo, C. Thermographic image processing for NDT / C. Ibarra-Castanedo, A. Bendada, X. Maldague. Buenos Aires, 2007. - 6 p.

98. Jia, J. Single image motion deblurring using transparency / J. Jia. Hong Kong : The Chinese university of I-Iong Kong, 2006. - 8 p.

99. Li, J. A wavelet approach to edge detection / J. Li. Huntsville : Sam Houston state university, 2003. - 80 p.

100. Madchakham, S. Edge detection in speckled SAR images using wavelet decomposition / S. Madchakham, P. Thitimajshima, Y. Rangsanseri // Proceedings of the 22nd Asian conference on remote sensing, 2001. PP. 825-828.

101. Mallat, S. Characterization of signals from multiscale edges / S. Mallat, S. Zhong // IEEE transaction on pattern analysis and machine intelligence. 1992. - Vol. 14.- №7. PP. 710-732.

102. Nacereddine, N. et al. Weld defect detection in industrial radiography based digital image processing / N. Nacereddine [et al.] // Transactions on engineering, computing and technology. 2004. - V.2. - PP. 145-148.

103. Puetter, R. Digital image reconstruction: deblurring and denoising / R. Puetter, T. Gosnell, A. Yahil. San Diego : Annual reviews, 2005. - 56 p.

104. Rhody, H. Image deblurring by frequency domain operations / H. Rhody. Rochester : Chester F. Carlson center for image science, 2005. - 28 p.

105. Servais, P. Development of new TBE method using thermography for composite inspection on aircraft with portable military thermal imager / P. Servais // ECNDT-2006.-2006.-11 p.

106. Silva, R.R. State-of-the-art of weld seam inspection by radiographic testing: Part I- Image processing Electronic document. / R.R. Silva, D. Mery, 2005. 9 p. (http://www.ndt.net/article/vl2n09/meryl.pdf).

107. Starck, J.L. Image processing and data analysis. The multiscale approach / J.L. Starck, F. Murtagh, A. Bijaoui. New York : Cambridge University Press, 1998. -307 p.

108. Syrova, L. The use of statistical properties of image in the defectoscopy of visualized transparent polymeric foils / L. Syrova, R. Ravas, J. German. Bratislava : Department of measurement, 2001. - 4 p.

109. Tang, Y.Y. et al. Wavelet theory and its application to pattern recognition / Y.Y. Tang [et al.]. Singapore : Regal press, 2000. - 359 p.

110. Vetterli, M. Wavelets and subband coding / M. Vetterli, J. Kovacevic. New Jersey : Prentice Hall, 1995.-519 p.

111. Walker, J. Fourier analysis and wavelet analysis / J. Walker // Notices of the AMS. 1997. - Vol. 44. - №6. - PP. 658-670.

112. Zhao, J. et al. Fluorescence magnetic particle flaw detecting system based on low light level CCD [Electronic document] / J. Zhao [et al.], 2000. (http://www.ndt.net/article/wcndt2004/html/htmltxt/631ma.htm).

113. Zhiznyakov, A.L. Wavelet filtering of the structure signs of an image / A.L. Zhiznyakov, A.A. Fomin // Pattern recognition and image analysis. 2008. - Vol. 18. - No. 4. - PP. 720-722. - ISSN 1054-6618