Алгоритмы оценивания параметров объектов на изображениях для бортовых систем обработки информации и управления летательных аппаратов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Фельдман, Александр Борисович

• Фельдман, Александр Борисович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Фельдман, Александр Борисович

СОДЕРЖАНИЕ

Введение

1 Аналитический обзор текущего состояния исследований по проблеме оценивания параметров объектов в бортовых системах обработки видеоизображений

1.1 Вводные замечания

1.2 Обзор и анализ отдельных классов бортовых систем обработки видеоизображений

1.3 Анализ требований к алгоритмам оценивания параметров объектов для применения в бортовых системах обработки информации и управления летательных аппаратов

1.4 Аналитический обзор методов и алгоритмов оценивания параметров объектов для бортовых систем обработки видеоизображений

1.5 Выводы

2 Алгоритмы оценивания параметров объектов для бортовых систем автоматического сопровождения

2.1 Вводные замечания

2.2 Математические модели фоноцелевой обстановки

2.3 Алгоритм оценки параметров объекта, расположенного на неоднородном фоне

2.4 Алгоритм оценки параметров объекта интереса в случае присутствия на изображениях посторонних движущихся объектов

2.5 Замечания по практической реализации разработанного алгоритма

2.6 Алгоритм оценки параметров объекта для мультиспектральной системы наблюдения

3 Алгоритмы оценивания параметров протяженных объектов на основе выделения и распознавания точечных особенностей изображений для систем навигации летательных аппаратов

3.1 Вводные замечания

3.2 Технология и алгоритмы определения географических координат и курса летательного аппарата

3.3 Технология и алгоритмы оценивания параметров объектов на основе выделения и распознавания точечных особенностей

4 Компьютерное моделирование и экспериментальные исследования алгоритмов оценки параметров объектов для бортовых систем обработки информации и управления летательных аппаратов

4.1 Экспериментальные исследования алгоритмов оценивания параметров объектов для бортовых систем автоматического сопровождения

4.2 Программное обеспечение и экспериментальные исследования технологии и алгоритмов оценивания параметров объектов для определения координат и курса летательного аппарата по данным видеонаблюдения

Заключение

Список использованных источников

Приложения

Введение диссертации (часть автореферата) на тему «Алгоритмы оценивания параметров объектов на изображениях для бортовых систем обработки информации и управления летательных аппаратов»

Введение

Актуальность работы. Жизнь и хозяйственную деятельность современного общества невозможно представить без повсеместного использования летательных аппаратов (ЛА). Развитие электроники и методов построения бортовых интеллектуальных систем обработки информации позволило существенно расширить область применения авиации далеко за пределы традиционной сферы, связанной с перевозкой людей и грузов. Современные летательные аппараты применяются в спасательно-поисковых задачах, при тушении пожаров, при проведении мониторинга удаленных объектов и аэрофотосъемки местности, при решении специальных и военных задач. Активно развиваются теория и практика применения беспилотной техники.

Усложнение конструкции летательных аппаратов и повышение сложности решаемых с их помощью задач приводят к тому, что все большая нагрузка в обеспечении полета возлагается на бортовые системы обработки информации управления. Для обеспечения надежного функционирования в условиях непредсказуемой и постоянно-изменяющейся обстановки бортовые системы должны анализировать всю имеющуюся информацию. Одним из наиболее важных источников информации являются изображения окружающей обстановки. Таким образом, можно выделить большой класс бортовых систем, связанных с получением, обработкой и анализом изображений и обеспечивающих информационную поддержку при решении целевых задач полета и задач управления летательным аппаратом. Примерами таких систем служат системы автоматического обнаружения и сопровождения объектов, системы улучшенного и синтезированного видения, системы определения положения и ориентации ЛА по визуальным ориентирам.

В процессе работы бортовые системы анализа изображений решают различные задачи. Так, на этапе движения в заданную точку маршрута должны решаться задачи навигации, обнаружения препятствий, высотных зданий. На этапе решения целевых задач полета необходимо обнаруживать и сопровождать объекты интереса. Вместе с тем можно выделить ряд особенностей, которые объединяют перечисленные задачи. Во-первых, это характер условий наблюдения: наличие ракурсных искажений вследствие движения носителя и поворотов видеодатчика; наличие яркост-

ных искажений, вызванных неоднородностью оптической среды и погодными явлениями; наличие специфических искажений, связанных с заслонением объектов интереса. Во-вторых, в каждом из перечисленных выше классов систем конечная задача часто сводится к оценке параметров объектов интереса:

- в системах автосопрождения результаты оценки параметров используются для вычисления сигналов рассогласования и управления приводами поворотной платформы;

- в системах улучшенного и синтезированного видения по данным оценки параметров объектов осуществляется совмещение изображений закабинной обстановки с виртуальной моделью или картой местности, осуществляется информирование о препятствиях на пути полета;

- в системах навигации ЛА выполняется обнаружение и оценка параметров заданных опорных участков с известными географическими координатами.

Таким образом, задача оценки параметров объектов является общей для различных бортовых систем обработки изображений.

Достаточно общим также является сам подход к решению задачи оценки параметров объектов, который, как правило, включает следующие этапы:

- формирование и обновление эталонного описания объекта;

- измерение координат объекта в кадре;

- оценку и уточнение параметров объекта за счет процедур фильтрации и межкадровой обработки.

Существует ряд проблем, связанных с разработкой алгоритмов оценивания параметров объектов на изображениях для бортовых систем ЛА. Во-первых, следует отметить проблему оценки параметров объектов, наблюдаемых на сложном неоднородном фоне в присутствии мешающих объектов, визуально схожих с объектами интереса. Существующие модели, методы и алгоритмы не всегда учитывают напрямую наличие перечисленных факторов, что может приводить к «перепутыванию» объекта интереса с посторонними объектами или фрагментами фона. Во-вторых, можно отметить проблему оценки параметров протяженных объектов в условиях ракурсных искажений для решения навигационных задач. В этом случае применение многих традиционных подходов либо затруднено в виду высокой неоднородно-

сти изображений объектов интереса, либо приводит к неоправданному увеличению вычислительной сложности.

Таким образом, имеют место актуальные проблемы, связанные с разработкой алгоритмов оценивания параметров объектов для бортовых систем JIA, предназначенных для работы в сложных условиях наблюдения, которые характеризуются наличием ракурсных искажений, пространственно-неоднородного фона и посторонних мешающих объектов, а также большой протяженностью объектов интереса. Данная диссертационная работа призвана частично восполнить существующие пробелы.

Степень проработанности темы. Вопросам проектирования и применения алгоритмов оценки параметров объектов на изображениях уделено значительное внимание в отечественных и зарубежных литературных источниках. Существенный вклад в разработку теории и алгоритмов оценки параметров объектов применительно к бортовым системам обработки видеоизображений внесли такие ученые, как Б.А. Алпатов, П.А. Бакут, И.Н. Белоглазов, Ю.В. Визильтер, С.Ю. Желтов, B.C. Киричук, A.A. Красовский, А.П. Трифонов, J.F. Doherty, Q.Pham, W. Pratt, R.E. Warren и др. Несмотря на большое количество работ по данной тематике, в результате её анализа не было выявлено публикаций, в которых в полной мере решаются и исследуются задача оценки параметров объектов при совокупном действии таких обстоятельств, как подвижный датчик видеоизображений, наличие неоднородного фона и присутствие мешающих объектов, визуально схожих с объектом интереса. Недостаточно проработаны вопросы оценки параметров протяженных объектов на основе современных методов выделения и распознавания точечных особенностей изображений.

Цель диссертационной работы заключается в повышении эффективности бортовых систем обработки информации и управления летательных аппаратов путем совершенствования математического и алгоритмического обеспечения, предназначенного для оценивания параметров объектов на изображениях. Практическая цель работы - разработка специализированного программного обеспечения и экспериментальное подтверждение эффективности разработанных алгоритмов.

Для достижения поставленной цели требуется решить следующие основные задачи:

- проанализировать существующие модели, методы и алгоритмы оценивания параметров объектов на видеоизображениях;

- разработать и усовершенствовать модели наблюдения объектов на изображениях при осуществлении видеосъемки с борта летательного аппарата;

- разработать алгоритмы оценивания параметров объектов на неоднородном фоне, в присутствии мешающих объектов, при движущемся датчике видеоизображений, предназначенные для систем автоматического сопровождения;

- разработать алгоритмы оценивания параметров протяженных объектов на основе выделения и распознавания их точечных особенностей, предназначенные для систем улучшенного и синтезированного видения и систем навигации ЛА;

- разработать специализированное программное обеспечение, реализующее разработанные алгоритмы, и выполнить с его помощью экспериментальные исследования, направленные на оценку их эффективности.

Научная новизна. Введены модели наблюдения, которые учитывают ракурсные искажения, неоднородный характер фона и наличие мешающих объектов. На их основе разработаны и теоретически обоснованы алгоритмы оценивания параметров объекта, которые позволяют снизить вероятность аномальных ошибок по сравнению с алгоритмами, основанными на корреляционно-экстремальном анализе. Разработана технология оценки параметров протяженных объектов на основе методов выделения и распознавания особых точек изображений. Технология обеспечивает повышение эффективности локализации объекта в кадре путем введения дополнительных этапов, связанных с выбором наиболее стабильных особых точек и их использованием в процессе обновления эталонного описания объекта.

Конкретно на защиту выносятся:

- модели наблюдения и алгоритм оценивания параметров объекта в видеопоследовательности для бортовой системы автоматического сопровождения, использующий оценку фонового изображения на этапе измерения координат объекта интереса;

- модифицированный алгоритм оценки параметров объекта для бортовой системы автоматического сопровождения, который с помощью выделения изображений подвижных мешающих объектов позволяет повысить вероятность правильной лока-

7

лизации объекта интереса по сравнению с корреляционно-экстремальным алгоритмом на 12% до 0,967 при работе в ТВ канале и на 22% до 0,970 при работе в ИК канале;

- модифицированный алгоритм оценки параметров объекта для мультиспек-тральной системы автоматического сопровождения, который с помощью совместной обработки изображений ТВ и ИК каналов обеспечивает повышение вероятности правильной локализации объекта на 6-8% до 0,978 по сравнению с известными корреляционно-экстремальными алгоритмами;

- технология оценивания параметров протяженных объектов для систем навигации JTA, включающая алгоритм предварительной фильтрации списка особых точек, алгоритм фильтрации списка сопоставленных пар, алгоритм обновления эталонного описания объекта за счет выбора наиболее стабильных особых точек и алгоритм фильтрации списка особых точек по скорости движения.

Практическая ценность работы заключается в следующем. Разработаны алгоритмы оценки параметров объектов, которые обеспечивают повышение эффективности применения бортовых систем автоматического сопровождения объектов при сложных условиях наблюдения, связанных с наличием неоднородного фона и мешающих объектов. Разработаны технологии определения координат и курса летательного аппарата по данным видеонаблюдения на основе оценки параметров объектов подстилающей поверхности. Выполнена оценка возможностей применения и сравнение методов SIFT и ORB, предназначенных для выделения и распознавания особых точек изображений, в задачах, связанных с навигацией JIA. Разработано программное обеспечение для автоматизации экспериментальных исследований при создании алгоритмов анализа видеоизображений для навигации JIA.

Методы исследования. Теоретические исследования в настоящей работе выполнены с использованием методов системного анализа, теории вероятности, теории статистических решений, теории компьютерной обработки изображений.

Экспериментальные исследования выполнялись на реальных и синтезированных видеосюжетах с использованием методов компьютерного моделирования и математической статистики.

Реализация и внедрение. Разработанные в диссертации методики были использованы при выполнении научно-исследовательских работ, проводимых в Рязанском государственном радиотехническом университете по заказу Министерства образования и науки РФ (НИР 19-12Г, НИР 23-11, НИР 45-11, НИР 39-10), при выполнении работ, проводимых в Рязанском государственном радиотехническом университете по заказу ОАО «Государственный рязанский приборный завод» (НИР 1-12, НИР 1-13).

Апробация работы. Основные результаты работы докладывались на следующих конференциях:

- 13-й, 14-й и 16-й всероссийских научно-технических конференциях студентов, молодых учёных и специалистов «Новые информационные технологии в научных исследованиях и образовании» (Рязань - 2008, 2009, 2011);

- 11-й, 15-й международных научно-технических конференциях «Цифровая обработка сигналов и ее применения» (Москва - 2009, 2013);

- 16-й и 17-й международных научно-технических конференциях «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань -2010,2012);

- Всеросс. конф. по результатам проектов, реализованных в рамках Федеральных целевых программ «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы, «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы» в области информационно-телекоммуникационных технологий (Москва -2010).

- 2-й и 4-й научно-технических конференциях «Техническое зрение в системах управления» (Москва - 2011, 2013)

- 7-й и 8-й всероссийских научно-технических конференциях «Перспективные системы и задачи управления» (Домбай - 2012, 2013)

- 6-й международной научно-технической конференции «Космонавтика. Радиоэлектроника. Геоинформатика» (Рязань - 2013)

Выступление на 13-й всероссийской конференции «Новые информационные технологии в научных исследованиях и образовании» (2008) отмечено дипломом за лучший доклад.

Публикации.

По теме диссертации опубликовано 16 работ, в том числе 4 статьи в изданиях, рекомендованных ВАК. Результаты исследований отражены в 4 отчётах о НИР, прошедших государственную регистрацию.

Структура и объём диссертации.

Диссертация состоит из введения, четырёх глав, заключения, списка литературы (146 источников), изложенных на 176 страницах, содержит 43 рисунка, 9 таблиц и 2 приложения.

Первая глава диссертации является вводной. В ней приведен обзор и анализ особенностей функционирования бортовых систем обработки видеоизображений, в которых применяются алгоритмы оценивания параметров объектов. Проанализированы системы автоматического сопровождения объектов, системы улучшенного/синтезированного видения, системы навигации летательных аппаратов. Сформулированы и проанализированы основные требования к алгоритмам оценивания параметров объектов для бортовых систем обработки видеоизображений. Выполнен аналитический обзор существующих подходов, методов и алгоритмов оценки параметров объектов на видеоизображениях, представлены выводы о возможности их использования для решения научно-технических проблем, поставленных в рамках данной работы.

Вторая глава диссертации посвящена вопросам оценивания параметров объектов в бортовых оптико-электронных системах автоматического сопровождения. Особенностью решаемых задач является наличие сложного неоднородного фона, мешающих объектов, ракурсных искажений. Рассмотрены математические модели изображений, на основе которых в дальнейшем синтезирован алгоритм оценивания параметров объектов, наблюдаемых на неоднородном фоне. Предложена модификация разработанного алгоритма, которая позволяет снизить вероятность аномальных ошибок за счет выделения и непосредственного учета на этапе измерения координат объекта интереса изображений движущихся относительно фона мешающих объектов. Детально рассмотрены особенности практической реализации модифицированного алгоритма. Предложен алгоритм оценки параметров объектов для мультиспек-тральной системы автоматического сопровождения.

Третья глава диссертации посвящена алгоритмам оценивания параметров объектов на основе выделения и распознавания точечных особенностей изображений и их применению в задачах навигации летательных аппаратов (ЛА). Рассмотрена технология и алгоритмы определения координат и курса ЛА. Предложены алгоритмы, позволяющие повысить эффективность оценки параметров объектов, заданных эталонным описанием на основе особых точек, за счет выбора наиболее стабильных точек, фильтрации сопоставленных пар, классификации особых точек по скорости движения.

В четвертой главе диссертации рассмотрены вопросы компьютерного моделирования и экспериментальных исследований разработанных алгоритмов. Представлены методика и результаты экспериментальных исследований, направленных на оценку эффективности алгоритмов оценивания параметров объектов для систем автоматического сопровождения. Рассмотрен программный комплекс анализа видеоизображений, предназначенный для автоматизации подготовки и проведения экспериментальных исследований по определению эффективности алгоритмов навигации ЛА по данным видеонаблюдения. Представлены методика и результаты экспериментальных исследований алгоритмов оценки параметров протяженных объектов и алгоритмов определения координат и курса ЛА.

В заключении сформулированы основные результаты диссертации.

1 Аналитический обзор текущего состояния исследований по проблеме оценивания параметров объектов в бортовых системах обработки видеоизображений

1.1 Вводные замечания

Современные технические средства, выполняющие сбор, обработку и анализ информации от различных датчиков, установленных на борту летательного аппарата, значительно облегчают работу пилотов и операторов полезной нагрузки. Среди такого рода устройств особое место занимают системы обработки видеоизображений. Они являются весьма информативным источником сведений об окружающей обстановке, однако, для того, чтобы извлечь полезную информацию необходимо решить проблему интерпретации поступающих изображений, которая в большинстве случаев сводится к задачам обнаружения и оценки параметров наблюдаемых объектов.

Обычно потребителя интересуют различные параметры объекта: координаты, скорость, габаритные размеры, ориентация. При решении задач измерения координат объекта, изображение которого состоит из множества точек, необходимо определить, что подразумевается под координатами объекта. Здесь возможны различные толкования. Например, в качестве координат объекта можно рассматривать среднеарифметическое координат его точек:

где Н - множество точек, принадлежащих объекту; М - число точек, составляющих объект. Может использоваться и более сложное определение, учитывающее яркость точек, составляющих объект

, _ )еН . _ 0,у)еЯ

где - значение яркости объекта в точке (/',у'). Во многих случаях достаточно

удобно принять за координаты объекта координаты центра прямоугольного окна, в которое вписывается изображение объекта. Размеры и ориентацию объекта также удобно связать с размерами и ориентации такого окна. В дальнейшем, если это специально не оговорено, будем использовать именно такой способ задания параметров объекта.

Задачи обработки и анализа изображений, получаемых при помощи бортового видеодатчика, имеют ряд особенностей, значительно отличающих их от других задач технического зрения [1-5, 7, 10, 11]. Большую сложность вызывает отсутствие априорной информации об объектах интереса, характере фона, условиях наблюдения. При разработке алгоритмов приходится учитывать ограничения на доступные вычислительные ресурсы и необходимость выполнять обработку в реальном масштабе времени. Существуют определенные требования к алгоритмам по точности и надежности функционирования, по устойчивости к характерным мешающим факторам.

В процессе работы бортовые системы анализа изображений решают различные задачи. Так на этапе движения в заданную точку маршрута должны решаться задачи навигации, обнаружения препятствий, высотных зданий. На этапе решения целевых задач полета необходимо обнаруживать и сопровождать объекты интереса. Исходя из этого, можно выделить следующие основные классы бортовых систем обработки видеоизображений: системы автоматического обнаружения и сопровождения объектов, системы улучшенного и синтезированного видения, системы навигации летательных аппаратов по данным видеонаблюдения.

Вместе с тем можно выделить ряд особенностей, которые объединяют различные классы бортовых систем обработки видеоизображений. Во-первых, это характер условий наблюдения: наличие ракурсных искажений вследствие движения носителя и поворотов видеодатчика; наличие яркостных искажений, вызванных неоднородностью оптической среды и погодными явлениями; наличие специфических искажений, связанных с заслонением объектов интереса. Во-вторых, в каждом из перечисленных выше классов систем конечная задача может быть сведена к оценке параметров объектов интереса:

- в системах автосопрождения результаты оценки параметров используются для вычисления сигналов рассогласования и управления приводами поворотной платформы;

- в системах улучшенного и синтезированного видения по данным оценки параметров объектов осуществляется совмещение изображений закабинной обстановки с виртуальной моделью или картой местности, осуществляется информирование о препятствиях на пути полета;

- в системах навигации летательных аппаратов выполняется обнаружения и оценка параметров заданных опорных участков с известными географическими координатами.

Таким образом, задача оценки параметров объектов является общей для различных бортовых систем обработки изображений.

Достаточно общим также является сам подход к решению задачи оценки параметров объектов, который, как правило, включает следующие этапы:

- формирование и обновление эталонного описания объекта;

- измерение координат объекта в кадре;

- оценку и уточнение параметров объекта за счет процедур фильтрации и межкадровой обработки.

В зависимости от конкретных условий и характеристик объектов для реализации отдельных этапов применяют различные алгоритмы. Так в системах автоматического сопровождения наблюдения, как правило, ведется датчиком с узким полем зрения. Объекты (бронетехника, автотранспорт, суда, люди) сравнительно небольшие и наблюдаются на значительном удалении. Характерна быстрая смена ракурса в виду изменения ориентации датчика изображений. В этом случае для оценки параметров объектов могут использоваться корреляционно-экстремальные методы, методы на основе сегментации, методы выделения движущихся фрагментов [1, 12]. В системах улучшенного и синтезированного видения и системах навигации датчики, как правило, имеют достаточно широкое поле зрения, а объекты интереса (здания, сооружения, отдельные участки местности) - значительную протяженность. В этом случае более подходящими являются алгоритмы, основанные на структурном пред-

ставлении изображений в виде совокупности особых точек, линий, элементов контура [10].

Таким образом, задачи оценки параметров объектов для различных бортовых систем обработки видеоинформации имеют значительную степень сходства, связанную с единством концепции используемых подходов, однако, в то же время, существуют различия, связанные с применением конкретных алгоритмов на разных этапах обработки.

Исходя из этого, для успешного достижения целей работы, связанных с повышением эффективности оценивания параметров объектов в системах обработки информации и управления летательных аппаратов, представляется целесообразным рассмотреть следующий круг вопросов. Во-первых, необходимо выполнить обзор основных классов бортовых систем обработки видеоизображений и проанализировать особенности их функционирования. Во-вторых, целесообразно рассмотреть известные подходы к оценке параметров объектов, характерные для бортовых систем обработки видеоизображений. В-третьих, следует сформулировать основные требования к разрабатываемым алгоритмам. Рассмотрению перечисленных вопросов посвящена 1 глава настоящей диссертационной работы.

1.2 Обзор и анализ отдельных классов бортовых систем обработки видеоизображений

1.2.1.Системы автоматического обнаружения и сопровождения объектов

Системы автоматического обнаружения и сопровождения объектов [1,2] позволяют решать множество самых разнообразных задач, связанных с применением авиационных систем. Среди них мониторинг удаленных объектов, поисковые и спасательные работы, контроль автомобильного трафика, специальные и военные задачи.

Если абстрагироваться от конкретных приложений, то основной задачей систем автоматического сопровождения является обнаружение и удержание в поле зрения движущихся или неподвижных относительно фона объектов интереса. Сопро-

вождение заключается в поддержании направления оптической оси видеодатчика на выбранный объект. Для решения этой задачи осуществляется автоматический анализ изображений фоноцелевой обстановки, выполняется обнаружение и оценка параметров объекта интереса и на основе полученных оценок формируется сигнал рассогласования, при помощи которого осуществляется управление поворотной платформой с видеодатчиком. Типовая структура системы автоматического обнаружения и сопровождения объектов представлена на рисунке 1.1.

Рисунок 1.1- Общая структура системы обнаружения и сопровождения объектов

Система включает датчик видеоизображений, установленный на специализированной поворотной платформе (как правило, гиростабилизированной). С помощью приводов управления платформой пространственная ориентация видеодатчика может изменяться с течением времени. Последовательность изображений (1), формируемая видеодатчиком, поступает в систему анализа изображений, которая в зависимости от решаемых задач и выбранного режима работы осуществляет интерпретацию изображений по определенным алгоритмам, выполняет обнаружение объектов и оценку их параметров (координат, скорости, ориентации и т.д.). Параметры объектов (2) поступают в модуль взаимодействия с потребителем, где они представляются в удобной для восприятия форме (3). Потребитель осуществляет управление функционированием системы путем введения управляющей информации (4), которая может представлять, например, указание объекта интереса для дальнейшего сопровождения. Если объект интереса задан, то на основе полученных оценок его параметров формируется сигнал рассогласования (5), который поступает в устройство управления. Там формируются управляющие сигналы (6), отрабатываемые приводами поворотной платформы.

Список литературы диссертационного исследования кандидат наук Фельдман, Александр Борисович, 2013 год

Список использованных источников

1. Алпатов Б.А., Бабаян П.В., Балашов О.Е., Степашкин А.И. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление. - М.: Радиотехника, 2008. - 176 е.: ил.

2. Object and event recognition for aerial surveillance / Yi Li, In. Atmosukarto, M. Kobashi, J.Yuen, L. Shapiro // Proceedings of the SPIE. - 2005. - Volume 5781, P. 139-149.

3. Enhanced and synthetic vision system (ESVS) flight demonstration / J.N. Sanders-Reed, K. Bernier, J. Guell // Proceedings of the SPIE. - 2008. - Volume 6957. - 13 p.

4. Enhanced and Synthetic Vision System Concept for Application to Search and Rescue Missions / C. Swail, S. Jennings // RTO meeting proceedings. - 1999. -15 p.

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

6. Алпатов Б.А., Муравьев B.C., Стротов В.В., Фельдман А.Б. Исследование эффективности применения алгоритмов анализа изображений в задаче навигации беспилотных летательных аппаратов // Цифровая обработка сигналов - 2012. - №3 - С.29-34.

7. Практическое применение технологий машинного зрения в решении задач распознавания, восстановления 3D, сшивки карт, точного целеуказания, счисления пути и навигации / А.Е. Семенов, Е.В. Крюков, Д.П. Рыкованов, Д.А. Семенов // Известия ЮФУ. Технические науки. - 2010. - №2. - С. 92102.

8. Алпатов Б.А., Муравьев B.C. Обработка изображений в задачах навигации беспилотных летательных аппаратов / Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 17-й междунар. науч.-техн. конф - Рязань, 2012. - С.5-6.

9. Фельдман А.Б. Применение технологий машинного зрения для навигации БПЛА // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 17-й междунар. науч.-техн. конф - Рязань, 2012. - С.10-12.

10. Обработка и анализ изображений в задачах машинного зрения / Ю.В. Визиль-тер, С.Ю. Желтов и др. - М.: Физматкнига, 2010. - 689 с.

11. Визильтер Ю.В., Желтов С.Ю. Проблемы технического зрения в современных авиационных системах / Техническое зрение в системах управления мобильными объектами-2010: Труды научно-технической конференции-семинара. Вып. 4 / Под ред. P.P. Назирова.— М. : КДУ, 2011.— 328 с.

12. Алпатов Б.А., Бабаян П.В., Балашов O.E., Муравьев B.C., Смирнов С.А., Степашкин А.И., Стротов В.В., Фельдман А.Б. Информационные технологии обработки и анализа изображений в оптико-электронных системах обнаружения и сопровождения объектов // Сборник тезисов Всеросс. конф. по результатам проектов, реализованных в рамках Федеральных целевых программ «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы, «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 20072012 годы» в области информационно-телекоммуникационных технологий. -Москва, 2010.-С. 11-12.

13. Алпатов Б.А., Зеленюк Ю.И., Костяшкин Л.Н., Романов Ю.Н., Семенков В.П. Видеоинформационные технологии в бортовом радиоэлектронном оборудовании перспективных авиационных систем: концепция, архитектура и решения // Радиотехника. - 2002.- №8. - С. 102-112.

14. Алпатов Б.А., Блохин А.Н., Костяшкин Л.Н., Романов Ю.Н., Шапка C.B. Семейство многофункциональных систем обработки видеоизображений "Охотник" // Цифровая обработка сигналов. - 2010. - №4. - С.44-51.

15. Runway Positioning and Moving Object Detection Prior to Landing / R. Hamza, M.I. Mohamed and others // Advances in Pattern Recognition. - 2009. - P. 243269.

16. Moving Object Detection on a Runway Prior to Landing Using an Onboard Infrared Camera / Cheng-Hua, Yu-Ping Lin, Medioni G.G., Hamza, R.R. // Proceedings of IEEE Conference on Computer Vision and Pattern Recognition CVPR '07.-2007-8 p.

17. Runway and Obstacle Detection - Key Elements of Future Enhanced and Synthetic Vision Systems / B. Korn, P. Hecker // Proceeding of NATO-RTO Workshop of Enhanced and Synthetic Vision Systems. - Ottawa, Kanada, 2002. - 10 p.

18. Flight testing an integrated synthetic vision system / L.J. Kramer, A.E. Bailey , L.J. Prinzelli // Proceedings of SPIE Conference on Enhanced and Synthetic Vision. - 2005. - 12 p.

19. Conte G., Doherty P. An Integrated UAV Navigation System Based on Aerial Image Matching // Proceedings of IEEE In Aerospace Conference. - Big Sky, 2008. -P.l-10.

20. Conte G., Doherty P. Vision-Based Unmanned Aerial Vehicle Navigation Using Geo-Referenced Information // EURASIP Journal on Advances in Signal Processing. -2009. Volume 2009.-P. 10-1 - 10-18.

21. Integration of GPS/INS/Vision Sensors to Navigate Unmanned Aerial Vehicles / J. Wang., M. Garratt et al. // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part Bl. - Beijing, 2008.-P. 963-969.

22. The Navigation and Control technology inside the AR.Drone micro UAV / P.-J. Bristean, F.Callou // Preprints of the 18th IF AC World Congress. - Milano, 2011. -P. 1477-1484.

23. A Vision-Based Guidance System for UAV Navigation and Safe Landing using Natural Landmarks / A. Cesetti, E. Frontoni et al. // Journal of Intelligent Robotic System. - 2010. - №57. - P. 233-257.

24. Алпатов Б.А., Муравьев B.C., Стротов B.B., Фельдман А.Б. Исследование эффективности применения алгоритмов анализа изображений в задаче навигации беспилотных летательных аппаратов // Цифровая обработка сигналов - 2012. - №3 - С.29-34.

25. Алпатов Б.А., Стротов В.В., Фельдман А.Б. Распознавание и прослеживание опорных участков местности для определения координат и курса беспилотного летательного аппарата // Доклады 15-й между нар. конф. DSPA-2013 том-2. - М., 2013 - С.62-66.

26. Алпатов Б.А., Муравьев B.C., Фельдман А.Б. Сравнение эффективности алгоритмов SIFT и ORB в задаче определения координат и курса БПЛА // Материалы Восьмой Всероссийской научно-практической конференции "Перспективные системы и задачи управления». - Таганрог: Изд-во ТТИ ЮФУ, 2013.-с. 136-140.

27. Алпатов Б.А., Фельдман А.Б., Фоломеев П.В. Адаптация скорости обновления эталона в алгоритме измерения координат объекта на видеоизображениях // Космонавтика. Радиоэлектроника. Геоинформатика: 6-я Междунар. науч - техн. конф. - Рязань, 2013. - С.262-263.

28. Прэтт У. Цифровая обработка изображений.-М.: Мир, 1982.-792с.

29. Barnea O.I., Silverman H.F. A class of algorithms for fast image registration // IEEE Trans. Computers.-1972.-c-21.-№6.-P. 179-186.

30. Алпатов Б.А., Хлудов С.Ю. Алгоритм последовательных испытаний в задаче совмещения двумерных изображений // Изв. Высш. Учеб. Заведений. Электромеханика-1988.-№7.-С.87-91.

31. Страхова Л.А. Обнаружение сигнала движущейся цели на фоне пассивных помех с применением спектрального анализа // Известия высших учебных заведений. Радиоэлектроника.-1988.-Том 31 .-№4-С.8-15.

32. Limb J.O„ Murphy J.A. Measuring the speed of moving objects from television signals // IEEE Trans.-1975.-Vol. COM - 23.-№4.-P.411-414.

33. Loughlin P. J. Local spectral and temporal characterizations of a wave // Proc. of SPIE. Automatic Target Recognition VIII.-Jul 1998.-Vol. 3371. - P. 552-559.

34. Колмогоров Г.С., Костромина E.B., Лучина И.И., Мальцев А.П. Оптоэлектронная система самонаведения THSSID // Зарубежная радиоэлектроника-1987.-№ 10.-С. 5 7-68.

35. Mostafavi Н. Optimal window function for image correlation in the presence of geometric distortion // IEEE Trans.- 1979. - Vol. ASSP 27. - №2. - P. 163-169.

36. Mostafavi H., Smith F.W. Image correlation with geometric distortion // IEEE Trans.-1978.-Vol. AES - 14.-№3.-P.487-500.

37. Mostafavi H., Steading T.L., Smith F.W., Poulsen R.S. Optimum window for image registration // IEEE Trans.-1981.-Vol. AES - 17. - P.101-109.

38. Pham Q. H., Brosnan Т. M., Smith M. J. T. Sequential digital filters for fast detection of targets in FLIR image data // Proc. of SPIE. Automatic Target Recognition VIL-Jun 1997-Vol. 3069. - P. 62-73.

39. Soni, Т., Zeidler J.R., Ku W.H., Recursive estimation techniques for detection of small objects in infrared image data // Proc. of IEEE International Conference on Acoustics, Speech, and Signal Processing, Mar 1992. - PP. 581-584.

40. Сергиенко А.Б. Алгоритмы адаптивной фильтрации: особенности реализации в MATLAB // Exponenta Pro. Математика в приложениях. - 2003. - №1. -С. 18-28.

41. Вентцель Е.С. Теория вероятностей. - М.: Наука, 1969. - 576 е.: ил.

42. Soni Т., Zeidler J.R., Ku W.H. Adaptive Whitening Filters for Small Target Detection // Proc. of SPIE, Signal and Data Processing of Small Targets, Aug - 1992. -Vol. 1698-PP.21-31.

43. Haykin S. Adaptive Filter Theory, 4th edition. - Prentice Hall, 2002. - 936 p.

44. Zhi-Yong Li, Zhen-Kang Shen, Zhi-Yi Li Detection and tracking of a moving point target in a low signal-to-clutter plus noise environment // Proc. of SPIE, Signal and Data Processing of Small Targets. - 1993. - Vol. 1954. - PP. 70-77.

/

45. Yun Hu, Guan Hua, Zhen-Kang Sun, Zhong-Kang Sun Detecting Dim Point Targets From Infrared Images // Proc. of SPIE, Signal and Data Processing of Small Targets. - 1995. - Vol. 2561. - PP. 598-604.

46. Hui Xiong, Wei An, Zhen-Kang Shen Robust Point Target Detect and Tracking Initialization Algorithm // Proc. of SPIE, Signal and Data Processing of Small Targets. - 1997. - Vol. 3163 - PP. 589-594.

47. Jheng Li, Zhenkang Shen, Li Biao. Detection of small moving objects in image sequences // Proc. of SPIE, Automatic Target Recognition VII. - 1997. - PP. 511517.

48. Deshpande S.D., Ronda V., Chan P. Max-Mean and Max-Median filters for detection of small-targets // Proc. of SPIE, Signal and Data Processing of Small Targets, -1999. - Vol.3809 - PP.74-83.

49. Фельдман А.Б. Обнаружение и слежение за малоразмерными объектами, наблюдаемыми на фоне облачности // Новые информационные технологии в научных исследованиях и в образовании: XIV Всероссийская научно-техническая конф. студентов, молодых учёных и специалистов. - Рязань, 2009.-С. 333-334.

50. Алпатов Б.А., Бабаян П.В., Фельдман А.Б. Обнаружение и оценка параметров малоразмерных воздушных объектов в последовательности изображений // Цифровая обработка сигналов и ее применение: Труды Российского научно-технического общества радиотехники, электроники и связи им. А.С.Попова. -М., 2010. Т.1 - С. 117-120.

51. Фельдман А.Б. Алгоритм оценки параметров воздушных объектов в видеопоследовательностях на основе кратномасштабной обработки изображений // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Материалы 16-й междунар. науч.-техн. конф. -Рязань, 2010.-С. 174-176.

52. Бакут. П.А., Ворновицкий Н.Э., Колмогоров Г.С., Лабунец В.Г. Цифровые методы обработки изображений в автоматических системах. Тематический обзор.- УПИ им. Кирова, 1986.-127 с.

53. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника-1987-№10.-С: 25-47.

54. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: Методы пороговой обработки // Зарубежная радиоэлектроника.-1987.-№10.-С. 6-24.

55. Sahoo Р.К., Soltani S., Wong A.K.C. A survey of thresholding techniques // Computers vision, grafics, and image processing. - 1988. - №41- P.233-260.

56. Гонсалес P., Вудс P. Цифровая обработка изображений. - M.: Техносфера, 2005. - 1072 е.: ил.

57. Губанов А.В., Ефимов В.М., Киричук B.C., Пустовских А.И., Резник A.JI. Методы оценивания взаимного смещения фрагментов цифровых изображений // Автометрия. -1988 - №3. - С.70-73.

58. Дейхин Л.Е., Райфельд М.А., Спектор А.А. Адаптивное ранговое обнаружение объектов на изображениях с коррелированным фоном // Радиотехника и электроника. - 1989.- Том XXXIV,- №10 - С. 2112-2118.

59. Киричук B.C., Конршевер И.И., Синелыциков В.В. Анализ изображений динамических сцен: модели, алгоритмы и системы реального времени // Автометрия. - 1998. - №3. - С. 3-17.

60. Milgram D., Rosenfeld A., Tisdale G., Willett Т. Algorithms and hardware technology for image recognition // Final report, University of Marybani. Westing-house. AD-A051191.- 1978. - 296 p.

61. Pham Q. H., Brosnan Т. M., Smith M. J. T. Sequential digital filters for fast detection of targets in FLIR image data // Proc. of SPIE. Automatic Target Recognition VII. - Jun 1997.-Vol. 3069. - P. 62-73.

62. Клочко K.K. Сегментация полутоновых двумерных изображений в задачах анализа сцен // Известия высших учебных заведений. Приборостроение.-1991. - Том 34. - №3. - С.10-15.

63. Столов Е.Л., Чубаков Л.Г. Алгоритм сегментации изображения на основе иерархического подхода с срединной линии // Кибернетика. - 1990. - №3. -С.115-117.

64. Харалик P.M. Статистический и структурный подходы к описанию текстур // ТИИЭР. - 1979. - Том 67. - №5. - С.98-120.

65. Baumgart С. W., Ciarcia С. A. Automated target recognition technique for image segmentation and scene analysis // Applications of Artificial Neural Networks V. -Mar 1994. - Vol. 2243. - P. 194-199.

66. button S., Mitchell O. Segmentation and classification of targets in FLIR imagery // Soc. Photo-opt. Instrum. Eng. J. - 1978. - №155. - P. 83-90.

67. Markham K.C. Comparision of segmentation processes for object acquisition in infrared images // IEEE Proceedings.-1988.-Vol. 136, pt. F., №1. - P. 13-21.

68. Бакут П.А., Лабунец В.Г. Телевизионная следящая система с байесовским дискриминатором цели // Зарубежная радиоэлектроника. - 1987. - №10. -С. 81-93.

69. Киричук B.C., Перетягин Г.И. Об установлении сходства фрагментов с эталоном // Автометрия. - 1986. - №4. - С.83-89.

70. Schaming W.B. Adaptive gate multifeature bayesian statistical tracker // Proc. SPIE. - 1982. - Vol. 359. - P.68-76.

71. Алпатов Б. А., Блохин A.H., Бохан К. А. Исследование Алгоритма сегментации, основанного на Байесовской процедуре классификации. // Космонавтика. Радиоэлектроника. Геоинформатика. Тез. докл. 2-й международной научно-технической конференции. - Рязань, 1998. - С. 169170.

72. Фельдман А.Б. Распознавание движущихся объектов в последовательности космических изображений // Новые информационные технологии в научных исследованиях и в образовании: XIII Всероссийская научно-техническая конф. студентов, молодых учёных и специалистов. - Рязань, 2008. - С. 114115.

73. Алпатов Б. А., Блохин А.Н. Алгоритм обнаружения кратковременных изменений в последовательности изображений // Проблемы математического моделирования и обработки информации в задачах автоматического управления: Сборник научных трудов. Рязань: РГРТА, 1996. - С.3-7.

74. Weiping Yang Zhen-kang Shen Zhi-yong Li The Application of Difference Method to Dim Point Target Detection in Infrared Images // Proc. of SPIE, Signal and Data Processing of Small Targets. - 1994. - Vol. 2235. - PP. 258-263.

75. Nishiguchi K.-I., Kobayashi M., Ichikawa A. Small target detection from image sequences using recursive max filter // Proc. SPIE Signal and Data Processing of Small Targets. - 1995.-Vol. 2561.-P. 153-166

76. Design and development of Optical flow based Moving Object Detection and Tracking (OMODT) System / S. Shirgeril, P. U. Naik, G.R.Udupi, G.A.Bidkar // International Journal of Computational Engineering Research. - 2013. - Vol. 03. Issue, 4. - P. 65-72.

77. A Real-Time Method to Detect and Track Moving Objects (DATMO) from Unmanned Aerial Vehicles (UAVs) Using a Single Camera / G.R. Rodriguez-Canosa , S. Thomas and others // Remote Sensing. - 2012. - № 4. - P. 1190-1 111.

78. Moving Object Detection and Tracking in Forward Looking Infra-Red Aerial Imagery / S. Bhattacharya, H. Idrees and others // Machine Vision Beyond Visible Spectrum. - 2011. - Vol.1. - P.221-252.

79. Муравьёв B.C. Пространственный алгоритм обнаружения и определения координат воздушных объектов на изображении // Вестник Рязанского государственного радиотехнического университета. - Рязань, 2009. - №2(28). - С.17-20.

80. Муравьёв B.C., Муравьёв С.И. Алгоритм выделения и измерения координат объектов, наблюдаемых на облачных фонах // Вестник Рязанского государственного радиотехнического университета. - Рязань, 2007. - №21. -С. 20-24.

81. Алпатов Б.А., Бабаян П.В. Методы обработки и анализа изображений в бортовых системах обнаружения и сопровождения объектов. // Цифровая обработка сигналов. - 2006. -№2. - С. 45-51.

82. Алпатов Б. А., Селяев А. А. Алгоритм оценки местоположения объекта на двумерном изображении. // Изв. вузов. Сер. Приборостроение. - 1988. - №5. -С. 3-5.

83. Алпатов Б.А. Алгоритм оценивания местоположения изменяющего яркость объекта в последовательности изображений // Изв. вузов. Сер. Приборостроение. - 1991. - №7. - С.76-81.

84. Алпатов Б. А. Оценивание параметров движущегося объекта в последовательности изменяющихся двумерных изображений //-Автометрия. — 1991.-№3.-С. 21-24.

85. Алпатов Б.А. Оценивание параметров движущегося фрагмента двумерного изображения // Техника средств связи. Серия Техника телевидения. - 1991. -№2.-С. 77-81.

86. Алпатов Б.А. Оптимальное оценивание параметров движущегося объекта в последовательности изображений // Автометрия. - 1994. - №2. - С. 32-37.

87. Алпатов Б.А. Алгоритм обнаружения и выделения движущегося фрагмента изображения // Техника средств связи. Серия техника телевидения. - 1991. -№2.-С. 72-76.

88. Алпатов Б. А., Блохин А. Н. Модели и алгоритмы обнаружения и выделения движущихся фрагментов изображений // Автометрия. - 1995. - №4. - С. 100104.

89. Алпатов Б. А., Бохан К. А. Алгоритм обнаружения и выделения изображения движущегося объекта в присутствии неоднородного фона // Вестник Рязанской государственной радиотехнической академии. - Рязань, 1999. -№6.-С. 7-11.

90. Warren R.E. Generalized likelihood ratio detector for small targets in stationary background clutter // Proc. of SPIE, Signal and Data Processing of Small Targets. -1990.-Vol. 1305. - P.24-40.

91. Трифонов А.П., Куцов P.B. Обнаружение движущегося пространственно протяженного объекта на фоне с неизвестной интенсивностью // Автометрия. - 2005. - №1. - С. 3-18.

92. Трифонов А.П, Прибытков Ю.Н. Обнаружение объектов с неизвестной площадью при наличии фона // Автометрия. - 2005. - №4. - С. 24-39.

93. Трифонов А.П. Куцов Р.В. Обнаружение объекта с неизвестными параметрами движения по его изображению // Вестник ВГУ; Серия: Физика, математика. - 2008. - №1. - С. 98-108.

94. Васильев К.К., Крашенинников В.Р. Адаптивные алгоритмы обнаружения аномалий на последовательности двумерных изображений // Компьютерная оптика.-№14-15.- 1995.-С. 125-132.

95. Luwe D.G. Distinctive Image Features from Scale-Invariant Keypoints // International Journal of Computer Vision. - 2004. - Vol. 60, Issue 2. - P.91-110.

96. Шапиро Д., Стокман Дж. Компьютерное зрение. - М.: Бином. Лаборатория знаний, 2006. - 752 с.

97. Yan Ке, Sukthankar, R. PCA-SIFT: a more distinctive representation for local image descriptors // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. - 2004. - Vol.2 - P. 11-506 - II-513.

98. Alhwarin F., Ristic-Durrant D., Gräser A. VF-SIFT: Very Fast SIFT Feature Matching // Proceedings of 32nd DAGM Simposium. - Darmstadt, Germany, 2010. - Vol.6376. -P.222-231.

99. Grabner M., Grabner H., Bischo H. Fast approximated SIFT // Proceedings of the 7th Asian conference on Computer Vision. - 2006. - Part 1. - P.918-927.

100. Speeded-Up Robust Features (SURF) / H. Bay, A. Ess and others // Computer Vision and Image Understanding. - 2008. - Vol.110, Issue 3. - P.346-359.

101. Peker K.A. Binary SIFT: Fast image retrieval using binary quantized SIFT features // 9th International Workshop on Content-Based Multimedia Indexing. - 2011. -P.217-222.

102. Ni Zhen-Sheng B-SIFT: A Binary SIFT Based Local Image Feature Descriptor // Fourth International Conference on Digital Home. - 2012 - P. 117-121.

103. Leutenegger S., Chli M., Siegwart R.Y. BRISK: Binary Robust invariant scalable keypoints // IEEE International Conference on Computer Vision. - 2011. - P. 2548 -2555.

104. BRIEF: binary robust independent elementary features / M. Calonder, V. Lepetit and others // Proceedings of the 11th European conference on Computer vision. -2010. -Part IV. -P.778-792.

105. ORB: An efficient alternative to SIFT or SURF / E. Rublee, V.Rabaud and others // Proceedings of 2011 IEEE International Conference on Computer Vision. -2011.-P. 2564-2571.

106. Волегов Д.Б., Юрин Д.В. Предварительное грубое совмещение изображений по найденным на них прямым линиям для построения мозаик, сверхразрешения и восстановления трехмерных сцен // Программирование. -№5.- 2008.-С. 47-66.

107. Ziou D., Tabbone S. Edge detection techniques: An overview // International Journal of Pattern Recognition and Image Analysis. - 1998. - №8(4). - P.537-559.

108. Copeland A.C., Ravichandran G., Trivedi M.M. Localized Radon transform-based detection of ship wakes in SAR images // IEEE Transactions on Geoscience and Remote Sensing. - 1995.-Vol. 33, Issue 1. - P. 35-45.

109. Баранов В.Г., Храмов А.Г. Дискретное веерное преобразование Радона в задаче выделения центров ветвей сетчатых структур // Компьютерная оптика. - №23. - 2002 - С.44-47.

110. Анцев Г.В., Волков В.Ю., Макаренко А.А., Турнуцкий J1.C. Выделение прямолинейных кромок на зашумлённых изображениях методом ориентированной фильтрации // Цифровая обработка сигналов и её применение. Труды конф.- №23 - М., 2011- С.93-96.

111. Бабаян П.В., Шубин Н.Ю. Выделение прямолинейных границ на основе модифицированного преобразования Радона // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 16й междунар. науч.-техн. конф. - Рязань, 2010. - С.21-23.

112. Wu Z., Wang J., Li С., Yan Y., Chu C. Bidirectional Matching Algorithm for Target Tracking Based on SIFT //Advanced Research on Computer Education, Simulation and Modeling Communications in Computer and Information Science. - Volume 175 .-2011.-P. 253-258.

113. Fazli S., Pour H.M., Bouzari H. Particle Filter Based Object Tracking with Sift and Color Feature // Second International Conference on Machine Vision. - 2009. -P. 89-93.

114. Huiyu Zhou, Yuan Yuan, Chunmei Shi Object tracking using SIFT features and mean shift // Computer Vision and Image Understanding. - 2009. -№113. - P. 345352.

115. Алпатов Б.А., Бабаян П.В., Шубин Н.Ю. Алгоритм оценки координат объектов на основе преобразования Радона // Цифровая обработка сигналов. -2011. - №3. - С. 17-20.

116. Бабаян П.В., Шубин Н.Ю. Алгоритм оценивания координат объектов на основе отслеживания прямолинейных границ // Цифровая обработка сигналов и ее применение - DSPA'2012: тез. докл. 14-й междунар. конф. - М., 2012. — С. 330-331.

117. Брайсон А., Хо Ю-ши. Прикладная теория оптимального управления. -М.: Мир, 1972.-544 с.

118. Бабаян П.В., Фельдман А.Б. Определение местоположения объекта на изображении в системах технического зрения мобильных робототехнических комплексов // Вестник Рязанского государственного радиотехнического университета. - Рязань, 2011. - №4. - С. 19-25.

119. Левин Б.Р. Теоретические основы статистической радиотехники. - М.: Радио и связь, 1989 - 656 с.

120. Zitova В., Flusser J. Image registration methods: a survey // Image and Vision Computing. - 2003. - №21. - P. 977-1000.

121. Ташлинский А.Г. Оценивание параметров пространственных деформаций последовательностей изображений / Ульяновский государственный технический университет. - Ульяновск: УлГТУ, 2000. - 132 с.

122. Алпатов Б.А., Бабаян П.В., Стротов В.В. Анализ точностных характеристик методов слежения за фоновым изображением для бортовой видеоинформационной системы // Вестник Рязанского государственного радиотехнического университета. - Рязань, 2007. - №. 20. - С. 3-10.

123. Стротов В.В. Оценивание параметров смещения изображения в задачах выделения движущихся объектов // Вестник Рязанского государственного радиотехнического университета. — Рязань, 2008. — №23. — С. 30-37.

124. Стротов В.В. Выбор опорных участков в многоэталонном алгоритме определения параметров геометрических преобразований изображений // Вестник Рязанского государственного радиотехнического университета. - Рязань, 2009. - №2(28). - С.93-96.

125. Алпатов Б.А., Стротов В.В. Алгоритм оценки параметров геометрических преобразований изображений при мультиспектральном наблюдении // Цифровая обработка сигналов. - 2010. - №4. - С.2-6.

126. Алпатов Б.А., Бабаян П.В., Корепанов С.Е. Корреляционный алгоритм слежения за движущимися объектами при наличии близкорасположенных похожих объектов // Вестник Рязанского государственного радиотехнического университета. - Рязань, 2010. - №2(32). - С.3-8.

127. Фельдман А.Б. Алгоритм измерения координат наземных объектов для бортовой системы технического зрения // Новые информационные технологии в научных исследованиях: XVI Всеросс. науч.-техн. конф. студентов, молодых учёных и специалистов. - Рязань, 2011. - С.320-322.

128. Алпатов Б.А., Фельдман А.Б. Измерение координат объекта в видеопоследовательности с использованием оценки фонового изображения // Техническое зрение в системах управления 2011:Сб. тр. науч. конф. -М., 2011- С.231-236.

129. Li X.-R., Jilkov V. Survey of Maneuvering Target Tracking. Part I: Dynamic Models // IEEE Transactions On Aerospace And Electronic Systems. - 2003. - Vol. 39, №4. - P.1333-1364.

130. Bar-Shalom Y., Li X.-R. Kirubarajan T. Estimation with applications to tracking and navigation: theory, algorithms and software, New-York: Wiley, 2001 - 58 lp

131. Bar-Shalom Y., Li X.-R. Multitarget-Multisensor Tracking: Principals and Techniques, 1995.-608 p.

132. Рязанцев Jl.Б. Многомодельное байесовское оценивание вектора состояния маневренной воздушной цели в дискретном времени // Вестник ТГТУ- т. 15, №4. - 2009. - С. 729-739.

133. Limb J.О., Murphy, J.Measuring the Speed of Moving Objects from Television Signals // IEEE Transactions on Communications. - 1975. - Vol.23, Issue 4 -P.474-478

134. Pham Q.H., Bronsan T.M., Smith MJ. Sequential digital filters for fast detection of targets in FLIR image data // Proceedings of SPIE. - 1997. - Vol.3069. - P.62-73

135. Алпатов Б.А., Бабаян П.В. Выделение движущихся объектов в последовательности мультиспектральных изображений при наличии геометрических искажений // Вестник Рязанского государственного радиотехнического университета. — Рязань, 2008. — №23. — С. 37-43.

136. Беспилотные авиационные системы: безопасность полетов и критические факторы / В. Шибаев, А. Шнырев., В. Буня // Аэрокосмический курьер. -2011. -№1.- С. 55-58.

137. Fischler M.A., Bolles R.C. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography// Comm. Of the ACM - 1981. - Vol. 24. - P. 381-395.

138. Morel J.M., Yu G. ASIFT: A New Framework for Fully Affine Invariant Image Comparison // SIAM Journal on Imaging Sciences. - 2009. - Vol. 2, Issue 2 -P. 438-469.

139. Beis J., Lowe D.G. Shape indexing using approximate nearest-neighbor search in high-dimensional spaces // Conference on Computer Vision and Pattern Recognition. - Puerto Rico, 1997. - P. 1000-1006

140. Бабаян П.В., Смирнов С.А. Слежение за объектом на основе алгоритма сопоставления с эталоном при одновременном наблюдении в видимом и инфракрасном диапазонах // Цифровая обработка сигналов. - 2010. - №4. -С. 18-21.

141. Алпатов Б.А., Бабаян П.В., Смирнов С.А., Фельдман А.Б. Измерение координат объекта в последовательности мультиспектральных изображений // Цифровая обработка сигналов - 2012. - №4. - С.13-17.

142. Алпатов Б.А., Бабаян П.В., Коблов Ю.С., Муравьев B.C., Стротов В.В., Фельдман А.Б. Автоматизация разработки и исследования алгоритмов машинного зрения для навигации беспилотных летательных аппаратов на базе специализированного программного комплекса // Известия ЮФУ. Технические науки. - 2012. - №3. - С.85-91.

143. Коблов Ю.С., Фельдман А.Б. Программный инструментарий для моделирования полетов БПЛА и имитации бортовой видеосъемки / Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 17-й междунар. науч.-техн. конф - Рязань, 2012. - С.7-8

144. Официальный сайт проекта FlightGear (англ.). - URL: http://www.flightgear.org (дата обращения: 10.09.2013 г.)

145. Алпатов Б.А., Стротов В.В., Фельдман А.Б. Распознавание и прослеживание опорных участков местности для определения координат и курса беспилотного летательного аппарата // Доклады 15-й между нар. конф. DSPA-2013- Москва, 2013. - Том-2. - С.62-66.

146. Алпатов Б.А., Муравьев B.C., Фельдман А.Б. Сравнение эффективности алгоритмов SIFT и ORB в задаче определения координат и курса БПЛА // Материалы Восьмой Всероссийской научно-практической конференции "Перспективные системы и задачи управления». - Таганрог: Изд-во ТТИ ЮФУ, 2013.-С. 136-140.