Быстродействующее оптико-электронное устройство распознавания изображений объектов на основе трехмерных векторных эталонов тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат технических наук Коростелев, Сергей Иванович

• Коростелев, Сергей Иванович
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Коростелев, Сергей Иванович

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ И УСТРОЙСТВ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ.

1.1. Методы, основанные на анализе контура объекта.

1.2. Нейросетевые методы.

1.3. Методы, основанные на сравнении с эталоном.

1.4. Методы распознавания сложных стерео- и мультиизображений в реальном времени.

1.5. Оптико-электронные устройства для распознавания изображений объектов.

ГЛАВА 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ ТРЕХМЕРНЫХ ВЕКТОРНЫХ ЭТАЛОНОВ.

2.1. Математическая модель ввода изображения распознаваемого объекта

2.1.1. Функция определения габаритного контейнера.

2.1.2. Функция масштабирования изображения.

2.1.3. Функция кодирования изображения.

2.2. Математическая модель представления эталонов MDL.

2.2.1. Функция выбора эталонов.

2.2.2. Функция получения изображения проекции эталона.

2.3. Функция определения весовых коэффициентов.

2.4. Функция определения входных данньгс.

2.5. Математическая модель распознавания на основе весовых коэффициентов и входных данных.

2.6. Обобщенный алгоритм работы оптико-электронного устройства распознавания изображений объекта.

ГЛАВА 3. АНАЛИЗ ХАРАКТЕРИСТИК И СИНТЕЗ БЫСТРОДЕЙСТВУЮЩЕГО ОПТИКО-ЭЛЕКТРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ НА ОСНОВЕ ТРЕХМЕРНЫХ ВЕКТОРНЫХ ЭТАЛОНОВ.

3.1. Достоверность распознавания объектов.

3.2. Синтез метода и алгоритмов распознавания.

3.2.1. Алгоритмы формирования эталонов.

3.2.2 Алгоритмы формирования предварительных признаков.

3.2.3. Синтез алгоритма распознавания изображений.

3.3. Синтез быстродействующего оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов.

3.3.1 Структурно-функциональная схема и описание принципов работы

3.3.2. Повышение быстродействия устройства оптико-электронного устройства распознавания изображений объектов.

3.3.3. Анализ быстродействия оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов

3.4. Инженерная методика определения параметров устройства и количества параллельных модулей идентификации объекта.

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ВЫСОКОТОЧНОГО ОПТИКО-ЭЛЕКТРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ НА ОСНОВЕ ТРЕХМЕРНЫХ ВЕКТОРНЫХ ЭТАЛОНОВ.

4.1. Аппаратногпрограммный комплекс для проведения испытаний высокоточного оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов.

4.2. Методика проведения экспериментальных исследований.

4.3. Экспериментальное определение основных характеристик быстродействующего оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов.

4.3.1. Оценка достоверности.

4.3.2. Оценка быстродействия.

4.3.3. Расчет количества параллельных модулей иденти-фикации.

4.3.4. Оценка дополнительных характеристик.

Введение диссертации (часть автореферата) на тему «Быстродействующее оптико-электронное устройство распознавания изображений объектов на основе трехмерных векторных эталонов»

Актуальность работы. Ускорение темпов производства на основе автоматизации и роботизации технологических процессов является одним из приоритетных направлений развития приборостроения и вычислительной техники в настоящее время. Оптико-электронные устройства (ОЭУ), являющиеся неотъемлемым элементом систем управления, находят все большее применение в различных областях деятельности человека, начиная от производства и заканчивая процессом обработки данных. Основной функцией оптико-электронных устройств является распознавание объектов и измерение их параметров. Для большинства прикладных задач на практике имеется необходимость анализа и распознавания трехмерных объектов, в связи с чем, распознавание изображений объектов приобретает еще большую актуальность.

Решение задачи распознавания характеризуется рядом сложностей, связанных с положением объекта в пространстве. В связи с этим целесообразно применение методов, позволяющих производить распознавание объектов инвариантно к положению и ориентации в пространстве, а также обладающих высокой скоростью обработки данных.

Существует множество методов распознавания произвольно расположенных объектов, однако большинство из них имеет существенные ограничения. Так, например, существуют сложности в решении задачи идентификации объектов, отличающихся визуально незначительно и имеющих схожие ракурсы. Кроме того имеется зависимость достоверности распознавания от положения объекта в пространстве, что для произвольно расположенного объекта может приводить к его ошибочному распознаванию.

Оптико-электронные устройства, предназначенные для распознавания трехмерных объектов, как правило, основаны на анализе двух и более изображений объекта в различных ракурсах. Недостатками подобных устройств являются следующие: сложность аппаратуры, необходимость точной калибровки ОЭУ, значительная вычислительная сложность, которая может приводить к длительному времени распознавания.

Наряду с этим известны методы распознавания трехмерных объектов, основанные на анализе единственного изображения объекта. Подобные методы требуют значительных вычислительных ресурсов для реализации, большого объема памяти для хранения проекций эталонного объекта в различных ракурсах. Кроме того пространство используемых признаков зачастую не позволяет рационально сформировать базу эталонов, что приводит к существенным затратам памяти и длительному процессу поиска, отрицательно сказывающимся на быстродействии ОЭУ. Большинство существующих методов имеют узкий спектр применения, связанный с ограничениями, накладываемыми при реализации, такими, как аппаратная база, масса, габариты устройства и временные показатели скорости обработки данных.

Таким образом, существует объективная необходимость создания новых методов распознавания и ОЭУ, позволяющих решить задачу распознавания трехмерного объекта, снизить вычислительную сложность, повысить достоверность распознавания и скорость обработки данных.

В этой связи актуальной научно-технической задачей является разработка метода и устройств распознавания объектов, позволяющих повысить достоверность распознавания и обеспечить быстродействие ОЭУ.

Перспективным подходом к решению этих задач является применение трехмерных векторных изображений в качестве эталонов, позволяющих в сочетании с дополнительными признаками предварительного анализа повысить достоверность и увеличить скорость распознавания за счет инвариантности к положению объекта в пространстве и сокращения затрат времени за счет использования параллельных вычислений.

Диссертационная работа выполнена в рамках фундаментальных исследований с госбюджетным финансированием, которые велись и ведутся в Курском государственном техническом университете (госбюджетная НИР:

1.1.05 "Исследование теоретических основ, методов и алгоритмов повышения качества обработки изображений в системе технического зрения" (№ гос. регистрации 01200508819, 2005 г.).

Цель работы: разработка метода распознавания изображений объектов, основанного на использовании трехмерных векторных эталонов и быстродействующего оптико-электронного устройства, характеризующегося повышенной достоверностью и инвариантностью к аффинным преобразованиям объекта.

Задачи исследования, решаемые в работе:

1. Сравнительный анализ существующих методов и устройств распознавания изображений и обоснование необходимости создания комбинированных методов с повышенной достоверностью и быстродействующих устройств распознавания объектов.

2. Разработка математической модели распознавания изображений объектов на основе трехмерных векторных эталонов.

3. Создание метода инвариантного к аффинным преобразованиям в пространстве и алгоритмов распознавания изображений объектов, содержащих блоки, которые допускают аппаратную-ориентацию.

4. Разработка структурно-функциональной схемы и быстродействующего оптико-электронного устройства распознавания изображений трехмерных объектов.

Новыми научными результатами, выносимыми на защиту, являются:

1. Математическая модель распознавания объекта на основе трехмерных векторных эталонов, обеспечивающая инвариантность к положению объекта в пространстве и отличающаяся применением специализированной структуры данных описания эталонов.

2. Алгоритмы распознавания объектов и формирования трехмерных векторных эталонов, обеспечивающие уменьшение емкости памяти, необходимой для хранения эталонов, и возможность применение конвейерной обработки данных.

3. Метод распознавания изображений трехмерных объектов, обеспечивающей возможность реализации, как на программном, так и на аппаратном уровне, и позволяющий сохранить высокую достоверность распознавания при высокой скорости обработки данных за счет использования трехмерных векторных эталонов.

4. Структурно-функциональная схема оптико-электронного устройства распознавания объектов с конвейерной обработкой данных, особенностью которой является разработка и введение специализированных вычислительных устройств, реализующих параллельную, конвейерную обработку данных и обеспечивающих повышение быстродействия оптико-электронного устройства.

Объект исследования - оптико-электронные устройства распознавания изображений трехмерных объектов.

Предмет исследования - методы, алгоритмы и оптико-электронные устройства обработки и распознавания изображений.

Методы исследования. В работе использованы методы цифровой обработки сигналов и изображений, математического моделирования, распознавания изображений объектов и анализа дискретных изображений, методы проектирования устройств ЭВМ.

Практическая ценность работы состоит в том, что ее результаты являются основой для разработки широкого класса оптико-электронных устройств распознавания трехмерных объектов по единственному изображению. Применение подобных устройств возможно в следующих системах: системах контроля качества продукции, автоматизированных манипуляторах, робототехнике, системах наведения.

Разработанный метод распознавания характеризуется гибкостью и возможностью реализации, как на программном, так и на аппаратном уровне, что обеспечивает широкий спектр областей использования. Особенностью метода является наличие ряда параметров, обеспечивающих баланс достоверности распознавания, производительности и аппаратных затрат в зависимости от условий применения.

Результаты диссертационной работы внедрены на предприятиях ООО «СМИ-Линк г. Курск», ОГУ СМЭП Курской области и используются в учебном процессе Курского государственного технического университета по учебным дисциплинам «Структурно-топологическое проектирование ЭВМ», «Основы теории распознавания образов».

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на Международных и Российских конференциях: Всероссийская конференция по проблемам информатики, физики и химии (г. Москва РУДН 2005); Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание 2005» (г. Курск, Курский государственный технический университет 2005 г.); «Молодежь и XXI век: 2005, 2006, 2007» (г. Курск, Курский государственный технический университет 2005, 2006, 2007 гг.).

Публикации. Основные результаты выполненных исследований и разработок опубликованы в 14 печатных работах, в том числе в 7 статьях. Среди них: 3 статьи, опубликованные в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендуемых ВАК, а также 3 патента Российской Федерации.

Личный вклад автора. В работах, опубликованных в соавторстве, лично соискателем предложены: в [48] - метод распознавания изображений объектов с использованием трехмерных векторных эталонов и программа для его реализации; в [2] - метод распознавания символьной информации автомобильного бортового компьютера; в [3] - способ калибровки системы технического зрения распознавания номеров игровой рулетки; в [85,67,6,87] -устройство для инвариантного к аффинным преобразованиям распознавания изображений на основе трехмерных векторных эталонов; в [1] - способ распознавания одно - двухзначных чисел; в [68] - использование трехмерных эталонов в задаче распознавания; в [85] - программа распознавания образов, использующая векторные эталонные изображения.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 87 наименований, изложена на 138 страницах и поясняется 36 рисунками и 16 таблицами.

Заключение диссертации по теме «Элементы и устройства вычислительной техники и систем управления», Коростелев, Сергей Иванович

126 Выводы

1. Разработаны аппаратно-программный комплекс и методика проведения экспериментальных исследований для определения основных характеристик и параметров оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов. Проведен эксперимент, позволяющий оценить быстродействие устройства и достоверность распознавания объектов.

2. В результате выполнения экспериментальных исследований подтверждена адекватность разработанной математической модели оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов.

3. Проведенные экспериментальные исследования оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов позволили провести сравнительный анализ с методом, основанным на ВКФ, подтверждающий преимущества разработанного высокоточного оптико-электронного устройства. Подтверждено высокое быстродействие и достоверность распознавания разработанного оптико-электронного устройства. Сравнительный анализ быстродействия разработанного оптико-электронного устройства показал, что оно обладает более достоверностью (достоверность повышена на 3,3%) и высоким быстродействием (в 3,5 раза без применения параллелизма и в 5,9 при использовании параллельных модулей идентификации), чем существующие аналоги.

ЗАКЛЮЧЕНИЕ

При решении поставленной в диссертационной работе задачи были получены следующие результаты.

1. Основываясь на анализе существующих методов и устройств распознавания изображений объектов, создана математическая модель распознавания изображений объектов на основе трехмерных векторных эталонов, позволяющая повысить быстродействие и достоверность распознавания трехмерных объектов за счет введения частных математических моделей хранения данных и выбора эталона.

2. Разработан метод распознавания изображений трехмерных объектов, обеспечивающей возможность реализации, как на программном, так и на аппаратном уровне, и позволяющий сохранить высокую достоверность распознавания при высокой скорости обработки данных.

3. Разработаны алгоритмы, описывающие процесс распознавания объектов и формирования трехмерных векторных эталонов, позволяющие уменьшить емкость памяти, необходимой для хранения эталонов, и применять конвейеризацию и параллелизм, а также выполнять ряд операций на специально разработанных вычислительных модулях, что существенно увеличивает скорость обработки данных.

4. Разработана структурно-функциональная схема быстродействующего оптико-электронного устройства распознавания объектов с применением принципов параллелизма и конвейерной обработки данных, особенностью которой является разработка и введение специализированных вычислительных устройств, реализующих параллельную, конвейерную обработку данных и специализированную адресацию, обеспечивающее высокую достоверность распознавания и скорость работы ОЭУ.

5. В процессе экспериментальных исследований подтверждена адекватность разработанной математической модели быстродействующего оптико-электронного устройства на основе трехмерных векторных эталонов, что позволяет использовать математическую модель для теоретических исследований влияния параметров разработанного устройства на скорость и достоверность распознавания. Сравнительный анализ разработанного оптико-электронного устройства показал, что оно обладает более высокой достоверностью (достоверность повышена на 3,3%) и быстродействием (в 3,5 раза без применения параллелизма и в 5,9 при использовании параллельных модулей идентификации), чем существующие аналоги.

Список литературы диссертационного исследования кандидат технических наук Коростелев, Сергей Иванович, 2009 год

1. B.C. Панищев. № 2007148769/09; заявл. 25.12.2007; опубл. бюл. № 24 27.08.2009, 2009 г.

2. Коростелев, С.И. Метод распознавания символьной информации автомобильного бортового компьютера Текст./ С.И. Коростелев,

3. C.В.Дегтярев, М.И. Труфанов, А.В. Медведев // Датчики и системы. №5. 2008.-С. 5-7.

4. Чернов, А.В. Автоматическое распознавание контуров зданий на картографических изображениях Текст. / А.В. Чернов, Н.В. Чупшев// Компьютерная оптика: Том № 31 №4, Октябрь декабрь 2007 г. С. 101-103.

5. Dajnowiec, М. An Adaptive Rule Based Automatic Lung Nodule Detection •i System Text. / M. Dajnowiec, J. Alirezaie, P. Babyn // Pattern Recognition and1.age Analysis. Lect. Notes in Сотр. Sci.,v. 3687. 2005. P. 773-782.

6. Головко, В.А. Нейроинтеллект: Теория и применения. Самоорганизация, отказоустойчивость и применение нейронных сетей Текст. / В.А Головко В.А// Книга 2. Брест: БПИ. 1999. 228 с.

7. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика Текст./ Ф. Уоссермен // М.: Мир. 1992. 184 с.

8. Petrou, М. Learning in Pattern Recognition Text. / M. Petrou // Lecture Notes in Artificial Intelligence Machine Learning and Data Mining in Pattern Recognition. 1999. P. 11-12.

9. Jacobsen, X. A Comparison between Neural Networks and Decision Trees Text. / X. Jacobsen, U. Zscherpel, P. Perner // Lecture Notes in Artificial Intelligence Machine Learning and Data Mining in Pattern Recognition. 1999. P. 144-158.

10. Гимаров, В.А. Нейросетевой алгоритм классификации сложных объектов Текст. / В.А. Гимаров, М.И. Дли // Программные продукты и системы. 2004 № 4. -МНИИПУ, НИИ «Ценртрпрограммсистем». 2004. С. 51-55.

11. Круглов, В.В. Нечеткая логика и искусственные нейронные сети Текст. / В.В. Круглов, М.И. Дли, Р.Ю. Голунов // М.: Физматлит 2001. 221 с.

12. У сков, А. А. Гибридный нейросетевой алгоритм идентификации сложных объектов Текст. / А.А. Усков, Д.В: Санатин // Программные продукты и системы.- 2006 № 1. МНИИПУ, НИИ «Ценртрпрограммсистем». 2006. С. 4-7.

13. Катковник, В1. Я. Непараметрическая идентификация и сглаживание данных Текст. / В. Я. Катковник // М.: Наука. 19851 336 с.

14. Дли, М.И. Локально-аппроксимационные модели сложных объектов Текст. / Дли М.И. // М.: Наука; Физмалит. 2000. 224 с.

15. Дюк В. Data Mining: учебный курс Текст. / В. Дюк, А. Самойленко // СПб.: Питер. 2001. 368 с.

16. Круглов, В.В. Искусственные нейронные сети. Теория и практика Текст. / В.В. Круглов, В.В. Борисов // М.: Глячая линия — Телеком. 2001. 384 с.

17. Hubel, D.H. Receptive fields and functional architecture in two nonstriate visual area (18 and 19) of the cat Text. / D.H. Hubel, T.N. Wiesel // J. Neurophysiol. 28. 1965. P. 229-289.

18. Fukushima, K. Neocognitron: a self-organising neural network for mechanism of pattern recognition unaffected by shift in position Text. / K. Fukushima // Biological Cybernetics 36. 1980. P. 193-202.

19. Satoh, S. Recognition of Hand-written Patterns by Rotation-invariant Neocognitron Text. / S. Satoh, J. Kuroiwa, H. Aso, S. Miyake // Proc. of ICONIP'98, 1. 1998. P. 295-299.

20. Satoh, S. Pattern Recognition System with Top-Down Process of Mental Rotation Text. / S. Satoh, J. Kuroiwa, H. Aso and S. Miyake // Proc. of IWANN'99, 1. 1999. P. 816-825.

21. Carpenter, G.A. Fuzzy Artmap : A neural network architecture for incremental supervised learning of analog multidimensional Maps Text. / G.A. Carpenter, S. Grossber // IEEE Transactions on Neural Network. V. 3. 1992. P. 698-712.

22. Carpenter G.A. What-and-Where filter. A partial mapping neural network for object recognition and image understandingText. / G.A. Carpenter, S. Grossber, G.W. Leshert // Computervision and image understanding. V. 69, No. 1. 1998. P. 11-22.

23. Загоруйко, Н. Г. Семейство алгоритмов. Локатор для быстрого поиска ближайшего аналога Текст. / Н. Г. Загоруйко, В.В. Дюбанов // СибЖИМ. Т. 38, №5. 2006. С. 54—62.

24. Johnson, А.Е. IEEE Trans. Text. / А.Е. Johnson, М. Hebert // Pattern Analysis and Machine Intelligence, 21(5). 1999. P. 433-449.

25. Черников, И.С. Компьютерное моделирование Текст. / И.С. Черников // Труды XV международной научно-технической конференции «Телематика 2008», СПб. 2008. С. 166-170.

26. Timofeev, A.V. Application DSP and ADSP For Artifical Neural Network Control of Dynamic Objects Text. / A.V. Timofeev, O.A. Derin, R.U. Sova // Proceedings of the First International Conference Szczecin Poland, December 1112. 1997. P.91-95.

27. Анцев, Г.В. К вопросу формирования эталонных изображений для оптикоэлектронной бортовой системы автоматического распознавания объектов Текст. / Г.В. Анцев, А.А. Макаренко, JI.C. Турнецкий //

28. Идентификация систем и задачи управления: труды VII международной конференции SICPRO 08. Москва, Институт проблем управления им. В.А. Трапезникова РАН. 2008. С. 2130-2139.

29. Макаренко, А.А. К вопросу коррекции проективных искажений оптикоэлектронного аэроснимка Текст. / А.А. Макаренко, JI.C. Турнецкий // XII Международная научно-техническая конференция «Радиолокация, навигация, связь». Воронеж. 2006. С. 1952-1960.

30. Пискунов, Н.С. Дифференциальное и интегральное исчисления Текст. / Н.С. Пискунов // Учебник для втузов. Т. 2. - М.: Наука. - 1970. - С. 576.

31. Юдин, М.Ф. Основные термины в области метрологии Текст.: Словарь-справочник / Юдин М.Ф., Селиванов М.Н., О.Ф. Тищенко, А.И. Скороходов; Под ред. Ю.В. Тарбеева//М.: Издательство стандартов. 1989. С. 113.

32. Козлов, Ю.М. Адаптация и обучение в робототехнике Текст. / Козлов Ю.М. -М.: Наука. Гл. ред. физ.-мат. лит. 1990. С. 248.

33. Труфанов, М.И. Калибровка установочного положения датчиков бинокулярного оптико-электронного устройства Текст. / М.И. Труфанов // Сборник материалов МНТК «Медико-экологические информационные технологии». Курск. 2005. С. 91 92.

34. Растригин, JI.A. Адаптация сложных систем Текст. / Растригин JI.A. // Рига: Зинатне. 1981. 375 с.

35. Bas, Е.К. An easy to install camera calibration for traffic monitoring Text. / E.K.Bas, J.D.Crisman // In Proc. IEEE Conf. on Intelligent Transportation Systems. 1997. P. 362-366.

36. Ярославский, Л. П. Введение в цифровую обработку изображений Текст. / JI. П. Ярославский // М.: Сов. радио. 1979. 216 с.

37. Wolberg, G. Digital Image Warping / G. Wolberg // IEEE Computer Society Press Monograph. 1990. P. 344.

38. Gonzalez, R.C. Digital Image Processing Text./ R.C. Gonzalez, R.E. Woods// Upper Saddle River, NJ, USA: Prentice-Hall, Inc. 2006. P. 624.

39. Коростелев, С.И. Метод распознавания изображений объектов с использованием трехмерных векторных эталонов и программа для его реализации Текст. / С.И. Коростелев, B.C. Титов, B.C. Панищев, В.А. Денисюк // Телекоммуникации. № 9. 2007. С. 10-14.

40. Кобаяси, Ш. Основы дифференциальной геометрии Текст. / Ш. Кобаяси, К. Номидзу // Т. 1, Наука, М. 1981.344 с.

41. Никулин, Е. А. Компьютерная геометрия и алгоритмы машинной графики Текст. / Е. А. Никулин // СПб: БХВ-Петербург. 2003. 560 с.

42. Дональд, Херн Бейкер Компьютерная графика и стандарт OpenGL. 3-е изд. Текст. / Херн Дональд, М. Паулин // М.: «Вильяме». 2005. С. 1168

43. Розенблатт, Ф. Принципы нейродинамики: Перцептроны и теория механизмов мозга Текст. / Ф. Розенблатт // М.: Мир. 1965. 480 с.

44. Верхагин, К. Распознавание образов: состояние и перспективы Текст. / К. Верхагин // М.: Радио и связь. 1985. 104 с.

45. Чепонис, К.А. Методы, критерии и алгоритмы, используемые при преобразовании, выделении и выборе признаков в анализе данных / К.А.Чепонис // Сб.статей. Вильнюс. 1988. 150 с.

46. Сойфер, В.А. Методы компьютерной обработки изображений Текст. / В.А. Сойфер // М.: Физматлит. 2001. 784 с.

47. Юдин, М.Ф. Основные термины в области метрологии Текст. / Словарь-справочник // Юдин М.Ф., Селиванов М.Н., О.Ф. Тищенко, А.И. Скороходов; Под ред. Ю.В. Тарбеева. М.: Издательство стандартов. 1989. С.113.

48. Журавлев, Ю.И. «Распознавание». Математические методы. Программная система. Практические применения Текст. / Ю.И. Журавлев, В.В. Рязанов, О. В. Сенько // М.: Фазис. 2006. 176 с.

49. Hjaltson, G.R. Ranking in spatial databases Text. / G.R. Hjaltson, H. Samet // Lecture Notes in Computer Science, 951. 1995. P. 83-95.

50. Friedman, J. H. An algorithm for finding best matches in logarithmic expected time Text. / J. H. Friedman, J.L. Bently, R.A.Finkel // In ACM Transaction on Mathematical Software, volume 3 Sept. 1977. PP. 209-226.

51. Хоровиц, П. Искусство схемотехники. В 3-х томах: Т. 2. Перевод с английского 4-е изд. Текст. / П. Хоровиц, У. Хилл // М.: Мир. 1993. - 371 с.

52. Титов, B.C. Технико-экономический анализ разработки средств визуального контроля. Учебное пособие Текст. / B.C. Титов, В.И. Сырямкин, Т.А. Ширабакина // Курск гос. техн. ун-т. Курск. 1995. 98 с.

53. Титов, B.C. Методика применения экспертных методов для оценки качества продукции Текст. / B.C. Титов, Т.А. Ширабакина // М.: Стандарт. 1975.31 с.

54. Патент 2361273, Российская Федерация МПК G 06 К N 9/62. Способ и устройство распознавания изображений объектов Текст. / С.И. Коростелев, B.C. Титов. B.C. Панищев. № 2007109075/09; заявл. 13.03.2007; опубл. бюл. № 19 10.07.2009, 2009 г.

55. Воеводин, В.В. Параллельные вычисления Текст. / В.В. Воеводин, Вл.В. Воеводин // СПб.: БХВ-Петербург. 2002. 608 с.

56. Гуров, В.В. Основы теории и организации ЭВМ Текст. / В.В. Гуров, В.О. Чуканов // М.: ИНТУИТ. 2006. 280 с.

57. Григорьев, B.JI. 80486. Архитектура и программирование: В 4 т. Т. 4 Текст. / В.Л. Григорьев // М.: МИКАП. 1993. 382 с.

58. Bier, J. Choosing a Processor: Benchmarks and Beyond (S043) Text. / J. Bier // Berkeley, California: Berkeley Design Technology, Inc., USA. 2006. P. 254.

59. Deering, W. The Triangle Processor ond Normal Vector Shader A VLSI System for High Perfonnance Graphics Text. / W. Deering // Computer Graphics, 4. April 1988 VoL. 22. 1988. P. 21-30.

60. Duff, T. Smoothly shaded rendering of polyhedral objects on raster displays Text. / T. Duff// Computer Graphics Feb. 1979 Vol. 13, 2. 1979. PP. 270-275.

61. Bishop, C. Fast Phong Shading Text. / C. Bishop, D.M. Weimar // Computer Graphics, 4. April 1986, Vol. 20. 1986 P. 103-106.

62. Jackel, O. A Real-time Raster Scan Display for 3-D Graphics Text. / O. Jackel, H. Ruesseler // Advance in Computer Graphics Hardware IV, S pringer. 1991.

63. Jackel, O. Grafik-Computer, Springer-Verlag, 1992. Text. / O. Jackel, M. Cobernuss, H. Ruesseler // Verfanren und Schaltungsarundnung zur Untetduckung verdeckter Bikfpunkte, DE 41 43 576 Al, German Patent Of ice. 1993. P. 25.

64. Molnar, S. PixalFlow High-Speed Rendering Using Image CompositionText. / Molnar S., Zyles,Z., // SIGGRAPH'92. 1992.

65. Akenine-Moller, T. Real-Time Rendering, Third Edition Text. / T. Akenine-Moller//England: AK Peters. 2008 . P. 1045.

66. Галушкина, А.И. Проблемы построения и обучения нейронных сетей Текст. / А.И.Галушкина, В.А.Шахнова // М.: Изд-во Машиностроение. Библиотечка журнала Информационные технологии №1. 1999. С. 105.

67. Галушкин, А.И. Некоторые исторические аспекты развития элементной базы вычислительных систем с массовым параллелизмом (80- и 90- годы) Текст. / А.И.Галушкин // Нейрокомпьютер. №1. 2000. С.68-82.

68. Лебедев; О.Н. Применение микросхем памяти в электронных устройствах Справ, пособие Текст. / О.Н. Лебедев // М.: Радио и связь. 1994. 216 с.

69. Агуров П. В. Интерфейс USB. Практика использования и программирования Текст. / П.В. Агуров // СПб: БХВ-Петербург. 2004. 576 с.

70. Коростелев, С.И. Оптико-электронное устройство распознавания изображений объектов на основе трехмерных векторных эталонов Текст. /

71. С.И. Коростелев, В.С.Титов, М.И. Труфаиов, А.В. Медведев // Информационно-измерительные управляющие системы № 4 2009. С. 59 64.

72. Александрова, В.В. Компьютерное моделирование пространственных форм в среде 3D STUDIO МАХ Текст. / В.В. Александрова // СПб.: Анатолия 2003. 319 с.

73. Korostelev, S. Vision system for image recognition based on three-dimensional vector patterns Text. / V. Gridin, V. Titov, M. Truphanov, S. Korostelev // Machine graphics and vision. Poland, Vol. 18, No. 2, 2009. P. 175 186.