Информационные модели многоуровневой обработки изображений тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Авербух, Михаил Леонидович

• Авербух, Михаил Леонидович
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Авербух, Михаил Леонидович

ВВЕДЕНИЕ.

Актуальность темы.

Цель работы.

Задачи.

Методы исследования.

Научная новизна.

Практическая ценность.

Апробация работы.

Публикации.

Структура и объем диссертации.

ГЛАВА 1. Аналитический обзор.

1.1. Исходные положения.

1.1.1. Понятие изображения.

1.1.2. Активное восприятие.

1.1.3. Пирамидальная обработка визуальной информации.

1.2. Анализ состояния проблемы узнавания.

1.2.1. Зрительное восприятие человека и машинное зрение.

1.2.2. Проблема отыскания соответствия анализируемого и эталонных изображений.

1.3. Основные положения теории активного восприятия.

ГЛАВА 2. Информационная модель пирамидальной координатной системы в представлении на плоскость.

2.1. Постановка задачи.

2.2. Определение взаимного расположения объектов на разных уровнях разложения.

2.3. Определение взаимного расположения объектов на одном уровне разложения.

2.4. Выводы.

ГЛАВА 3. Координатное совмещение эталонного и анализируемого изображений.

3.1. Постановка задачи.

3.1.1. Формальная модель преобразований на плоскости.

3.2. Информационная модель компенсации параллельного переноса.

3.3. Информационная модель компенсации поворота.

3.3.1. Определение поворота на углы кратные 90°.

3.3.2. Грубое определение поворота на углы некратные 90°.

3.4. Информационная модель компенсации изменения масштаба.

3.4.1. Зеркальное отражение.

3.4.2. Деформации типа расширения и сжатия.

3.5. Выводы.

ГЛАВА 4. Информационная модель многоуровневой обработки на примере текста.

4.1. Постановка задачи.

4.2. Информационная модель уровня страницы текста при многоуровневой обработке изображений.

4.3. Информационная модель выделения на странице текста строк и букв.

4.4. Выводы.

ГЛАВА 5. Практические применения разработанных моделей.

5.1. Узнавание изображений на произвольных шумах.

5.2. Формирование гипотез в процессе узнавания (неполный перебор эталонных образов).

5.3. Определение ориентации объекта изображения с заданной точностью на примере определения ориентации изображения микросхемы.

5.4. Определение номеров на железнодорожных вагонах.

5.5. Выводы.

Введение диссертации (часть автореферата) на тему «Информационные модели многоуровневой обработки изображений»

Актуальность темы

Одной из фундаментальных проблем современности является проблема зрительного восприятия. Возникнув очень давно, она является актуальной и в настоящее время, ибо изображение является естественным средством взаимодействия человека и окружающего его мира; изображение является естественным средством общения человека и машины в любых системах обработки, анализа и контроля.

Вопросы обработки, анализа и распознавания изображений получили фундаментальное развитие в работах научных коллективах Вычислительного центра РАН, Института проблем передачи информации РАН, Института систем обработки изображений РАН, Института прикладной математики и кибернетики при Нижегородском госуниверситете и др. Значительный вклад в решение проблемы распознавания изображений внесли М.А. Айзерман, Э.М. Браверман, В.Н. Вапник, Ю.Г. Васин, А.И. Галушкин, A.J1. Горелик, И.Б. Гуревич, Р. Дуда, Ю.И. Журавлев, Н.Г. Загоруйко, Д. Марр, М. Минский, Ю.И. Неймарк, С. Пейперт, К.В. Рудаков, Ф. Розенблатт, А. Розенфельд, В.А. Сойфер, Р. Фишер, К. Фу, П. Харт, М.И. Шлезингер и другие российские и зарубежные ученые.

Развитие современных средств компьютерной техники и информационных технологий способствует широкому внедрению в практику систем автоматической обработки изображений.

Одной из актуальных проблем, стоящей перед разработчиками таких систем является узнавание в анализируемом изображении или его части известных системе эталонных образов, особенно при высоком уровне шума в анализируемом изображении и в реальном масштабе времени. Именно неспособность успешно функционировать при наличии высокого уровня шума в анализируемых изображениях наиболее ограничивает возможность использования существующих в настоящее время систем автоматической обработки изображений.

Другой актуальной проблемой является координатное описание анализируемой информации, под которым понимается соответствие систем координат различных уровней представления данных. В широком смысле координатное соответствие есть взаимно-однозначная связь объекта изображения на множестве уровней разложения на пирамиде описания и принятия решений. В узком смысле — соответствие объекта и его эталона на i-ом уровне разложения. Возникновение этой проблемы связано с необходимостью обработки изображений в условиях априорной неопределенности их системы координат. Несоответствие системы координат исходного изображения с системами координат эталонных образов, хранящихся в памяти, приводит к невозможности обработки таких изображений. Поэтому, в настоящее время актуально стоит задача совмещения систем координат исходного изображения и эталонных образов. Особенно остро эта задача стоит в случае необходимости работы системы в реальном масштабе времени, так как большинство существующих методов совмещения координатных систем при обработке изображений требуют значительных вычислительных затрат.

Цель работы

Целью данной работы является разработка информационной модели многоуровневой обработки изображений.

Задачи

Для достижения поставленной цели необходимо решить следующие задачи:

1. Решить задачу построения пирамидальной координатной системы в представлении на плоскость.

2. Разработать информационную модель определения взаимного расположения объектов на разных уровнях разложения с использованием пирамидальной координатной системы.

3. Разработать информационную модель определения взаимного расположения объектов на одном уровне разложения с использованием пирамидальной координатной системы.

4. Решить задачу установления координатного соответствия между различными изображениями через рассмотрение всех случаев изоморфных преобразований исходного изображения и выработать меры по их устранению с целью совмещения систем координат исходного и эталонного изображений.

5. Разработать информационную модель уровня страницы текста при многоуровневой обработке изображений: на примере уровня страницы текста рассмотреть модели определения расположения и ориентации страницы текста.

6. Разработать информационную модель уровня строк и букв при многоуровневой обработке изображений.

Методы исследования

Для решения поставленных задач в работе использованы методы распознавания образов, теории активного восприятия, системного анализа, математического моделирования, анализа и синтеза изображений, теории групп и теории вычислительных систем.

Научная новизна

Научная новизна работы состоит в следующем:

1. Решена задача построения пирамидальной координатной системы в представлении на плоскость.

2. Разработана информационная модель определения взаимного расположения объектов на разных уровнях разложения с использованием пирамидальной координатной системы.

3. Разработана информационная модель определения взаимного расположения объектов на одном уровне разложения с использованием пирамидальной координатной системы.

4. Решена задача установления координатного соответствия между различными изображениями на множестве изоморфных преобразований исходного изображения и выработаны меры по их устранению с целью совмещения систем координат исходного и эталонного изображений.

5. Разработана информационная модель уровня страницы текста и уровня строк и букв при многоуровневой обработке изображений.

6. Разработана информационная модель обработки изображений объектов при их частичном стирании.

Практическая ценность

Реализованы в виде программных модулей алгоритмы узнавания на произвольных шумах, формирования гипотез о результатах узнавания на ранних стадиях процесса узнавания, подавления искажений, возникающих ввиду воздействия на анализируемое изображение всех видов изоморфных преобразований, формирования гипотез в процессе узнавания частично стертых изображений объектов, анализа изображений, содержащих текстовую информацию. Проведена проверка разработанного программного комплекса на множестве изображений как реальных, в том числе искаженных, так и созданных специально для проведения исследования.

Результаты работы использованы проектах РФФИ №01-01-00452, №0101-00459 и внедрены в учебный процессе Нижегородского государственного технического университета.

Полученные результаты подтверждают эффективность методов анализа и разработанных алгоритмов.

Апробация работы

Основные положения диссертационной работы были апробированы на 6 научных конференциях:

• Научно-техническая конференция факультета информационных систем и технологий (Нижний Новгород, 1999);

• Всероссийская научно-техническая конференция ИСТ-2001 (Нижний Новгород, 2001); • Региональный молодежный научно-технический форум «Будущее технической науки Нижегородского региона» (Нижний Новгород, 2002);

• Всероссийская научно-техническая конференция ИСТ-2002 (Нижний Новгород, 2002);

• Всероссийская научно-техническая конференция ИСТ-2003 (Нижний Новгород, 2003);

• II Региональная молодежная научно-техническая конференция «Будущее технической науки Нижегородского региона» (Нижний Новгород, 2003);

Публикации

По материалам диссертации опубликовано 11 научных работ [1-11], в том числе 5 статей.

Структура и объем диссертации

Основной текст диссертации состоит из введения, 5 глав, заключения, библиографического списка и приложения, содержит 147 страниц машинописного текста, 82 рисунка и 16 таблиц.

Заключение диссертации по теме «Теоретические основы информатики», Авербух, Михаил Леонидович

5.5. Выводы

1. Разработано алгоритмическое программное обеспечение на основе выбранного критерия поиска эталонного образа, соответствующего узнаваемому изображению, базирующийся на системе признаков, соответствующих теории активного восприятия, доказывающее эффективность использования указанного критерия при построении систем узнавания изображений.

2. Разработано алгоритмическое программное обеспечение, позволяющее в реальном масштабе времени обрабатывать сложные изображения на фоне интенсивных помех.

3. Проведены экспериментальные исследования, результаты которых позволяют утверждать о высокой надежности узнавания даже при наличии значительных помех на изображении.

4. Предложена модель формирования гипотез в процессе узнавания при многоуровневой обработке изображений, позволяющая без значительного усложнения системы узнавания в целом эффективно накапливать и использовать опыт, основанный на существенных различиях в той частоте, с которой в реальных условиях встречаются те или иные образы в процессе узнавания.

5. Решена задача определения ориентации объекта изображения с заданной точностью.

6. Показана работоспособность алгоритмического программного обеспечения на примерах обработки текста, ориентации объекта по его изображению для робототехнических систем, анализа номеров на железнодорожных вагонах.

Заключение

Наиболее важным результатом диссертационной работы является разработка информационных моделей и алгоритмического обеспечения многоуровневой обработки изображений.

В соответствии с поставленными целью и задачами в ходе выполнения диссертационной работы были получены следующие основные результаты:

1. Решена задача построения пирамидальной координатной системы в представлении на плоскость.

2. Разработана информационная модель определения взаимного расположения объектов на разных уровнях разложения с использованием пирамидальной координатной системы.

3. Разработана информационная модель определения взаимного расположения объектов на одном уровне разложения с использованием пирамидальной координатной системы.

4. Решена задача установления координатного соответствия между различными изображениями на множестве изоморфных преобразований исходного изображения и разработаны процедуры по их устранению с целью совмещения систем координат исходного и эталонного изображений.

5. Разработана информационная модель уровня страницы текста при многоуровневой обработке изображений, позволяющая определять расположение и ориентацию страницы текста.

6. Разработана информационная модель уровня строк и букв при многоуровневой обработке изображений, позволяющая выделять на изображении строки текста, в внутри строк - буквы.

7. Разработана информационная модель работы с объектами, подвергшимися частичному стиранию, например в результате грубой сегментации.

8. Разработано алгоритмическое программное обеспечение на основе выбранного критерия поиска эталонного образа, соответствующего узнаваемому изображению, базирующийся на системе признаков, соответствующих теории активного восприятия, доказывающее эффективность использования указанного критерия при построении систем узнавания изображений.

9. Разработано алгоритмическое программное обеспечение, позволяющее в реальном масштабе времени обрабатывать сложные изображения на фоне интенсивных помех.

Ю.Проведены экспериментальные исследования, результаты которых позволяют утверждать о высокой надежности узнавания даже при наличии значительных помех на изображении.

11 .Предложена модель формирования гипотез в процессе узнавания при многоуровневой обработке изображений, позволяющая без значительного усложнения системы узнавания в целом эффективно накапливать и использовать опыт, основанный на существенных различиях в той частоте, с которой в реальных условиях встречаются те или иные образы в процессе узнавания.

Список литературы диссертационного исследования кандидат технических наук Авербух, Михаил Леонидович, 2004 год

1. Авербух М. J1. Алгоритм координатного совмещения эталонного и анализируемого изображений // Тез. докл. Всероссийской научно-техн. конф. «Информационные системы и технологии». - Н. Новгород, 2001, с. 147-149.

2. Авербух. М. JI. Алгоритм узнавания символьных изображений на произвольных шумах // Тез. докл. научно-техн. конф. фак. информационных систем и технологий «ФИСТ 99». - Н. Новгород, 1999, с. 81- 82.

3. Авербух М. JI. Информационная модель определения взаимного расположения объектов при многоуровневой обработке изображений // сб. «Труды НГТУ: Системы обработки информации и управления», том 35, -Н. Новгород, 2002, с. 48 50.

4. Авербух М. JI. Информационная модель определения ориентации объекта изображения на плоскости // Межвуз. сб. науч. тр. «Системы обработки информации и управления», вып. 8, Н. Новгород, 2001, с. 32-36.

5. Авербух М. JI. Информационная модель пирамидальной координатной системы на плоскости // Тез. докл. Всероссийской научно-техн. конф. «Информационные системы и технологии». Н. Новгород, 2002, с. 161 — 162.

6. Авербух М. JI. Информационная модель построения гипотез в процессе узнавания по части изображения // Тез. докл. 2-й региональной молодежной научно-техн. конф. «Будущее технической науки Нижегородского региона». Н. Новгород, 2003, с. 3.

7. Авербух М. JI. Информационная модель узнавания частично загороженных и частично стертых изображений // Тез. докл. Всероссийской научно-техн. конф. «Информационные системы и технологии». — Н. Новгород, 2003, с. 141.

8. Авербух М. JI. Информационная модель формирования гипотез в процессе узнавания при многоуровневой обработке изображений // Межвуз. сб. науч. тр. «Системы обработки информации и управления», вып. 7, -Н. Новгород, 2001, с. 91 94.

9. Авербух М. JI. Информационные модели совмещения систем координат эталонного и анализируемого изображений // Межвуз. сб. науч. тр. «Системы обработки информации и управления», вып. 7, Н. Новгород, 2001, с. 84-90.

10. Авербух М. JI. Исследование работы алгоритма узнавания символьных изображений на произвольных шумах // сб. «Труды НГТУ: Системы обработки информации и управления», том 37, Н. Новгород, 2003, с. 3138.

11. Авербух М. JI. Пирамидальная координатная система многоуровневой обработки изображений // Тез. докл. научно-техн. форума «Будущее технической науки Нижегородского региона». — Н. Новгород, 2002, с. 110.

12. Аггарвал Дж.К., Нандхакумар Н. Определение параметров движения по последовательности изображений. Обзор // ТИИЭР, 1988, т.76, № 8, с. 69 -90.

13. Алгебраическая теория автоматов, языков и полугрупп // Под ред. А.Арбиба. М.: Статистика, 1975. - 335 с.

14. Александров В. В., Горский Н. Д. Зрительное восприятие человека и машинное зрение // Искусственный интеллект. В 3-х кн. - М.: Радио и связь, 1990. Кн. 2. Модели и методы: Справочник / Под ред. Д. А. Поспелова. — 304 с.

15. Александров П.С. Теория размерностей и смежные вопросы; статьи общего характера. М.: Наука, 1978. - 295 с.

16. Алоимокос Дж. Зрительное определение формы // ТИИЭР, 1988, т.76, № 8, с. 50-69.

17. Андреев Ю.Н. Управление конечномерными линейными объектами. М.: Наука, 1976. - 424 с.

18. Андросов В. А., Бойко Ю. В., Бочкарев А. М., Одногор А. П. Совмещение изображений в условиях неопределенности // Зарубежная радиоэлектроника, 1985, № 4, с. 54 — 69.

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

20. Аркадьев А.Г., Браверман Э.М. Обучение машины классификации объектов. — М.: Наука, 1971. 192 с.

21. Ахмед Н., Рао К.Р. Ортогональные преобразования при обработке цифровых сигналов. М.: Связь, 1980. - 248 с.

22. Байчи Р. Активное восприятие // ТИИЭР, 1988, т.76, № 8, с. 164 175.

23. Бакут П.А., Колмогоров Г.С. Сегментация изображений: методы выделения границ областей // Зарубежная радиоэлектроника, 1987, № 10, с. 33-52.

24. Балашов Е. П., Пузанков Д. В. Проектирование информационно-управляющих систем. М.: Радио и связь, 1987. - 256 с.

25. Берт П.Дж. Интеллектуальное восприятие в пирамидальной зрительной машине // ТИИЭР, 1988, т.76, № 8, с. 175 186.

26. Бертеро М., Поджо Т.А., Торре В. Некорректные задачи в предварительной обработке визуальной информации // ТИИЭР, 1988, т.76, № 8, с. 17 40.

27. Бесл Дж. Геометрическое моделирование и машинное зрение // ТИИЭР, 1988, т.76, №8, с. 90-117.

28. Бессонов А.А., Загашвили Ю.В., Маркелов А.С. Методы и средства идентификации динамических объектов. — JL: Энергоатомиздат, 1989. — 280 с.

29. Бир. Ст. Кибернетика и управление производством. М.: Гос. изд-во физмат лит-ры, 1963. - 275 с.

30. Бьемон Ж., Логендейк P.JL, Мерсеро P.M. Итерационные методы улучшения изображения // ТИИЭР, 1990, т.78, № 5, с. 58 84.

31. Вапник В.Н., Червоненкис А .Я. Теория распознавания образов (статистические проблемы обучения). М.: Наука, 1974. - 416 с.

32. Васильев В. И., Ивахненко А. Г. и др. Алгоритм распознающей системы перцептронного типа с корректором на входе. // Автоматика. Киев: Наукова думка, 1966, № 1, с. 7 — 21.

33. Галушкин А. И. Синтез многослойных систем распознавания образов. -М.: Энергия, 1974. 368 с.

34. Гилой В. Интерактивная машинная графика: Структуры данных, алгоритмы, языки. — М.: Мир, 1981. — 384 с.

35. Горелик А. Л., Гуревич И. Б., Скрипкин В. А. Современное состояние проблемы распознавания. — М.: Радио и связь, 1985. — 160 с.

36. Горелик А. Л., Скрипкин В. А. Методы распознавания. М.: Высшая школа, 1984.-222 с.

37. Грановская Р. М., Березная И. Я., Григорьева А. Н. Восприятие и признаки формы. М.: Наука, 1981. - 208 с.

38. Гуревич И.Б. Проблемы распознавания изображений / Распознавание, классификация, прогноз. Математические методы и их применение, вып. 1.- М.: Наука, 1989, с. 280 328.

39. Дей Дж. Д., Зиммерман Ю. Эталонная модель взаимодействия открытых систем (ВОС) // ТИИЭР, 1983, т.71, №12, с. 8 17.

40. Денисов Д.А., Низовкин В.А. Сегментация изображений на ЭВМ // Зарубежная радиоэлектроника, 1985, №10, с. 5 30.

41. Джордж Ф. Мозг как вычислительная машина. М.: ИЛ, 1969. — 528 с.

42. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. -511 с.

43. Евреинов Э.В. Однородные вычислительные системы, структуры и среды.- М.: Радио и связь, 1981. 208 с.

44. Елисеев И. И., Руковишников В. О. Группировка, корреляция, распознавание образов. М.: Статистика, 1977. — 144 с.

45. Жаботинский Ю. Д., Исаев Ю. В. Адаптивные промышленные роботы и их применение в микроэлектронике. М.: Радио и связь, 1985. - 413 с.

46. Жиков В.В., Козлов С.И., Олейник О.А. Усреднение дифференциальных операторов. — М.: Физматлит, 1993. — 464 с.

47. Журавлев Ю. И., Гуревич И. В. Распознавание образов и анализ изображений // Искусственный интеллект. — В 3-х кн. М.: Радио и связь, 1990. Кн. 2. Модели и методы: Справочник / Под ред. Д. А. Поспелова. — 304 с.

48. Журавлев Ю.И. Об алгоритмическом подходе к решению задач распознавания и классификации // Проблемы кибернетики : Сб. ст. — М.: Наука, 1978, вып. 33, с. 5 68.

49. Завалишин H. В., Мучник И. Б. Модели зрительного восприятия и алгоритм анализа изображений. — M.: Наука, 1974. — 344 с.

50. Загоруйко Н. Г. Методы распознавания и их применение. — М.: Сов. радио, 1972. 208 с.

51. Зрительное опознание и его нейрофизиологические механизмы // Под ред. В.Д. Глезер. Л.: Наука, 1975. - 272 с.

52. Зубов В.И. Динамика управляемых систем. М.: Высш. школа, 1982. — 285 с.

53. Игнатов В.А. Теория информации и передачи сигналов. М.: Радио и связь, 1991.-280 с.

54. Икэути К., Канадэ Т. Автоматическое формирование программ распознавания образов // ТИИЭР, 1988, т.76, №8, с. 186 209.

55. Ильин В. А., Позняк Э. Г. Аналитическая геометрия. М.: Наука, 1988. — 224 с.

56. Информационные процессы мозга и психическая деятельность / Иваницкий А.М. и др. М.: Наука, 1984. - 300 с.

57. Калман Р., Фалб П., Арбиь М. Очерки по математической теории систем. — М.: Мир, 1971.-400 с.

58. Кантони В., Левиальди С. Мультипроцессорные системы для обработки изображений // ТИИЭР, 1988, т.76, №8, с. 118 130.

59. Катыс Г. П. Автоматическое сканирование. М.: Машиностроение, 1969. -520 с.

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

61. Кодирование и обработка изображений / Под ред. В. В. Зяблова, Д. С. Лебедева. -М.: Наука, 1988. 181 с.

62. Козлов Ю.М. Адаптация и обучение в робототехнике. — М.: Наука, 1990. -248 с.

63. Колмогоров А.Н. Теория информации и теория алгоритмов. М.: Наука, 1987.-304 с.

64. Кольцов П.П. Математические модели теории распознавания образов / Компьютер и задачи выбора. -М.: Наука, 1989, с. 89 — 119.

65. Кондратьев В.В., Утробин В.А. Активное восстановление — решение проблемы неопределенности // Докл. АН, 1996, т.350, №3.

66. Кондратьев В.В., Утробин В.А. Анализ изображений в условиях неопределенности // Межвуз. сб. науч. тр. Системы обработки информации и управления. Н. Новгород, 1996, с. 7 - 17.

67. Кондратьев В.В., Утробин В.А. Основы теории активного восприятия изображений: Монография. Н. Новгород: Вектор, 1997. - 249 с.

68. Кондратьев В.В., Утробин В.А. Основы теории активного восприятия. -Н. Новгород: НГТУ, 1999. 217 с.

69. Кондратьев В.В., Утробин В.А. Формирование описания изображения в условиях неопределенности // Докл. АН, 1996, т.347, №3, с. 316 318.

70. Кохонен Т. Ассоциативная память. М.: Мир, 1980. - 239 с.

71. Куафе Ф. Взаимодействие робота с внешней средой. М.: Мир, 1985. -538 с.

72. Кухарев Г.А., Шмерко В.П., Зайцева Е.Н. Алгоритмы и систолические процессоры для обработки многозначных данных. Мн.: Нав. i тэх., 1990. -296 с.

73. Лебедев Д.Е. Упругая модель изображения / Сб. ст. «Кодирование и обработка изображений» / Под ред. В.В. Зяблова, Д.С. Лебедева. — М.: Наука, 1988, с. 61-64.

74. Ли Д. Вычислительные аспекты нижнего уровня машинного зрения // ТИИЭР, 1988, т.76, №8, с. 40 50.

75. Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. — 568 с.

76. Лотон Д.Т., Макконел К.С. Системы понимания изображений // ТИИЭР, 1988, т.76, №8, с. 209 227.

77. Марр Д. Информационный подход к представлению и обработке зрительных образов у человека. — М.: Радио и связь, 1987. 402 с.

78. Месарович М., Мако Д., Танахара И. Теория иерархических многоуровневых систем. -М.: Мир, 1973. 344 с.

79. Миллер У. мл. Симметрия и разделение переменных. М.: Мир, 1981. -342 с.

80. Минский М. Структура для представления знаний // Психология машинного зрения / Под ред. П. Уинстон. М.: Мир, 1978, с. 249 - 340.

81. Минский М., Пейперт С. Перцептроны. М.: Мир, 1971. - 264 с.

82. Михели-Цанаку Э. Нейрофизиологические механизмы зрения и успехи в области нейромоделирования и машинного зрения // ТИИЭР, 1988, т.76, №9, с. 80-93.

83. Мушик Э., Мюллер П. Методы принятия технических решений. М.: Мир, 1990.-208 с.

84. Неймарк Ю. И., Баталова 3. С., Васин Ю. Г., Брейдо М. Д. Распознавание образов и медицинская диагностика. — М.: Наука, 1972. 328 с.

85. Нотон Д., Старк JI. Движение глаз и зрительное восприятие / Восприятие: механизмы и модели. — М.: Мир, 1974, с. 226 — 240.

86. Пайтген Х.-О., Рихтер П.Х. Красота фракталов. Образы комплексных динамических систем. — М.: Мир, 1993. — 176 с.

87. Патрик Э. Основы теории распознавания образов. М.: Сов. радио, 1980. -408 с.

88. Передача и обработка информации голографическими методами / С.Б. Гуревич, В.Б. Константинов, В.К. Соколов, Д.Ф. Черных; Под ред. С.Б. Гуревича. — М.: Сов. радио, 1978. — 304 с.

89. Перцептрон система распознавания образов // Под ред. А. Г. Ивахненко. — Киев: Наукова думка, 1975. — 432 с.

90. Прэтт У. Цифровая обработка изображений: В 2 т. М.: Мир, 1982. Т.2. -480 с.

91. Психология машинного зрения / Под ред. П. Уинстон. М.: Мир, 1978. -344 с.

92. Распознавание образов: состояние и перспективы / К. Верхаген, Р. Дейн, Ф. Грун др. М.: Радио и связь, 1985. - 104 с.

93. Реконструкция изображений / Под ред. Г. Старка. М.: Мир, 1992. - 636 с.

94. Розенфельд А. Распознавание и обработка изображений. М.: Мир, 1972. -232 с.

95. Стаут К.Ф. Реализация алгоритмов машинного зрения в параллельных вычислительных архитектурах // ТИИЭР, 1988, т.76, №8, с. 145-163.

96. Тиман А.Ф., Трофимов В.Н. Введение в теорию гармонических функций. -М.: Наука, 1968.-207 с.

97. Тихонов В.И. Оптимальный прием сигналов. М.: Радио и связь, 1983. -320 с.

98. Трухаев Р. И. Модели принятия решений в условиях неопределенности. — М.: Наука, 1981.-257 с.

99. Ту Дж., Гонзалес Р. Принципы распознавания образов. М.: Мир, 1978. — 315с.

100. Ульман Ш. Принципы восприятия подвижных объектов. М.: Радио и связь, 1983.-467 с.

101. Уторобин В. А. Информационные модели стандартных задач обработки изображений // Научно-техническая конференция факультета информационных систем и технологий. ФИСТ 99. Тезисы докладов. — Н. Новгород, НГТУ, 1999, с. 79 - 80.

102. Утробин В. А. Методы обработки изображений в условиях априорной неопределенности: Дисс. д.т.н. Н. Новгород: НГТУ, 1998. - 409 с.

103. Утробин В.А. Информационные модели системы зрительного восприятия для задач компьютерной обработки изображений. — Н. Новгород.: НГТУ, 2001.-234 с.

104. Утробин В.А. Потенциальные операторы оценивания изображений //Системы обработки информации и управления: Межвуз. сб. науч. тр. /НГТУ. Н. Новгород, 1995, с. 17 26.

105. Утробин В.А., Кондратьев В.В. Теория активного восприятия изображения. Н. Новгород.: НГТУ, 1997. - 303 с.

106. Фанц Р. Восприятие формы / Восприятие: механизмы и модели. М.: Мир, 1974, с. 338-350.

107. Фишберн П. Теория полезности для принятия решений. М.: Наука, 1978. -352 с.

108. Фишер Р. От поверхностей к объектам. Машинное зрение и анализ трехмерных сцен. М.: Радио и связь, 1993. - 288 с.

109. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977. — 319с.

110. Харалик P.M. Статистический и структурный подходы к распознаванию структур U ТИИЭР, 1979, т.67, №5, с. 95 120.

111. Ш.Хорн Б. Определение формы по данным о полутонах / Психология машинного зрения / Под ред. П. Уинстон. М.: Мир, 1978, с. 137 — 184.

112. Хорн Б. Отмывка рельефа и карта отражательных способностей // ТИИЭР, 1981, т.69, №1, с. 16-35.

113. ПЗ.Цзуанг Ц., Эстевалд Э., Харалик Р. Принцип максимальной энтропии в восстановлении изображений // Реконструкция изображений / Под ред. Г. Старка. М.: Мир, 1992, с. 196 - 239.

114. Цыпкин Я.3. Адаптация и обучение в автоматических системах. — М.: Моск. ун-т, 1987.-324 с.

115. Чукин Ю. В. Структуры данных для представления изображений // Зарубежная радиоэлектроника, 1983, №8, с. 35 — 47.

116. Шевяков С.Б. Выделение границ текстур на изображении // Тезисы докладов научно-технического форума «Будущее технической науки Нижегородского региона». — Н. Новгород: НГТУ, 2002, с. 117 — 120.

117. Шевяков С.Б. Измерение элементарного блока текстуры // Тезисы докладов Всероссийской научно-технической конференции «Информационные системы и технологии 2002». - Н. Новгород: НГТУ, 2002, с. 202-203.

118. Шевяков С.Б. Методы анализа текстур с позиции теории активного восприятия // Межвузовский сборник научных трудов «Системы обработки информации и управления». Вып. 7 Н. Новгород: НГТУ, 2001, с. 104-110.

119. Шевяков С.Б. Методы и средства анализа текстур // Тезисы докладов VII Нижегородской сессии молодых ученых (технические науки). -Н. Новгород: НГТУ, 2002, с. 213 215.

120. Шевяков С.Б. Обнаружение искажений на текстурах // Сборник научных трудов «Современные проблемы радиоэлектроники». — Красноярск: ИПЦ КГТУ, 2002, с. 74 75.

121. Шибанов Г. П. Распознавание в системах автоконтроля. — М.: Машиностроение, 1973. 424 с.

122. Шикин Е. В., Боресков А. В. Компьютерная графика. Динамика, реалистические изображения. М.: ДИАЛОГ-МИФИ, 1995. - 288 с.

123. Шлезингер М. И. Математические средства обработки изображений. -Киев: Наукова думка, 1989. -200 с.

124. Шубников А.В., Копцик В.А. Симметрия в науке и искусстве. — М.: Наука, 1972.-339 с.

125. Шустер Г. Детерминированный хаос. Введение. М.: Мир, 1988. - 240 с.

126. Шутц Б. Геометрические методы математической физики. М.: Мир, 1984. - 304 с.

127. Эльсгольц Л.Э. Дифференциальные уравнения и вариационное исчисление. — М.: Наука, 1969. -424 с.

128. Эшби У.Р. Конструкция мозга. Происхождение адаптивного поведения. -М.: Мир, 1964.-411 с.

129. Эшби У.Р. Принципы самоорганизации / Принципы самоорганизации / Под ред. А .Я. Лернера. М.: Наука, 1966, с. 15 - 47.

130. Яншин В. В. Анализ и обработка изображений: Принципы и алгоритмы. — М.: Машиностроение, 1980. 112 с.