Математические и программные средства распознавания графических изображений для передачи по цифровым каналам связи тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Хаба, Богдан Степанович

• Хаба, Богдан Степанович
• кандидат технических наук
• 2002

Оглавление диссертации кандидат технических наук Хаба, Богдан Степанович

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

1. ГРАФИЧЕСКИЕ ИЗОБРАЖЕНИЯ И ЗАДАЧИ ИХ АНАЛИЗА

1.1. Структурно-графические свойства изображений.

1.2. Модели и методы анализа структуры изображений.

1.3. Задачи анализа структуры графических изображений.

1.4. Выводы и постановка цели и задач исследования.

2. ВОСПРОИЗВЕДЕНИЕ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ.

2.1. Процессы воспроизведения графических изображений.

2.2. Цвето-тоновые преобразования изображений.

2.3. Текстурирование областей.

2.4. Воздействие искажающих факторов.

2.5. Полученные результаты и выводы.

3. АНАЛИЗ СТРУКТУРЫ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ.

3.1. Обнаружение и распознавание структурных элементов изображений на основе центроидного преобразования

3.2. Формирование секторных цепных кодов линейных элементов.

3.3. Распознавание текстурных элементов.

3.4. Нормализация графических изображений.

3.5. Полученные результаты и выводы.

4. ПРОГРАММНО-ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ОБРАБОТКИ ИЗОБРАЖЕНИЙ.

4.1. Экспериментальное исследование программно-инструментальных средств распознавания изображений

4.2. Оценка эффективности результатов распознавания

Введение диссертации (часть автореферата) на тему «Математические и программные средства распознавания графических изображений для передачи по цифровым каналам связи»

Актуальность темы. Бурное развитие компьютерной техники и телекоммуникационных систем привело к резкому расширению возможностей получения, хранения и обработки информации. Одной из наиболее удобных форм представления информации являются графические образы или изображения. Однако огромная информационная емкость изображений так или иначе ограничивает возможности их использования при решении различных научных и практических задач. Несмотря на быстродействие и другие вычислительные ресурсы современных компьютеров, эти ограничения проявляются сразу, как только объемы информации, переносимые изображениями, начинают превышать некоторые пороговые значения. Иначе говоря, насколько бы ни расширялись возможности современных средств вычислительной техники и передачи данных по каналам связи, всегда возникает потребность оперирования объектами большего объема, чем эти средства могут обеспечить.

В настоящее время наиболее узким звеном для передачи графической информации являются цифровые каналы связи: их пропускная способность ограничивает возможности быстрой передачи больших объемов информации за короткое время передачи.

Созданию средств обработки и эффективных цифровых моделей изображений уделено большое внимание в работах как отечественных, так и зарубежных ученых: Журавлева Ю.И., Ковалевского В.А., Лебедева Д.С., Цуккермана И.И., Прэтта У., Розенфельда А., Стокхэма Т., Фу К., Харали-ка P.M., Марра Д., Нарасимхана Р., Павлидиса Т., Васина Ю.Г., Завалиши-на Н.Б., Мучника И.Б., Файна B.C., Ярославского Л.П., Хюккеля М. и др.

Достигнутые результаты в области цифровых методов представления и сжатия изображений тем не менее не решают в полной мере задачу их эффективного представления, что делает поиск эффективного представления изображений актуальным. Одним из путей ее решения представляется разработка интеллектуальных технологий обработки изображений, обеспечивающих не формализованное их кодирование, а распознавание их пространственной структуры, которая и является носителем заключенной в них информации, поскольку возможности извлечения полезной информации из изображений целиком и полностью определяется их пространственно-структурными свойствами и характеристиками.

Объектом исследования являются: графические изображения, получаемые на различных стадиях процесса их воспроизведения; цифровые каналы связи; структурно-графические свойства изображений; текстуриро-вание планарных элементов; центроидное преобразование изображений.

Предметом исследования являются: модели и методы распознавания графических изображений; цвето-тоновые преобразования изображений; схема кодирования и распознавания структурных элементов изображений; программно-инструментальные средства обработки графических изображений; программно- аппаратные средства интеллектуальных телекоммуникационных систем распознавания и передачи графических изображений.

Целью работы является проведение научных исследований, направленных на разработку математических и программных средств распознавания графических изображений для передачи по цифровым каналам связи телекоммуникационных систем.

Для достижения поставленной цели в работе решаются следующие задачи:

- разработка модели процесса воспроизведения графических изображений, учитывающей структурную обусловленность пространственным планом их построения, графическую определенность, влияние различных искажений регулярного и стохастического характера;

- формирование схемы учета различительных тоноцветовых характеристик элементов структуры изображений;

- построение модели текстурированных планарных элементов структуры, учитывающей возможность размещения в Них текстур, регулярных рисунков, помех и шумов, и метода их оценки и распознавания;

- разработка метода обнаружения и распознавания структурных элементов изображений;

- формирование схемы кодирования и распознавания структурных элементов графических изображений по их геометрическим параметрам и характеристикам;

- создание программно-инструментальных средств распознавания графических изображений;

- оценка эффективности результатов распознавания графических изображений;

- формирование технология обработки графической информации, обеспечивающей возможность ее использования в интеллектуальных телекоммуникационных системах.

Методы исследования. В работе применялись теоретические и экспериментальные исследования.

Теоретические исследования основаны на использовании функционального анализа, аффинной и дискретной геометрий, теории вероятностей и математической статистики, теории случайных функций, теории статистических решений, методов обработки и анализа изображений, методов распознавания образов.

В экспериментальных исследованиях созданных моделей и алгоритмов использовались модели представления пространственных данных, основы цифровой обработки изображений и системного программирования, методы передачи информации по цифровым каналам связи телекоммуникационных систем.

Достоверность изложенных положений работы подтверждается результатами обеспечения широкого практического использования аппаратно-программного комплекса, методик и технологий обработки графической информации, научными трудами и апробациями созданного научно-технического продукта на представительных научных форумах. Достоверность и обоснованность полученных в работе результатов и выводов подтверждена сопоставительным анализом разработанных и существующих математических моделей и методов.

Теоретические положения, выведенные в работе, обосновываются строгостью исходных посылок и корректным применением использованного математического аппарата при выводах аналитических выражений.

Достоверность экспериментальных результатов обеспечена их хорошей согласованностью с теоретически предсказанными характеристиками, а также выбором надежных критериев при построении алгоритмов обработки информации. Исходные данные при выполнении вычислительного эксперимента были тщательно верифицированы и дали хорошую воспроизводимость результатов на больших объемах экспериментального материала.

На защиту выносятся результаты разработки моделей и методов анализа и описания структуры графических изображений, учитывающих влияние процесса воспроизведения изображений и воздействия искажающих факторов, а также создание программно-инструментальных средств для распознавания изображений в интеллектуальных телекоммуникационных системах, в том числе:

- анализ структурно-графических свойств изображений и исследование моделей и методов анализа структуры графических изображений;

- определение степени достоверности процессов воспроизведения графических изображений с учетом влияния искажающих факторов на их тоноцветовые характеристики;

- разработка методики формирования текстурированных планарных структурных элементов изображений;

- применение центроидной фильтрации для обработки графических изображений и обнаружения и распознавания их структурных элементов;

- принцип формирования секторные цепных кодов линейных элементов структуры изображений для их распознавания и оценки их геометрических параметров;

- создание программного обеспечения и проведение экспериментальных исследований инструментальных средств распознавания изображений;

- проведение оценки эффективности результатов распознавания графических изображений и возможностей использования созданных средств их распознавания в интеллектуальных системах телекоммуникаций.

Научная новизна полученных результатов определяется впервые проведенными комплексными исследованиями, в результате которых разработаны модели и методы анализа и описания структуры графических изображений, учитывающих влияние процесса их воспроизведения и воздействия искажающих факторов, а также созданы программно-инструментальные средства для распознавания изображений в телекоммуникационных системах, что вносит существенный вклад в решение задач интеллектуализации обработки графических изображений в технических системах различного назначения, в ходе которых:

- определена адекватная модель графических изображений, обладающая векторным нетопологическим объектным характером, удовлетворяющая условиям топологической корректности;

- предложена схема цветотонового преобразования изображений для получения их тоновых копий, воспроизводящих цветовые различия, существующие между оригиналами, и существенно упрощающая процесс их анализа за счет сокращения размерности пространства признаков - устранения цветовых компонент.

- разработан метод обнаружения и распознавания структурных элементов изображений, построенный на базе центроидной фильтрации и кластерного анализа реакций центроидного фильтра на элементы изображения.

-предложена схема кодирования линейных элементов структуры с помощью однонаправленных и двунаправленных секторных цепных кодов, с помощью которых построена схема распознавания линий на растре, учитывающая геометрические их характеристики.

-разработан метод оценки и распознавания текстурированных пла-нарных элементов изображений, основанный на применении сканометрий -локальных функционалов специального вида.

- предложены технологические схемы обработки графической информации для экспериментальных исследований, результаты которых позволили определить оптимальные характеристики центроидной фильтрации, процедур обнаружения и распознавания, а также процедур синтеза и визуализации графических изображений.

Практическая ценность работы заключается в применении новых эффективных моделей и методов анализа и воспроизведения графических изображений.

Разработано и отлажено программное обеспечение, реализующее алгоритмы обработки графической информации для передачи ее по цифровым каналам связи. Проведен анализ возможностей и получены оценки эффективности разработанных технологий, средств и методов распознавания графической информации.

Работа выполнялась в рамках ряда научно-технических и организационно-методических работ, проводимых в соответствии с планами НИ-ОКР Минсвязи РФ и выполняемых ИжГТУ и ОАО «Удмурт Телеком» совместно с отраслевыми НИИ, производящими программно-аппаратные средства для телекоммуникаций, на основании «Основных положений развития Взаимоувязанной сети связи РФ на перспективу до 2005 года».

Реализация и внедрение работы. Полученные результаты использованы и апробированы для опытно-проиэводственной эксплуатации системы обработки графической информации в ОАО «Удмурт Телеком».

Созданные программно-инструментальные средства обработки графической информации позволили повысить эффективность функционирования цифровых телекоммуникационных каналов связи при ее передаче, обеспечили повышение их пропускной способности, сокращение объемов памяти для цифрового представления графических изображений и увеличение скорости передачи информации.

Апробация работы. Результаты работы докладывались на российских и международных научно-технических конференциях и конгрессах: Международной конференции: Internation Conference "Intelligent Networks Services and Standards" (Москва, 1999); Международной конференции: Internation Conference "Intelligent Networks 2000: Services and Problems of Convergence " (Москва 2000); Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2000, 2001); 32-34 Научно-технической конференции ИжГТУ (Ижевск, 2000-2002); Российской научно-технической конференции «Приборостроение в XXI веке; Интеграция науки, образования и производства» (Ижевск, 2001); Международный Самарский симпозиум телекоммуникаций для руководящих работников отрасли связи (1997- 2001); 32 научно-технической конференции (Ижевск, 2000); 4, 5-й Российской университет-ско-академических научно-практических конференциях (Ижевск, 1999,

2001); The 5th International congress on mathematical modelling (Dubna,

2002).

Публикации. Основные научные результаты по теме диссертации опубликованы в 11 научных работах, в том числе: 1 работа в материалах международного конгресса; 2 статьи в журналах РАН; 4 научно-технических журналах; 2 депонированных рукописей; 2 тезисах докладов научно-технических конференций.

Структура диссертационной работы определяется общим замыслом и логикой проведения исследования и разработки.

Диссертация содержит введение, 4 главы и заключение и приложение, изложенные на 154 с. машинописного текста. В работу включены 24 рис., 8 табл., список литературы из 112 наименований и приложение, в котором представлен акт об использовании результатов работы.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Хаба, Богдан Степанович

1.4. Выводы и постановка цели и задач исследования

1. На основе анализ различных видов и типов изображений выявлен класс графических изображений и определены их отличительные свойства: структурная обусловленность пространственным планом их построения и графическая определенность. Выявлены также подклассы графических изображений линейчатые, планиментные и комбинированные, а также условия графикации, изображений при которых нарушается свойство графической определенности, в частности, такие как текстурирование планар-ных элементов.

2. Проанализированы существующие модели и методы анализа пространственной структуры изображений. Сделан вывод о перспективности разработки метода обнаружения и распознавания структурных элементов на базе центроидного преобразования изображений, основанного на использовании векторной топологически корректной объектной модели пространственных данных.

3. Обоснована необходимость разработки интеллектуальной технологии обработки видеоинформации, представленной в форме графических изображений и основанной на анализе пространственной структуры этих изображений, для передачи ее по цифровым каналам связи телекоммуникационных систем.

На основании вышеизложенного целью и задачами исследования диссертационной работы является следующее.

Целью работы является проведение научных исследований, направленных на разработку математических и программных средств распознавания графических изображений для передачи по цифровым каналам связи телекоммуникационных систем.

Для достижения поставленной цели в работе решаются следующие задачи:

- разработка модели процесса воспроизведения графических изображений, учитывающей структурную обусловленность пространственным планом их построения, графическую определенность, влияние различных искажений регулярного и стохастического характера; формирование схемы учета различительных тоноцветовых характеристик элементов структуры изображений;

- построение модели текстурированных планарных элементов структуры, учитывающей возможность размещения в них текстур, регулярных рисунков, помех и шумов, и метода их оценки и распознавания;

- разработка метода обнаружения и распознавания структурных элементов изображений;

- формирование схемы кодирования и распознавания структурных элементов графических изображений по их геометрическим параметрам и характеристикам;

- создание программно-инструментальных средств распознавания графических изображений;

- оценка эффективности результатов распознавания графических изображений;

- формирование технология обработки графической информации, обеспечивающей возможность ее использования в интеллектуальных телекоммуникационных системах.

2. ВОСПРОИЗВЕДЕНИЕ ГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ 2.1. Процессы воспроизведения графических изображений

Как было отмечено в разд. 1.1, графические изображения обладают свойствами структурной обусловленности пространственным планом их построения и графической определенности. Наличие априорного плана построения изображений означает, что существует некое описание структуры изображений в терминах образующих его структурных элементов. Последние подразделяются по типам на планарные и линейные (возможно также комбинирование с некоторой совокупностью символов или знаков). Кроме того, для описания планарных элементов в терминах векторной объектной модели пространственных данных необходимо также описание их границ, а для описания линейных элементов и границ в виде последовательности векторов необходимо координатное описание всех узлов, как топологического типа (точки стыка и пересечения линейных элементов и границ), так и геометрических (собственных последовательностей узлов линейных элементов и границ).

Поэтому пространственный план построения графического изображения в терминах векторной объектной модели пространственных данных может быть представлен последовательностью блоков, каждый из которых описывает отдельный пространственный объект. В каждом таком блоке должны быть указаны код вида этого объекта (или элемента), который позволяет различать объекты по видам, и описание местоположения этого элемента. Для линейных объектов описание местоположения сводится к определению последовательности точек с указанием их координат, такой, что каждая пара соседних точек последовательности определяет соответствующий вектор [16, 22, 23,28,45,57,68,71,83]. в) г)

Рис. 2.1. Этапы процесса воспроизведения изображения: а) пространственный план построения (графический аналог); б) результат графика-ции; в) результат формирования; г) результат регистрации

Для планарных объектов описанием их местоположения дается определением их границы, описание которой аналогично описанию местоположения линейного элемента с дополнительными условиями замкнутости и неса-мопересекаемости. Кроме того, как отмечалось в разд. 1.2, необходимо также обеспечить условие топологической корректности описания, которое достигается при полной идентичности совпадающих по координатам узлов смежных, касающихся и пересекающихся объектов. В конечном счете, графический аналог такого описания имеет вид, показанный на рис. 2.1 .а, где разные типы линейных элементов представлены в различных стилях их графического исполнения, границы планарных элементов показаны пунктиром, а сами планарные объекты обозначены различными буквами.

На рис. 2.1.6 показан результат преобразования структурного описания изображения в его графическую форму, т.е. результат графикации. При гра-фикации производится окрашивание областей планарных элементов в определенный тон или цвет, либо заполнение этих областей рисунком определенного стиля или текстурой [8, 66]. Для линейных элементов производится размещение линий определенной толщины и тона (цвета), либо линия определенного стиля вдоль трассы размещения линейного элемента. Графикация определяется с помощью соответствующих таблиц (графикаторов), в которых устанавливается соответствие между кодами видов объектов и графическими параметрами их воспроизведения.

Однако процесс реального воспроизведения изображения сопровождается представлением его на том или ином виде на материальном носителе, например, в виде цветной печатной формы на бумаге (рис. 2.1.в). При физической реализации графического изображения неизбежны искажения как детерминированного, так и стохастического характера. К детерминированным искажениям относятся пространственно-частотные искажения, которые проявляются в том, что изменяется (чаще всего уменьшается) разрешающая способность изображения и, кроме того, добавляются помехи и шумы, обусловленные неоднородностью материального носителя изображения (например, бумаги).

На следующем этапе процесса воспроизведения изображения оно подвергается регистрации с целью преобразования его в форму, доступную для восприятия автоматическими системами (рис. 2.1.г). При этом также имеет место воздействие пространственно-частотных искажений (в данном случае определяемых разрешающей способностью регистрирующего прибора, например, сканера), и воздействие шумов и помех измерительного канала (оптико-электронного преобразователя).

Резюмируя вышесказанное, можно отметить, что на этапах формирования и регистрации процесса воспроизведения изображений наблюдается воздействие искажающих факторов: пространственно-частотных искажений, нелинейной тоно- (цвето-) передачи и наложение шумов и помех.

2.2. Цвето-тоновые преобразования изображений

Как отмечено выше в разд. 2.1, одним из видов искажений, которым подвергаются графические изображения, являются нелинейные безынерционные преобразования. С учетом того, что при наличии графической определенности изображений дискретная тоноцветовая шкала преобразуется в этом случае в некую новую дискретную тоноцветовую шкалу, учет воздействия таких преобразований достаточно прост - установление соответствия между значениями этих двух тоноцветовых шкал. Однако возможность такого простого учета воздействия преобразований позволяет также решить задачу установления цветовых различий между структурными элементами графического изображения.

На рис. 2.2 представлена цветовая шкала топографических карт [8, 66], определенная нормативными требованиями к полиграфическим оригиналам этих карт. Как видно из рис. 2.2, тоноцветовая шкала представлена всего десятью значениями, причем количество чистых цветов (красок) всего шесть,

РОССИЙСКАЯ ГОСУДАРСТВЕННА БИБЛИОТЕК

ЗАКЛЮЧЕНИЕ

1. На основе анализа отличительных свойств графических изображений, структурной обусловленности пространственным планом их построения и графической определенности, определена их адекватная модель, обладающая векторным нетопологическим объектным характером, удовлетворяющая условиям топологической корректности.

2. Предложена схема цвето-тонового преобразования изображений с целью получения их тоновых копий, воспроизводящих цветовые различия, существующие между оригиналами, и существенно упрощающая процесс их анализа за счет сокращения размерности пространства признаков - устранения цветовых компонент.

3. Разработана модель текстурированных планарных элементов структуры, учитывающая возможность размещения в них как собственно текстурных изображений, так и регулярных рисунков, а также помех и шумов.

4. Разработан метод обнаружения и распознавания структурных элементов изображений, построенный на базе центроидной фильтрации и кластерного анализа реакций центроидного фильтра на элементы изображения.

5. Предложена схема кодирования линейных элементов структуры с помощью однонаправленных и двунаправленных секторных цепных кодов, обладающих высокой степенью сжатия графической информации - до одного бита на элемент линии.

6. На основе секторных цепных кодов построена схема распознавания линий на растре, учитывающая геометрические их характеристики: местоположения, ориентировки и длины.

7. Разработан метод оценки и распознавания текстурированных планарных элементов изображений, основанный на применении сканометрий - локальных функционалов специального вида.

140

8. Разработаны технологические схемы обработки графической информации для экспериментальных исследований, результаты которых позволили определить оптимальные характеристики центроидной фильтрации, процедур обнаружения и распознавания, а также процедур синтеза и визуализации графических изображений.

9. Предложен метод оценки эффективности результата распознавания графических изображений, основанный на использовании секторных цепных кодов при максимально плотном размещении минимальных структурных элементов. Показано, что эта оценка на порядок лучше соответствующих оценок сжатых растров.

10. Сформирована технология обработки графической информации, обеспечивающая возможность ее использования в интеллектуальных телекоммуникационных системах.

Список литературы диссертационного исследования кандидат технических наук Хаба, Богдан Степанович, 2002 год

1. Адаптивная оценка планарных элементов пространственных структур изображений / Хаба Б.С., Мурынов А.И.; ИжГТУ, 2001. - Деп. в ВИНИТИ, №2558-В2001. - 21 с.

2. Александров В.В., Горский Н.Д. Представление и обработка изображений: Рекурсивный подход. Л.: Наука, 1985. - 188 с.

3. Анализ планарных элементов пространственной структуры изображений / Хаба Б.С., Мурынов А.И. и др.; ИжГТУ, 2001. Деп. в ВИНИТИ, №2559-В2001. - 24 с.

4. Андреев Г.А., Базарский О.В., Глауберман А.С. и др. Анализ и синтез случайных пространственных текстур // Зарубежная радиоэлектроника, 1984, № 2.-С. 3-33.

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

6. Бакут П.А., Колмогоров П.С. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника, 1987, № 10. С. 2546.

7. Бакут П.А., Колмогоров П.С., Варновицкий И.Э. Сегментация изображений: методы пороговой обработки // Зарубежная радиоэлектроника, 1988, № 4. С. 6-24.

8. Берлянт A.M. Образ пространства: Карта и информация. М.: Мысль, 1986. - 240с.

9. Берлянт A.M. Геоиконика. М.: Астрея, 1996. - 208с.

10. Бокштейн И.М., Мерзляков С.Н., Попова Н.Р. Обнаружение и локализация малоразмерных объектов на неоднородном фоне // Цифровая оптика. Обработка изображений и полей в экспериментальных исследованиях. М.: Наука, 1990.-С. 164-173.

11. Бутаков Е.А., Островский В.И., Фадеев И.Л. Обработка изображений на ЭВМ. М.: Радио и связь, 1987. - 240с.

12. Быстрые алгоритмы в цифровой обработке изображений. М.: Радио и связь, 1984. - 224с.

13. Васин Ю.Г. "Хорошо приспособленные" локальные однородные методы обработки графической информации // Автоматизация обработки сложной графической информации. Горький: ГГУ, 1984. - С. 131-158.

14. Вдовин A.M. Моделирование и анализ структуры графических изображений для цифровой передачи видеоинформации. Дисс. на соиск. уч. степ, канд. техн. наук. Ижевск: ИжГТУ, 2002. - 152 с.

15. Вендровский К.В., Вейцман А.И. Фотографическая структурометрия. М.: Искусство, 1982. - 270с.

16. Вентцель Е.С. Теория вероятностей. М.: Наука, 1979. - 576 с.

17. Геоинформатика. Толковый словарь основных терминов. М.: ГИС-ассоциация, 1999. - 204с.

18. Горбунов В.И., Епифанцев Б.Н., Молодых В.А. К вопросу об автоматическом дешифрировании аэрофотоизображений площадных топографических объектов // Известия ВУЗов. Геодезия и аэрофотосъемка, 1977, № 1. С. 36-48.

19. Горелик C.JL, Михелевич Е.Г., Пинцов В.А., Пинцов JI.A. Обработка изображений при помощи неточечных преобразований // АиТ, 1979, № 2. С. 100-109.

20. Грабарник П.Я., Комаров А.С. Статистический анализ пространственных структур: Методы, использующие расстояния между точками // Материалы по математическому обеспечению ЭВМ. Вып. 4. Пущино: НЦБИ АН СССР, 1980. - 48с.

21. Гренандер У. Лекции по теории образов. Т. 1. Синтез образов. М.: Мир, 1979. - 383с. Т.2. Анализ образов. - М.: Мир, 1981. - 448с. Т.З. Регулярные структуры. - М.: Мир, 1983. - 432с.

22. Джеймс Т. Теория фотографического процесса. Л.: Химия, 1980.672с.

23. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.-512с.

24. Епифанцев Б.Н., Молодых В.А. Об одном алгоритме автоматического распознавания текстур на аэрофотоснимках // Известия ВУЗов. Геодезия и аэрофотосъемка, 1978, № 2. С. 84-89.

25. Журавлев Ю.И., Гуревич И.Б. Распознавание образов и анализ изображений // Искусственный интеллект. Кн. 2. Модели и методы. М.: Радио и связь, 1990. -304с.

26. Завалишин Н.В., Мучник И.Б. Модели зрительного восприятия и алгоритмы анализа изображений. М.: Наука, 1974. - 344с.

27. Заков А.А. Основы теории графов. М.: Наука, 1987.

28. Иваницкий Г.Р., Литинская Л.Л., Шихматова В.Л. Автоматический анализ микрообъектов. М.-Л.: Энергия, 1967. - 224с.

29. Карасев А.А. Векторно-топологическое представление данных в цифровой картографии // Мир ПК, 1995, № 12. С. 3-8.

30. Кийко В.М., Шлезингер М.И. Алгоритм выделения отрезков осевых линий на графических изображениях. Киев: АН УССР. - 1983. - 117с.

31. Классификация и кластер. М.: Мир, 1980. - 389с.

32. Ковалевский В.А. Методы оптимальных решений в распознавании изображений. М.: Наука, 1976. - 328с.

33. Козлов В.Н. О зрительном образе, математических подходах к определению этого понятия и о распознавании изображений // ЖВМиМФ,Т. 39, 1999, № 11, с. 1919-1936.

34. Колемаев В.А., Староверов О.В., Турундоевский В.Б. Теория вероятностей и математическая статистика. М.: Высшая школа, 1991. - 400с.

35. Коновалова Н.В., Капралов Е.Г. Введение в ГИС. М.: Библион, 1997. - 160с.

36. Королев Ю. Тенденции развития моделей данных в ГИС и их значения для ГИС-приложений // ARCREVIEW: современные информационные технологии. 1997, № 3. - С. 15. - 1997, № 2. - С. 2.

37. Королев Ю.К. Общая геоинформатика. Ч. 1. Теоретическая геоинформатика. Вып. 1.-М.: Дата+, 1998. 119с.

38. Коулмэн Г.Б., Эндрюс Х.С. Сегментация изображения при помощи автоматической классификации // ТИИЭР, т. 67, 1979, № 5. С. 82-97.

39. Кошкарев А.В., Сорокин А.Д. Форматы и стандарты цифровой пространственной информации // ГИС-обозрение, 1995, № 4 (весна-95). С. 40-45.

40. Кошкарев А.В., Тикунов B.C. Геоинформатика. М.: Картгеоцентр -Геодезиздат, 1993. - 213с.

41. Либенсон М.Н., Хесин А.Я., Янсон Б.А. Автоматизация расцознава-ния телевизионных изображений. М.: Энергия, 1975. - 160с.

42. Марр Д. Зрение: Информационный подход к изучению представления и обработки зрительных образов. М.: Радио и связь, 1987. - 400с.

43. Математические и технические проблемы обработки изображений. -Новосибирск: ВЦ СОАН СССР, 1980. 118с.

44. Минский М. Структура для представления знания // Психология машинного зрения / Под ред. П. Уинстона. М.: Мир, 1978. - С. 249-338.

45. Мурынов А.И. Анализ однородных пространственно-распределенных стохастических структур // Анализ и интерпретация про-странственно-распределенных структур. Свердловск: УрО АН СССР, 1988. - С. 5-21.

46. Мурынов А.И. Обнаружение классификационных закономерностей ме-тодом альтернативных решающих правил // Машинные методы обнаружения закономерностей. Рига: 1981. - С. 125-131.

47. Мурынов А.И., Вдовин A.M. Анализ пространственной структуры изображений методом центроидной фильтрации // Вестник ИжГТУ "Программно-аппаратные средства для анализа и обработки сигналов и изображений" Вып.З, 2002. С.3-11.

48. Мурынов А.И., Хаба Б.С. Анализ, оценка и компенсация преобразований пространственной структуры изображений на основе использования конфигурационных моделей // Вестник ИжГТУ, №3. Ижевск: Изд-во ИжГТУ, 2002. - С.59-67.

49. Мурынов А.И. Конфигурационные модели изображений и оценка пара-метров структурных элементов их деталей // Химическая физика и мезоско-пия. Т.4, 2002, №1. С. 128-144.

50. Мурынов А.И. Модель пространственной структуры для представления цифровой карты // Вестник Удмуртского университета. Тематический выпуск "Вопросы экологии и ресурсный потенциал территорий", 1996, № 3. С. 151-159.

51. Мурынов А.И., Вдовин A.M., Лялин В.Е. Оценка геометрико-топологических параметров деталей изображений на основе метода центроидной фильтрации // Химическая физика и мезоскопия. Т.4, 2002, №2. С. 145160.

52. Мурынов А.И., Хаба Б.С. Самокорректирующиеся пространственные струк-туры данных // Тез. докл. 4-й Российской университетско-академической на-учно-практической конф. Ч. 2. Ижевск: Изд-во УдГУ, 1999. - С. 176.

53. Нарасимхан Р. Лингвистический подход к распознаванию образов // Автоматический анализ сложных изображений. М.: Мир, 1969. - С. 22-50.

54. Небабин В.Г. Распознавание формы сигналов // Зарубежная радиоэлектроника, 1981, № 9. С. 84-99.

55. Обработка изображений и цифровая фильтрация. М.: Мир, 1979.318с.

56. Оре О. Теория графов: М.: Наука, 1968. - 352с.

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

58. Пименов В.И., Козлов Ю.М. Распознавание изображений малоразмерных объектов // Проблемы создания систем обработки, анализа и распознавания изображений. Ташкент: АН УзССР, 1989. - С. 27-28.

59. Престон К., Дафф М. Дж. Б., Левьяльди С. и др. Основы клеточной логики с приложениями к обработке изображений // ТИИЭР, т. 67, 1979, № 5. -С. 149-184.

60. Прэтт У. Цифровая обработка изображений. Кн. 1. - М.: Мир, 1982. -312с. - Кн. 2.-М.: Мир, 1982. - 480с.

61. Розенфельд А., Дейвис Л.С. Сегментация и модели изображения // ТИИЭР, т. 67, 1979, № 5. С. 71-81.

62. Розенфельд А. Распознавание и обработка изображений для цифровых вычислительных машин. М.: Мир, 1972. - 230с.

63. Рудой Б.П., Горбачев В.Г., Власов М.Ю. Концептуальные топологические отношения в ГИС //Инф. бюлл. ГИС-ассоциации, 1996, № 5 (7). С. 62-63.

64. Садыков С.С., Самандаров И.Р. Скелетизация бинарных изображе-ний // Зарубежная радиоэлектроника. 1985. - № 11. - С. 30-37.

65. Салищев К.А. Картоведение. М.: Изд-во МГУ, 1982. - 408с.

66. Сидорова B.C. Текстурный анализ аэрокосмических изображений на ЭВМ // Математические и технические проблемы обработки изображений. -Новосибирск: ВЦ СОАН СССР, 1980. С. 30-36.

67. Советский энциклопедический словарь. М.: Советская энциклопедия, 1984. - 1600с.

68. Стокхэм Т. Обработка изображений в контексте модели зрения // ТИИЭР, т. 60, 1972, № 7. С. 82-104

69. Файн B.C. Опознавание изображений. М.: Наука, 1970. - 296с.

70. Фризер X. Фотографическая регистрация информации. М.: Мир, 1978. - 670с.

71. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977. - 320с.

72. Хаба Б.С., Лялин В.Е. и др. Исследование планарных элементов про-странст-венной структуры изображений // Химическая физика и мезоскопия. Т.З, №2. Ижевск, ИПМ УрО РАН: Изд. дом "Удм. ун-т", 2001. - С. 134-147.

73. Хаба Б.С., Мурынов А.И. Оценка и распознавание планарных элементов пространственной структуры изображений // Вестник ИжГТУ "Интеллектуальные информационные технологии в телекоммуникациях и телеметрии". -Ижевск: Изд-во ИжГТУ, 2002. С. 18-25.

74. Хаба Б.С., Мурынов А.И., Лялин В.Е. Разработка адаптивной оценки планарных эле-ментов пространственной структуры изображений // Химическая физика и мезоско-пия. Т.З, №2. Ижевск, ИПМ УрО РАН: Изд. дом "Удм. ун-т", 2001.-С. 148-161.

75. Хаба Б.С. Разработка критериев эффективности представления графической информации при передаче ее по цифровым каналам связи // Тез. докл. 32 науч.-техн. конф. ИжГТУ. Ижевск: Изд-во ИжГТУ, 2000. - С. 76-78.

76. Халугин Е.И., Жалковский Е.А., Жданов Н.Д. Цифровые карты. М.: Недра, 1992. - 419с.

77. Харалик P.M. Статистический и структурный подходы к описаниютекстур // ТИИЭР, т. 67, 1979, № 5. С. 98-120.

78. Хомяков Ю.Н., Саушкин В.А. Методы классификации текстур // Зарубежная радиоэлектроника, 1986, № 2. С. 33-45.

79. Хюккель М. Оператор нахождения контуров на кодированных изображениях // Интегральные роботы. Вып. 1. М.: Мир, 1973. - С. 225-240.

80. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998. - 288с.

81. Чукин Ю.В. Структуры данных для представления изображений // Зарубежная радиоэлектроника, 1983, № 8. С. 85-107.

82. Эндрюс Г. Применение вычислительных машин для обработки изображений. М.: Энергия, 1977. - 160с.

83. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику. М.: Радио и связь, 1987. - 296с

84. Arcelli С., di Baja G.S. A one-pass two-operation process to detect the skeletal pixels the 4-distance transform // IEEE Trans, on Pattern Recognition and Machine Intell., 1989. v. 11. P. 411-414.

85. Ballard D. Generalizing the Hough transform to detect arbitrary shapes // PatternRecogn., 1981, v. 13, №2.-P. 111-122.

86. Cederberg R. Chain-link coding and segmentation of raster scan devices // Сотр. Graph, and Image Proc., 1979, v. 10, № 2. P. 224-234.

87. Centner R.M., Hietanen E.D. Automatic pattern recognition // Photo-grammetric Engineering, v. 37, 1971, № 2. P. 1431-1433.

88. Chen C.H. A study of texture classification using spectral features // Proc. 6th Intern. Conf. on Pattern Recognition, Munich, 1982. P. 1074-1077.

89. Conners R. W., Vasguez-Espinosa R. E. A Theory of texture measure-ment definition // Proc. 6th Int. Conf. Pattern Recogn., Munich, Oct. 19-22, 1982. P. 286288.

90. Cross R. George, Jain A. K. Markov Random Field Texture Models //

91. EE Trans. Pattern Anal, and Mach. Intel., 1983, v.5, N1. P. 25-39.

92. Davis L., Johns S. Texture analysis using generalized cooccurrence matrices // IEEE Trans, on Pattern Aiialysis and Machine Intelligence, v. 1, № 3, July 1979. P. 251-259.

93. Dieter Japel. An Algorithmic Approach to Feature Extraction // Proc. 6th Intern. Conf. Pattern Recognition, Munich, 1982. P. 1074-1077.

94. Freeman H. Shape description via nhe use of critical points // Pattern recognition, 1978, v. 10, № 3. P. 159-169.

95. Gapson D.W. An improved algorithm for the sequentional extraction of boundaries from a raster scan // Сотр. Graph, and Image Proc., 1984, v. 28, № 1. P. 109-125.

96. Harlow C., Trivedi M., Conners R, Phillips D. Scene analysis of high resolution aerial scenes // Optical Engineering, 1986, 25, № 3. P. 347-355.

97. Hassner M., Sklansky J. The Use of Markov Random Fields as Models of Texture. Computer Graphics and Image Processing, 1980, vol. 12, num. 4, 357-370.

98. Hsu Shin-yi, Burright R.G. Texture perception and the RADC/Hsu texture feature extractor // Photogramm. Eng. and Remote Sens, 1980, 46, № 8. P. 10511058.

99. James W. Modestino, Robert W. Fries and Acie L. Vickers. Texture Discrimination Based Upon an Assumed Stochastic Texture Model // JEEC Transactions on Pattern analysis and machine intelligence, 1983, v. pamI-3 , no.5. P.557-580.

100. Kittler J. and Paler K. An Absorption Edge Detector // Computer Graphics, 1983, №8. P.345-350.

101. Lu S.Y., Fu K.S. A syntactic approach to texture analysys // Сотр. Graph, and Image Proc., 1978, v. 7, № 3. P. 303-330.

102. Pietikainen M., Rosenfeld A., Davis L. S. Texture classification using averages of local pattern matches // Proc. 6th Int. Conf. Pattern Recogn., Munich, Oct. 19-22, 1982. P. 301-303.

103. Rosenfeld A. Automatic recognition of basic terrain types from aerial photographs // Photogrammetric Engineering , v. 28, 1976, № 1. P. 115-126.

104. Schan. H.C .Statistical filter for image feature extraction // Applied Optics, v. 19, № 13, 1 July 1980. P. 2182-2190.

105. Steiner D., Haefner H. Tone distorsion for automated interpretation // Photogrammetric Engineering, v. 31, 1965, № 3. P. 269-284.

106. Tanimoto S., Pavlidis T. A hierarchical data structure for picture processing // Сотр. Graph, and Image Proc. 1975, v. 4, № 4. P. 320-328.

107. Tomita F., Shirai Y., Tsuji S. Description of textures by a structural Analysis // IEEE Transactions on Pattern Analysis and Machine Intelligence, v. PAMI-4, N2, March, 1982. P. 183-191.

108. Weszka J.S., Dyer C.R., Rosenfeld A. A Comparative Study of Tex-ture Measures for Terrain Classification. // IEEE Trans Syst., Man, and Cybern 1976, v. SMC-6, № 4.//P. 269-285.

109. Перечень технических средств, рекомендуемых для применения на ВВС России в период до 2005 года;

110. Основные положения развития первичной сети общего пользования;

111. Основные положения развития телефонной сети связи общего пользования;

112. Основные положения развития сетей и служб документальной электросвязи;

113. Основные положения развития сетей подвижной связи;

114. Общий экономический эффект от внедрения диссертационной работы и вклада ее автора в совершенствование программно-аппаратного оснащения материальной базы ОАО «Удмурт Телеком», рассчитанный в ценах 1991 года, составляет более 500 тыс. рублей.

115. Первый заместитель генерального директора ОАО «Удмурт Телеком»

116. Зам. генерального директора ОАО «Удмурт Телеком» по технической эксплуатации

117. Зам. генерального директора ОАО «Удмурт Телеком» по новым технологиям —=

118. Зам. генерального директора ОАО «Удмурт Телеком» ^ по экономике, к.э.н. (у1. Титов В.А.1. Бирюков А.П.1. Маьшютов Х.И.