Методы и алгоритмы поэлементного анализа изображений при дешифрировании аэрофотоснимков сельской местности тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Бурмистров, Александр Владимирович

• Бурмистров, Александр Владимирович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Бурмистров, Александр Владимирович

СОДЕРЖАНИЕ

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

Глава 1 МЕТОДЫ ЦИФРОВОГО АНАЛИЗА ИЗОБРАЖЕНИЙ

1.1 Анализ аэрофотоснимков при контроле и наблюдении за территорией сельской местности

1.2 Характеристики аэрофотоснимков

1.3 Графические форматы изображений

1.4 Методы автоматизированного дешифрирования объектов на изображениях

1.5 Источники облучения объектов при формировании изображения

1.6 Этапы распознавания топографических объектов на аэрофотоснимках

1.7 Математические модели описания растровых изображений

1.7.1 Пространственная модель растрового изображения

1.7.2 Математические модели описания примитивов

1.7.3 Простейшие преобразование примитивов

1.8 Системы описания цвета изображений объектов

1.8.1. Цветовая модель CIE XYZ 3

1.8.2. Цветовая модель RGB 37 1.8.3 Цветовая модель HSV

1.9 Характеристика существующих геоинформационных систем

1.10 Выводы по главе 1 41 Глава 2. ФОРМИРОВАНИЕ ПРИЗНАКОВ ДЕШИФРИРОВАНИЯ АЭРОФОТОСНИМКОВ СЕЛЬСКОЙ МЕСТНОСТИ НА ЭТАПЕ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ИНФОРМАЦИ 44 2.1. Классификация отличительных признаков изображений

исходных объектов 44 2.2 Формирование первичных отличительных признаков в виде

контура изображения объекта

2

2.3 Применение лапласиана для определения границ

изображений объектов

2.4 Определение границ изображений объектов на основе градиентов

2.5 Формирование контуров изображений объектов в виде линий 63 2.5.1 Метод "вписывания" прямой в изображение контура 64 2.5.2. Быстрый поиск линейных контуров большой протяженности 68 2.5.3 Недостатки метода

2.6 Преобразование ЛО с сформированным контуром

в линейный примитив

2.7 Устранение избыточности линейных примитивов 72 2.8. Формирование первичных отличительных признаков в виде локальной области контуров 77 2.8.1 Сегментация изображения на отдельные локальные области 78 2.8.2. Метод формирования JIO относительно контуров

2.8.3 Анализ "изрезанности" контура ДО

2.8.4 Устранение эффекта "вытекания" JIO

2.9 Удаление изображения растительного фона

2.9.1 Анализ гистограммы цветовой HSV -модели

для удаления растительного фона

2.9.2 Оценка качества результата удаления ФР

2.10 Вторичные отличительные признаки

2.10.1 Количественные признаки

2.10.2 Качественные признаки

2.10.3 Морфологические признаки

2.11 Выводы по главе 2 100 Глава 3. МЕТОДЫ ФОРМИРОВАНИЯ ТОПОГРАФИЧЕСКИХ ОБЪЕКТОВ 103 3.1 Формирование топографических объектов 104 3.2. Формирования конкретных ТГО в виде конечной

последовательности частей

з

3.3. Формирования абстрактных ТГО в виде бесконечной

последовательности частей

3.4. Формирование стартовой группы

3.5. Метод формирования ТГО по заданным последовательностям частей

3.5.1 Формирование ТГО по заданной стратегии

3.5.2 Стратегия формирования ТГО методом "заполнения"

3.5.3 Построение полигонов для ТГО

3.6 Анализ атрибутов сформированного ТГО

3.6.1 Основные атрибуты и их параметры

3.6.2 Анализ атрибутов нескольких ТГО

3.7 Разработка правил и частей

3.7.1 Правила для описания частей ТГО 13

3.7.2 Описание сочетаний правил и частей ТГО

3.8 Формирование последовательностей частей правил по эталону

при обучении

3.9 Оценка надежности результата дешифрирования

3.10 Выводы по главе 3 152 Глава 4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ РАЗРАБОТАННЫХ МЕТОДОВ ПОЭЛЕМЕНТНОГО АНАЛИЗА АЭРОФОТОСНИМКОВ

4.1 Разработка программного средства Vid

4.1.1 Назначение и этапы работы программного средства Vid

4.1.2 Классовая структура программного средства Vid

4.1.3 Диаграмма классов основной программы

4.2 Разработка диаграммы классов модели примитивов

4.3 Разработка диаграммы классов, реализующих методы формирования отличительных признаков 165 4.4. Разработка диаграммы классов реализующих методы формирования

ТГО по заданным стратегиям

4.5 Методика проведения эксперимента

4.5.1 Оценка качества изображения и удаление изображения растительного фона

4.5.2 Формирование первичного отличительного признака в виде локальных областей с изображением теней

4.5.3 Формирование первичных отличительных признаков в виде линейных контуров и устранение избыточности

4.5.4 Формирование первичных отличительных признаков в виде локальных областей

4.6 Формирование топографических объектов дорог и строений

4.7 Результаты экспериментальных исследований

4.8 Выводы по главе 4 179 ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ 180 ЛИТЕРАТУРА 182 ПРИЛОЖЕНИЕ А. Акты внедрения результатов диссертации

СПИСОК СОКРАЩЕНИЙ

БПЛА - беспилотный летательный аппарат

ДЗЗ - дистанционное зондирование земли

МЗП - мониторинг земной поверхности

ЭТК - электронная топографическая карта

ВТ - вычислительная техника

ЛО - локальная область

ИО - исходный объект

ПО - полезный объект

ОФ - окружающий фон

ФР - фон в виде растительного покрова

ТГО - топографический объект

ПОП - первичные отличительные признаки

ВОП - вторичные отличительные признаки

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы поэлементного анализа изображений при дешифрировании аэрофотоснимков сельской местности»

ВВЕДЕНИЕ

Актуальность темы исследования. Возрастающая потребность в наблюдении и изучении территорий сельской местности и стремительное развитие компьютерной техники обусловили расширение масштабов применения систем дистанционного аэрокосмического зондирования. С помощью таких систем проводятся наблюдения за сооружениями, дорогами, мостами, нефте- и газопроводами, линиями электропередач, земельным и водным фондами.

Сельские территории России обширны и состоят в основном из сельскохозяйственных угодий и населенных пунктов. Используя космические многозональные снимки и современные методы дешифрирования в сочетании со справочной литературой, материалами полевых измерений, можно решать задачи картографии и мониторинга сельскохозяйственных угодий. Но для составления подробной электронной карты местности с населенными пунктами, особенно при решении инженерных задач, космические снимки часто оказываются непригодными ввиду низкого пространственного разрешения. Появление беспилотных летательных аппаратов (БПЛА) и разработка широкоформатных фотоаппаратов открыли новые возможности для получения качественных аэрофотоснимков в видимом диапазоне длин волн электромагнитного излучения. Применение БПЛА позволяет выполнять регулярную съемку небольших территорий и с небольшой высоты получать качественные аэрофотоснимки с большим пространственным разрешением. Также стоит отметить простоту организации процесса съемки и снижение затрат по сравнению с традиционной аэрофотосъемкой.

Важным этапом создания или обновления электронной карты является этап дешифрирования полученных данных, когда они обрабатываются с целью получения информации об изображенных на них полезных объектах, под которыми понимаются строения или дороги в сельской местности. Ввиду продолжительности этого этапа, выполняемого визуальным или машинно-визуальным способом, временные затраты на него составляют до 40 % всего затрачиваемого на создание или обновление элек-

тронной карты времени, а в некоторых случаях этот этап может занимать более половины всего затраченного времени.

Поскольку остальные этапы обработки аэрофотоснимков к настоящему времени автоматизированы, разработка новых, более эффективных методов дешифрирования позволит снизить общую трудоемкость создания и обновления электронных карт.

Вопросам разработки методов автоматизированного дешифрирования аэрофотоснимков уделяется в последнее время большое внимание. Проводятся научные исследования, появляются новые публикации и программные продукты, такие как отечественные программы Easy Trace, GeoDraw и зарубежные разработки ArcGIS, ERDAS Imagine, ENVI, Google Earth и другие.

Автоматизированное дешифрирование цифровых аэрофотоснимков, заключающееся в обработке изображений и распознавании образов, основано на анализе спектральных характеристик аэрофотоснимков с использованием методов кластеризации и классификации изображений, позволяющих обнаруживать и распознавать полезные объекты по заданным эталонам. Весомый вклад в теорию и практику распознавания образов, цифровую обработку изображений внесли: Претт У., Журавлев Ю.И., Ту Дж., Гонсалес Р., Вудс Р., Анисимов Б.В., Дуда Р., Харт П., Фу К., Уинстон П., Васильев В.И., Цыпкин ЯЗ., Сальников И.И., Федотов Н.Г. и другие.

Однако существующие методы дешифрирования аэрофотоснимков плохо адаптированы, а подчас и вовсе непригодны для распознавания строений и дорог на аэрофотоснимках сельской местности. В то же время, благодаря повышению качества и пространственного разрешения аэрофотоснимков стало возможным использовать для автоматизированного дешифрирования структурные методы распознавания и методы распознавания, использующие отношения между изображениями объектов. Важная роль при этом отводится поэлементному анализу, эффективность которого постоянно растет вследствие непрерывного увеличения информационной производительности вычислительных ресурсов.

В этой связи тема диссертации, посвященная методам поэлементного анализа изображений аэрофотоснимков сельской местности с целью распознавания топографических объектов, является актуальной.

8

Цель диссертационной работы заключается в совершенствовании методов и алгоритмов автоматизированного дешифрирования аэрофотоснимков сельской местности для распознавания изображенных полезных объектов в виде строений и дорог.

Для достижения поставленной цели в диссертационной работе необходимо решить следующие задачи.

1. Обосновать математическую модель примитивов для описания взаимосвязанных отличительных признаков изображений полезных объектов искусственного происхождения на аэрофотоснимках в их совокупности.

2. Разработать метод и алгоритм поэлементного анализа изображений полезных объектов на аэрофотоснимках с целью формирования линейных контуров и локальных областей, связанных с линейными контурами.

3. Разработать метод и алгоритм распознавания изображений полезных объектов на аэрофотоснимках с учетом их структуры по взаимосвязанным отличительным признакам.

4. Разработать метод и алгоритм формирования изображений полигонов, который позволяет достроить недостающие фрагменты предполагаемых топографических объектов на электронной карте.

5. Разработать программное средство для проверки разработанных математических моделей, методов и алгоритмов, а также методику проведения экспериментов по оценке эффективности распознавания топографических объектов на аэрофотоснимках сельской местности.

Объект исследования - аэрофотоснимки сельской местности, полученные с помощью низколетящих беспилотных летательных аппаратов.

Предмет исследования - методы и алгоритмы анализа изображений для распознавания объектов при формировании электронной карты сельской местности.

Методы исследований. Для решения поставленных задач использованы методы математического моделирования, теории распознавания образов, теории множеств, дискретной математики и методы разработки программ в среде

Microsoft Visual Studio с использованием программной платформы .NET Framework.

Научная новизна работы. Новыми являются следующие научные результаты.

1. Обоснована математическая модель описания примитивов - точки, линии, локальной области и полигона, отличающаяся составом кортежей параметров примитивов, использование которой позволяет выявлять полную совокупность взаимосвязанных отличительных признаков и описывать результат распознавания изображений полезных объектов на аэрофотоснимках сельской местности.

2. Создан новый метод поэлементного анализа изображения, отличающийся формированием локальных областей, соответствующих изображениям линейных контуров, и преобразованием их в линейные примитивы, а также формированием связанных с ними локальных областей, что позволяет получить взаимосвязанные отличительные признаки полезного объекта.

3. Разработан метод распознавания изображенных на аэрофотоснимках полезных объектов, который учитывает их структуру по взаимосвязанным отличительным признакам в виде примитивов.

4. Разработан метод формирования полигонов по множеству составляющих топографический объект линейных примитивов, который позволяет достроить предполагаемую форму полезного объекта и определить углы между непересекающимися линейными примитивами.

Практическая значимость работы.

Разработанное программное средство может применяться для мониторинга сельской местности в интересах сельских администраций, управлений лесным хозяйством регионов, противопожарных служб, а также в интересах кадастровых организаций.

Кроме того, разработанные алгоритмы анализа и распознавания топографических объектов могут быть реализованы на современной элементной базе с возможностью размещения оборудования на борту беспилотного летального аппарата и непрерывной передачи данных электронной карты на землю. Сжатие данных

по изображениям земной поверхности обеспечивает непрерывную передачу их на землю по каналам радиосвязи.

На защиту выносятся.

1. Математическая модель примитивов, отображающая в совокупности взаимосвязанные отличительные признаки изображенных полезных объектов на аэрофотоснимках сельской местности.

2. Метод и алгоритм поэлементного анализа изображения для формирования локальных областей, соответствующих изображениям линейных контуров, с преобразованием их в линейные примитивы и формированием связанных с ними локальных областей.

3. Метод и алгоритм распознавания изображенных на аэрофотоснимках полезных объектов, учитывающий их структуру по взаимосвязанным отличительным признакам в виде примитивов.

4. Метод и алгоритм формирования изображений полигонов по множеству линейных примитивов, который позволяет достроить предполагаемую форму изображения топографического объекта.

Апробация работы. Основные положения диссертации докладывались на всероссийских научно-технических конференциях: «Современные методы и средства обработки пространственно-временных сигналов» (Пенза, 2007-2013), «Информационные технологии в профессиональной деятельности и научной работе» (Йошкар-Ола, 2010, 2011), «Современные охранные технологии и средства обеспечения комплексной безопасности объектов» (г. Заречный Пензенской области, 2010).

Публикации. По материалам диссертации опубликовано 15 работ, в том числе 3 статьи в журналах, рекомендованных ВАК, и 1 свидетельство о регистрации программы для ЭВМ.

Объем и структура диссертации. Работа состоит из введения, 4-х глав, основных результатов и выводов по работе, библиографического списка из 93 наименований и приложения. Текст изложен на 187 страницах, содержит 57 рисунков и 18 таблиц.

Глава 1 МЕТОДЫ ЦИФРОВОГО АНАЛИЗА ИЗОБРАЖЕНИЙ

1.1 Анализ аэрофотоснимков при контроле и наблюдении за территорией сельской местности

Задача контроля и наблюдения за территориями была и остается актуальной по сей день. Развитие вычислительной техники и информационных технологий дало много новых возможностей для исследований и разработок, ведущихся в этом направлении. Большую роль при этом отводится сельской местности, в которой проживает около 30 процентов населения нашей страны. Понятие сельская местность обширно и включает в себя не только населенные пункты, но и прилегающие к ним обитаемые территории. Сельская местность представляет собой взаимосвязанное сочетание ландшафтного, хозяйственного, технического, поселенческого и социального блоков. Несмотря на развитие географических наук и геоинформационных систем, сельской местности не уделялось достаточно внимания. Такое отношение ошибочно, т.к. сельская местность играет большую роль в жизни общества, являясь источником сельскохозяйственной, лесной, рыбной продукции и минерального сырья [5,59,4].

Средства дистанционного

зондирования земли

Беспилотные

Пилотируемые

Рисунок 1.1- Классификация средств дистанционного зондирования

Потребность в изучении и наблюдении за территориями, принадлежащими сельской местности возрастает, а учитывая технический прогресс, невозможно представить решение этой проблемы без использования современных информационных технологий и технических средств. Поэтому, в настоящее время получили широкое распространение системы дистанционного зондирования земли (ДЗЗ), которые пред-

назначены для наблюдения за сооружениями, дорогами, мостами, нефте- и газопроводами, линиями электропередач, земельным и водным фондом. Условно их можно разделить на космические и авиационные (рисунок 1.1). В зависимости от поставленной задачи, системы ДЗЗ могут быть оснащены различной съемочной аппаратурой. К космическим ДЗЗ относятся любые космические аппараты (спутники, космические станции и т.д.), а к авиационным любые летательные аппараты (самолеты, вертолеты и т.д.) [64, 65, 38]. Космические ДЗЗ обладают следующими недостатками:

• низкое разрешение и малый контраст;

• чувствительность к атмосферным явлениям;

• большая стоимость запуска и обслуживания космических аппаратов;

• большие временные затраты на создание и запуск космических аппаратов. Традиционная аэрофотосъемка с использованием пилотируемых летательных аппаратов позволяет получить качественные изображения, но организация такой съемки требует больших экономических и временных затрат [38, 39].

Появление беспилотных летательных аппаратов открыло новые возможности для систем мониторинга земной поверхности (МЗП) [69]. Особенно выгодно использовать БПЛА в следующих случаях:

• съемка небольших территорий. Экономические и временные затраты на организацию съемки на много ниже существующих аналогов;

• необходимость проведения регулярной съемки. Используя БПЛА можно организовать регулярную съемку местности;

• возможность съемки с небольших высот и вблизи объектов;

• хорошее качество изображения: высокое разрешения и большой контраст;

• мобильность. Организация и процесс съемки требуют меньше временных затрат;

• простота организации периодической съемки.

Исходя из вышеизложенного можно сделать вывод, что для определенных задач в системах МЗП лучше использовать БПЛА, как самое доступное, экономически выгодное и позволяющее получить качественное изображение средство.

Полученное с БПЛА цифровое изображение можно представить как снимок в уменьшенном виде, на котором будут утеряны детали изображенных объектов, что неизбежно приведет к его искажению. Степень искажения зависит от характеристик съемочной аппаратуры и природных особенностей местности [42, 62].

Главная функция любой системы МЗП - это создание и обновление электронной топографической карты (ЭТК) местности. Аппаратные средства позволяют получить качественные исходные данные, как правило, в виде изображения и координат объектов на них. Получение данных об объектах при создании и обновлении электронной топографической карты происходит на этапе дешифрирования исходных изображений.

Дешифрирование - это процесс распознавания объектов, их свойств и взаимосвязей по их изображениям на снимках [42,2]. Для определения положения снимка на земной поверхности, его масштаба и точных координат изображенных на нем объектов используют, как правило, спутниковую систему навигации GPS или ГЛОНАСС.

Процесс дешифрирования аэрофотоснимков можно выполнять в ручном (визуально) или автоматизированном режиме. Первые системы МЗП могли работать в ручном режиме, предоставляя большой набор инструментов, которые делали процесс удобнее и как следствие быстрее. Развитие информационных технологий получения исходных данных (появление цифровых фотоаппаратов) привело к увеличению их объема. Не смотря на все удобства систем МЗП, человек не мог быстро обработать такой большой объем информации, поэтому возникла потребность в автоматизации процесса дешифрирования. Увеличение производительности вычислительной техники (ВТ) и развитие теории распознавания образов привело к появлению методов автоматизированного дешифрирования (рисунок 1.2.).

Дешифрирование цифровых аэрофотоснимков_

Ручное (визуальное)

Рисунок 1.2- Виды дешифрирования аэрофотоснимков

На сегодняшний день не существует полностью автоматического метода дешифрирования изображений аэрофотосъемки. Учитывая высокую степень автоматизации остальных этапов получения ЭТК, получается, что большую часть времени тратится на дешифрацию исходных изображений. Этот этап может занимать до половины всего времени требуемого для составления ЭТК. На результат дешифрирования влияет много факторов, связанных с особенностью изображений, полученных при аэрофотосъемке:

• некоторые детали изображенных объектов могут пропасть или исказиться;

• одно и то же изображение может изменяться в зависимости от многих факторов (характеристики съемочной аппаратуры, время года, время суток, высота и ракурс съемки и т.д.);

• ракурс съемки может изменить привычное для нас представление объекта;

• большие объекты изображены не полностью (например леса, поля);

• мелкие объекты могут пропасть.

Для получения ЭТК сельской местности удобнее использовать дешифрирование изображений, полученных с БПЛА. Во-первых, как уже говорилось выше, использование БПЛА делает процесс съемки проще и позволяет получить качественные изображения. Во-вторых, полученного с БПЛА изображения достаточно для поиска объектов сельской местности. К объектам сельской местности можно отнести: строения, автодороги, железные дороги, водоемы, реки, участки с растительностью (поля, леса, и т.д.), участки с почвой или грунтом.

Изображение сельской местности обладает рядом особенностей, которые позволяют во многом автоматизировать процесс дешифрирования. К таким особенностям можно отнести:

• невысокие строения;

• преобладание растительных участков или участков с грунтом;

• цветного изображения растительных или земельных участков меняется в зависимости от времени года (например, поле можно рассматривать как изо-

бражение земельного участка осенью или как изображение растительного участка летом);

• отдельные строения удалены друг от друга. Чаще всего между строениями располагаются растительные или земельные участки.

Зная особенности изображенных на аэрофотоснимках сельской местности объектов, можно выделить их признаки, по которым в дальнейшем с вероятностью определить присутствие и тип объекта.

1.2 Характеристики аэрофотоснимков

Количество и качество информации, которую можно получить по аэрофотоснимку, зависит от используемых средств. В настоящее время арсенал средств аэрофотосъемок велик и разнообразен. Получают аэрофотоснимки в основном с самолетов, или с использованием сверхлегкой авиации (например, БПЛА). Аэрофотосъемка классифицируется по видам:

® До 200 км - космическая (искусственный спутник земли);

• До 2 км - воздушная (самолеты вертолеты);

® До 200м - сверхлегкая авиация (мотодельтапланы, беспилотные летательные аппараты).

Масштаб аэрофотоснимка является его важной качественной характеристикой, которая показывает отношение отрезка на снимке к соответствующему ему отрезку на местности и определяет детальность изображения.

Следует отметить, что существует разница между масштабом аэрофотоснимка и масштабом составляемой карты. В таблице 1.2 приведена классификация аэрофотоснимков по масштабу [42, 65].

Таблица 1.1- Классификация аэрофотоснимков по масштабу

Классификация Аэрофотоснимки

Сверхкрупномасштабные Крупнее 1:5000

Крупномасштабные 1:10000-1:25000

Среднемасштабные 1:50000-1:60000

Мелкомасштабные 1:100000-1:200000

Пространственное разрешение характеризует детальность аэрофотоснимков и показывает величину пикселя изображения в пространственных единицах и зависит от характеристик съемочной аппаратуры (например, максимальный размер изображения) и высоты съемки.

Радиометрическое разрешение или глубина цвета показывает количество градаций цвета яркости. Цвет, который мы видим на экране, образуется путем смешивания трех компонент, каждая из которых определяет градацию серого (или яркости). Поэтому, радиометрическое разрешение показывает количество градаций между белым и черным. Для изображений в цветовой модели RGB указывается общее количество бит, которое необходимо для кодирования трех компонент.

Диапазон регистрируемого излучения фиксирует различные диапазоны электромагнитного излучения и зависит от типа съемочной аппаратуры. Различают следующие виды аэрофотосъемок по видам регистрируемого излучения: видимый; ближний инфракрасный; тепловой инфракрасный; радиодиапазон; радиотепловой.

В данной работе исследуются изображения, полученные с помощью БПЛА, которые находятся в видимом диапазоне электромагнитного излучения.

Космические снимки эффективнее использовать для дешифрирования объектов, занимаемых большую площадь: поля, леса, водоемы и т.д. Связано это с двумя факторами: во-первых, космические снимки охватывают большую территорию, во-вторых, вышеперечисленные объекты обладают выраженными спектральными отличительными признаками.

Аэрофотоснимки эффективнее использовать для создания топографических карт населенных пунктов, которые состоят из линейных (дороги, реки) и малоразмерных площадных объектов (например, строения). Связано это со следующими факторами: аэрофотоснимки обладают большим пространственным разрешением и менее чувствительны к атмосферным явлениям.

Качество аэрофотоснимка зависит не только от технических характеристик используемой аппаратуры и условий съемки, но и от его содержания, т.е. от изоражен-ных на нем объектов.

Содержание аэрофотоснимка для участков сельской местности складывается из самых разнообразных групп объектов (рисунок 1.3):

Рисунок 1.3 - Содержание аэрофотоснимка для участков сельской местности

Изображенные объекты строений характеризуют: форма, ширина, длина, размер (занимаемая площадь), расстояние между объектами и контраст. Все эти особенности зависят как от самих объектов, так и от сочетания таких факторов как: местоположение, условие съемки (время года, время суток, высота съемки), возраст объекта (особенно для растительного покрова), результат деятельности человека и др.

Информационная оценка пространственно-временного сигнала. В [67] отмечено, что говорить о количестве информации невозможно, в виду того, что ценность информации зависит от ее содержания, субъективного представления о ней, а также от конкретного случая построения системы обработки информации. Использовать количество информации в качестве критерия оценки качества преобразования возможно при условии определения в каждом конкретном случае понятия ценности информации. Если невозможно определить ценность информации, тогда следует рассматривать не ее количество, передаваемое сигналом, а информационную емкость носителя информации как некоторую потенциальную величину, которой характеризуется и передаваемый сигнал, и система его обработки. В качестве меры неопределенности принято использовать энтропию, которая для непрерывного сигнала выражается интегралом:

оо

Я(£) = -|Р(£)1оё2Р(£Ж , (1.1)

со

где P{Ç) - вероятность случайной величины £.

При приеме и обработке сигнала энтропия уменьшается на величину количества информации: I = H{Ç) + Hy{Ç), (1.2)

где Hy{Ç) - апостериорная энтропия, причем Hу(^)< H (Ç).

Из чего можно сделать вывод, что количество информации, содержащееся в сигнале до его приема и обработки равно его энтропии / = H(Ç) и никакое преобразование сигнала не может увеличить содержащейся в нем информации.

1.3 Графические форматы изображений

Графический формат - это способ представления графической информации, т.е. фотографий, рисунков, изображений и т.д. Графические форматы делятся на три группы [37]:

1. Растровые {BMP, GIF, ICO, JPEG, PSD, PNG, TGA, TIFF, IMG и др.). Растровые изображения представляют собой матрицу из пикселей (как правило, цветных).

2. Векторные (SVG (Scalable Vector Graphics), EPS (Encapsulated PostScript), CDR (CorelDraw) и др.). Векторное изображение состоит из элементарных геометрических объектов - точек, линий, сплайнов и многоугольников, которые являются графическим изображением математических функций.

3. Комплексные или межплатформенные {PDF, DjVu, CGM и др.). В таком файле, как правило, хранятся изображения, текст и правила их размещения. Используются в первую очередь для предоставления полиграфической продукции, позволяют точного воспроизведения документов на различных устройствах и платформах. Для работы с такими форматами необходимы специальные программы для просмотра и редактирования.

Один из недостатков растровых форматов - большой размер файла. Чтобы частично избавиться от него используется сжатие изображений. В зависимости от типа

сжатия изображения делятся на два вида: сжатие без потерь и сжатие с потерями.

19

Исходя из вышеперечисленных характеристик растровых изображений составлена сравнительная таблица (таблица 1.2) с наиболее часто используемыми в обработки изображений форматами.

Таблица 1.2 - Сравнение форматов растровых изображений

Формат Метод сжатия Цветовая модель Глубина цвета

BMP RLE RGB RGB: 16, 24

(Bitmap Picture) (без потерь) ARGB: 32 Палитра: 1,4,8

TIFF RLE, LZW, LZ77, ZIP, RGB, CMYK RGB: 24, 48

(Tagged Image File Format) JBIG, JPEG, CCITT YCbCr, CIE Градиент: 8, 16

Group 3, CCITT Group 4 Lab Палитра: 1-8

(без потерь, с потерями)

JPEG JPEG RGB, YCbCr RGB: 24

(Joint Photographic Experts (без потерь, с потерями) Градиент: 8

Group, по названию органи-

зации-разработчика)

GIF LZW RGB Палитра: 1-8

(Graphics Interchange (с потерями)

Format)

PNG DEFLATE RGB RGB: 24, 48

(Portable Network Graphics) (без потерь) ARGB: 32 Градиент: 8, 16 Палитра: 1-8

1.4 Методы автоматизированного дешифрирования объектов

на изображениях

Существующие методы автоматизированного дешифрирования аэрофотоснимков используют в основном для распознавания объектов многозональные снимки и основаны на спектральной отражательной способности изображенных объектов [2,6]. Значения яркости многозонального снимка можно представить как пространство спектральных признаков, размерность которого зависит от числа съемочных зон. Каждый пиксель в пространстве спектральных признаков равен значениям уровней яркости в зонах. Поскольку спектральная яркость природных объектов определяет уровень яркости пикселей на изображениях, которые принадлежат различным зональным снимкам, то их можно сопоставить в пространстве признаков [50].

Заключение диссертации по теме «Теоретические основы информатики», Бурмистров, Александр Владимирович

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

Цель диссертационного исследования, заключающаяся в совершенствовании методов и алгоритмов автоматизированного дешифрирования аэрофотосним-

180

ков сельской местности с выполнением этапов предварительной обработки изображений с целью их улучшения и коррекции, получения отличительных признаков и распознавания топографических объектов, достигнута в процессе решения поставленных научных задач.

Результаты работы состоят в следующем.

1. Обоснована математическая модель примитивов - точки, линии, локальной области и полигона - в виде кортежей параметров, обеспечивающая рассмотрение совокупности взаимосвязанных отличительных признаков и описание результата дешифрирования аэрофотоснимков.

2. Разработан метод и алгоритм поэлементного анализа HSV-характиристик изображения для формирования локальных областей, соответствующих изображениям линейных контуров, с преобразованием их в линейные примитивы и формированием связанных с ними локальных областей.

3. Разработаны метод и алгоритм распознавания изображенных на аэрофотоснимках полезных объектов, учитывающие их структуру по взаимосвязанным отличительным признакам в виде примитивов.

4. Разработаны метод и алгоритм формирования полигонов по множеству линейных примитивов, составляющих топографический объект, который позволяет достроить предполагаемую форму полезного объекта и определить углы между непересекающимися линейными примитивами.

5. Разработано программное средство Vid, предназначенное для анализа исходных растровых изображений с целью оценки его качества, предварительной обработки растровых изображений с целью их улучшения и коррекции, экспериментальной проверки методов формирования первичных отличительных признаков и методов формирования ТГО по заданным стратегиям.

6. Предложена методика проведения эксперимента по оценке работоспособности методов и определения характеристик распознавания топографических объектов в виде строений и дорог на аэрофотоснимках сельской местности. Получены следующие значения вероятности распознавания объектов: для строений редкой застройки - 85 %; для строений частой застройки - 78 %; для автодорог -86 %; для железных дорог - 87 %.

Список литературы диссертационного исследования кандидат наук Бурмистров, Александр Владимирович, 2013 год

ЛИТЕРАТУРА

1. Айфичер, Эммануил С., Джервис, Барри У. Цифровая обработка сигналов: практический подход : Пер. с англ. - 2-е изд. - М. : «Вильяме», 2004. - 992 с.

2. Аковецкий В.И. Дешифрирование снимков : Учеб. для вузов по спец. «Аэро-фотогеодезия» / В.И. Аковецкий. - М. : Недра, 1983. - 374 с.

3. Амбарцумян Р.В., Меккей И., Штойян Д. Введение в стохастическую геометрию. - М. : Наука; Гл. ред. физ.-мат. лит., 1989. - 400 с.

4. Андреев А. В. Основы региональной экономики : учебник для вузов / A.B. Андреев. - М. : КноРус, 2012. - 334 с.

5. Анимица Е.Г., Шарыгин М.Д. Региональная социально-экономическая география: теория, методология, практика. - Пермь : Изд-во Перм. ун-та, 1994. - 180 с.

6. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: Учеб. пособие для студ. вузов. - М. : Высш. шк., 1983 -295 с.

7. Бабич М.Ю. Введение в геоинформационные системы: учеб. пособие. - Пенза : Изд-во Пенз. гос. технол. акад., 2009. - 171 с.

8. Брейсуэлл Р. Преобразование Хартли : Пер. с англ. - М. : Мир, 1992. - 175 с.

9. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся втузов. - М. : Наука, 1986. - 544 с.

10.Бурмистров A.B. Алгоритм удаления цветовых областей с изображением растительного фона / A.B. Бурмистров // XXI век: итоги прошлого и проблемы настоящего плюс. - 2011. - № 9. - С. 45-50.

11.Бурмистров A.B. Анализ и обработка аэрофотоснимков сельской местности программой VID-2009 / И.И. Сальников, A.B. Бурмистров // Современные методы и средства обработки пространственно-временных сигналов: Сборник статей VIII Всероссийской научно-технической конференции. - Пенза, 2010. -С. 59-63.

12.Бурмистров A.B. Анализ надежности результатов автоматизированного дешифрирования цифровых аэрофотоснимков сельской местности / A.B. Бурмистров // XXI век: итоги прошлого и проблемы настоящего плюс. - 2013. - № 10 (14).-С. 51-56.

13.Бурмистров A.B. Использование цвета для выделения объектов при формировании топографической карты местности по аэрофотоснимкам / И.И. Сальников, A.B. Бурмистров // Современные методы и средства обработки пространственно-временных сигналов: Сборник статей VII Всероссийской научно-технической конференции. - Пенза, 2009. - С. 17-19.

14.Бурмистров A.B. Метод автоматического удаления растительного фона на изображениях сельской местности / A.B. Бурмистров // Информационные технологии в профессиональной деятельности и научной работе: Сборник материалов Всероссийской научно-практической конференции. - Йошкар-Ола, 2011. -С. 111-116.

15.Бурмистров A.B. Метод выделения информативной составляющей из цветных цифровых изображений сельской местности / И.И. Сальников, A.B. Бурмистров // Современные методы и средства обработки пространственно-временных сигналов: Сборник статей всероссийской научно технической конференции. -Пенза, 2012.-С. 55-60.

16.Бурмистров A.B. Метод формирования линейных контуров на аэрофотоснимках сельской местности / A.B. Бурмистров, И.И. Сальников // Современные проблемы науки и образования: Электронный научный журнал. - 2013. - № 5.

17.Бурмистров A.B. Метод формирования топографических объектов на аэрофотоснимках сельской местности / A.B. Бурмистров, И.И. Сальников // XXI век: итоги прошлого и проблемы настоящего плюс. - 2012. - № 05 (09). - С. 40-50.

18.Бурмистров A.B. Программное средство для анализа и обработки аэрофотоснимков сельской местности / A.B. Бурмистров // Информационные технологии в профессиональной деятельности и научной работе: Сборник материалов Всероссийской научно-практической конференции с международным участием. - Йошкар-Ола, 2010. - С. 29-32.

19.Бурмистров A.B. Специализированные устройства анализа и преобразования телевизионного изображения КВП - 2007 / И.И. Сальников, A.B. Бурмистров // Современные методы и средства обработки пространственно-временных сигналов: Сборник статей V Всероссийской научно-технической конференции. -Пенза, 2007.-С. 169-171.

20.Бурмистров A.B. Формирование бинарного изображения с пороговым уровнем по методу максимума производной / A.B. Бурмистров // Современные методы и средства обработки пространственно-временных сигналов: Сборник статей VI Всероссийской научно-технической конференции. - Пенза, 2008. - С. 6367.

21.Бурмистров A.B. Формирование изображений топографических объектов по контурам на аэрофотоснимках сельской местности / A.B. Бурмистров // Современные методы и средства обработки пространственно-временных сигналов: Сборник статей XI Всероссийской научно-технической конференции. - Пенза, 2013.-С. 34-39.

22.Бурмистров A.B. Характеристики черно-белых аэрофотоснимков сельской местности / A.B. Бурмистров // Современные методы и средства обработки пространственно-временных сигналов: Сборник статей VII Всероссийской научно-технической конференции. - Пенза, 2009. - С. 13-16.

23.Бурмистров A.B. Цветовые преобразования для улучшения отношения сигнал-шум в системах мониторинга земной поверхности / A.B. Бурмистров, И.И. Сальников // Современные охранные технологии и средства обеспечения комплексной безопасности объектов: Материалы Всероссийской научно-технической конференции. - Заречный Пензенской области, 2010. - Ч. 1 - С. 149-152.

24.Василенко Г.И., Тараторин А.М. Восстановление изображений. - М. : Радио и связь, 1986.-302 с.

25.Васильев В.И. Распознающие системы: Справочник. - 2-е изд., перераб. и доп.

- Киев: Наукова думка, 1983. - 422 с.

26. Введение в контурный анализ; приложения к обработке изображений и сигналов / Я.А. Фурман, A.B. Кревецкий, А.К. Передреев [и др.]; Под ред. Я.А. Фурмана. - 2-е изд., испр. - М. : Физматлит, 2003. - 592 с.

27.Ворсайт, Дэвид А., Понс, Жан. Компьютерное зрение. Современный подход : Пер. с англ. - М. : «Вильяме», 2004. - 928 с.

28.Геоинформатика. Толковый словать основных терминов / Под ред. A.M. Бер-лянта, A.B. Кошкарева. - М. : ГИС Ассоциация, 1999. - 204 с.

29.Гладкий A.B. Формальные грамматики и языки. - М. : Наука; Гл. ред. физ.-мат. лит., 1973.-368 с.

30.Гонсалес Р., Вудс Р. Цифровая обработка изображений. - M : Техносфера, 2005.-1072 с.

31.ГОСТ 19.701-90. Схемы алгоритмов, программ, данных и систем. Условные обозначения и правила выполнения.

32. Губанов П.В. Автоматическая сегментация текстурированных изображений на основе локальных распределений характеристик // Вестник Томского государственного университета. - 2000, июнь. - Т. 271. - С. 141-142.

33.Гуревич М.М. Цвет и его измерение. - M. - JI. : Издательство АН СССР, 1950.

- 268 с.

34. Дюран Б., Оделл П. Кластерный анализ. - М. : Статистика, 1977. - 128 с.

35.Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания образов или классификации // Пробл. кибернетики. - М. : Наука, 1978. - № 33.

- С. 5-68.

36. Журавлёв Ю.И. Распознавание образов и анализ изображений / Ю.И. Журавлёв, И.Б. Гуревич // Искусственный интеллект: Модели и методы. Т. 1. - М. : Радио и связь, 2000. - 310 с.

37.Климов A.C. «Форматы графических файлов». - СПб. : «ДиаСофт», 1995 - 480 с.

38.Книжников Ю.Ф., Кравцова В.И., Тутубалина О.В. Аэрокосмические методы географических исследований. - М. : «Академия», 2004 - 336 с.

39.Кнорозов C.B., Лавров В.Н. Бортовые средства воздушного и космического фотографирования.//Итоги науки и техники. - М, 1982. - Т. 20 (Геодезия и аэрофотосъемка).

40.Котов А., Красильников Н. Кластеризация данных. 2006. - URL: http://www .aisystem.narod.ru

41. Красильников H.H. Цифровая обработка 2D- и 3D- изображений : Учеб. пособие. - СПб. : БХВ-Петербург, 2011. - 608 с.

42.Лабутина И.А. Дешифрирование аэрокосмических снимков : Учеб. пособие для студентов вузов / И.А. Лабутина. - М. : Аспект Пресс, 2004. - 184 с.

43. Ларман Грэг Применение UML и шаблонов проектирования : Пер. с англ. - 2-е изд. - М. : «Вильяме», 2004. - 624 с.

44. Левин Б.Р. Теоретические основы статистической радиотехники. - М. : Советское радио. - Т. 2. - 1968. - 505 с.

45.Литвинская О. С. Основы теории передачи информации : учебное пособие / О.С. Литвинская, Н.И. Чернышёв. - М. : КНОРУС, 2010.- 168 с.

46. Лурье И.К. Геоинформационное картографирование. Методы геоинформатики и цифровой обработки космических снимков : Учебник / И.К. Лурье. - 2-е изд., испр. - М. : КДУ, 2010. - 424 с.

47.Мандель И. Д. Кластерный анализ. - М. : Финансы и Статистика, 1988. - 176 с.

48.Местецкий Л.М. Непрерывная морфология бинарных изображений. Фигуры. Скелеты. Циркуляры. - М. : Физматлит, 2009. - 288 с.

49.Мурынов А.И., М.В. Телегина, «Структурно-цветовой анализ графических изображений на основе динамической экстентной модели кластера» Изв. ИМИ УдГУ. - 2006. - № 2(36). - 197-200 с.

50.Назаров A.C. Фотограмметрия : учеб. пособие для студ. вузов / A.C. Назаров. -Мн. : ТерраСистемс, 2006. - 368 с.

51. Новиков Ф.А. Дискретная математика для программистов : Учебник для вузов. - 3-е изд. - СПб. : Питер, 2009. - 384 с.

52.Обнаружение прямых линий на изображениях на основе преобразования Хартли. Быстрое преобразование Хафа / Д.Б. Волегов, В.В. Гусев, Д.В. Юрин // 16-я международная конференция по компьютерной графике и ее приложениям ГрафиКон'2006. - Новосибирск, 2006. - С. 182-191.

53.Основы геоинформатики : В 2 кн. - Кн. 1 : Учеб. пособие для 0-75 студ. вузов / Е.Г. Капралов, A.B. Кошкарев, B.C. Тикунов [и др.]; Под ред. B.C. Тикунова. -М. : «Академия», 2004. - 352 с.

54.Потапов A.C. Распознавание образов и машинное восприятие: Общий подход на основе принципа минимальной длины описания. - СПб. : Политехника, 2007. - 548 с.

55.Претт У. Цифровая обработка изображений : Пер. с англ. - М. : Мир, 1982. -Кн.1. - 312 с.

56.Претт У. Цифровая обработка изображений : Пер. с англ. - М. : Мир, 1982. -Кн.2. - 480 с.

57.Применение алгоритма адаптивной фильтрации для обработки аэрофотоснимков // Электросвязь. - 2009. - № 7. - С. 1-3.

58.Принципы обработки изображений, основанные на учете их семантической структуры // Информационно-управляющие системы. - 2008. - № 1. - С. 2-6.

59. Присяжный М. Ю. Социально-географические исследования сельской местности в России / М. Ю. Присяжный // Молодой ученый. - 2011. - № 4. Т. 1. - С. 127-133.

60.Разработка методики автоматизированного дешифрирования изображений топографических объектов с использованием нейросетевых методов : Дис. ... канд. техн. наук : 25.00.34 / A.B. Волков. - 2006.

61. Разработка технологии автоматизированного обнаружения и анализа линеа-ментов и кольцевых структур на космических изображениях : Дис. ... канд. Техн. наук : 25.00.34 / Фам Суан Хоан. - 2012.

62.Рис У.Основы дистанционного зондирования. - М. : Техносфера, 2006. - 246 с.

63.Рихтер Дж. CLR via С#. Программирование на платформе Microsoft .NET Framework 4.0 на языке С#. - 3-е изд. - СПб. : Питер, 2012. - 928 с.

64. Савиных В.П., Кучко А.С., Стеценко А.Ф. Аэрокосмическая фотосъемка : Учебник. -М. : «Картогеоцентр»-«Геодезиздат», 1997. -378 с.

65.Савиных В.П., Цветков В.Я. Геоинформационный анализ данных дистанционного зондирования. - М. : Картгеоцентр - Геодезиздат, 2001. - 228 с.

66. Сальников И.И. Анализ пространственно-временных параметров удаленных объектов в информационных технических системах. - М. : Физматлит, 2011. — 252 с.

67. Сальников И.И. Растровые пространственно-временные сигналы в системах анализа изображений. - М. : Физматлит, 2009. - 248 с.

68.Свидетельство о государственной регистрации программы для ЭВМ № 2011610133. Программа анализа и обработки цветовых изображений. Правообладатель: Государственное образовательное учреждение высшего профессионального образования «Пензенская государственная технологическая академия». Авторы: Бурмистров А.В., Сальников И.И. Заявка № 2010616651 от 28.10.2010 г. Зарегистрировано в Реестре программ для ЭВМ 11.01.2011 г.

69.Сечин М.А. Беспилотный летательный аппарат: применение в целях аэрофотосъемки для картографирования Часть 2 / А.Ю. Сечин, М.А. Дракин, А.С. Киселева. - М. : «Ракурс», 2011. - URL: http://www.racurs.ru/?page=699

70.Синтез цвета // Фотокинотехника: Энциклопедия / Гл. ред. Е.А. Иофис. - М. : Советская энциклопедия, 1981.

71.Ту Дж., Гонсалес Р. Принципы распознавания образов. - M : Мир, 1978. - 826 с.

72.Уинстон П. Искусственный интеллект. - : М. : Мир, 1980. - 520 с.

73.Федотов Н.Г. Теория признаков распознавания образов на основе стохастической геометрии и функционального анализа. - М. : Физматлит, 2009. - 304 с.

74.Фу К. Структурные методы в распознавании образов / К. Фу; пер. с англ. Н.В. Завалишина; под ред. М.А. Айзермана. - М. : Мир, 1977. - 319 с.

75.Цифровая обработка изображений в информационных системах : Учеб. пособие / И.С. Грузман, В.В. Киричук [и др.]. - Новосибирск : Изд-во НГТУ, 2002. -352 с.

76.Цифровая обработка сигналов / А.Б. Сергиенко. - СПб. : Питер, 2002. - 608 с.

77.Цифровое преобразование изображений : Учеб. пособие для вузов / Р.Е. Быков, Р. Фрайер, К.В. Иванов, А.А. Манцветов; Под ред. Проф. Р.Е. Быкова. - М. : Горячая линия - Телеком, 2003 - 228 с.

78.Цыпкин Я.З. Информационная теория идентификации. - М. : Наука; Физматлит, 1995.-336 с.

79.Чандра А.М., Гош С.К. Дистанционное зондирование и географические информационные системы. - М. : Техносфера 2008. - 312 с.

80.1Повенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений : Учебное пособие. - М. : Техносфера, 2010.-560 с.

81.Яне Б. Цифровая обработка изображений / Б. Яне. - М. : Техносфера, 2007. -583 с.

82.Agoston, Max К. Computer Graphics and Geometric Modeling: Implementation and Algorithms. - London: Springer, 2005 - 898 c.

83.ERDAS IMAGINE. Tour Guides [Электронный ресурс] / Leica Geosystems Geo-spatial Imaging, LLC, Norcross, Georgia - 2005. - 693 p. - 1 электр. опт. диск (DVD+R).

84. http://geocnt.geonet.ru

85. http://geospatial.intergraph.com

86. http://msdn.microsoft.com

87. http://www.cie.co.at

8 8. http ://www. esri. com

8 9. http ://www. google, com/earth

90. Jain A., Murty M., Flynn P. Data Clustering: A Review. // ACM Computing Surveys. 1999. Vol. 31, no. 3.

91.Kuncheva, "Combining pattern classifiers: methods and algorithms", Wiley & Sons, 2004

92.Schubô A., Schlaghecken F., Meinecke C. (2001). Learning to ignore the mask in texture segmentation tasks. Journal of Experiment Psychology: Human Perception and Performance, 27, 919-931

93. Serra J. Image Analysis, Mathematical Morphology. - Academic Press, 1982.

ПРИЛОЖЕНИЕ А. Акты внедрения результатов диссертации

УТВЕРЖДАЮ

\

АКТ

внедрения результатов диссертационной работы Бурмистрова Александра Владимировича на тему «Методы и алгоритмы поэлементного анализа изображений при дешифрировании аэрофотоснимков сельской местности»

Комиссия в составе: председатель главный конструктор ООО НТТП «Старт-7» Лукьянов А.К. члены комиссии: зам. директора по научной работе Проскурнин В.А., ведущий инженер Сивагин С.Н.

составили настоящий акт о том, что результаты диссертационной работы «Методы и алгоритмы поэлементного анализа изображений при дешифрировании аэрофотоснимков сельской местности» используются при разработке технических систем охраны и мониторинга состояния охраняемых территорий.

Использование предложенных в диссертационной работе методов распознавания изображений объектов искусственного происхождения, позволяет реализовать новые функциональные возможности в разрабатываемых системах охраны и мониторинга состояния территорий. Предложенная методика автоматизированного дешифрирования аэрофотоснимков сельской местности позволяет сократить затраты и повысить производительность труда при составлении электронных карт небольших территорий с использованием беспилотных летательных аппаратов.

Настоящий акт не является основанием для финансовых расчетов.

на предприятии ООО НПП «Старт-7»

Председатель Члены комиссии:

Лукьянов А.К. Проскурнин В.А. Сивагин С.Н.

«УТВЕРЖДАЮ» И. о. ректора Пензенско! о государственного технологического университета; д.п.н. профессор В.Б. Моисеев 2013 г.

АКТ

об использовании результатов диссертационной работы Бурмистрова Александра Владимировича на тему «Методы и алгоритмы поэлементного анализа изображений при дешифрировании аэрофотоснимков сельской местности», представленной на соискание ученой степени кандидата технических наук по специальности 05.13.17— Теоретические основы информатики.

г.Пенза «_» _2013 г.

Комиссия в составе: проректора по учебной работе, к.т.н., доцента Андреева А Б., декана факультета информационных и образовательных технологий, к.т.н., доцента Ремонтова А. П., зам. зав. кафедрой «Вычислительные машины и системы» по научной работе, к.т.н., доцента Литвинской О. С., к т.н., профессора кафедры «Вычислительные машины и системы» Бершадской Е. Г. составила настоящий акт о том, что результаты диссертационной работы Бурмистрова A.B., представленной на соискание ученой степени vth r чя^ти исследования методов и алгоритмов поэлементного анализа Шоиражении, ¿ю^ьиляал i-uy4dib мешды распознавания обра зов и автоматизированного дешифрирования аэрофотоснимков в рамках обучения студентов направления подготовки 230100.62 - «Информатика и вычислительная техника» и специальности 230101 - «Вычислительные машины, комплексы, системы и сети» по дисциплинам «Системы искусственного интеллекта» и «Геоинформационные системы».

Настоящим подтверждается внедрение результатов работы Бурмистрова A.B. в учебном процессе кафедры ВМиС в лекционных курсах, на практических занятиях и дипломном проектировании.

Проректор по учебной работе, к.т.н., доцент

Декан факультета информационных и образовательных технологий, к.т.н., доцент

Андреев А. Б.

а

Зам. зав. кафедрой «Вычислительные машину и системы»\^

Ремонтов А. П.

по научной работе, к.т.н., доцент

1 /¿jЛитвинская О. С.

Профессор кафедры «Вычислительные машины и системы», к.т.н. 'fefrt^L- Бершадская Е. Г.