МЕТОДЫ И АЛГОРИТМЫ СУБПИКСЕЛЬНОЙ ОБРАБОТКИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Кавиева Евгения Сергеевна

• Кавиева Евгения Сергеевна
• кандидат наук
• 2016

Оглавление диссертации кандидат наук Кавиева Евгения Сергеевна

1.4.2. Описание модели

1.4.3. Постановка задачи синтеза изображения со сверхразрешением

1.5. Выводы к главе

ГЛАВА 2. МЕТОД СУБПИКСЕЛЬНОГО СКАНИРОВАНИЯ

2.1. Повышение разрешения методом усреднения

2.1.1. Одномерное субпиксельное сканирование

2.1.2. Повышение разрешения по двум направлениям

2.2. Восстановление цифровых изображений

2.2.1. Одномерная модель восстановления

2.2.2. Восстановление цифровых изображений с двукратным увеличением разрешения по двум направлениям

2.2.3. Восстановление цифровых изображений с произвольным увеличением разрешения

2.3. Выводы к главе

ГЛАВА 3. ИСПОЛЬЗОВАНИЕ МАСОК

3.1. Метод расфокусировки

3.1.1. Общая теория метода. Одномерная модель

3.1.2. Двумерная модель

3.1.3. Численная реализация метода сверхразрешения

3.2. Приложение метода сверхразрешения в спутниковом сканировании поверхности Земли

3.2.1. Использование маски с диафрагмами

3.2.2. Сканирование изображения группой линеек детекторов

3.3. Выводы к главе

ЗАКЛЮЧЕНИЕ

112

2

ЛИТЕРАТУРА

О

шибка! Закладка не определена

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «МЕТОДЫ И АЛГОРИТМЫ СУБПИКСЕЛЬНОЙ ОБРАБОТКИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ»

Актуальность

Начиная со средины прошлого века, компьютерные технологии все интенсивнее проникают во все сферы человеческой жизни.

На сегодняшний день ни одно производство не обходится без применения цифровой обработки данных. Машинная обработка позволяет существенно увеличить скорость процессов обработки, обеспечивая при этом высокую надежность расчетов и математическую точность результата.

Восприятие человеком окружающего мира носит аналоговый характер. Это обеспечивает прием и передачу данных путем непрерывного изменения во времени амплитуды, частоты либо фазы сигнала. Для использования аналоговых сигналов в компьютерных системах и сетях осуществляется квантование и аналого-цифровое преобразование. Цифровое изображение - это графическая форма представления данных, предназначенная для зрительного восприятия. Каждое плоское изображение передается и запоминается построчно в виде одномерного цифрового сигнала.

Компьютерная обработка и распознавание изображений представляет собой быстро развивающееся самостоятельное направление исследования. Обработка цифровых изображений предполагает использование компьютеров или специализированных устройств, построенных на цифровых сигнальных процессорах. При этом под обработкой изображений понимается не только улучшение зрительного восприятия изображений, но и классификация объектов, выполняемая при анализе изображений. В 60-е годы прошлого века получила развитие особая наука об изображениях - «иконика», которая посвящена исследованиям общих свойств изображений, целей и задач их преобразования, обработки и воспроизведения, распознавания графических образов [8]. Термин «иконика» происходит от греческого <^коп», что означает изображение, образ. Сегодня под ним понимают «создание и обработку изображений с помощью ЭВМ, что совпадает с понятием компьютерной обработки изображений.

Компьютерная обработка изображений включает в себя получение дискретного изображения, его передачу, хранение, преобразование и отображение [96].

Области применения цифровой обработки в настоящее время значительно расширяются, вытесняя аналоговые методы обработки сигналов изображений. Методы цифровой обработки широко применяются в промышленности, искусстве, медицине, космосе. Они используются при управлении процессами, автоматизации обнаружения и сопровождения объектов, распознавании образов и во многих других приложениях. Формирование, улучшение качества и автоматизация обработки медицинских изображений, включая изображения, создаваемые электронными микроскопами, рентгеновскими аппаратами, томографами и т.д., являются предметом многочисленных исследований и разработок. Сегодня в медицинской технике широко применяются системы формирования изображения, его преобразования в цифровую форму, визуализация и документирование путем введения в компьютер изображений с помощью специализированных устройств захвата видео. В промышленности контроль качества производимой продукции выполняется благодаря автоматическим методам анализа сцен.

Все большее распространение получают технологии, связанные с применением изображений высокого разрешения. Широкое применение высокоточные снимки имеют в картографии земной поверхности. Существуют потребности применения космических снимков высокого разрешения в муниципальном управлении, а также в управлении железнодорожным транспортом. Современные системы дистанционного зондирования Земли успешно используются в комплексе геологоразведочных работ в нефте- и газодобывающей промышленности на материке и на шельфе, а также в системе транспорта углеводородов. Существует опыт использования данных высокого разрешения для оценки ущерба и устранения последствий землетрясений и других стихийных бедствий. Перспективным является применение данных

дистанционного зондирования Земли из космоса для повышения эффективности растениеводческого производства в сельском хозяйстве.

Снимки местности получают различными способами, например, с помощью съемки со спутника или используя аэрофотосъемку. Оба метода применяются и имеют свои достоинства и недостатки. Спутники дистанционного зондирования Земли (ДЗЗ) гражданского и двойного назначения, оборудованные оптико-электронными сенсорами высокого разрешения, появились значительно позже систем аэрофотосъемки и смогли составить им достойную конкуренцию в качестве средств получения исходного материала для крупномасштабного картографирования. Сканерная космическая съёмка предпочтительна в тех случаях, когда аэрофотосъёмка сложна в организационном плане, например, при картографировании крупных городов и приграничных районов; кроме того, она более оперативна [50].

Информация, полученная любым из приведенных выше способов, до применения ее для конечной цели подвергается предварительной обработке. Во многом именно необходимость специальной обработки цифровых изображений наряду с дороговизной получения космических снимков, является причиной недостаточно широкого применения современных технологий, основывающихся на использовании космических снимков. При компьютерной обработке изображений решается широкий круг задач, таких как улучшение качества изображений; спектральный анализ многомерных сигналов; распознавание изображений; сжатие изображений.

Методы повышения качества цифровых изображений направлены на улучшение восприятия изображения технической или художественной картины человеком. При этом понятие «повышение качества» связывается как с характером передаваемой зрителю (читателю) посредством этого изображения информации, так и со спецификой человеческого зрения. В этой связи обработка цифрового изображения, необходимая для улучшения его качества, в зависимости от указанных специфик может значительно варьироваться, чтобы соответствовать вытекающим из них весьма различным целям. Например, важным для восприятия

может быть обеспечение «правильной» передача цветности изображения. Кроме того, изображение может содержать шумовую составляющую, частично маскирующую полезную информацию, для передачи которой оно предназначалось, и улучшение качества изображения в таком случае достигается его обработкой, направленной на выделение и последующее вычитание фоновой составляющей.

Важной характеристикой качества изображения является пространственное разрешение, т.е. количество пикселей, которыми оно формируется. В некоторых случаях, например, для визуальной передачи простой информации, достаточно использовать изображения очень низкого разрешения, что обеспечит и высокую скорость ее восприятия. В других случаях, например, для восприятия большого количества мелких деталей картинки или схемы, требуется высокое пространственное разрешение цифрового изображения. Зачастую пространственное разрешение, которое может обеспечить детектирующая матрица, недостаточно для получения требуемой детализации изображения. Это означает, что нужное цифровое изображение не может быть получено в течение одной экспозиции, и возникает задача его синтеза на основе группы изображений одной и той же картинки, имеющих более низкое разрешение, т.е. так называемая задача «сверхразрешения».

Исследования вопросов повышения разрешения цифровых изображений в течение последних десятилетий велись преимущественно зарубежными учеными [4; 5; 10; 11; 14, 15]. Труды отечественных ученых охватывают преимущественно общие вопросы обработки и распознавания цифровых изображений, не включая специализированные методы получения изображений высокого разрешения. Вопросы субпиксельного анализа в течение десятилетий оставались в стороне от глубоких исследований. В последнее время разработки алгоритмов субпиксельной обработки цифровых изображений на базе института автоматики и электрометрии Сибирского отделения РАН ведут такие ученые, как А.Л. Резник и др. [93, 98]. Также исследования вопросов сверхразрешения проводят Насонов А.В, Крылов А.С., Ушмаев О.С [80], Сирота А.А., Иванков А.Ю. [57, 58].

Исследования в области повышения пространственного разрешения цифровых сигналов и изображений стимулируются тем обстоятельством, что во многих научно-технических дисциплинах и прикладных задачах возникает необходимость оценивания идеального исходного изображения по результатам измерений, осуществляемых с помощью фотоматриц низкого разрешения. В подавляющем большинстве таких приложений проблематичность или даже невозможность использования фотоматриц высокого разрешения связана, как правило, либо с технологическими препятствиями в их изготовлении (например, для матриц ИК-диапазона), либо с их высокой стоимостью. Таким образом, имеет место противоречие между ростом спроса на высокоточные цифровые снимки и недостаточной разработанностью отечественных методов получения и последующей обработки цифровых изображений высокого разрешения. В связи с этим в качестве проблемы исследования можно выделить - получение цифровых изображений с разрешением, превосходящим разрешение фотоматрицы.

Из выше сказанного следует, что разработка алгоритмических методов улучшения качества и повышения пространственного разрешения цифровых изображений, получаемых с помощью низкоразрешающей аппаратуры, является актуальной задачей, как в теоретическом, так и в прикладном плане.

Цель работы

Целью диссертационного исследования является разработка и реализация алгоритмов обработки цифровых изображений, повышающие разрешение изображений. В соответствии с целью было выделено несколько задач:

1. анализ имеющихся способов повышения качества цифровых изображений;

2. разработка и реализация алгоритмов обработки изображений для получения изображений со сверхразрешением с использованием

а) субпиксельного сканирования

б) расфокусировки изображения на регистрирующей матрице.

Научная новизна результатов

При исследовании путей повышения качества цифровых изображений и синтеза цифровых изображений высокого разрешения в настоящей диссертационной работе получены следующие новые результаты:

1. Разработаны алгоритмы ресайзинга цифрового изображения, использующие пространственные характеристики исходного изображения, позволяющие повысить его визуальные качества.

2. Разработан метод и алгоритмы синтеза изображения высокого пространственного разрешения на основе серии изображений с низким разрешением, полученных путем организации субпиксельного сканирования;

3. Впервые разработаны алгоритмы, использующие в качестве исходных данных для синтеза цифрового изображения высокого разрешения расфокусированные изображения и изображения, полученные путем маскирования (частичного скрывания изображения).

4. Создан комплекс программ, реализующий алгоритмы синтеза цифровых изображений со сверхразрешением.

Положения, выносимые на защиту

1. Математические модели решения задачи сверхразрешения на основе группы исходный изображений низкого разрешения, полученных путем:

а) субпиксельного сканирования;

б) регистрации с использованием расфокусировки и маскирования.

2. Алгоритмы решения задачи свехразрешения методом субпиксельного сканирования изображения в пространственной области с применением специальных краевых условий;

3. Алгоритмы синтеза цифрового изображения высокого разрешения на основе группы расфокусированных изображений низкого разрешения того же объекта, полученных с использованием матрицы детекторов, расположенной за экраном с

диафрагмами на расстоянии, определяющим степень используемой расфокусировки;

4. Метод сканирования изображения с эффектом сверхразрешения с использованием группы линеек детекторов, сдвинутых относительно друг относительно друга на заданные количество долей пиксела;

5. Метод получения сверхразрешения сканированием изображения 3*п рядной линейкой детекторов, расположенных за маской с диафрагмами,

6. Комплекс компьютерные программы, реализующих разработанные алгоритмы синтеза изображения с эффектом сверхразрешения, и результаты численных экспериментов.

Научно-практическая значимость

Практическая значимость данной работы состоит в возможности использования полученных результатов для реализации проектов по созданию белее эффективных систем дистанционного зондирования Земли, а именно, в возможности существенного повышения качества получаемой графической информации при использовании имеющегося оборудования (не улучшая разрешение регистрирующих изображение матриц). Особенно актуальны эти результаты для отечественной науки и техники, т.к. подобные исследования в нашей стране сейчас находятся только на стадии разработки, и результаты данной работы, несомненно, могут быть полезными не только для реализации подобных проектов в России, но и для развития науки в целом.

Достоверность научных результатов и выводов

Достоверность сформулированных в диссертации положений и выводов подтверждается экспериментальными результатами, полученными при решении поставленных задач, а также согласованностью полученных экспериментальных результатов с результатами других работ, проводимых в данной области; экспериментальные результаты хорошо согласуются с результатами численного анализа и численного моделирования.

Апробация работы

Основные результаты диссертации были доложены на следующих конференциях:

1. Восьмая открытая Всероссийская открытая ежегодная конференция «Современные проблемы дистанционного зондирования Земли из космоса» Москва, ИКИ РАН, 2010

2. Девятая открытая Всероссийская конференция «Современные проблемы ДЗЗ из космоса», Москва, ИКИ РАН, 14-18 ноября 2011

3. Научно-техническая конференция «Техническое зрение в системах управления», Москва, ИКИ РАН, 2011

4. Международная конференция «Комплексный анализ и его приложения в дифференциальных уравнениях и теории чисел» Белгород, 17-21 октября 2011 Связь работы с научными программами

Результаты, приведенные в данной диссертации были получены в рамках исследований, проводимых в Белгородском университете по плану НИР:

1. Госзадание «Создание алгоритма и программной реализации синтеза цифрового космического изображения с использованием субпиксельного сканирования», номер госрегистрации 01201151348;

2. Создание новых эффективных методов и средств повышения разрешающей способности цифровых космических изображений. Гос. Бюджет. Регистрация НИР 1.6.12. 2011-2012.

Публикации

1. Блажевич С.В., Выбор исходных цифровых космических изображений для синтеза изображения участка поверхности Земли, представляемого в цифровой форме пикселями с существенно меньшей апертурой / С.В. Блажевич, В.Н. Винтаев, Е.С. Селютина, Н.Н. Ушакова // Сб. науч. ст. Современные проблемы дистанционного зондирования Земли из космоса -М.: Москва, «ДоМира», 2011. - том 8, номер 4, С. 39-47.

2. Блажевич С.В., Синтез цифровых изображений субпиксельного уровня разрешения с использованием расфокусировки / С.В. Блажевич, В.Н. Винтаев,

Е.С. Селютина, Н.Н. Ушакова // Сб. науч. ст. Техническое зрение в системах управления - М.: Москва, «Ротапринт ИКИ РАН», 2012. С.127-137.

3. Блажевич С.В., Синтез матрицы двумерного изображения со сверхразрешением / С.В. Блажевич, Е.С. Селютина // Журнал «Научные ведомости БелГУ» - Белгород, «Белгород», 2012. - номер 23 (142), выпуск 29, С. 38-49.

4. Блажевич С.В., Повышение разрешения цифровых изображений с использованием субпиксельного сканирования / С.В. Блажевич, Е.С. Селютина // Журнал Научный аспект - Самара, «Инсома-пресс», 2013. -выпуск №1, С. 204-211.

5. Блажевич С.В., / Повышение разрешения цифровых изображений с использованием субпиксельного сканирования / С.В. Блажевич, Е.С. Селютина // Журнал «Научные ведомости БелГУ» - Белгород, «Белгород», 2014. - номер 5 (176), выпуск 34, С. 186-190.

6. Блажевич С.В., Выбор исходных цифровых космических изображений для синтеза изображения участка поверхности Земли, представляемого в цифровой форме с существенно лучшим разрешением / С.В. Блажевич, В.Н. Винтаев, Е.С. Селютина, Н.Н. Ушакова // Сб. тез. восьмой открытой Всероссийской конференции Современные проблемы ДЗЗ из космоса. - М.: Москва, ИКИ РАН, 2010. - С. 24-25

7. Блажевич С.В., Синтез цифровых изображений субпиксельного уровня разрешения с использованием расфокусировки / С.В. Блажевич, В.Н. Винтаев, Е.С. Селютина, Н.Н. Ушакова // Сб. тез. научно-технической конференции Техническое зрение в системах управления. - М.: Москва, ИКИ РАН, 2011. -С. 55-56.

8. Блажевич С.В., Методы синтеза матрицы двумерного изображения со сверхразрешением / С.В. Блажевич, Е.С. Селютина // Сб. тез. международной конференции Комплексный анализ и его приложения в дифференциальных уравнениях и теории чисел. - Б.: Белгород, «Политерра», 2011. - С. 29-30.

9. Блажевич С.В., К вопросу о повышении качества космических изображений с использованием методов сверхразрешения / С.В. Блажевич, В.Н. Винтаев, Е.С. Селютина, Н.Н. Ушакова // Сб. тез. девятой открытой Всероссийской конференции Современные проблемы ДЗЗ из космоса. - М.: Москва, ИКИ РАН, 2011. - С. 18

10. Блажевич С.В., / К вопросу о методах повышения качества цифровых изображений / С.В. Блажевич, Е.С. Селютина // Журнал «Научные ведомости БелГУ» - Белгород, «Белгород», 2015. - №5 (176), выпуск 34, С. 186-190. Личный вклад автора. Автор диссертации выполнил все поставленные

задачи самостоятельно под руководством научного руководителя.

Теоретико-методологичекой базой данной работы явились труды У Прэтта [11, 91], систематично и наиболее полно охватывающие материала по теме исследования, а также работы таких отечественных ученых, как И.С. Горьян, В.Т. Фисенко, Т.Ю. Фисенко и др. [41-49, 78-79, 109-115], которые также в течение продолжительного времени вели исследования данной проблемы.

Исследуя проблему повышения качества изображений, У. Прэтт выделил два вида обработки изображений: реставрацию (исправление) изображений и их улучшение. Под реставрацией обычно понимают процедуру восстановления или оценивания элементов изображения, целью, которой является коррекция искажений и наилучшая аппроксимация идеального неискаженного изображения. Для улучшения изображений используется комплекс операций, призванных улучшить восприятие изображения наблюдателем или же преобразовать его в другое изображение, более удобное для машинной обработки [91].

Зарубежными учеными представлен целый спектр методов получения изображений с повышением его качества [38, 91]. Если использовать классификацию, предложенную У. Прэттом, то получение сверхразрешения можно отнести к методам реставрации изображений.

Методы повышения разрешения можно классифицировать по разным критериям. Если в качестве основания классификации использовать критерий смещения регистрирующей системы, то выделяют подходы с использованием

смещения изображения объекта на фиксирующей его матрице детекторов (motion-based techniques) и подходы без смещения (motion-free approaches) [2]. По типу обрабатываемых характеристик изображения можно выделить методы, основанные на использовании частотных характеристик изображения [2] или пространственных характеристик [3, 22-28].

В данной работе рассматриваются методы решения задачи сверхразрешения, основанные на смещении изображения объекта [22-28] на фиксирующей его матрице детекторов с последующей обработкой полученных изображений в пространственной области.

На практике реализация алгоритмов может быть осуществлена на базе различного прикладного программного обеспечения или с использованием систем программирования. В данной работе в качестве средства их практической реализации была применена универсальная программная среда для выполнения математических и технических расчетов - Mathcad. Используемый математический пакет предоставляет возможность работать с изображениями формата bmp. Графический файл представляется в виде матрицы значений яркости. По умолчанию изображение рассматривается как черно-белое, то есть представляется в виде градации серого цвета. При необходимости можно работать с цветным изображением, которое при импортировании раскладывается по цветовым компонентам, интенсивностям красного, зеленого и синего цветов и представляется тремя матрицами яркости цветовых компонент. Обработку каждой из матриц цветовых компонент можно проводить отдельно. Эту особенность среды удобно использовать при работе с изображениями, полученными цифровыми сканирующими системами, также работающими с цветными изображениями как с отдельными матрицами яркости излучения в разных диапазонах цветового спектра. [39, 55]

На рисунке 1. приведен пример представления фотоснимка в математической среде Mathcad, где а) черно-белое изображение формата bmp; б) представление того же изображения в матричной форме (фрагмент)

Рисунок 1.

0 1 2 3 4 5 6 7

0 124 189 183 189 157 188 244 250

1 199 189 160 153 233 246 249 236

2 162 168 207 235 243 249 245 250

3 187 229 251 251 241 250 244 236

4 250 247 240 250 250 243 236 197

5 249 250 246 250 246 190 203 215

6 248 242 250 220 224 207 235 235

а) б)

Работа в данном математическом пакете позволяет наглядно и компактно (в рамках одного файла) производить сложные многоэтапные преобразования изображений. Однако ни один из представленных в работе алгоритмов не имеет строгой привязки к данной среде реализации.

Краткое содержание работы

Диссертация состоит из введения, трех глав, заключения, списка использованной литературы. Общий объем диссертации составляет 125 страниц основного текста, 38 рисунков, 21 листинг фрагментов программ, 6 таблицы и список литературы, состоящий из 123 наименований.

Во введении обоснована актуальность темы диссертации, сформулированы основные цели работы, указана новизна результатов, приведена структура и содержание диссертации, перечислены защищаемые положения.

Первая глава посвящена обзору имеющихся методов обработки цифровых изображений. Первоначально раскрыты базовые понятия области исследования. Так как конечной целью применения алгоритмов, являющихся результатом диссертационного исследования, является обработка изображений местности высокого разрешения, то отдельно уделено внимание способам получения цифровых изображений местности высокого разрешения.

В обработке изображений с целью повышения их качества выделено два направления: улучшение качества и восстановление (реставрация) цифровых изображений. Кратко описаны принципы, лежащие в основе различных методов обработки цифровых изображений. Рассмотрены методы, применяющиеся для

улучшения и реставрации изображений. Определено и обосновано место методов повышения разрешения с использованием субпиксельной (sub-pixel) обработки в общей классификации. Субпиксельную обработку можно рассматривать как вариант реставрации изображения. Это объясняется тем, что повысить разрешение изображения, с повышением детализации и информативности, нельзя имея только один снимок. Для субпиксельной обработки требуется набор из серии снимков (количество и способ смещения могут разниться для различных алгоритмов). Этот факт относит субпиксельную обработку к методам восстановления (реставрациии) изображений, для которых необходимо наличие дополнительной информации для повышения качества изображения.

Кроме того, дана теоретическая база для подробного описания методов получения сверхразрешения, сформулирована общая математическая постановка задачи синтеза цифрового изображения высокого разрешения. Произведено подробное описание математической модели обработки цифрового изображения.

Во второй главе подробно изложен метод, основанный на субпиксельном обработке изображения сцены, сформированного оптической системой на фиксирующей его матрице детекторов, и синтезе изображения высокого разрешения путем цифровой обработки в пространственной области серии полученных изображений. Для реализации данного метода необходимо наличие нескольких изображений одного объекта, сдвинутых друг относительно друга на часть пикселя в различных направлениях. Первоначально описано несколько простых вариаций программы, затем метод развит для произвольного набора входных изображений и позволяет получать синтезированное изображение, в котором каждому пикселю исходного изображения соответствует участок размером kk1 пикселей, где k и k1 - размеры участка по горизонтали и вертикали соответственно. Для синтеза такого изображения требуется k k1 исходных изображений, сдвинутых на вполне определенные доли пикселя относительно одного из них, считаемого несмещенным. Далее подробно описан принцип работы программы, приведены пояснения с демонстрацией листингов фрагментов

программы. Продемонстрированы образцы результатов работы программы. Сделаны выводы о достоинствах, недостатках и области применения метода.

Третья глава посвящена описанию методов получения изображения со сверхразрешением. Два метода объединены общей особенностью получения исходных изображений. Съемка и сканирование производятся с использованием системы детекторов, расположенной за маской, имеющей решетку диафрагм. Затем на основе полученных изображений синтезируется изображение боле высокого разрешения путем простого суммирования матриц, описывающих исходные изображения. Один из методов предполагает использование в качестве исходных набор расфокусированных изображений объекта. При синтезе результирующего изображения к процедуре суммирования добавляется процесс деконволюции (восстановления резкости). Для другого алгоритма исходные изображения - результат сканирования объекта съемки. В этом случае съемка производится не фотоматрицей, а сканирующей линейкой.

Список литературы диссертационного исследования кандидат наук Кавиева Евгения Сергеевна, 2016 год

ЛИТЕРАТУРА

1. Aho A.V. Compilers: Principles, Techniques & Tools/ A.V.Aho, M.S. Lam, R. Sethi, J. D. Ullman. - Boston: Rights and Contracts Departmen, 2007.- 1037p.

2. Alldrin N. Super-Resolution. -http://vision.ucsd.edu/~nalldrin/research/superresolution/

3. Chaudhuri S; Manjunath J. Motion-Free Super-resolution. - Hardcover, 2005.239 p.

4. Elad M. Super-resolution reconstruction of continuous image sequences / M. Elad, A. Feuer // International Conference on Image Processing (ICIP 99), 1999. - T. 3. - C. 459-463.

5. Elad M. Super-resolution reconstruction of continuous image sequences: adaptive filtering approach / M. Elad, A. Feuer // Image Processing, IEEE Transactions on, 1999. - T. 8, №. 3. - C. 387-395.

6. Evans R.M. Principles of Color Photography / R.M. Evans, W.T. Hanson, W.L. Brewer. - New York: Wiley, 1983. - p. 472.

7. Jose M.P. Nascimento, Jose M.B. Dias, Does independent component analysis play a role in unmixing hyperspectral data, GeoRS(43), No. 1, January 2005, pp. 175187.

8. Mancill C.E. Digital Color Image Restoration / C.E. Mancill. - Los Angeles: University of Southern California, 1975. - p. 148.

9. O'Handley D.A. Recent Developments in Digital Image Processing at the Image Processing Laboratory at the Jet Propulsion Laboratory / D.A. O'Handley, W.B. Green. - New York: IEEE Press, 1972. - p. 774.

10. Park, S. C. Super-resolution image reconstruction: A technical overview / S. C. Park, M. K. Park, M. G. Kang // IEEE Signal Processing Magazine. - 2003. - Vol.20. -№ 3. - P. 21-36.

11. Pratt W.K. Spectral Estimation Techniques for the Spectral Calibration of a Color Image Scanner / W.K. Pratt, C.E. Mancill. - New York: Appl Opt, 1975. - p. 463.

12. Stein J.Y. Digital Signal Processing а Computer Science Perspective/ J.Y. Stein. - New York: John Wiley & Sons, 2000. - 605p.

13. Stockham T.G. A-D and D-A Converters: Their Effect on Digital Audio Fidelity, in: Digital Signal Processing / T.G. Stockham, L.R Rabiner., С.М. Rader. - New York: IEEE Press, 1972. - p. 517.

14. Sub-pixels. Font rendering technology. - http://grc.com/ctontheweb.htm

15. Super-resolution image reconstruction: a technical overview / Sung Cheol Park etc. // Signal Processing Magazine, IEEE, 2003. - Т. 20, №. 3. - С.21-36.

16. Tsai, R.Y., Huang, T.S. etc. (1984) Multiframe image restoration and registration in Advances in Computer Vision and Image Processing, 1, Wiley, 317-339.

17. Wallis R.H, Film Recording of Digital Color Images / R.H. Wallis - Los Angeles: University of Southern California, 1975. - p. 208.

18. Авдеев В.П., Горьян И.С., Фисенко В.Т. Сокращенное описание некоторых текстурных характеристик изображений //Техника средств связи, сер. "Техника телевидения", вып. 4. Л., 1980. C.33

19. Авдеев В.П., Горьян И.С., Фисенко В.Т. Статистические свойства изображений и адаптивные методы выделения признаков объектов // Тезисы докладов Всесоюзного симпозиума «Проблемы цифрового кодирования и преобразования изображений». Тбилиси, 1980.

20. Аристархов Ю.Н., Валышков В.И., Горьян И.С., Фисенко В.Т. Определение эффективности работы контурных операторов //Техника средств связи, сер. "Техника телевидения", вып.1, Л., 1985. с.

21. Белоусов Ю.И., Можейко В.И., Силаев Н.А., Регинский В.Д., Фисенко В.Т. Некоторые аспекты построения корабельных оптикоэлектронных систем //Морская радиоэлектроника, вып. 2 (12), июнь 2005. С. 23-26.

22. Блажевич С.В. Синтез космического изображения с улучшенной разрешающей способностью на основе субпиксельного сканирования /

С.В. Блажевич, В.Н. Винтаев, Н.Н. Ушакова, В.В. Шашков // Седьмая всероссийская открытая ежегодная конференция. - М.: Москва, ИКИ РАН, 2009. -С. 18.

23. Блажевич С.В., / Повышение разрешения цифровых изображений с использованием субпиксельного сканирования / С.В. Блажевич, Е.С. Селютина // Журнал «Научные ведомости БелГУ» - Белгород, «Белгород», 2014. - номер 5 (176), выпуск 34, С. 186-190.

24. Блажевич С.В., Винтаев В.Н., Ушакова Н.Н. Синтез космического изображения с улучшенной разрешающей способностью на основе субпиксельного сканирования// Современные проблемы дистанционного зондирования Земли из космоса: сб. научных статей ИКИ РАН, Т. 7, № 2. - М.: ДоМира, 2010. - С. 9-13.

25. Блажевич С.В., Выбор исходных цифровых космических изображений для синтеза изображения участка поверхности Земли, представляемого в цифровой форме пикселями с существенно меньшей апертурой / С.В. Блажевич, В.Н. Винтаев, Е.С. Селютина, Н.Н. Ушакова // Сб. науч. ст. Современные проблемы дистанционного зондирования Земли из космоса - М.: Москва, «ДоМира», 2011. -том 8, номер 4, С. 39-47.

26. Блажевич С.В., Повышение разрешения цифровых изображений с использованием субпиксельного сканирования / С.В. Блажевич, Е.С. Селютина // Журнал Научный аспект - Самара, «Инсома-пресс», 2013. -выпуск №1,С.204-211.

27. Блажевич С.В., Синтез матрицы двумерного изображения со сверхразрешением / С.В. Блажевич, Е.С. Селютина // Журнал «Научные ведомости БелГУ» - Белгород, «Белгород», 2012. - номер 23 (142), выпуск 29, С. 38-49.

28. Блажевич С.В., Синтез цифровых изображений субпиксельного уровня разрешения с использованием расфокусировки / С.В. Блажевич, В.Н. Винтаев, Е.С. Селютина, Н.Н. Ушакова // Сб. науч. ст. Техническое зрение в системах управления - М.: Москва, «Ротапринт ИКИ РАН», 2012. С.127-137.

29. Бондаренко В.М., Данилова М.В., Красильников Н.Н., Леушина Л.И., Невская А.А., Шелепин Ю.Е. Пространственное зрение. СПб.: Наука, 1999. 218 с.

30. Брайс Р. Справочник по цифровому телевидению: Пер. с англ. Жуковский: Эра, 2001. 225 с.

31. Брандт З. Анализ данных. / З. Брандт. - М.: Мир, 2003. -163 с.

32. Брильёнова Н. В. Теория сплайнов примеры рещшения http://natalibrilenova.ru/blog/1481-teoriya-splaynov-primery-resheniya.html

33. Быков Р.Е. Основы телевидения и видеотехники: Учеб. для вузов. М.: Горячая линия - телеком, 2006. 399 с.

34. Быков Р.Е., Гуревич С.Б. Анализ и обработка цветных и объемных изображений. М.: Радио и связь, 1984.

35. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. М.: ДИАЛОГ-МИФИ, 2002. 384 с.

36. Виноградов А.Ю., Горьян И.С., Фисенко В.Т., Шостацкий Н.Н. Методические указания к лабораторным работам по цифровым преобразованиям в телевидении. ЛЭИС. Л., 1988. 36 с.

37. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. СПб.: ВУС, 1999. 208 с.

38. Гонсалес Р. С. Цифровая обработка изображений: Монография / Р.С. Гонсалес, Р.Е. Вудс; пер. с англ. под ред. П.А. Чочиа. - М.: Техносфера, 2006. - 1072 с.

39. Гонсалес Р.С. Цифровая обработка изображений в среде MATLAB: Монография / Р.С. Гонсалес, Р.Е. Вудс, С.Л. Эддинс; пер. с англ. В.В. Чепыжова. - М.: Техносфера, 2006 - 616 с.

40. Горелик С.Л., Кац Б.М., Киврин В.И. Телевизионные измерительные системы. М.: Связь, 1980. 168 с.

41. Горьян И.С., Зеленцов В.Н., Фисенко В.Т. Выделение признаков для систем структурного анализа рисунков в реальном масштабе времени // Третья

Всесоюзная конференция «Математические методы распознавания образов». Тезисы докладов. Львов, 1987. С. 147-148.

42. Горьян И.С., Зеленцов В.Н., Фисенко В.Т. Рекурсивный логический фильтр для обнаружения протяженных связных объектов //Техника средств связи, сер «Техника телевидения», 1987. Вып. 1. С. 48.

43. Горьян И.С., Кац Б.М., Цуккерман И.И. Исследование статистики изображений с помощью цифровых вычислительных машин // Вопросы радиоэлектроники, сер «Техника телевидения», 1971. Вып. 4. С. 3.

44. Горьян И.С., Межов Ф.Д., Фисенко В.Т. Введение в цифровую обработку изображений. Учебное пособие. СПб.: ЭИС им. М.Бонч-Бруевича, 1992. 60 с.

45. Горьян И.С., Фисенко В.Т. Автоматический выбор порогов квантования при сегментации изображений // Четвертая Всесоюзная конференция «Математические методы распознавания образов». Тезисы докладов. Рига, 1989. С. 62-64.

46. Горьян И.С., Фисенко В.Т. Классификация изображений самообучающимся автоматом //Техника средств связи, сер. "Техника телевидения". Вып.4. Л., 1978. С. 72-78.

47. Горьян И.С., Фисенко В.Т., Янутш Д.А. Анализ неоднородных текстурных изображений // 1 Всесоюзная конференция «Статистические свойства микроструктур». Тезисы докладов. М. 1978. С. 53-55.

48. Горьян И.С., Цуккерман И.И. Распознавание изображений по их статистическим свойствам //Техника кино и телевидения, 1966. № 2. С. 57.

49. Горьян И.С., Янутш Д.А. К вопросу об автоматическом дешифрировании аэроснимков // В сб.: Исследование оптических свойств природных объектов и их аэрофотографического изображения. Л: Наука, 1970.

50. Воронцов Д.В., А.Г.Орлов, А.П.Калинин, А.И.Родионов, И.Б.Шилов, И.Д.Родионов, В.Н.Любимов, А.Ф.Осипов, Использование гиперспектральных измерений для дистанционного зондирования Земли, препринт ИПМ РАН, 2003, № 702.

51. Дворкович А.В. и др. Цифровая обработка телевизионных и компьютерных изображений / Под редакцией Зубарева Ю.Б. и Дворковича В.П. М.: Международный центр научной и технической информации, 1997. 212 с.

52. Дедус Ф.Ф. Обобщенный спектрально-аналитический метод обработки информационных массивов: Задачи анализа изображений и распознавания образов / Ф.Ф. Дедус, С.А. Махортых, М.Н. Устинин, А.Ф. Дедус; под общ. ред. Ф.Ф. Дедуса. - М.: Машиностроение, 1999. - 357 с.

53. Джадд Д., Вышецки Г. Цвет в науке и технике. М., Мир, 1978. 592 с.

54. Дрязгов В.Д., Колобков В.С., Петров В.С., Фисенко В.Т. Способ получения стереоскопического цветного телевизионного изображения. Патент РФ на изобретение № 2189121, 2002 г.

55. Дьяконов В. Mathcad 2001: Учебный курс / Дьяконов В. - СПб.: Питер, 2001 - 621 с.

56. Ершов И.Л. Обработка и распознавание изображений в системах превентивной безопасности: учеб. пособие / И.Л. Ершов, М.Б. Сергеев, Н.В. Соловьев. - С.-Пб.: СПбГУАП, 2005. - 154 с.

57. Иванков А. Ю. Блочный алгоритм построения сверхразрешения изображений с использованием фильтра Калмана / А. А. Сирота, А. Ю. Иванков // Вестник Воронежского Государственного Университета, серия Системный Анализ и Информационные технологии. - Воронеж: 2012. - № 2. - С 135-142

58. Иванков А. Ю. Блочные алгоритмы обработки изображений на основе фильтра Калмана в задаче построения сверхразрешения / А. Ю. Иванков, А. А. Сирота // Компьютерная оптика, 2014. - Т 38, №1. - С. 118-126.

59. Иванов В.А., Кованько В.В., Колобков В.С., Фисенко В.Т. Способ выполнения подводных подъемно-транспортных операций. Патент РФ на изобретение № 2203829, 2003 г.

60. Иванов В.П., Курт В.И., Овсянников В.А., Филиппов В.Л. Моделирование и оценка современных тепловизионных приборов. Казань, ФНПЦ НПО ГИПО, 2006. 594 с.

61. Ильин А.А. Принцип работы и устройство активно-пиксельных датчиков./А.А.Ильин, А.М. Овчинников, М.Ю. Овчинников. - Препринт ИПМ им.М.В. Келдыша РАН, 2003г. №85.

62. Ин А.Х. Информатика и вычислительная техника. Численные методы: Лабораторный практикум для студентов 4-5 курсов физико-математ. фак-та пед. вузов / А.Х. Ин, А.С. Резцов. - М.: МГОПУ, 1996. - 72 с.

63. Кац Б.М. Фисенко Т.Ю. Синтез промежуточных фаз по контурному мультипликату //Методы и средства обработки сложной графической информации. Тезисы докладов IV Всесоюзной конференции. Нижний Новгород, 1991. C.34.

64. Кашкин В. Б. /Цифровая обработка аэрокосмических изображений : метод. указания к лабораторным работам / сост. В. Б. Кашкин, А. А. Баскова, Т. В. Рублева, А. С. Власов. - Красноярск : ИПК СФУ, 2008. - 44 с. - (Цифровая обработка аэрокосмических изображений :УМКД № 54-2007 / рук. творч. коллектива В. Б. Кашкин).

65. Кашкин В. Б. /Цифровая обработка аэрокосмических изображений : учеб. пособие / сост. В. Б. Кашкин, А. И. Сухинин. - Красноярск : ИПК СФУ, 2008. -286 с. - (Цифровая обработка аэрокосмических изображений : УМКД № 54-2007 / рук. творч. Коллектива В. Б. Кашкин)

66. Климов А.С. Форматы графических файлов. К.: НИПФ «ДиаСофт Лтд», 1995. 480 с.

67. Корн, Г., Корн Т. Справочник по математике для научных работников и инженеров. М.: Наука. Главная редакция физико-математической литературы, 1974. 832 с.

68. Королюк В.С., Портенко Н.И., Скороход Ф.И., Турбин А.Ф. Справочник по теории вероятностей и математической статистике. М.: Наука. Главная редакция физико-математической литературы, 1985. 640 с.

69. Красильников Н.Н. Цифровая обработка изображений. М.:Вузовская книга, 2001. 320 с.

70. Латышева В.И. и др. Использование статистических характеристик телевизионного сигнала и1076 для определения количества и форм облаков на снимках, получаемых с метеорологических спутников // Труды ГМЦ, 1966, вып. II.

71. Лебедев Д.С., Цуккерман И.И. Телевидение и теория информации. М.-Л.: Энергия, 1965.

72. Мак-Кракен Д., Дорн У. Численные методы и программирование на Фортране. М.: Мир, 1977.584 с.

73. Малла С. Вэйвлеты в обработке сигналов: Пер. с англ. М.: Мир, 2005. 671

с.

74. Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. М., Радио и связь, 1987.

75. Мирошников М.М. Иконика в физиологии и медицине / М.М. Мирошников, В.А. Лисовский, Е.В. Филиппов и др., - Л.: Наука, 1987. - 392 с.

76. Мирошников М.М. Теоретические основы оптикоэлектронных приборов. Л.: Машиностроение, 1983. 696 с.

77. Можейко В.И., Фисенко В.Т., Фисенко Т.Ю. Автоматическое сопровождение объектов в компьютерных системах обработки изображений // Оптический журнал, том 74, номер 11, 2007. С. 39-46.

78. Можейко В.И., Фисенко В.Т., Фисенко Т.Ю. Адаптивный метод автоматического сопровождения объектов по последовательности цифровых сигналов телевизионных изображений // Материалы 4-й международной конференции "Телевидение: передача и обработка изображений", С.-Пб., 2005 г. С. 91-92.

79. Можейко В.И., Фисенко В.Т., Фисенко Т.Ю. Улучшение цифровых телевизионных цветных изображений по методу многоканальной медианной фильтрации // Материалы международной конференции «Телевидение: передача и обработка изображений», С.-Пб., Россия, 2000. С. 22-24.

80. Насонов А.В, Крылов А.С., Ушмаев О.С. Применение метода суперразрешения для биометрических задач распознавания лиц в видеопотоке // Системы высокой доступности, №. 1, 2009, с. 26-34.

81. Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер. с англ. М.: Радио и связь, 1986. 400 с.

82. Певзнер Б.М. Качество цветных телевизионных изображений. М.: Радио и связь, 1988. 2-е изд., доп. и перераб. 224 с.

83. Под редакцией Пьетронеро Л. и Тозитти Э. Фракталы в физике. М.: Мир, 1988. 644 с.

84. Полосин Л.Л. Новый подход к определению метрического цветового пространства //Техника средств связи, сер. "Техника телевидения", вып. 2, Л., 1991. С. 3-12.

85. Полосин Л.Л. Принцип постоянной цветовой яркости в телевидении. // Телевизионная техника и связь. С-Пб, 1995. С.28-37.

86. Полосин Л.Л. Цифровые системы вещательного телевидения. Учебное пособие // Балт. Гос.техн.ун-т. СПб., 2004. 120 с.

87. Поляков А. Просмотр и редактирование растровых изображений /

A. Поляков, В.Брусенцев. - http://www.rsdn.ru/article/Gdi/gdi11_1.xml

88. Поршнев С.В. Компьютерное моделирование физических процессов с использованием пакета МаШСАО: Учебное пособия / С.В. Поршнев - М.: Горячая линия-Телеком, 2002 - 252 с.

89. Прокопенко В. Т. Психология зрительного восприятия / В. Т. Прокопенко,

B. А. Трофимов, Л.П. Шарок - Учебное пособие. - СПб: СПбГУИТМО, 2006. -73с.

90. Прохоров А. М. Физический энциклопедический словарь. — М.: Советская энциклопедия. 1983.http://dic.academic.ru/dic. nsf/enc_physics/861

91. Прэтт У.К. Цифровая обработка изображений / У.К. Прэтт; пер. с англ Д.С.Лебедев, - М.: Мир, 1982. - 312 с.

92. Ращупкин А.В. Методы обработки данных дистанционного зондирования для повышения качества выходных изображений /Вестник Самарского государственного аэрокосмического университета, № 2, 2010. С. 124-133

93. Резник А.Л. Построение алгоритмов реконструкции цифровых сигналов и изображений по результатам регулируемого субпиксельного сканирования: Отчет о деятельности ИАиЭ СО РАН / А.Л. Резник, В.М. Ефимов, А.А. Соловьев, Е.А. Кузнецова, А.В. Торгов. - Новосибирск ИАиЭ СО РАН, 2004 - 37 с.

94. Ричардсон Я. Видеокодирование. Н.264 и MPEG-4 - стандарты нового поколения. М.: Техносфера, 2005. 368 с.

95. Селиванов А.С. Субпиксельная обработка как способ повышения пространственного разрешения в системах дистанционного зондирования / А.С. Селиванов // Современные проблемы дистанционного зондирования земли из космоса. - М.: изд-во РАН, 2004. - С 47.

96. Симонович С.В. Информатика. Базовый курс: учебник для студентов высш. тех. учебн. Заведений / под ред. С.В. Симоновича. - СПб.: Питер, 1999. -640 с.

97. Сойфер В.А , Методы компьютерной обработки изображений// Под редакцией Сойфера В.А., М.: Физматлит, 2001. 784 с.

98. Соловьев А.А. Быстрые алгоритмы реконструкции изображений на основе субпиксельного сканирования / А.А. Соловьев // Материалы международной студенческой конференции «Студент и научно-технический прогресс» -Новосибирск: изд-во НГУ, 2004. - 7с.

99. Станицин А. Спектральный анализ изображения в Mathcad / А. Станицин. - http://www.exponenta.ru/educat/referat/student27/index.asp

100. Стрижов В.В. Методы индуктивного порождения регрессионных моделей. / В.В. Стрижов. - М.: ВЦ РАН, 2008. - 55 с.

101. Субпиксельная точность - http://eways.narod.ru/HomePage/ 3d/12.html.

102. Султанов А.Х. О точности привязки и дешифрирования космических снимков высокого разрешения / А.Х. Султанов // Вестник Уфимского

государственного авиационного технического университета. - 2007. - 2 . -С. 145-152.

103. Султанов, А.Х. Волоконно-оптические системы передачи: вопросы оценки работоспособности / А.Х. Султанов, Р.Г. Усманов, И.А. Шарифгалиев и др. - М.: Радио и связь, 2005. - 372 с.

104. Султанов, А.Х. Методы повышения работоспособности сетей связи с системой сигнализации ОКС № 7 в процессе эксплуатации / А.Х. Султанов, В.Н. Акульшин, И.Л. Виноградова. - М.: Радио и связь, 2006. -278 с.

105. Тарасов В.В., Якушенков Ю.Г. Инфракрасные системы «смотрящего» типа. М.: Логос, 2004. 444 с.

106. Тимофеев Б.С. Цифровое телевидение. Учебное пособие//СПбГУАП. С.Пб, 1998. 49 а

107. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978.

108. Федер Е. Фракталы. Учебное издание. М., Мир, 1991. 259 с.

109. Фисенко В.Т. Особенности построения ТВ камеры для съемки в условиях ограниченной видимости / В.Т. Фисенко, Т.Ю. Фисенко и др.// Прикладные технологии гидроакустики и гидрофизики: материалы международной конференции. - С.-Пб.: Наука, 2002. - С. 200-206.

110. Фисенко В.Т., Валышков В.И. Сравнение двумерных операторов для выделения контуров //Техника средств связи, сер. "Техника телевидения", вып. 6. Л., 1979. С. 47-54.

111. Фисенко В.Т., Фисенко Т.Ю. Метод автоматического анализа цветных изображений // Оптический журнал, том 70, номер 9, сентябрь 2003. С.18-23.

112. Фисенко Т.Ю. и др. Аппаратно-программные средства МАГИСОФТ в задачах экспертизы живописи // 1 научная конференция "Экспертиза произведений изобразительного искусства". Тезисы докладов. М., 1995. С.18-20.

113. Фисенко Т.Ю. и др. Интерполяционные алгоритмы определения положения центра изображения объекта с помощью ПЗС //Техника средств связи, сер. "Техника телевидения", вып. 4. Л., 1986. С. 37-47.

114. Фисенко Т.Ю. и др. Исследование устойчивых радиационных дефектов в ПЗС-матрице, облучаемой высокоэнергетическими частицами // Вопросы атомной науки и техники. Серия: Физика радиационного воздействия на радиоэлектронную аппаратуру. Научно-технический сборник, М., 2000. Вып. 3-4. С.8-11.

115. Фисенко Т.Ю. Улучшение цифровых цветных изображений микрообъектов // XLIX научная сессия, посвященная дню радио. Тезисы докладов. М., 1994. Часть 2. С. 86-87.

116. Фоли Дж., вэн Дэм А. Основы интерактивной машинной графики: В 2-х книгах: Пер. с англ. М.: Мир, 1985. 368 с.

117. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977.

118. Харалик Р.М. Статистический и структурный подходы к описанию текстур // ТИИЭР, 1979. Т. 67, № 5. С. 98.

119. Цуккерман И.И. Теоретические основы цифрового телевидения. Учебное пособие. М.: МПСС. Институт повышения квалификации руководящих работников и специалистов, 1988. 69 с.

120. Цуккерман И.И., Кац Б.М.,Лебедев Д.С. и др. Цифровое кодирование телевизионных изображений.// Под ред. Цуккермана И.И.М.: Радио и связь, 1981. 240 с.

121. Шапиро Л. Компьютерное зрение/ Шапиро Л., Стокман Дж.: Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2006. 752 с.

122. Шухостанов В.К. Состояние и перспективы использования данных дистанционного зондирования высокого и сверхвысокого пространственного разрешения в космической диагностике техносферы / В.К. Шухостанов, А.Г. Цыбанов, Л.А. Ведешин // Современные проблемы дистанционного зондирования земли из космоса. - М.: изд-во РАН, 2004. - С 51.

123. Яне Б. Цифровая обработка изображений / Б. Яне; пер. с англ. А.М. Измайловой. - М.: Техносфера, 2007 - 584 с.