Методы и средства обработки цифровых аэрокосмических изображений объектов промышленности для создания тематических слоев геопространственной информации тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Мирошниченко, Сергей Юрьевич

• Мирошниченко, Сергей Юрьевич
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Мирошниченко, Сергей Юрьевич

Введение.

Глава 1. Аналитический обзор методов и средств создания тематических электронных карт ГИС на основе аэрокосмических изображений.

1.1. Методы цифровой обработки аэрокосмических изображений.

1.2. Программные средства векторизации цифровых аэрокосмических изображений'.

Выводы.

Глава 2. Математическая модель синтеза тематического слоя объектов промышленности по аэрокосмическому изображению.

2.1. Математическая модель аэрокосмического изображения.

2.1.1. Математическая модель аэрокосмического изображения как случайного поля яркостей.

2.1.2. Математическая модель изображения объекта.

2.1.3. Модель формирования теней объектов на аэрокосмическом изображении.

2.1.4. Модель теней объектов на аэрокосмическом изображении.

2.2. Математическая модель процесса формирования векторных представлений объектов по аэрокосмическому изображению.

2.2.1. Математическая модель компенсации теней объектов на аэрокосмическом изображении.

2.2.1.1. Функция вычисления азимута Солнца и оценки положения теней объектов.

2.2.1.2. Функция локализации теней объектов.

2.2.1.3. Функция яркостной компенсации теней объектов.

2.2.2. Математическая модель построения контуров объектов на аэрокосмическом изображении.

2.2.2.1. Функции выделения, утончения и бинаризации контурных линий объектов на аэрокосмическом изображении.

2.2.2.2. Функции векторного кодирования и трассировки контуров объектов.

2.2.2.3. Математическая модель идентификации контурных представлений промышленных объектов. ilpхш^дvnria i\ иихшисихши lvvnij^vu ii^umuii i ихииишл алгоритм обработки цифровых аэрокосмических изображений бщенный алгоритм построения векторных представлений объект< ленности. од локализации и компенсации теней объектов аэрокосмическом ении. од построения контуров объектов.

Введение диссертации (часть автореферата) на тему «Методы и средства обработки цифровых аэрокосмических изображений объектов промышленности для создания тематических слоев геопространственной информации»

Цифровые аэрокосмические изображения земной поверхности наряду с топографическими картами, планами городов, аэронавигационными и морскими картами используются для создания основной составляющей геоинформационных систем (ГИС) — электронных карт, которые являют собой векторные описания пространственных объектов, сгруппированных в тематические слои [1, 2]. Наибольшую ценность аэрокосмические изображения представляют при актуализации электронных карт, поскольку, по сравнению с другими источниками, содержат наиболее точную и оперативную информацию о запечатленном на них участке местности [3].

Обработка цифровых аэрокосмических изображений находит широкое применение при создании и обновлении электронных карт ГИС, используемых в промышленности для управления инфраструктурой предприятия, решения задач оптимизации маршрутов транспортных перевозок, планирования строительства и экологического мониторинга объектов промышленности [3, 4]. Основным и наиболее трудоемким этапом создания или обновления электронной карты предприятия с помощью аэрокосмических изображений является построение и распределение по тематическим слоям векторных преставлений объектов промышленности (векторизация аэрокосмических изображений). Полученный набор тематических слоев представляет собой основу создаваемой карты, которая дополняется необходимой геопространственной и атрибутивной информацией, или же выступает источником данных для добавления недостающих объектов в актуализируемую электронную карту.

Векторизация цифровых аэрокосмических изображений, в большинстве случаев выполняемая операторами-фотограмметристами вручную, заключается в поэлементной «обрисовке» граничных линий промышленных объектов и представляет собой длительный и трудоемкий процесс, требующий значительного количества людских и материальных ресурсов [5]. Автоматическое построение тематических слоев геопространственной информации по аэрокосмическим изображениям объектов промышленности с помощью программных и аппаратно-программных средств, ориентированных на обработку сканированной картографической информации, равно как и создание специализированных средств векторизации сталкиваются с трудностями, обусловленными отсутствием математического описания аэрокосмического изображения, учитывающего его избыточную информативность и неоднородное распределение яркости в пределах содержащихся на нем объектов [6]. Кроме того, существующие средства обработки данных дистанционного зондирования не обеспечивают необходимой точности автоматически создаваемых тематических слоев, требуют длительной предварительной настройки, сопоставимой по временным затратам с ручным созданием электронной карты, и обладают низким быстродействием, обусловленным как размерами исходного изображения (не менее 100 млн. точек), так и сложностью алгоритмов его обработки.

Таким образом, актуальной научно-технической задачей является повышение точности и быстродействия средств обработки аэрокосмических изображений объектов промышленности и создания тематических слоев геопространственной информации.

Цель диссертации: разработка методов и алгоритмов обработки цифровых аэрокосмических изображений и создание на их основе быстродействующей системы синтеза тематических слоев геопространственной информации, применяемой при решении задачи построения электронных карт промышленных предприятий.

В соответствии с поставленной целью в работе решаются следующие задачи:

1. Сравнительный анализ современных методов и средств цифровой обработки аэрокосмических изображений для создания тематических слоев электронных карт ГИС.

2. Разработка математической модели синтеза тематического слоя объектов промышленности по аэрокосмическому изображению.

3. Создание методов и алгоритма обработки цифровых аэрокосмических изображений.

4. Разработка структурно-функциональной организации быстродействующей системы для формирования векторных представлений объектов промышленности.

Новыми научными результатами, выносимыми на защиту, являются:

1. Математическая модель синтеза тематического слоя объектов промышленности по аэрокосмическому изображению, которая позволяет описать процесс формирования векторных представлений объектов, учитывая избыточную информативность аэрокосмического изображения и неоднородное распределение яркости в пределах содержащихся на нем объектов.

2. Методы и алгоритм обработки цифровых аэрокосмических изображений, основанные на выделении и векторном кодировании контуров и позволяющие повысить точность построения тематического слоя объектов промышленности за счет компенсации теней, выделения объектов промышленности с учетом локальных свойств функции яркости изображения и геометрической коррекции их контуров.

3. Структурно-функциональная организация быстродействующей системы для формирования векторных представлений объектов, которая, используя естественный параллелизм операций обработки изображений, позволяет по сравнению с известными аналогами снизить временные затраты на создание тематического слоя объектов промышленности.

Объект исследований — цифровые аэрокосмические изображения как источник информации для формирования тематического слоя объектов промышленности.

Предмет исследований - методы, алгоритмы обработки цифровых аэрокосмических изображений и быстродействующие системы формирования векторных представлений объектов.

Методы исследования. В работе использованы методы цифровой обработки' и анализа сигналов и изображений, математического моделирования, теории: вероятностей, систем, параллельных вычислений, алгоритмов, проектирования ЭВМ.

Практическая ценность работы состоит в том, что ее результаты являются основой для разработки широкого спектра программных и аппаратно-программных средств, обеспечивающих цифровую обработку аэрокосмических изображений и синтез тематических слоев геопространственной информации при минимальном участии оператора и предназначенных для создания электронных карт ГИС промышленного назначения. Разработанные методы и алгоритм также могут применяться при построении тематических слоев городской застройки, дорожной сети и водных ресурсов для универсальных ГИС. Методы выделения и векторного кодирования контуров объектов применяются в медицине при построении систем бесконтактной диагностики заболеваний кровеносной системы человека (способ диагностики защищен патентом РФ №2314026).

Достоверность научных результатов, полученных в работе, подтверждается экспериментальными исследованиями.

Реализация и внедрение. Методы обработки аэрокосмических изображений, разработанные в рамках диссертационной работы, использованы при создании программных продуктов ООО «Астрософт-Дубна» и ЗАО «Курсктелеком».

Результаты диссертационной работы используются в учебном процессе Курского государственного технического университета в рамках дисциплин «Цифровая обработка и анализ изображений», «Современные проблемы науки и производства» при подготовке магистров по направлению «Информатика и вычислительная техника». Внедрения подтверждены соответствующими актами.

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на международных и российских конференциях: XL всероссийской конференции по проблемам математики информатики, физики и химии (г. Москва, 2004г.), межрегиональной итоговой научно-технической конференции «Интеллектуальные и информационные системы» (г. Тула, 2004г.), 4-й международной конференции «Телевидение 2005», (г. Санкт-Петербург, 2005г.), УШ международной научно-технической конференции «Медико-экологические информационные технологии 2005» (г. Курск, 2005г.), ХХХП и ХХХШ межвузовских научно-технических конференциях «Молодежь и XXI век» (г. Курск, 2004-2005гг.), 8-й международной конференции «Распознавание образов и анализ изображений: Новые информационные технологии «РОАИ-8-2007» (г. Йошкар-Ола, 2007г.), 5-й международной конференции по информационным и телекоммуникационным технологиям в интеллектуальных системах (Майорка, 2007г.),, IV научно-практической конференции «Перспективы развития систем управления оружием» (г. Курск, 2007г.), 8-й международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание - 2008» (г. Курск, 2008г.), 9-й международной конференции «Распознавание образов и анализ изображений: Новые информационные технологии «РОАИ-9-2008» (г. Нижний Новгород, 2008г.), международной научно-технической конференции «Информационно-измерительные, диагностические и управляющие системы «Диагностика—2009» (г. Курск, 2009 г.), международной научно-технической конференции «Геодезия, картография, кадастр - XXI век» (г. Москва, 2009 г.), а также на научно-технических семинарах кафедры «Вычислительная техника» с 2004 по 2009 гг.

Награжден медалью министерства образования и науки РФ «За лучшую научную студенческую работу», медалью Российской академии наук для молодых ученых РАН, других учреждений, организаций России и для студентов высших учебных заведений России за работу «Разработка математической модели и создание автоматизированного аппаратно-программного комплекса для сегментации аэрокосмических изображений».

Публикации. Основные результаты диссертации отражены в 22 печатных работах. Среди них 7 статей, опубликованных в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендованных ВАК, 1 патент на изобретение, 1 свидетельство о регистрации программ для ЭВМ.

Объем и структура работы. Диссертационная работа состоит из введения, четырех глав, заключения и приложений. Работа содержит 150 страниц основного текста (без приложений), в том числе 53 рисунка, 5 таблиц, список использованных источников из 87 наименований, и 2 приложения.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Мирошниченко, Сергей Юрьевич

Выводы

1. Предложенный метод локализации и компенсации теней объектов обладает низким значением ошибки второго рода классификации теней (среднее количество правильно классифицированных теней составило 85% от их общего количества), низкой ошибкой локализации (3,5%) и яркостной компенсации (1,7%) теней объектов, что обеспечивает существенное снижение количества ложных промышленных объектов в целевом тематическом слое и повышение точности их векторного представления.

2. Созданный метод построения контуров по сравнению с аналогами обладает на 5% большей точностью выделения контуров объектов, обеспечивает в 3 раза меньшее число некорректно устраненных разрывов контуров при схожих значениях оценок количества корректно устраненных разрывов.

3. Разработанные методы по сравнению с аналогами обеспечивают на 15% большее число правильно идентифицированных и в 3 раза меньшее количество ложных объектов промышленности, а также на 25% меньшее отклонение положений векторных представлений объектов промышленности от истинных позиций.

4. Разработанная система обеспечивает в 8 раз меньшие временные затраты на построение тематического слоя объектов по сравнению с известными аналогами. Конвейерный режим функционирования разработанной системы позволяет на 15% снизить временные затраты по сравнению с последовательным режимом.

142

ЗАКЛЮЧЕНИЕ

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

1.По результатам анализа существующих методов и средств цифровой обработки аэрокосмических изображений для создания тематических слоев электронных карт ГИС разработана математическая модель синтеза тематического слоя объектов промышленности по аэрокосмическому изображению, основанная на математическом представлении изображения и позволяющая описать процесс формирования векторных представлений объектов с учетом его избыточной информативности и неоднородного распределения яркости в пределах содержащихся на нем объектов.

2. Разработаны методы и алгоритм обработки цифровых аэрокосмических изображений, основанные на выделении и векторном кодировании контуров объектов и позволяющие повысить точность построения тематического слоя объектов промышленности за счет компенсации теней объектов, выделения объектов промышленности с учетом локальных свойств функции яркости изображения и геометрической коррекции их контуров.

3. Разработана структурно-функциональная организация быстродействующей системы для формирования векторных представлений объектов, которая отличается введением трех графических модулей и, используя естественный параллелизм операций обработки изображений, обеспечивает, по сравнению с известными аналогами, снижение временных затрат на создание тематического слоя объектов промышленности.

4. Сравнительный анализ разработанных методов и системы для формирования векторных представлений объектов с известными аналогами показал, что разработанные методы обладают на 15% большей точностью идентификации объектов промышленности и на 25% меньшим отклонением получаемых контурных представлений объектов от их истинной позиции, а также создают в 3 раза меньшее. число ложных объектов. Разработанная система обеспечивает в 8 раз меньшие временные затраты на синтез тематического слоя объектов промышленности по аэрокосмическому изображению.

Список литературы диссертационного исследования кандидат технических наук Мирошниченко, Сергей Юрьевич, 2009 год

1. Андрианов, Д.Е. Геоинформационные системы: исследование, анализ и разработка Текст. / Д.Е. Андрианов. М.: Государственный научный центр Российской Федерации. - ВНИИгеосистем, 2004. - 184 е.: ил.

2. Мартыненко, А.И. Информатика и электронная Земля: фундаментальные научные проблемы Текст. / А.И. Мартыненко // Системы и средства информатики. Вып. 11. - М.: ИЛИ РАН, 2001. - С. 94-112.

3. Баринов, А.Ю. Космические снимки в инфраструктуре пространственных данных РФ Текст. / А.Ю. Баринов, В.Е. Гершензон // Пространосвенные данные №1. - 2009. - С.26-29.

4. A.Б. Вележев // Изв. ВУЗов. Приборостроение. Т. 51, №2. - 2008. - С. 2229.

5. Булаев, А.В. Первоначальное наполнение обновление данных в ГИС Текст. / А.В. Булаев, М.С. Соколов // Системы и методы обработки и анализа информации, М.:Телеком, 2006. С. 63-67.

6. Лабутина, И.А. Дешифрирование аэрокосмических снимков. Учеб. пособие для студентов ВУЗов Текст. / И.А. Лабутина // М.:Аспект Пресс, 2004. — 184с.

7. Сойфер, В.А. Методы компьютерной обработки изображений / Под ред.

8. B.А. Сойфера 2-е изд., испр. - М.: ФИЗМАТЛИТ, 2003. - 784 с.

9. Претт, Э. Цифровая обработка изображений Текст.: в 2 т. / Э. Претг. -[Перевод с англ. Д.С. Лебедева] -М.: Мир, 1982.

10. Гонзалес, Р. Цифровая обработка изображений Текст. / Р. Гонзалес, Р. Вудс // М.: Техносфера, 2006 1072с.

11. Alvarez, L. Axioms and Fundamental Equations of Image Processing Text. / Luis Alvarez, Frederic Guichard, Pierre-Louis Lions, Jean-Michel Morel // Arch. National Mech. Anal. 123. Springer-Verlag, 1993. - PP. 199-257.

12. П.Дегтярев, С.В. Методы цифровой обработки изображений / С.В.Дегтярев,

13. C.С. Садыков, С.С. Тевс, Т.А. Ширабакина. // Курск: КурскГТУ, 2001. -167с.

14. Круглое, В.В. Искусственные нейронные сети. Теория и практика Текст. / В.В. Круглое, В.В. Борисов // 2-е изд. М.: Горячая линия-Телеком, 2002. — 382с.

15. Борисов, В.В. Нечеткие модели и сети Текст. / В.В. Борисов, В.В. Круглов,

16. A.С. Федулов // М.: Горячая линия-Телеком, 2007. 284с.

17. Elder, J.H. Local Scale Control for Edge Detection and Blur Estimation Text. / James. H. Elder, Steven W. Zuckler // IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 20, No 7. - 1998. - PP. 699-716.

18. Canny, J.F. A Computational Approach to Edge Detection Text. / J.F. Canny // IEEE Trans. Pattern Recognition and Machine Intelligence // Vol. 8, No.6. 1986. -PP. 679-698.

19. Verbeek, P. On the Local Error of Curved Edges in Low-Pass Filtered 2-D and 3D Images Text. / P. Verbeek, L. van Vliet // IEEE Trans. Pattern Recognition and Machine Intelligence. Vol. 16, №7. 1994. - PP.726-733.

20. Tikhonov, A.N. Solutions of 111 Posed Problems Text. / A.N. Tikhonov, V.Y. Arsenin. WH Winston, - Washington DC, - 1977.

21. Сырямкин, В.И. Системы технического зрения: Справочник Текст. /

22. B. И. Сырямкин, В. С. Титов, Ю. Г. Якушенков и др. // Под общей редакцией В. И. Сырямкина, В. С. Титова Томск: МГП «Раско», 1992. 367 с.

23. Ильин, А.А. Быстрые алгоритмы цифровой обработки сигналов Текст. / А.А. Ильин, B.C. Титов, Е.В. Евсюков; Учеб. пособие Тула: Изд-во ТулГУ, 2004.- 125 с.

24. Park, D.J. Multiresolution Edge Detection Techniques Text. / D.J. Park, K.M. Nam, R.H. Park // Pattern Recognition. Vol. 20, №2. - 1995. -PP. 211-229.

25. Wang, J. Relative Entropy-based Methods for Image Segmentation Text. / J. Wang, Y. Du, C. Chang, P. Thouin // IEEE Int. Symp. Circ. Syst. (ISCAS) 2. -2002,-PP. 265-268.

26. Chang, C. A Relative Entropy-based Approach to Image Thresholding Text. /

27. C. Chang, K. Chen, J. Wang, M. Althouse // Pattern Recognition. Vol. 27, No. 9,- 1994.-PP. 1275-1289.

28. Pal, N. Entropic Thresholding Text. /N. Pal, S. Pal // Signal Processing. No. 16.- 1989,-PP. 97-108.

29. E1-Khamy, S.E. Minimum Entropy-Based Fuzzy Edge Detection Text. / S.E. El-Khamy et al. // IEEE Trans, on Fuzzy Systems. Vol. 9, No.3. - 2001. - PP. 467471.

30. Паклин, H. Алгоритмы кластеризации на службе Data Mining Электронный ресурс.: Н. Паклин. http://www.basegroup.ru/ clusterization/datamining.htm от 20.03.2009.

31. Лукашенко, Г. Применение волнового алгоритма для нахождения скелета растрового изображения Электронный ресурс.: www.ocrai.narod.ru/vectory.html от 29.01.2009.

32. Prewer, D. A Fast Table-Driven Method for Edge Thinning and Linking Text. /

33. D. Prewer, L. Kitchen // Proceedings of Conference on Digital Image Computing: Techniques and Applications. Perth, 1999. - PP. 42-46.

34. Фурман, Я.А. Введение в контурный анализ и его приложение к обработке изображений и сигналов Текст. / Под ред. Я.А. Фурмана. II М.:ФИЗМАТЛИТ, 2002. 592с.

35. Гостев, И.М. Математическая модель одного класса поисковых систем Текст. / И.М. Гостев, А.В. Мирошкин // Вестник РУДН. Прикладная и компьютерная математика. Т.З, №1. - 2004. - С. 93-98.

36. Забияка, Ю.П. Теоретические основы быстродействующего устройства инвариантного распознавания контурных изображений Текст. / Ю.П. Забияка, А.П. Типикин, B.C. Титов // Изв. ВУЗов Приборостроение. №2, 2005-С. 8-14.

37. Стулов, Н.Н. Способ формирования признаков объектов в СТЗ инвариантных к повороту, переносу и изменению масштаба Текст. / Н.Н. Стулов // Системы и методы обработки и анализа информации М.: Горячая линия - Телеком, 2005. - С. 18-24.

38. Векторизаторы. Сайт компании «Дата плюс» Электронный ресурс.: http://www.dataplus.ru/SofVYECTORIZ/Index.htm от 4.05.2009.

39. Pitney Bowes Maplnfo: The Leading Global Provider of Location Intelligence Solutions Электронный ресурс. // http://www.mapinfo.com/ от 7.05.2009.

40. Easy Trace. Интеллектуальное программное обеспечение для векторизации карт Электронный ресурс.: http://www.easytrace.com/site/ russian/news/news.html от 14.04.2009.

41. ArcGIS Engine Электронный ресурс.: http://www.esri.com/software/arcgis/ arcgisengine/index.html от 7.05.2009.

42. ERDAS IMAGINE Электронный ресурс.: http://www.erdas.com/tabid/84/ currentid/1050/default.aspx от 7.05.2009.

43. Intergraph Products Электронный ресурс.: http://www.intergraph.com/sgi/ products/ от 28.09.2009.

44. Feature Analyst Электронный ресурс.: http://www.dataplus.ru/soft/erdas/ erdas/featurean.html от 7.05.2009.

45. Кашкин, В.Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений Текст.: Учебн. пособие / В.Б. Кашкин, А.И. Сухинин. -М.: Логос, 2001.-264 с.

46. Пугачев, B.C. Теория вероятностей и математическая статистика: Учебное пособие. 2-е изд. Текст. / B.C. Пугачев // М.:ФИЗМАТЛИТ, 2002. - 496с.

47. Мирошниченко, С.Ю. Выделение контуров в телевизионных изображениях Текст. / С.Ю. Мирошниченко, B.C. Титов, В.А. Денисюк // Материалы 4-й международной конференции «Телевидение 2005». СПб: СПбЭТУ, 2005. -С. 75-76.

48. Мирошниченко, С.Ю. Локализация и гистограммная компенсация теней объектов на аэрокосмических изображениях Текст. / С.Ю. Мирошниченко // Сб. мат-лов. 8-й Межд. Конф. «Распознавание-2008». 4.2. Курск: КурскГТУ, 2008. - С. 189-190.

49. Miroshnichenko, S.Yu. Adaptive Choice of Global Threshold for Binarization of Gradient Images Text. / S.Yu. Miroshnichenko, S.V. Degtyarev, Yu.A. Rukavitsin // Pattern Recognition and Image Analysis, Vol. 15, №1. 2005.— PP. 249-251.

50. Дуда, P. Распознавание образов и анализ сцен Текст. / Дуда Р., Харт П. // М.:Мир, 1976.-511с.

51. Мирошниченко, С.Ю. Распознающий аппаратно-программный диагностирующий комплекс Текст. / С.Ю. Мирошниченко, В.Н. Мишустин, С.В. Дегтярев // Изв. ВУЗов. Приборостроение. 2005. Т. 48, №2. - С. 22-27.

52. Кристофидес, М. Теория графов. Алгоритмический подход Текст. / М. Кристофидес. -М.: Мир, 1978, - 432 с.

53. Жарков, В.А. Компьютерная графика, мультимедиа и игры на Visual С# 2005 Текст. / В.А. Жарков // М.: Жарков Пресс, 2005. 812с.

54. Мирошниченко, С.Ю. Выделение контуров объектов на изображении с использованием функции регуляризации Тихонова Текст. / Ко Ко Куо, С.Ю. Мирошниченко // Сб. мат-лов. 8-й Межд. Конф. «Распознавание-2008». -4.2. Курск: КурскГТУ, 2008. С. 14-16.

55. Мирошниченко, С.Ю. Метод устранения разрывов в контурах объектов для построения векторного описания аэрокосмических изображений Текст. /

56. С.Ю. Мирошниченко // IV науч.-прат. Конф. «Перспективы развития систем управления оружием», М.: Бредитников иКо, 2007, - С. 109-115.

57. Intel 64 and IA-32 Architectures Software Developer's Manual Электронный ресурс.: Document № 253665-030US. Vol. 1: Basic Archtecture - 2009 -http://www.intel.com/Assets/pdf/manual/253665.pdf от 9.05.2009.

58. AMD Family lOh Phenom II Processor Product Datasheet Электронный ресурс.: Publication №46878 2009 - http://support.amd.com/us /ProcessorTechDocs/46878PhenomIIPDS3.04PUB.pdf от 9.05.2009.

59. ATI Online Manual Электронный ресурс.: Part Number 137-40178-104 -http://support.amd.com/us/ GPU TechDocs /radeononline.pdf от 9.05.2009.

60. NVIDIA GeForce Family Электронный ресурс.: http://www.nvidia.com/ object/geforce family.html от 9.05.2009.

61. Мирошниченко, С.Ю. Метод автоматического кадрирования цифровых портретных изображений для цифровых фотоаппаратов Текст. / С.В.Дегтярев, А.В.Медведев, С.Ю.Мирошниченко // Изв. ВУЗов. Приборостроение. 2008. Т. 51, №2. - С. 5-9.

62. Miroshnichenko, S.Yu. Automatized aerospace photoimages vectorization for digital maps creation and actualization Text. / S.V. Degtyarev,

63. S.Yu. Miroshnichenko // Proceedings of the5.th International Conference "International Conference on Information and Telecommunication Technologies in Intelligent Systems". Mallorca, 2007. — PP. 181-182.

64. Буслов, В.А. Численные методы II. Решение уравнений. Курс лекций Текст. // СПб.:СПбГТУ, 2001. 44с.

65. Мирошниченко, С.Ю. Способ адаптивного выбора глобального порога бинаризации градиентных изображений Текст. / С.Ю. Мирошниченко // Молодежь и XXI век. Тезисы докладов XXXII межвузовской науч.-техн. Конф. Курск: КурскГТУ, 2004. Т.1, - С. 25-27.

66. Hale, D. Recursive Gaussian Filters Электронный ресурс. / H.Dale // http://www.cwp.mines.edu/Meetings/Project06/cwp546.pdf от 30.03.2009.

67. Мирошниченко, С.Ю. Телевизионное устройство выделения контуров Текст. / С.В. Дегтярев, С.Ю. Мирошниченко, B.C. Титов // Изв. ВУЗов. Приборостроение. 2005. Т. 48, №11. - С. 60-63.

68. Мирошниченко, С.Ю. Свидетельство о регистрации программы для ЭВМ №2005613008. Универсальная программная система для обработки изображений / Мирошниченко С.Ю.; Заявитель и правообладатель КурскГТУ. №2005612488; заявл. 3.10.2005; зарег. 21.11.2005.

69. Мирошниченко, С.Ю. Параллельно-конвейерное устройство для векторизации аэрокосмических изображений земной поверхности Текст. / С.Ю. Мирошниченко, B.C. Титов // Изв. ВУЗов. Приборостроение. 2009. Т. 52, №2.-С. 45-51.

70. AMD Phenom Х4 9850 Black Edition Review Электронный ресурс.: http://www.firingsquad.com/hardware/amdphenom9850blackeditionreview от 10.04.2009.

71. GeForce GTX 280 Электронный ресурс.: http://www.nvidia.com/object/ productgeforcegtx280us.html от 10.04.2009.

72. NVIDIA CUDA Reference Manual Электронный ресурс.: 2009 -http://developer.download.nvidia.com/compute/cuda/22/toolkit/docs/NVIDIAC UDAProgrammingGuide2.2.pdf от 5.05.2009.

73. Мирошниченко, С.Ю. Программная оптимизация оператора Собела с использованием SIMD-расширений процессоров семейства х86 Текст. / Э.И. Ватутин, С.Ю. Мирошниченко, B.C. Титов // Телекоммуникации. 2006. -№б.-С.12-16.

74. Тербер, К. Дж. Архитектура высокопроизводительных вычислительных систем Текст. / К.Дж. Тербер // Пер. с англ.— М.: Наука. Главная редакция физико-математической литературы, 1985.— 272 с.

75. Шпаковский, Г.И. Архитектура параллельных ЭВМ Текст. / Г.И. Шпаковский // Учеб. пособие для вузов. Мн.: Университетское, 1989. - 192 с.

76. Гома, X. UML. Проектирование систем реального времени, параллельных и распределенных приложений Текст. / X. Гома // Пер. с англ. М.:ДМК Пресс, 2002. - 704 с.

77. Киселев, А.В. Современные микропроцессоры Текст. / В.В. Корнеев, А.В. Киселев // М.: Нолидж, 2000. 320 с.

78. Developing Multithreaded Applications: A Platform Consistent Approach Text. // March 2003, Intel Corporation 2003.