Методы и средства цифровой коррекции изображения в оптико-электронных системах визуализации тема диссертации и автореферата по ВАК РФ 05.11.07, кандидат технических наук Демидов, Владимир Михайлович

• Демидов, Владимир Михайлович
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Демидов, Владимир Михайлович

Введение.

Глава 1. Обзор методов цифровой обработки изображений.

1.1. Компенсация неоднородностей характеристик элементов матрицы.

1.2. Выявление дефектных элементов матрицы и их замещение.

1.3. Компенсация шума методом пространственной фильтрации.

1.4. Компенсация шума методом временной фильтрации.

1.5. Выделение контуров.

1.6. Автофокусировка.

1.7. Преобразование уровней яркости.

1.8. Геометрическое совмещение.

1.9. Мультиспектральное совмещение.

1.10. Стабилизация.

Выводы по главе 1.

Глава 2. Совершенствование методов цифровой обработки изображений втепловизионных системах на основе микроболометрических матриц.

2.1. Трехточечная многотабличная калибровка.

2.2. Замещение дефектных пикселей при помощи фильтра размытия.

2.3. Адаптивный алгоритм пространственной фильтрации.

2.4. Адаптивный алгоритм временной фильтрации.

2.5. Компенсация общего по всей строке или столбцу шума.

2.6. Реализация алгоритма контрастирования.

2.7. Модернизированный гистограммный метод регулировки уровней яркости.

2.8. Анализ и компенсация неравномерности характеристик шума при интерполяции.

2.9. Метод определения сдвигов и масштаба изображения при больших углах его поворота.

2.10. Панорамное изображение.

Выводы по главе 2.

Глава 3. Практическая реализация предложенных алгоритмов в тепловизионных системах.

3.1. Обобщенная структурная схема реализованных тепловизионных систем.

3.2. Портативный тепловизор «Сыч».

3.3. Миниатюрный тепловизор «Скопа».

3.4. Тепловизионный прицел «Шахин».

3.5. Тепловизионный модуль «Модуль МБ-2».

3.6. Двухспектральная система видеонаблюдения «Филин».

3.7. Термограф «Аврора».

Выводы по главе 3.

Введение диссертации (часть автореферата) на тему «Методы и средства цифровой коррекции изображения в оптико-электронных системах визуализации»

Актуальность. Одной из наиболее явных тенденций развития современных оптико-электронных систем визуализации, и, в частности, тепловизионных, является использование в их составе матричных приемников излучения. В последние годы все большее распространение в таких системах находят неохлаждаемые болометрические матричные приемники (микроболометры). Микроболометры, как правило, не требуют криогенной системы охлаждения, и, следовательно, тепловизионный модуль имеет меньшие энергопотребление, габариты и массу. Производство-микроболометрических матриц на основе оксида ванадия или на кремниевой основе значительно дешевле, чем охлаждаемых фотоприемников. Однако, применение матричных приемников излучения, в частности, микроболометрических, ведет к необходимости учета и компенсации ряда факторов, связанных с дискретностью структуры приемника, заметно влияющих на качество получаемых изображений. К ним относятся-искажения из-за дискретизации изображения наблюдаемой сцены, из-за неоднородности параметров и характеристик отдельных чувствительных элементов матричных приемников. К недостаткам микроболометрических матриц относится также высокий уровень шума.

Развитие современной микроэлектроники позволяет успешно внедрять методы коррекции изображения электронными средствами, в первую очередь, цифровые, основанные на использовании многоэлементных матричных приемников излучения и цифровых компонентов (аналого-цифровые и цифро-аналоговые преобразователи, интегральные схемы), осуществляющие обработку видеоизображения, полученного' в оптико-электронной системе в реальном масштабе времени. Наибольшие успехи в этой области связаны с широким распространением цифровой аппаратуры видео- и фотосъемки, а также с развитием алгоритмов сжатия для передачи в сетях информационной коммуникации и хранения видеоданных. 4

Возможность хранения цифрового изображения в памяти позволяет производить совмещение двух изображений, стабилизацию, построение панорамного изображения и другие операции.

Рис. 1. Обобщенная структурная схема современной <тепловизионной системы «смотрящего» типа с микроболометрической матрицей

На рис. 1 приведена обобщенная структурная схема современной тепловизионной системы «смотрящего» типа с микроболометрической матрицей. Применяемые микроболометрические матрицы снабжены системой поддержания температуры на подложке чувствительных элементов. Параметры работы матрицы-(уровень сигнала, чувствительность, внутренняя температура) задаются набором входных напряжений, поступающих с блока управления и питания матрицы. Для проведения-калибровки предусмотрен узел шторки, расположенный между объективом и матрицей. В некоторых системах предусмотрена система фокусировки по получаемому изображению. Микроболометрическая матрица формирует аналоговый' сигнал, который в дальнейшем оцифровывается на АЦП. Блок цифровой обработки сигнала производит обработку оцифрованного сигнала для дальнейшего его представления на встроенном дисплее или на внешнем устройстве отображения. В данной диссертации блок цифровой обработки сигнала построен на базе программируемой логической интегральной схемы (ПЛИС), либо на базе цифрового сигнального процессора (Digital Signal Processor - DSP). Настройка и управление системой производится либо с пульта управления, либо с ПК через стандартные интерфейсы.

Требования к результатам цифровой обработки тепловизионного изображения, получаемого с микроболометрических матриц, очень часто аналогичны требованиям, предъявляемым к телевизионному изображению, несмотря на то, что качество изображений, получаемых с микроболометрических матриц, хуже, чем с фотоприемных матриц, работающих в видимом диапазоне. Цифровой обработке изображений в отечественной и зарубежной литературе посвящено большое число работ (У. Прэтт, Р. Гонсалес, Р. Вудс, Б. Яне, Д.А. Форсайт, Ж. Понс, С. Уэлстид, Д.С. Лебедев, В.А. Сойфер, И.И. Цуккерман, Л.П. Ярославский и многие другие). Тем не менее, развитые сегодня- методы цифровой обработки изображения, используемые в видео- и фототехнике, применительно к неохлаждаемым тепловизионным системам нуждаются в существенном совершенствовании, что связано со сравнительно большой неоднородностью параметров и характеристик матричных микроболометров, нелинейностью их характеристик, высоким уровнем шумов и, как правило, низким контрастом самой* сцены. Необходимость коррекции и ослабления влияния-этих факторов на видеоизображение и определяет актуальность темы диссертации.

Целью работы является разработка алгоритмов цифровой- обработки, позволяющих улучшить качество тепловизионого видеоизображения; получаемого при помощи микроболометрической матрицы.

Для достижения этой цели решались следующие задачи:

1. анализ и совершенствование методов компенсации неоднородности параметров и характеристик элементов микроболометрической матрицы; 6

2. разработка алгоритмов компенсации шумов- и образования высококонтрастных изображений, получаемых с помощью микроболометрической матрицы;

3. разработка метода определения взаимного сдвига, масштабирования и поворота двух кадров видеоизображения.

Методы исследования. Все разработанные методы и. алгоритмы были предварительно протестированы на персональных компьютерах. В качестве тестовых видеоданных применялись необработанные цифровыми методами видеопоследовательности' записанные после оцифровки с микроболометрической матрицы тепловизора. После тестирования на персональном компьютере алгоритм переносился на тепловизионные системы, разработанные в ОАО «ЦНИИ «Циклон». Для реализации* использовались либо язык С и С++ в среде программирования Texas, Instruments Code Composer Studio для DSP-процессоров TMS320C6200 и TMS320C6400, либо язык Verilog HDL в среде Xilinx ISE для ПЛИС Xilinx XC2S200 и XC2VP4.

Научная новизна результатов диссертационных исследований состоит в следующем:

1. обосновано применение трехточечной многотабличной калибровки для существенного улучшения качества изображения в тепловизионных системах на основе микроболометрических матриц;

2. построена система алгоритмов (замещения дефектных элементов матрицы, компенсации шумов, повышения контраста, автофокусировки), использующая результаты применения общего для всех них. фильтра; что позволяет оптимизировать вычислительный процесс;

3. обнаружено наличие искажений равномерности по всему кадру дисперсии шумов после геометрических преобразований масштабирование, поворот) равномерно: зашумленных белым; шумом изображений; .

4. разработан быстрый алгоритм автоматической регулировки уровней яркостей, который эффективен в случае обработки- изображений; с широким диапазоном яркостей;

5. разработан алгоритм» поиска и;, коррекции геометрического? рассогласования двух; кадров для произвольного угла их взаимного поворота.

Практическая ценность работы состоит в том, что в целях улучшения качества изображения на выходе тепловизионых систем «смотрящего» типа; использующих микроболометрические матрицы, разработана и реализована целостная система алгоритмов цифровой обработки видеоизображения.

Основные положения, выносимые на защиту:

1. многотабличная трехточечная калибровка в тепловизионных системах с микроболометрами позволяет обеспечивать требуемое качество изображения в широком диапазоне температур наблюдаемых сцен;

2. для реализации ряда алгоритмов; (замещения дефектных элементов матрицы, компенсации шумов, повышения контраста и автофокусировки) возможно использование общего фильтра размытия;

3. для компенсации искажений равномерности дисперсии шумов по кадру после геометрических преобразований (масштабирование, поворот) равномерно* зашумленных белым шумом изображений возможно использовать; предложенный метод, основанный на использовании фильтра размытия; 4. предложенный быстрый'алгоритм автоматической регулировки уровней яркостей эффективен в случае обработки изображений с широким диапазоном яркостей;

5. используя алгоритм, основанный на сборе статистики по окружностям на изображении, можно найти геометрическое рассогласование двух кадров для произвольного угла их взаимного поворота;

Апробация работы. Основные положения докладывались на научно-практических конференциях международных форумов «0птика-2006» и «0птика-2007» и на международном форуме «Научная сессия МИФИ-2007» (12 докладов). Реализация алгоритмов была осуществлена на тепловизионных системах, разработаных в ОАО «ЦНИИ «Циклон» на базе DSP-процессора TMS320C6400 и ПЛИС Xilinx XC2S200, XC2VP4.

Публикации. По результатам диссертационной работы опубликовано 7 научно-технических статей [23 — 29]., из них одна в журнале, включенном в перечень ВАК [27].

Достоверность полученных в работе алгоритмов подтвердилась в процессе проводимых исследований и испытаний в ОАО «ЦНИИ «Циклон» в рамках ОКР: «Модуль МБ-2», «Филин», «Обзор-TMl», «Шахин», «Аврора», «Сыч-3», «Скопа-3» и др.

Объем и структура работы

Диссертационная работа состоит из введения, трех глав и заключения. Работа содержит 126 страниц машинописного текста, 62 рисунка. Список литературы включает 98 наименования.

Заключение диссертации по теме «Оптические и оптико-электронные приборы и комплексы», Демидов, Владимир Михайлович

Выводы по главе 3

Разработанные в диссертации алгоритмы позволили расширить функциональные возможности тепловизионных систем и комплексы «Сыч», «Скопа», «Модуль-МБ2», «Шахин», «Обзор-TMl», «Филин», «Аврора».

Практически подтверждена возможность реализации алгоритмов на тепловизионных системах, разработанных в ОАО «ЦНИИ «Циклон» на базе DSP-процессоров TMS320C6200, TMS320C6400 и ПЛИС Xilinx XC2S200, XC2VP4.

Заключение

Результаты проведенных исследований и разработок позволяют сделать следующие основные выводы.

1. Применение многотабличной трехточечной калибровки в тепловизионных системах с микроболометрами позволяет обеспечивать требуемое качество изображения в широком диапазоне температур наблюдаемых сцен.

2. Для замещения дефектных элементов матрицы, компенсации шумов, повышения контраста и автофокусировки может быть построена система алгоритмов, реализуемая на базе общего фильтра размытия.

3. Для компенсации искажений равномерности дисперсии шумов по кадру после геометрических преобразований (масштабирование, поворот) равномерно зашумленных белым шумом изображений возможно использовать предложенный метод, основанный на использовании фильтра размытия.

4. Предложенный быстрый алгоритм автоматической регулировки уровней яркости эффективен для обработки в реальном масштабе времени изображений с широким диапазоном яркости.

5. Используя метод, основанный на сборе статистики по окружностям на изображении, можно построить алгоритм нахождения геометрического рассогласования двух кадров для произвольного угла их взаимного поворота.

Реализация и тестирование предложенных методов и программных средств повышения качества изображений подтверждают их эффективность для тепловизионных систем с неохлаждаемыми микроболометрическими матрицами.

Список литературы диссертационного исследования кандидат технических наук Демидов, Владимир Михайлович, 2008 год

1. Абламейко С.В., Лагуновский Д.М. Обработка изображений: технология, методы, применение: Учебное пособие. Минск: Амалфея, 2000.-304 с.

2. Аксенов И.В., Антонов К.А., Скоробогатов А.П., Корольков С.М. Алгоритм рекуррентной оценки тепловизорного изображения на фоне шумов / Материалы межведомственной конференции на международной специализированной' выставке «Граница-2005». с. 407-412.

3. Алеев P.M., Иванов В.П., Овсяников В.А. Несканирующие тепловизионные приборы: Основы теории и расчета. — Казань: Изд-во Казанского ун-та, 2004. — 228 с.

4. Алпатов Б.А., Бабаян П.В. Электронная юстировка изображений при мультиспектральном наблюдении / Цифровая обработка сигналов, №1, — 2003. с. 24-26.

5. Анкудинов К.А., Аксенов И.В., Антонов К.А., Корольков С.М. Алгоритм оценки теплового изображения по двумерному зашумленному сигналу / Материалы межведомственной конференции на международной специализированной выставке «Граница-2005». с. 418-423.

6. Астафьева Н.М., Вейвлет-анализ: основы теории и примеры применения. Успехи Физических Наук, 1996. - Т. 166. - № 11. с. 1145-1170.

7. Ю.Бибило П.Н. Основы языка VHDL. М.: СОЛОН-Р, 1999, - 200 с.

8. П.Буймов А.Г. Корреляционно-экстремальная обработка изображения / Под ред. В.П. Тарасенко. — Томск: Изд-во Томского университета, 1987. 134 с.

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

10. Верютин М.В. Подавление паразитных тепловых дефектов алгоритмическим способом. // в сб. «Оптико-электронные системы визуализации и обработки оптических изображений» вып. 2, — М.: ЦНИИ «Циклон», 2007, с. 222 - 228.

11. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. — СПб.: БХВ-Петербург, 2002. 608 с.

12. Гонсалес Р., Вудс Р. Цифровая обработка изображений. / Пер. с англ. под ред. П.А. Чочиа. — М.: Техносфера, 2005. 1072 с.

13. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. / Пер. с англ. В.В. Чепыжова. М.: Техносфера, 2006.,-616 с.

14. Госсорг Ж. Инфракрасная термография. Основы, техника, применение / Пер. с франц. Н.В. Васильченко; Под ред. Л.Н. Курбатова-М.: Мир, 1988.-416 с.

15. Гришин В.А. Оценка точности установления соответствия. // Труды Российского научно-технического общества радиотехники, электроники и связи- им. А.С. Попова. Серия: Цифровая обработка сигналов и ее применение Вып. X, М., - 2008, с. 428 - 431.

16. Грушвицкий Р.И., Мурсаев А.Х., Угрюмов Е.П. Проектирование систем на микросхемах программируемой логики. — СПб.: БХВ-Петербург, 2002. 608.

17. Грязин Г.Н. Системы прикладного телевидения: Учеб. пособие для вузов. — СПб.: Политехника, 2000. — 277 с.

18. Демидов В.М., Поляков А.Ю. Алгоритм пространственной стабилизации изображения // Научная сессия МИФИ-2007, Том 1, 2007, с. 93 - 94.

19. Демидов В.М., Поляков А.Ю. Алгоритм пространственной стабилизации изображения с использованием свободных коэффициентов // в сб.

20. Оптико-электронные системы визуализации и обработки оптических изображений» вып. 2, М.: ЦНИИ «Циклон», - 2007, с. 273 - 280.

21. Демидов В.М. Компенсация неравномерности шума, возникающей при интерполяции // в сб. «Оптико-электронные системы визуализации и обработки оптических изображений» вып. 2, — М.: ЦНИИ «Циклон», — 2007, с. 235-242.

22. Демидов В.М. Критерии сопоставления качества фокусировки объектива // в сб. «Оптико-электронные системы визуализации и обработки оптических изображений» вып. 2, — М.: ЦНИИ «Циклон», 2007, с. 264 -272.

23. Демидов В.М. Повышение точности определения геометрического рассогласования кадров видеопоследовательности при тепловизионной аэро- и космической съемке // «Известия ВУЗов. Геодезия и аэрофотосъемка» 2008. №2. с. 168 -175.

24. Демидов В.М. Преобразование уровней яркости видеоизображения с широким диапазоном градаций // в сб. «Оптико-электронные системы визуализации и обработки оптических изображений» вып. 2, — М.: ЦНИИ «Циклон», 2007, с. 212 - 221.

25. Демидов В.М., Яковлев М.Б. Снижение уровня шума на видеоизображении путем цифровой обработки // в сб. «Оптико-электронные системы визуализации и обработки оптических изображений» вып. 2, М.: ЦНИИ «Циклон», - 2007, с. 243 - 247.

26. Дьяконов В.П. Вейвлеты. От теории к практике. М.: COJIOH-P, -2002.-448 с.

27. Елизаров А.В., Куртов А.В., Соломатин В.А., Якушенков Ю.Г. Обзорно-панорамные оптико-электронные системы. // Изв. ВУЗов. Приборостроение, 2002, Т. 45, №2, с. 37 45.

28. Жохов Д.В. Переход к внедрению «системы на кристалле» при проектировании оптико-электронных схем. // в сб. «Оптико-электронные системы визуализации и обработки оптических изображений» вып. 2, — М.: ЦНИИ «Циклон», 2007, с. 229 - 234.

29. Иконика в физиологии и медицине / Под ред. A.M. Уголева. Л.: Наука, 1987.-302 с.

30. Казеннов Г.Г., Миргородский А.Ю. Численная оценка параметров поворота и сдвига изображений // Электросвязь. 2006. — №4. -с. 48-49.

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

32. Корреляционно-экстремальные видеосенсорные системы для роботов / Под ред. A.M. Корикова и В.П. Тарасенко. Томск: Изд-во Томского университета, 1986. - 240 с.

33. Лебедев Д.С., Цуккерман И.И. Телевидение и теория информации.- М.-Л.: Издательство «Энергия», 1964, 219 с.

34. Ллойд Дж. Системы тепловидения. Пер. с англ. / Под ред. А.И. Горячева / -М.: Мир, 1979.-416 с.

35. Методы компьютерной обработки изображений / Под. ред. В .А. Сойфера. 2-е издание, испр. - М.: ФИЗМАТ ЛИТ, 2003. - 784 с.

36. Миано Дж. Форматы и алгоритмы сжатия изображений в действии. / Пер. с англ.- М.: Издательство Триумф, 2003. 336 с.

37. Миргородский А.Ю. Метод оценки масштабирования, поворота и сдвига сцены с использованием объектов бинаризованных изображений // Электросвязь. 2006. - №4. - с. 46 - 47.

38. Писеев А.В. Универсальное устройство отображения видеосигнала на базе OLED-микродисплея ЕМА-100080 фирмы eMagin. // в сб. «Оптико-электронные системы визуализации и обработки оптических изображений» вып. 2, М.: ЦНИИ «Циклон», - 2007, с. 248 - 255.

39. Поляков А.Ю. Методы и алгоритмы компьютерной графики в примерах на Visual С++. СПб.: БХВ-Петербург, 2002. - 416 с.

40. Потапов А.С. Влияние взаимных геометрических искажений на возможность пространственного совмещения изображений методом локальной корреляции / «Оптический журнал», том 71, №8, 2004.- с. 74 80.

41. Потапов А.С. Малышев И.А., Луцив В.Р. Совмещение аэрокосмических изображений с субпиксельной точностью методом локальнойкорреляции / «Оптический журнал», том 71, №5, 2004. -с. 31 -36.

42. Раковский Ю.Н. Оценка вероятностей ошибок обнаружения малоразмерного объекта на случайном неравномерном фоне / «Оптический журнал», том 73, №10, — 2006. с. 58 62.

43. Романов В.Ю. Популярные форматы файлов для хранения графических изображений на IBM PC. М.: Унитех, 1992. - 156 с.

44. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие' системы / Пер. с польск. Hi Д. Рудинского. — М.: Горячая линия Телеком, 2004, - 452 с.

45. Сергиенко А.Б. Цифровая обработка сигналов. — СПб.: Питер, 2003. — 608 с.

46. Системы технического зрения: Справочник / В.И. Сырямкина, B.C. Титова, Ю.Г. Якушенков и др. // Под общ. ред. В.И. Сырямкина, B.C. Титова. Томск: МГП «РАСКО», 1992. - 367 с.

47. Столниц Э., ДеРоуз Т., Салезин Д., Вейвлеты в компьютерной графике / Пер. с англ. JI.A. Кунгуровой. Под. ред. Е.В. Мищенко — Ижевск: НИЦ «Регулярная и хаотическая динамика», 2002. — 272 с.

48. Строзотт Т., Шлехтвег Ш. Нефотореалистичная компьютерная графика: моделирование, рендеринг, анимация. / Пер. с англ. А.В. Петрова, под ред. А.В. Борескова М.: КУДИЦ-ОБРАЗ, 2005. - 416 с.

49. Суслин К.В., Шкурский Б.И. Способ квантования изображения / «Оптический журнал», том 72, №12, — 2005. с. 29 — 32.

50. Сэломон Д. Сжатие данных, изображения и звука. / Пер. с англ. В.В. Чепыжова М.: Техносфера, 2004. - 368 с.

51. Таненбаум Э., ван Стеен М. Распределенные системы. Принципы и парадигмы. / Пер. с англ. В. Горбунко. СПб.: Питер, 2003. - 877 с.

52. Тарасов В.В., Якушенков Ю.Г. Адаптивные оптико-электронные системы визуализации с матричными приемниками излучения. // в сб. «Оптико-электронные системы визуализации и обработки оптических изображений» вып. 2, М.: ЦНИИ «Циклон», - 2007, с. 16 - 37.

53. Тарасов В.В., Якушенков Ю.Г. Двух- и многодиапазонные оптико-электронные системы с матричными приемниками излучения. — М.: Университетская книга; Логос, 2007. — 192 с.

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

55. Тарасов В.В., Якушенков Ю.Г. Многоспектральные оптико-электронные системы // Спец. техника. 2002. № 4. - С. 56-62.

56. Тарасов В.В., Якушенков Ю.Г. Некоторые пути совершенствования тепловизионных систем // Спец. техника 2004. - №2, с. 11-19.

57. Тетерин В.В., Павлов В.А., Александров В.А. Метод комплексирования информации от многоканальной системы с использованием вейвлет-спектров / «Оптический журнал», том 73, №10, 2006. с. 47 — 51.

58. Титов B.C., Тру фанов М.И. Адаптивная калибровка оптико-электронных устройств. — Курск.; Курск. гос. техн. ун-т, 2007.- 143 с.

59. Трифонов М.И., Макулов В.Б. Автоматическое улучшение контраста изображений / «Оптический журнал», том 73, №10, — 2006. с. 34-40.

60. Уэлстид С. Фракталы и вейвлеты для сжатия изображения в действии. / Пер. с англ. JI.B. Печниковой М.: Издательство Триумф, 2003. — 320 с.

61. Форсайт Д.А., Понс Ж. Компьютерное зрение. Современный подход. / Пер. с англ. А.В. Назаенко, И.Ю.Дорошенко — М.: Издательский дом «Вильяме», 2004. 928 с.

62. Хайкин С. Нейронные сети: полный курс, 2-е издание. / Пер. с англ. Н.Н. Куссуль, А.Ю. Шелестова М.: Издательский дом «Вильяме», 2006. — 1104 с.

63. Хорн Б.К.П. Зрение роботов: Пер. с англ. И.М. Бродской, Е.Ю. Зуевой, А.Ю. Каргашина, под ред. Е.И. Кугушева, Ю.А. Садова М.: Мир, 1989. -487 с.

64. Цифровая обработка телевизионных и компьютерных изображений / Дворкович А. В., Дворкович В. П., Зубарев Ю. Б. и др.; Под ред. Ю. Б. Зубарева, В. П. Дворковича. М.: Междунар.центр науч.и техн.информ., 1997.-212 с.

65. Шапиро JL, Стокман Дж. Компьютерное зрение / Пер. с англ. А.А. Богуславского, под ред. С.М. Соколова. М.: БИНОМ. Лаборатория зрения, 2006. - 752 с.

66. Штарк Г.-Г. Применение вейвлетов для ЦОС. / Пер. с нем. Н.И. Смирновой, под. ред А.Г. Кюркчана-М.: Техносфера, 2007. — 192 с.

67. Эндрюс Г.Р., Основы многопоточного, параллельного и распределенного программирования. / Пер. с англ. А.Б. Ставровского, А.С. Подосельника, Г.И. Сингаевской — М.: Издательский дом «Вильяме», 2003. 512 с.

68. Якушенков Ю.Г. Теория и расчет оптико-электронных приборов. Учебник. 5-е издание, перераб. и доп. - М.: Логос, 2004. - 472 с.

69. Яне Б. Цифровая обработка изображений. / Пер. с нем. A.M. Измайловой. — М.: Техносфера, 2007. 584 с.

70. Ярославский Л.П. Введение в цифровую обработку изображений. — М.; Сов. радио, 1979.-312 с.

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

72. Alfred Mertins Signal Analysis: Wavelets, Filter Banks, Time-Frequency Transforms and Applications. — John Wiley & Sons Ltd, 1999.

73. Cha J.H., Jacobs E. Superresolution Reconstruction and its Impact on Sensor Performance / Proceeding of SPIE, Vol. 5784, 2005, pp. 107 113.

74. Dah-Chung Chang and Wen-Rong Wu. Image Contrast Enhancement Based on a Histogram Transformation of Local Standard Deviation, IEEE Transactions on medical imaging, vol. 17, no. 4, August 1998, pp. 518 — 531.

75. Das S., Krebs W.K. Sensor fusion of multi-spectral imagery. Institution of Electrical Engineers: Electronics Letters, 36, 2000, pp. 1115-1116.

76. Elad M., Feuer A. Restoration of a Single Superresolution Image from Several Blurred, Noisy, and Undersampled Measured Images / IEEE Transactions on Image Processing, Vol. 6 (12), 1997, pp. 1646 1658.

77. J.L. Tissot et al, "320x240 microbolometer uncooled IRFPA development", SPIE Vol. 4130, Infrared technology and Applications XXVI, 2000, pp. 473 -479.

78. Nguyen N., Milanfar P., Golub G. A Computationally Efficient Superresolution Image Reconstruction Algorithm / IEEE Transactions on Image Processing, Vol. 10 (4), 2001, pp. 573 583.

79. P. Bone, R. Young, C. Chatwin. Position, rotation, scale and orientation invariant multiple object recognition from cluttered scenes / Proceeding of SPIE, Vol. 5816, 2005, pp. 66 77.

80. Rummelt N.I., Cicchi Т., Curzan J.P. A Combined Non-uniformity and Bad Pixel Correction Method for Superpixelated Infrared Imagery / Proceeding of SPIE, Vol. 6206, 62060V 2006, pp. 1 8.

81. Schonbach B. Dynamic Tool to Estimate the Measurement Error in Radiometric IR Cameras / Proceeding of SPIE, Vol. 4360, 2001, pp. 381 -386.

82. Warren C. Infrared thermometry in the real word / Proceeding of SPIE, Vol. 4360, 2001, pp. 342-346.

83. Zhigang Zhu, Guangyou Xu, Yudong Yang, Jesse S. Jin. Camera Stabilization Based on 2.5D Motion Estimation and Inertial Motion Filtering. IEEE International Conference on Intelligent Vehicles, 1998, p. 329.