Методы, модели и алгоритмы обработки групповых точечных объектов в условиях априорной неопределенности угловых параметров тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Егошина, Ирина Лазаревна

• Егошина, Ирина Лазаревна
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Егошина, Ирина Лазаревна

СОДЕРЖАНИЕ

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ

СПИСОК ОСНОВНЫХ ОБОЗНАЧЕНИЙ

ВВЕДЕНИЕ

1. АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМЫ РАСПОЗНАВАНИЯ ТРЕХМЕРНЫХ ИЗОБРАЖЕНИЙ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ В УСЛОВИЯХ АПРИОРНОЙ НЕОПРЕДЕЛЕННОСТИ УГЛОВЫХ ПАРАМЕТРОВ

1.1. Постановка задачи распознавания и различения образов

1.2. Анализ обработки и распознавания плоских изображений групповых точечных объектов

1.3. Анализ моделей групповых точечных объектов, расположенных на плоскости

1.4. Особенности обработки трехмерных изображений групповых точечных объектов

1.5. Характеристика проблемы обработки зашумленных трехмерных изображений групповых точечных объектов

с априорно неизвестными параметрами

2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ РАСПОЗНАВАНИЯ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ С АПРИОРНО НЕИЗВЕСТНЫМИ ПАРАМЕТРАМИ ПО ИХ ТРЕХМЕРНЫМ ИЗОБРАЖЕНИЯМ

2.1. Введение

2.2. Обоснование выбора аппарата кватернионных сигналов для обработки ГТО в условиях априорной неопределенности угловых параметров

2.3. Математические модели ГТО на основе кватернионных сигналов

2.4. Особенности вращения дискретных кватернионных сигналов

в трехмерном пространстве

2.5. Упорядочение точек ГТО. Проволочная модель ГТО

2.6. Выводы

3. РАЗРАБОТКА МЕТОДА УГЛОВОГО СОГЛАСОВАНИЯ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ ПО РЕЗУЛЬТАТАМ

РЕШЕНИЯ ОБРАТНОЙ ЗАДАЧИ ИХ ВРАЩЕНИЯ

3.1. Введение

3.2. Матричные методы решения обратной задачи

вращения 3D векторов

3.3. Решение обратной задачи вращения ГТО с применением кватернионов

3.4. Вычислительная сложность рассмотренных способов решения обратной задачи

3.5. Метод углового согласования ГТО по результатам решения обратной задачи

3.6. Количественная оценка помехоустойчивости результатов решения обратной задачи

3.7. Выводы

4. РАЗРАБОТКА ИТЕРАЦИОННОГО МЕТОДА УГЛОВОГО СОГЛАСОВАНИЯ ЗАШУМЛЕННЫХ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ НА ОСНОВЕ КВАТЕРНИОННОЙ МОДЕЛИ

4.1. Угловое согласование ГТО в кватернионном пространстве Hi

4.2. Угловое согласование ГТО в кватернионном пространстве Hs

4.3. Итерационный метод углового согласования

трехмерных изображений ГТО

4.4. Исследование шумовых свойств итерационного метода углового согласования

4.5. Выводы

5. СОЗДАНИЕ СИСТЕМЫ АЛГОРИТМОВ ФУНКЦИОНИРОВАНИЯ АВТОМАТИЧЕСКОЙ СИСТЕМЫ РАСПОЗНАВАНИЯ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ

5.1. Алгоритм упорядочения точек изображения

зашумленного группового точечного объекта

5.2. Алгоритм оценки параметров вращений трехмерных групповых точечных объектов и исследования его помехоустойчивости

5.3. Алгоритм итерационного углового согласования трехмерных групповых точечных объектов и исследования его помехоустойчивости

5.4. Выводы

6. РАЗРАБОТКА И ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СТРУКТУРНО-ФУНКЦИОНАЛЬНОЙ ОРГАНИЗАЦИИ АВТОМАТИЧЕСКОЙ СИСТЕМЫ РАСПОЗНАВАНИЯ ЗАШУМЛЕННЫХ ТРЕХМЕРНЫХ ИЗОБРАЖЕНИЙ ГРУППОВЫХ ТОЧЕЧНЫХ ОБЪЕКТОВ С АПРИОРНО

НЕИЗВЕСТНЫМИ ПАРАМЕТРАМИ

6.1. Решение задачи распознавания произвольно ориентированных ГТО на основе итерационного метода углового согласования

при отсутствии шума

6.2. Решение задачи распознавания ГТО в условиях действия шумов и априорной неопределенности угловых параметров и сдвига векторного задания сигнала

6.3. Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ

АКФ - автокорреляционная функция

ВКФ - взаимокорреляционная функция

ГТО - групповой точечный объект

КСФ - контурный согласованный фильтр

КТС - кватернионный сигнал

ЛА - летательный аппарат

НСП - нормированное скалярное произведение

ПГТО - пространственный групповой точечный объект

РВ - радиус -вектор

РУ - решающее устройство

СП - скалярное произведение

ФМС - формирователь меры схожести

ФСП - формирователь скалярного произведения

ЭВ - элементарный вектор

ЭКС - элементарный кватернионный сигнал

СПИСОК ПРИНЯТЫХ ОБОЗНАЧЕНИЙ

А - {Ат}ц~х - алфавит сигналов из М классов; Ь = Ь0 + Ъх г + Ь2] + 63 к - вращающий кватернион; С - комплексное линейное пространство; Н- векторное кватернионное пространство; £ - мера схожести двух векторных сигналов; I, у, к - мнимые единицы; М - количество классов алфавита; <2 = {#(«)}о 1 > Р = {р(")}Г' ~~ кватернионные сигналы; Я - расстояние между векторами;

го?р (//Р - оператор поворота вектора Р на угол \|/ вокруг оси с направляющим

вектором р = рх1 л- рг] л- рък \ б - размерность векторного сигнала; Ф - угол между векторами;

\|/ - угол поворота ЗБ вектора вокруг заданной оси; р - направляющий вектор оси вращения; О - собственная плоскость векторов я и р;

Введение диссертации (часть автореферата) на тему «Методы, модели и алгоритмы обработки групповых точечных объектов в условиях априорной неопределенности угловых параметров»

ВВЕДЕНИЕ

Актуальность темы. Современные информационно-телекоммуникационные системы характеризуется тем, что объектом их обработки являются различного рода изображения, достаточно сложные по структуре и с неоднородными статистическими свойствами. Примером могут служить радиолокационные, навигационные, различные медицинские диагностические системы, системы наблюдения за земной и водной поверхностями, ближним космическим пространством. Одной из важных задач таких систем является распознавание изображений. В последние годы решение задачи распознавания осложнилась в связи с необходимостью обработки не только плоских, 2Э изображений, но и пространственных, ЗО изображений. Развитие технологий трехмерного моделирования на современном этапе актуально и перспективно для создания автономных систем различного назначения.

Среди формируемых изображений особое место по важности содержащейся в ней информации занимают изображения в виде групповых точечных объектов (группировка космических и других летательных аппаратов, изображения антропогенных объектов, в частности, боевой техники и пр.). Существует несколько актуальных проблем, решение которых связано с необходимостью автоматизации обработки изображений групповых точечных объектов. Одна из них объясняется появлением радиолокационных станций с синтезированной апертурой, способных в высоком темпе осуществлять сбор данных об обстановке на больших участках подстилающей поверхности. Это вызывает, в свою очередь, необходимость получения в реальном масштабе времени результатов обработки таких данных. Особый интерес представляют две задачи: автоматическое обнаружение точечных целей и выделение групп среди обнаруженных такого вида объектов. Необходимость обработки групповых

точечных объектов (ГТО) с получением результатов в реальном масштабе времени возникает в радиолокационных системах управления воздушным движением. Динамические изображения ГТО наблюдаются на экранах индикаторов соответствующих систем. Достаточно важной является также задача автоматизированного структурного анализа локализованного ГТО. На его основании делается вывод о характере ордера целей, например, колонна, скопление и т.п.

Основные проблемы распознавания трехмерных изображений ГТО обусловлены действием шумов и наличием неинформативных параметров, происхождение которых вызвано угловым и пространственным рассогласованием распознаваемого объекта с каждым эталонным объектом алфавита классов. Поэтому проблема распознавания зашумленных и искаженных неинформативными параметрами трехмерных изображений и сигналов является актуальной и интенсивно разрабатывается специалистами в области радиолокации и систем технического зрения. Решение проблемы распознавания трехмерных изображений и сигналов будет способствовать повышению эффективности радиолокационных и воздушно-космических систем наблюдения за окружающей средой, развитию интеллектуальных робототехнических и навигационных систем.

Важнейшие результаты в области анализа сцен и распознавания образов получены отечественными учеными в рамках НТС РАН по проблеме «Кибернетика» под руководством академика РАН Ю.И. Журавлева. Следует отметить Самарскую школу под руководством член корр. РАН В.А. Сойфера, Новосибирскую школу под руководством д.т.н., профессора B.C. Киричука, Нижегородскую школу под руководством д.ф.-м.н., профессора Ю.Г. Васина, Курскую школу под руководством B.C. Титова и другими учеными, входящими в Российскую общественную организацию «Ассоциация распознавания образов и анализа изображений».

Под образом понимается структурированное приближенное (частичное) описание (эскиз) изучаемого объекта или явления, причем частичная определенность описания является принципиальным свойством образа [1].

Дефицит информации при описании распознаваемого образа возникает в силу следующих причин: 1) неполного описания объекта, вызванного либо стремлением упростить решение задачи распознавания, либо невозможностью получения полного описания, 2) разрушением полного описания объекта действием шумов и помех.

Большинство методов решения задач распознавания распадается на две группы, одну из которых можно трактовать с позиции теории решений (геометрический подход, дискриминантный подход), а другую - в рамках синтаксического (структурного) подхода [2]. В первом подходе образы объекта (patterns) характеризуются наборами чисел (векторами), полученными в результате некоторого множества измерений, характеризующих объекты, называемые признаками. Распознавание образов (отнесение каждого объекта к некоторому классу) обычно проводят при помощи разбиения пространства признаков на области [3-15]. Во втором подходе используется информация, описывающая структуру каждого объекта, а от процедуры распознавания образов требуется, чтобы она давала возможность не только отнести объект к определенному классу, но и описать признаки объекта, исключающие его отнесение к другому классу.

К проблемам гносеологического обоснования распознавания как категории и таких фундаментальных понятий распознавания, как образ, класс, распознающий алгоритм обращались и философы [16], и информатики, и математики. Существенное влияние оказали алгебраический подход Ю.А. Журавлева к задачам распознавания и классификации [17], идея комбинаторной регулярности Гренандера [18] и концепция парадигматического символа Ватанабе [19].

Известны следующие типы задач распознавания [1]: отнесение предъявленного объекта по его формализованному описанию к одному из заданных классов - задача распознавания (обучение с учителем); разбиение множества объектов по их формализованным описаниям на систему непересекающихся классов — задача автоматической классификации (обучение без учителя); построение формализованного описания объекта -задача приведения исходных данных к виду, удобному для распознавания.

Изображение как форма представления информации является и результатом, и объектом исследований в физике, астрономии, космонавтике, геологии, метеорологии, картографии, биологии, медицине и др. Изображение является выходным сигналом радио, лазерно-гидролокационных систем, систем технического зрения, телевизионных систем различного назначения. В этой связи выделяют достаточно новую область информатики - распознавание и анализ изображений [7]. Обработка изображений - это класс задач, для которых как входной, так и выходной информацией являются изображения. Примерами служат такие операции, как сжатие изображений, и устранение шума, улучшение качества и т.п. Задачи распознавания состоят в получении описания заданного изображения или в отнесении предъявленного изображения к одному из нескольких классов.

Среди информационных систем важным является класс систем с принятием решений. К ним относятся системы обнаружения, оценки параметров и распознавания сигналов. Еще с середины 70-х годов по мере развития элементной базы и создания алгоритмов обработки визуальной информации были начаты работы по интегральным роботам, представляющим собой замкнутые системы, действующие автономно в условиях, заранее четко не ограниченных. Большинство актуальных задач для систем распознавания не решены на сегодняшний момент по той причине, что не созданы алгоритмы для разработки программного обеспечения. Из-за необходимости обработки значительных объемов плохо

структурированной и искаженной информации достаточно сложно в полной мере использовать наработки теории сигналов, особенно для трехмерных изображений. В общем случае затруднительно ввести понятие и количественно определить потенциальную помехоустойчивость правильного распознавания. Существенная статистическая неоднородность и вариабельность законов распределений реальных изображений снижают эффективность использования методов оптимальной обработки. В такой ситуации носителем потенциального качества становится человек, но ментальная компонента, которую он использует при обработке и распознавании изображений, далеко не раскрыта и поэтому не может быть использована при создании эффективных алгоритмов. Данные факторы привели на современном этапе к проблемной ситуации в рассматриваемой области из-за широкого применения эвристических подходов [20,21].

В настоящее время существуют следующие основные проблемные вопросы, связанные с обработкой изображений:

- работа современных информационных систем характеризуется возможностью формирования в условиях большого отношения сигнал/шум детальных изображений, но основные трудности решения стоящих перед ней задач не устранены. Они вызваны необходимостью учета при математическом описании изображений ГТО случайных процессов вращения, изменения масштаба и других его параметров. В условиях априорной неопределенности параметров этих факторов принятие информационной системой правильного решения становится маловероятным событием;

- формирование трехмерных изображений для информационных систем, поскольку использование третьей координаты значительно увеличивает информативность изображения, усиливает степень ортогональности зашумленных изображений разных классов.

Особенно остро проблема правильного распознавания возникает в условиях априорной неопределенности параметров объектов. При наличии углового рассогласования между распознаваемым и эталонным объектами происходит изменение аналитического описания распознаваемого объекта, в результате которого происходит «разрушение» его образа и правильное распознавание резко падает.

Таким образом, в настоящее время существует проблемная ситуация между объективной необходимостью повышения достоверности распознавания трехмерных изображений групповых точечных объектов и возможностями существующих систем распознавания.

Указанная проблемная ситуация определяет постановку и решение актуальной научной проблемы - повышение достоверности распознавания изображений трехмерных групповых точечных объектов путем разработки автоматической системы распознавания, обеспечивающей угловое и пространственное согласование распознаваемого объекта с каждым эталонным объектом алфавита классов.

Научный аспект сформулированной проблемы заключается в развитии теоретических основ распознавания трехмерных изображений групповых точечных объектов на основе разработки математической модели трехмерного изображения, задаваемой векторными кватернионами, а также в разработке методов углового согласования и распознавания трехмерных изображений по их форме на основе математических моделей в виде полных кватернионов в условиях априорной неопределенности угловых параметров.

Практический аспект проблемы включает разработку структурно-функциональной организации и инженерно-технических решений, позволяющих реализовать помехоустойчивые системы распознавания и идентификации расположенных в свободном пространстве или на подстилающей поверхности со сложным рельефом местности с неизвестными параметрами углового положения групповых точечных

объектов, образованных группировками воздушно-космических объектов, изображениями антропогенных объектов и боевой техники.

Целью диссертационной работы является разработка теоретических и реализационных основ создания автоматической системы обработки трехмерных изображений групповых точечных объектов, обеспечивающей повышение достоверности распознавания на основе применения методов углового и пространственного согласования с использованием алгебры кватернионов.

В соответствии с поставленной целью в работе решаются следующие основные задачи:

1. Анализ состояния проблемы распознавания трехмерных изображений групповых точечных объектов в условиях априорной неопределенности угловых параметров.

2. Разработка системы математических моделей зашумленных трехмерных изображений групповых точечных объектов, обеспечивающих их распознавание в условиях априорной неопределенности угловых параметров.

3. Разработка метода углового согласования групповых точечных объектов по результатам решения обратной задачи их вращения.

4. Разработка итерационного метода углового согласования зашумленных групповых точечных объектов на основе кватернионной модели.

5. Создание системы алгоритмов и специализированного программного обеспечения для моделирования, анализа и решения задач: упорядочения точек изображения зашумленного группового точечного объекта; оценки параметров вращений трехмерных групповых точечных объектов; итерационного углового согласования групповых точечных объектов.

6. Разработка и экспериментальные исследования обобщенной структурно-функциональной организации оптимальной по критерию максимального правдоподобия автоматической системы распознавания зашумленных трехмерных изображений групповых точечных объектов с априорно неизвестными параметрами.

Объект исследования - система распознавания зашумленных трехмерных изображений объектов в условиях априорной неопределенности параметров.

Предмет исследования - математические модели, методы и алгоритмы распознавания трехмерных изображений групповых точечных объектов.

Методы исследования. Для решения поставленных в диссертационной работе задач были использованы методы теории распознавания образов, различения сигналов, кватернионного анализа, цифровой обработки сигналов и изображений, теории вероятностей и математической статистики, теории функции комплексного переменного, алгебры гиперкомплексных чисел, численные методы и методы математического моделирования.

Научная новизна. Научная новизна результатов, полученных в диссертации, и положения, выносимые на защиту, заключаются в следующем:

1. Концептуальное положение создания автоматической системы распознавания групповых точечных объектов, состоящее в устранении углового и пространственного рассогласования векторных описаний эталонного и распознаваемого объектов, что обеспечивает повышение достоверности распознавания.

2. Теоретические основы распознавания трехмерных изображений групповых точечных объектов в условиях априорной неопределенности параметров и большого уровня шумов, включающие:

- математическую модель пространственно расположенного группового точечного объекта, использующую кватернионные сигналы и позволяющую

получить большую информативность нормированного скалярного произведения (НСП) векторов ГТО в кватернионном пространстве по сравнению с НСП этих же векторов в действительном пространстве;

- математическую модель ГТО в виде контура, содержащую при отсутствии шумов и заданном положении полюса полную информацию о положении в трехмерном пространстве каждой точки объекта, обладающую инвариантностью к преобразованию сдвига ГТО и обеспечивающую визуальное представление о форме объекта;

- геометрическую модель ГТО, учитывающую результаты упорядочения всех его точек и позволяющую в дальнейшем применить для обработки ГТО стандартные методы обработки сигналов;

- математическую модель зашумленного распознаваемого ГТО, учитывающую угол поворота ГТО относительно оси с направляющим вектором и сдвиг номера начальной компоненты вектора, позволяющую разработать структуру системы распознавания ГТО в условиях действия шумов и априорной неопределенности угловых параметров, а также сдвига векторного задания сигнала, обеспечивающую повышение достоверности распознавания.

3. Метод углового согласования групповых точечных объектов на основе решения обратной задачи их вращения, отличающийся возможностью поэтапного вычисления оценок угла поворота и направляющего вектора, и обеспечивающий по сравнению с матричными методами уменьшение вычислительной сложности.

4. Итерационный метод углового согласования групповых точечных объектов с априорно неизвестными угловыми параметрами, основанный на свойствах полного кватерниона задавать одновременно меру схожести сигнала и величину угла между ними, и обеспечивающий реализацию операций как корректного (в случае когда один ГТО получен вращением другого с неизвестными параметрами поворота), так и

некорректного (в случае когда оба ГТО являются разными объектами) углового согласования групповых точечных объектов.

5. Метод пространственного согласования векторных описаний эталонного и распознаваемого групповых точечных объектов, основанный на определении по результатам работы согласованного кватернионного фильтра сдвига векторных описаний групповых точечных объектов, обеспечивающий последующий компенсирующий сдвиг компонент вектора одного из групповых точечных объектов для последующего их распознавания.

6. Система алгоритмов функционирования автоматической системы распознавания групповых точечных объектов, включающая:

- алгоритм упорядочения точек изображения зашумленного группового точечного объекта, учитывающий, что каждая точка объекта наделяется инвариантным к повороту информативным признаком, это позволяет провести упорядочение точек эталонного и повернутого пространственных групповых точечных объектов;

- алгоритм оценки параметров вращений трехмерных групповых точечных объектов и исследования его помехоустойчивости на основе кватернионного анализа, позволяющий выяснить механизм влияния шума на точность определения параметров вращения и сформулировать рекомендации по выбору пар векторов, обеспечивающих минимальное влияние шума на результаты вычислений;

алгоритм итерационного углового согласования трехмерных групповых точечных объектов и исследования его помехоустойчивости, основанный на свойствах скалярного произведения дискретных кватернионных сигналов, задающих данные объекты, и обладающий устойчивостью как при решении задачи корректного углового согласования изображений групповых точечных объектов, так и при решении некорректной задачи.

7. Синтезирована структурно-функциональная организация автоматической системы распознавания трехмерных изображений групповых точечных объектов, особенностью которой является введение следующих функциональных блоков: блока согласования векторных описаний групповых точечных объектов; блоков согласования по угловым параметрам эталонного и распознаваемого группового точечного объектов с соответствующими связями между ними, обеспечивающая повышение достоверности распознавания.

Теоретическая значимость работы заключается в развитии теории, методов и алгоритмов обработки зашумленных трехмерных изображений групповых точечных объектов с априорно неизвестными угловыми параметрами на основе разработки адекватной математической модели процесса и метода распознавания, учитывающих: пространственное рассогласование векторных описаний исходного и распознаваемого группового точечного объекта; угловое рассогласование групповых точечных объектов; наличие значительного уровня шумов, сопровождающих процесс распознавания.

Практическая значимость работы состоит в том, что ее результаты являются основой разработки широкого класса автоматических систем обработки трехмерных изображений объектов, которые позволяют:

- решать задачи распознавания и идентификации трехмерных объектов в условиях априорной неопределенности их параметров;

- обеспечить требуемые показатели распознавания;

- повысить оперативность и обоснованность принимаемых решений при распознавании пространственно расположенных объектов;

Практическая ценность и новизна подтверждается тем, что на основе предложенных методов и алгоритмов разработаны прикладные пакеты программ, защищенные Свидетельствами об официальной регистрации

программ для ЭВМ (№ 2009610894, № 2012617392, № 2012617393, № 20136102227).

Реализация результатов исследования осуществлена в Научно-исследовательском центре (г. Курск) ФГУП «18 ЦНИИ» МО РФ, в ОАО «Марийский машиностроительный завод», в учебном процессе Поволжского государственного технологического университета по специальностям 210601.65 «Радиоэлектронные системы и комплексы» и 220400.62 «Управление в технических системах», что подтверждено соответствующими документами. Теоретические и практические результаты работы использованы в следующих НИР, выполняемых автором в качестве исполнителя по грантам (2009-2013г.):

1. Грант РФФИ № 07-01-00058-а. К решению проблемы визуализации и анализа ЗЭ сцен, распознавания пространственных образов методами кватернионного исчисления.

2. Грант РФФИ № 08-01-00854-а. Решение проблемы распознавания и оценки параметров 2П и ЗЭ изображений при неизвестной нумерации отсчетов их контуров на базе теории функции комплексного и гиперкомплексного переменного.

3. Грант РФФИ № 10-01-00445-а. Решение проблемы распознавания и оценки параметров многоградационных и цветных ЗО изображений сложной формы при неизвестной нумерации их отсчетов на базе методов теории функции гиперкомплексного переменного.

4. Грант РФФИ № 11-07-00585-а. Разработка методов и создание информационной технологии для оценки параметров вращений пространственных групповых точечных объектов.

5. Грант Министерства образования РФ. НИОКР по заданию министерства, рег. номер 01-20-1255303. Теоретическое и экспериментальное обоснование решения проблемы углового согласования изображений трехмерных объектов на основе итерационного подхода.

Соответствие диссертации паспорту научной специальности.

Содержание диссертации соответствует паспорту специальности - 05.13.01 «Системный анализ, управление и обработка информации», а именно:

п. 1. «Теоретические основы и методы системного анализа, оптимизации, управления, принятия решений и обработки информации», в части разработки математической модели зашумленных трехмерных изображений групповых точечных объектов;

п.4. «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации», в части разработки методов и алгоритмов: углового согласования групповых точечных объектов по результатам решения обратной задачи их вращения, итерационного углового согласования зашумленных групповых точечных объектов на основе кватернионной модели, пространственного согласования векторных описаний эталонного и распознаваемого групповых точечных объектов.

п. 5. «Разработка специального математического и программного обеспечения систем анализа, оптимизации, управления, принятия решений и обработки информации», в части синтеза системы алгоритмов и специализированного программного обеспечения для моделирования, анализа и решения задач: оценки параметров вращений трехмерных групповых точечных объектов; итерационного углового согласования групповых точечных объектов.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих 17 международных и всероссийских конференциях: XI международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание 2013». - Курск, 2013; XVI международной научно-технической конференции «Медико-экологические информационные

технологии - 2013». - Курск, 2013; международной научно-практической конференции «Современные проблемы и пути их решения в науке, транспорте, производстве и образовании - 2012». - Одесса, 2012; 8-ой международной научно-практической конференции «Бъдещето въпроси от света на науката - 2012». - София, 2012; научно-технической конференции «Техническое зрение в системах управления-2012». - Москва, 2012; X международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2012». - Курск, 2012; 8-th Open German-Russian Workshop «Pattern recognition and image understanding. OGRW-8-2011». - Nizhny Novgorod, 2011; 15-й Всероссийской конференции «Математические методы распознавания образов. ММРО-15». -Петрозаводск, 2011; V Всероссийской научно-технической конференции «Радиолокация и радиосвязь». ИРЭ им. В.А. Котельникова РАН. - Москва, 2011; XIV международной научно-технической конференции «Медико-экологические информационные технологии - 2011». - Курск, 2011; 10-th International Conference «Pattern Recognition and Image Analysis: New Information Technologies. PRIA-0-2010». - St.Petersburg, 2010; X международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2010». - Курск, 2010; 9-th International Conference «Pattern Recognition and Image Analysis: New Information Technologies. PRIA-0-2008». - Nizhni Novgorod, 2008; International Conference «Information and telecommunication technologies in intelligent systems». - Katania, Italy, 2006; 11-й всероссийской конференции «Математические методы распознавания образов. ММРО-11». - Москва, 2003; международной конференции «Телевидение: передача и обработка изображений». - Санкт-Петербург, 2002; 5-ой Всероссийской конференции

«Методы и средства обработки сложной графической информации». -Нижний Новгород, 1998.

Содержание диссертационной работы. Диссертация состоит из введения, шести разделов, заключения и списка литературы.

Список литературы диссертационного исследования кандидат наук Егошина, Ирина Лазаревна, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Журавлев, Ю. И. Распознавание образов и анализ изображений /Искусственный интеллект, кн.2. /Справочник/ Ю.И. Журавлев, И.Б. Гуревич.; под. ред. Д.А. Поспелова - М.: Радио и связь. 1990. С. 142-191.

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

3. Розенфельд, А. Распознавание и обработка изображений / А. Розенфельд. Пер. с англ. под. ред. JT.C. Лебедева. - М: Мир, 1972. - 232 с.

4. Василенко, Г.И. Голографическое опознавание образов / Г.И. Василенко. -М.: Сов. Радио, 1977. - 328 с.

5. Дуда, Р. Распознавание образов и анализ сцен /Р. Дуда, П. Харт. - М.: Мир, 1976. -507 с.

6. Горелик, A.A. Методы распознавания /A.A. Горелик, В.А. Скрипкин. - М.: Высш.шк., 1984.-208 с.

7. Павлидис, Т. Алгоритмы машинной графики и обработки изображений / Т. Павлидис. Пер. с англ. Н.В. Петрова; под ред. М.С. Гуревича. - М: Радио и связь, 1986. -400 с.

8. Ту, Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес. Пер. с англ.; под ред. Ю. И. Журавлева. - М.: Мир, 1978. - 414 с.

9. Айзерман, М.А. Метод потенциальных функций в теории обучения машин / М.А. Айзерман, Э.М. Браверман, Л.И. Розаноэр-М.: Наука, 1970 - 384 с.

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

11. Фу, К. Робототехника / К. Фу, Р. Гонсалес, К. Ли. Пер. с англ. - М.: Мир, 1989.-624 с.

12. Барабаш, Ю.Л. Вопросы статистической теории распознавания/ Ю.Л. Барабаш [и др.]; под ред. Барского Б.В. - М.: Сов. радио, 1977. - 400 с.

13. Фомин, Я.А. Статистическая теория распознавания образов / Я.А. Фомин, Г.Р. Тарловский. - М.: Радио и связь, 1986 - 264 с.

14. Фукунага А. Введение в статистическую теорию распознавание образов: пер. с англ. /А. Фукунага.; под ред. А. А. Дородона - М.: Наука, 1979, - 367 с.

15. Фурман, Я. А. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Я. А. Фурман, И. Л. Егошина [и др.]; под ред. Я. А. Фурмана. -2-е изд., испр. - М.: ФИЗМАТЛИТ, 2003. - 592 с.

16. Тюктин, B.C. Теория автоматического опознавания и гносеология / B.C. Тюктин. - М.: Наука, 1975. - 192с.

17. Журавлев, Ю. И. Об алгебраическом подходе задач распознавания и классификации / Ю. И. Журавлев // Проблемы кибернетики. Вып. 33 - М.: Наука, 1978. -С. 5-68.

18. Гренандер, У. Лекции по теории распознавания образов. Т. 1-3 / У. Гренандер. Пер. с англ. - М.: Мир, 1979-1983. - 384 с. - 448 с. - 432с.

19. Журавлев, Ю.И. Алгоритмы распознавания, основанные на вычислении оценок /Ю.И. Журавлев, В.В. Никифоров // Кибернетика. - 1971, №3, С.1-11.

20. Comment оп Ignorance, Myopia and Naivete in Computer Vision Systems by M.A. Snuder / Jain Ramech C., Binford Thomas O. // CVGIP: Image Understand - 1991, -vol.53, №1. Pp.112-117.

21. Jain, R.C. Revolutions and experimental computer vision / R.C Jain, Т.О. Binford, Bowyer Kevin W., Jons Judson P. // CVGIP: Image Understand - 1991, - vol.53, №1. Pp. 127-128.

22. Уинстон, П. Психология машинного зрения / П. Уинстон. Пер. с англ.. - М.: Мир, 1978.-344 с.

23. Корн, Г. Справочник по математике для научных работников и инженеров / Г. Корн, Т. Корн. - М.: Наука, 1973. - 720 с.

24. Дюк, В.А. Компьютерная психодиагностика / В.А. Дюк. — СПб: Братство, 1994. —365 с.

25. Барабаш, Ю.Л. Коллективные статистические решения при распознавании / Ю.Л. Барабаш. — М.: Радио и связь, 1983. — 224 с.

26. Васильев, В.И. Распознающие системы: справочник / В.И. Васильев. — К.: Наукова думка, 1983. — 230 с.

27. Кузин, Л.Т. Основы кибернетики: основы кибернетических моделей. Т.2./ Л.Т. Кузин. — М.: Энергия, 1979. — 584 с.

28. Перегудов, Ф.И. Введение в системный анализ / Ф.И. Перегудов, Ф.П. Тарасенко. — М.: Высшая школа, 1989. — 367 с.

29. Темников Ф.Е. Теоретические основы информационной техники / Ф.Е. Темников, В.А. Афонин, В.И. Дмитриев. — М.: Энергия, 1979. — 511 с.

30. Уинстон, П. Искусственный интеллект: пер. с англ. / П. Уинстон. — М.: Мир, 1980. — 520 с.

31. Цыпкин, Я.З. Основы информационной теории идентификации / Я.З. Цыпкин. — М.: Наука, 1984. — 520 с.

32. Поспелов, Г.С. Искусственный интеллект — основа новой информационной технологии: сер. Академические чтения / Г.С. Поспелов. — М.: Наука, 1988. — 280 с.

33. Симанков, B.C. Адаптивное управление сложными системами на основе теории распознавания образов / B.C. Симанков, Е.В. Луценко. — Краснодар: Техн. ун-т Кубан. гос. технол. ун-та, 1999. — 318 с.

34. Информационные технологии в радиотехнических системах / В. А. Васин, И. Б. Власов, Ю. М. Егоров [и др.]; под ред. И. Б. Федорова. - М.: из-во МГТУ им. Баумана, 2004. -672 с.

35. Сосулин, Ю. Г. Разрешение и распознавание радиосигналов: уч. пособие / Ю. Г. Сосулин. - М.: МАИ, 1983.-41 с.

36. Лезин, Ю. С. Оптимальные фильтры и накопители импульсных сигналов / Ю. С. Лезин. - М.: Сов. радио, 1969. -319 с.

37. Харкевич, А. А. Борьба с помехами / А. А. Харкевич. - М.: Сов. радио, 1965. -

276 с.

38. Левин, Б. Р. Теоретические основы статистической радиотехники / Б. Р. Левин. - М.: Радио и связь, 1989. - 656 с.

39. Тихонов, В. И. Статистическая радиотехника / В. И. Тихонов - М.: Радио и связь, 1982. — 624 с.

40. Фурман, Я. А. Комплекснозначные и гиперкомплексные системы в задачах обработки многомерных сигналов / Я. А. Фурман, А. В. Кревецкий, А. А. Роженцов, И.Л. Егошина [и др.]; под ред. Я. А. Фурмана. - Москва: ФИЗМАТЛИТ, 2004. - 456 с.

41. Вайнштейн, Л. А. Выделение сигналов на фоне случайных помех / Л. А. Вайнпггейн, В. Д. Зубков. - М.: Сов. радио, 1960. - 448 с.

42. Мидцлтон, Д. Введение в статистическую теорию связи / Д. Мидддтон. - М.: Сов. радио, - т. 1,1962. - 832 с.

43. Гуткин, Л. С. Теория оптимальных методов радиоприемника при флуктуационных помехах / Л. С. Гуткин. - М.: Сов. радио, 1972. — 448 с.

44. Котельников, В. А. Теория потенциальной помехоустойчивости: докторская диссертация / В. А. Котельников. - МЭИ, Госэненргоиздат, 1964. - 152 с.

45. Роберте, Л. Автоматическое восприятие трехмерных объектов/ Л. Роберте// Интегральные роботы. Сборник статей под ред. Г.Е. Поздняка. - М.: Мир, 1973. - С.163-208.

46. Сутро, Л. Совокупность решающих устройств для управления роботом / Л. Сутро, У. Килмер // Интегральные роботы. Сборник статей под ред. Г.Е. Поздняка, - М.: Мир, 1973-С. 112-161.

47. Сойфер, В. А. Методы компьютерной обработки изображений / под ред. В. А. Сойфера. - М.: Физматлит. 2001. - 784 с.

48. Потапов, А. А. Новейшие методы обработки изображений / под ред. А. А. Потапова. - М.: Физматлит, 2008. -496 с.

49. Хорн, Б. К. П. Зрение роботов /Б. К. П. Хорн. - М.: Мир, 1989. -487 с.

50. Вархаген, К. Распознавание образов: состояние и перспективы / К. Верхаген, Р. Дейн, Ф. Грун [и др.] - М.: Радио и связь, 1985. -117 с.

51. Баскаков, С.И. Радиотехнические цепи и сигналы: учебник для вузов по спец. «Радиотехника» / С.И. Баскаков. - 5-е изд.; стер. Москва: Высшая школа, 2005. - 462 с.

52. Информационные технологии в радиотехнических системах: учебн. пособие по специальностям «Радиотехника», «Радиоэлектрон, системы» направления подгот. «Радиотехника»/ В.А. Васин (и др.); под ред И.Б. Федорова. - Изд. 2-е, перераб. и доп. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2004. - 764с.

53. Ефимов, Н.В. Линейная алгебра и многомерная геометрия / Н.В. Ефимов, Э.Р. Розендорн. - М.: Главная редакция физико-математической литературы "Наука", 1974.-544 с.

54. Кантор, И.Л. Гиперкомплексные числа / И.Л. Кантор, A.C. Солодовников // -М.: Наука, 1973.- 144 с.

55. Фурман, Я.А. Нахождение параметров вращения пространственного группового точечного объекта по результатам его фильтрации / Я.А. Фурман, К.Б. Рябинин //Радиотехника и электроника, т.53, №1, 2008. С.86-97.

56. Кук, Ч. Радиолокационные сигналы / Ч. Кук, М. Бернфельд // Пер. с англ.; Под ред. B.C. Кельзона. - М.: Сов. Радио, 1971. - 566 с.

57. Гоулд, Б. Цифровая обработка сигналов /Б. Гоулд, Ч. Рэйдер. Пер. с англ.; под ред. А. М. Трахтмана. - М.: Сов. радио, 1973. - 368 с.

58. Witman, R. L. Automating clustering of synthetic aperture radar (SAR) target / Witman R.L., O. Rear R. L. - Jn: IEEE NAECON, 1980. - № 3. - Pp. 717-724.

59. К решению проблемы визуализации и анализа 3D сцен, распознавания пространственных образов методами кватернионного исчисления / отчет по гранту РФФИ, научный руководитель Фурман Я.А., проект № 07-01-00058,2009г.

60. Фурман, Я.А. Визуализация изображений в трехмерных сценах: учебное пособие / Я.А. Фурман. - Йошкар-Ола: МарГТУ, 2007. - 289 с.

61. Фурман, Я. А. Проволочная модель пространственного группового точечного объекта / Я.А. Фурман, К.Б. Рябинин, М.И. Красильников // Автометрия. -2008, Т. 44, №3, С. 3-16.

62. Ишлинский, А.Ю. Ориентация, гироскопы и инерциальная навигация / А.Ю. Ишлинский. — М.: Наука, 1976. — 670 с.

63. Бранец, В.Н. Применение кватернионов в задачах ориентации твёрдого тела / В.Н. Бранец, И.П. Шмыглевский - М.: Наука, 1973. - 320 с.

64. Роженцов, А.А. Оценка трудоемкости определения параметров вращений трехмерных объектов / А.А. Роженцов, Р.Г. Хафизов, И.Л. Егошина, Д.Г. Хафизов // Вестник марийского государственного технического университета. Радиотехнические и инфокоммуникационные системы. - 2008. - №3. - С. 51-61.

65. Фурман, Я.А. Угловое согласование изображений трехмерных объектов / Я.А. Фурман, И.Л. Егошина, Р.В. Ерусланов //монография ВИНИТИ № 398-В2011 31.08.2011 - 181 с.

66. Тихонов, А.Н. Методы решения некорректных задач /А.Н. Тихонов, В.Я. Арсеньев - М.: Наука. 1979. - 285 с.

67. Egoshina, I.L. Defining the parameters of quaternion signals rotation/ I.L. Egoshina, Ya.A. Furman // 9th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-9-2008). Conference Proceedings. Nizhni Novgorod, 2008. - Pp. 116-119.

68. Фурман, Я. А. Обратная задача вращения трехмерных векторных сигналов / Я. А. Фурман, И. Л. Егошина // Автометрия. - 2010. - Т. 46, N 1. - С. 46-56.

69. Furman, Ya.A. Determining the rotational variables of a spatial group point object from the object's filtering results / Ya.A. Furman, K.B. Ryabinin // Journal of Communications Technology and Electronics. - 2008. - Vol. 53. - No. 1. - Pp. 78 - 89.

70. Гонсалес, P. Цифровая обработка изображений./ P. Гонсалес, P. Вудс. - M.: Техносфера, 2005. - 1072 с.

71. Казанова, Г. Векторная алгебра. / Г. Казанова: пер. с фр. - М.: Мир, 1979. -

120 с.

72. Фор, А. Восприятие и распознавание образов / Пер. с фр. А. В. Серединского; под ред. Г. П. Катыся. - М. Машиностроение, 1989. - 272с.

73. Андреев, В. П. Состав системы технического зрения для анализа сложных трёхмерных сцен / В. П. Андреев // Искусственный интеллект. В 3-х кн. Кн.1. Системы общения и экспертные системы: справочник / под ред. Э. В. Попова - М.: Радио и связь, 1990, С. 184- 189.

74. Анисимов, Б. В. Распознавание и цифровая обработка изображений. / Б.В. Анисимов, В.Ф. Курганов, В.К. Злобин - М.: Высшая школа. - 1983. - 296 с.

75. Шашкин, Ю. А. Эйлерова характеристика / Ю.А. Шашкин. - М.: Наука, 1984.-96 с.

76. Barow, H.G. Interpreting Line Drawings as Three-Dimensional Surfaces / H.G. Barow, J.M. Tenenbaum // Artifical Intelligence, Vol. 17. Nos. 1-3. 1981. Pp. 76-116.

77. Guzman, A. Decomposition of a Visual Scene / A. Guzman // Three-Dimensional Bodies in Automatic Interpretation and Classification of Images, Acadmic Press. N.Y. 1969. -14 c.

78. Waltz, D. I. Generating Semantic Descriptions from Drawings, of Scenes with Shadows / D.I. Waltz; Ph. D. Dissertarion. - Artificial Intelligence Lab., MIT, Cambridge, Mass. -1972.-349 p.

79. Waltz, D. I. Automata Theoretic Approach to Visual Information Theory / D. I. Waltz - N.Y, Prentice-Hall, Englewood Cliffs. 1976. - 230 p.

80. Faugeras, O. D. Fundamentals in Computer Vision / O.D. Faugeras. - Cambridge Univ, Press, Cambridge, 1983. - 508 p.

81. Faugeras, O. D. Tree dimensional computer vision / O. D. Faugerass. - London: MIT Press, 1993.- 19 p.

82. Zucker, S. W. A Three-Dimensional Edge Operator / S. W. Zucker, Hummel R.A./ IEEE Transactions on Pattern Analysis and Machine Intelligence. - 1981. - Vol. 3, № 3. -Pp. 324-331.

83. Dorf, R.C. A robot ultrasonic sensor for object recognition/ R.C. Dorf, A. Nezamfar // Robots 8, Conf. Proc. Detroit. - 1984. - Pp. 21 - 44.

84. Oshima, M. A scene description method using 3D information / M. Oshima, Y. Shirai // Pattern Recoq., - Vol. 11. - 1979. - Pp. 9-17.

85. Shirai, Y. Three Dimensional Computer Vision / Y. Shirai // Computer Vision and Sensor - Based Robots (G.G/ Dodd and L. Rossol, eds), Plenum N.Y. - 1979. - Pp. 187-205.

86. Snuder, M.A. Comment on Ignorance, Myopia and Naivete / M.A. Snuder // Computer Vision Systems / R.C. Jain, Т.О. Binford // CVGIP: Image Understand - 1991, -vol.53, №1. Pp. 112-117.

87. Jain, R.C. Revolutions and experimental computer vision / R.C. Jain, Т.О. Binford // CVGIP: Image Understand - 1991, - vol.53, №1. Pp. 127-128.

88. Zahn, Ch. T. Graph-Theoretikal Methods for Detecting and Describing Gestalt Clusters / Ch. T. Zahn // IEEE Transactions on Computers. - 1971. - V.C-20, №1. Pp. 468486.

89. Hamilton, W.R. Elements of Quaternions / W.R. Hamilton. — Chelsey Publishing Company, New York, 1969. -619 c.

90. Hamilton, W.R. Lectures on Quaternions / W.R. Hamilton. — Dublin: Hodges and Smith, 1853.-736 c.

91. Журавлев, Ю.И. Экстремальные задачи, возникающие при обобщении эвристических процедур / Ю.И. Журавлев // Проблемы прикладной математики и механики. - М.: Наука - 1971. С. 67-75.

92. Журавлев, Ю.И. Корректные алгебры над множествами некорректных (эвристических) алгоритмов / Ю.И. Журавлев // Кибернетика. - 1978. №.2. С.35-43.

93. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) / А.Н. Писаревский, А.Ф. Чернявский, Г.К. Афанасьев и др.; Под общ. ред. А.Н. Писаревского, А.Ф. Чернявского. - Л.: Машиностроение. Ленингр. отд-ние, 1988.-423 с.

94. Техническое зрение роботов / Под ред. А. Пью; Пер. с англ. Д.Ф. Миронова; Под ред. Г.П. Катыса. - М.: Машиностроение, 1987. - 320 с.

95. Техническое зрение роботов / В.И. Мошкин, A.A. Петров, B.C. Титов, Ю.Г. Якушенков; Под общ. ред. Ю.Г. Якушенкова. - М.: Машиностроение, 1990. -272 с.

96. Надь, Г. Цифровая обработка изображений, получаемых при дистанционном зондировании природных ресурсов / Г. Надь // Распознавание образов при помощи вычислительных машин / Под ред. Л. Хармона. - М.: Мир, 1972. - №90, Т.67.- С.90-121.

97. Небабин, В.Г. Методы и техника радиолокационного распознавания / В.Г. Небабин, В.В. Сергеев. - М.: Радио и связь, 1984. - 240 с.

98. Пытьев, Ю. П. Морфологический и нечеткий анализ изображений групп точечных объектов / Ю. П. Пытьев, А. И. Чуличков // Математические методы распознавания образов. Звенигород, 1993,- С.45-57.

99. Красильников, H.H. Цифровая обработка 2D- и 3D-изображений / H.H. Красильников. - СПб.: БХВ, 2011. - 608 с.

100. Аркадьев, А.Г. Обучение машины классификации объектов / А.Г. Аркадьев,

B.Н. Браверман - М.: Наука, 1971. - 172 с.

101. Бурый, A.C. Методы идентификации астроориентиров в задачах ориентации и навигации космического аппарата по изображениям звездного неба / A.C. Бурый,

C.Н. Михайлов // Зарубежная радиоэлектроника. - 1994.-№7-8. С.44-52.

102. Зиман, Я.Л. Алгоритм опознавания звезд на снимках / Я.Л. Зиман, В.А. Красиков, Г.А. Алексешина // Аэрокосмические исследования Земли: Обработка видеоинформации на ЭВМ. - М.: Наука, 1978. - С.79-86.

103. Смолин, A.Jl. Гиперкомплексные преобразования Лоренца, эфир и остальная физика / А.Л. Смолин. - М: Диалог-МГУ, 1999. - 105 с.

104. Арнольд, В.И. Геометрия комплексных чисел, кватернионов и спинов/ В.И. Арнольд. - Изд. 2-е, стер.. - М.: МЦНМО, 2009. - 40 с.

105. Садбери Э. Кватернионный анализ / Э. Садбери // Гиперкомплексные числа в геометрии и физике. - 2004. - № 2 (2). - С. 130-137.

106. Ефремов, А.П. Кватернионы: алгебра, геометрия и физические теории / А.П. Ефремов // Гиперкомплексные числа в геометрии и физике. М.: МГТУ им. Н.Э. Баумана. №1. 2004. - С. 119-135.

107. Виноградов, И. М. Математическая энциклопедия/ И.М. Виноградов, т.2 Д -Коо. -М.: «Советская Энциклопедия», 1979. - С. 838-839.

108. Бакулев, П. А. Радиолокационные и радионавигационные системы: учеб. пособие для вузов / П. А. Бакулев, А. А. Сосновский. - М.: Радио и связь, 1994. -296 с.

109. Розенфельд, А. Сегментация и модели изображений / А. Розенфельд, Л. С. Дейвис //ТИИЭР. - 1979. - Т.67, №5. - С. 71-82.

110. Потапов, А. А. Новейшие методы обработки изображений / под ред. А. А. Потапова. - М.: Физматлит, 2008. - 496 с.

111. Лезин, Ю.С. Введение в теорию и технику радиотехнических систем: учебное пособие для вузов / Ю.С. Лезин.-М.: Радио и связь, 1986. - 280 с.

112. Кревецкий, A.B. Распознавание трехмерных объектов по форме пространственных контуров / A.B. Кревецкий // Автометрия. 2001. -№ 2.-С. 21-31.

113. Евдокимов, А.О. Сравнительный анализ методов упорядочения отметок пространственных групповых точечных объектов / А.О. Евдокимов // Материалы Всероссийской конференции «Распознавание образов и анализ изображений: новые информационные технологии РОАИ-9-2008» - Нижний Новгород, 2008 - ч.2. — С. 173179.

114. Роженцов, A.A. Потенциальная эффективность распознавания комплекснозначных и кватернионных сигналов / A.A. Роженцов // Известия вузов. Приборостроение. — 2006. — № 4. — С.26-35.

115. Коростелев, С. Метод распознавания объектов на основе трехмерных эталонов/ С. Коростелев // Материалы Всероссийской конференции «Распознавание образов и анализ изображений: новые информационные технологии РОАИ-9-2008» -Нижний Новгород, 2008. - ч.2. - С. 293-330.

116. Евдокимов, А.О. Синтез и анализ алгоритмов распознавания и оценки параметров изображений групповых точечных объектов в условиях ошибок обнаружения

отдельных отметок. Диссертация на соискание ученой степени кандидата технических наук / А.О. Евдокимов // МарГТУ, Йошкар-Ола. 2004. - 187 с.

117. Хафизов, Д.Г. Синтез и анализ алгоритмов распознавания изображений пространственных групповых точечных объектов. Диссертация на соискание ученой степени кандидата технических наук / Д.Г. Хафизов // МарГТУ , Йошкар-Ола. 2004.- 151с.

118. Рябинин, К.Б. Обработка и распознавание трехмерных изображений групповых точечных объектов и точечных полей на базе их кватернионных моделей. Диссертация на соискание ученой степени кандидата технических наук/ К.Б. Рябинин // УГТУ , Ульяновск. 2006. - 208 с.

119. Роженцов, A.A. Синтез и анализ систем распознавания изображений групповых точечных объектов с оценкой их потенциальной помехоустойчивости. Диссертация на соискание ученой степени доктора технических наук / A.A. Роженцов // МЭИ, Москва, 2008. - 326 с.

120. Хафизов, Р.Г. Системы распознавания плоских и объемных изображений по их форме на основе контурного анализа. Диссертация на соискание ученой степени доктора технических наук / Р.Г. Хафизов // КАИ, Казань, 2010. -325 с.

121. Егошина, И.Л. Синтез и анализ системы обнаружения изображений с прямолинейными границам. Диссертация на соискание ученой степени кандидата технических наук/ И.Л. Егошина // Вятский ГТУ , Киров. 1999. - 268 с.

122. Кревецкий, A.B. Обработка изображений в системах ориентации летательных аппаратов / A.B. Кревецкий. - Йошкар-Ола: Изд-во МарГТУ, 1998. - 149 с.

123. Фурман, Я.А. Задание групповых точечных объектов и алгоритмов нумерации составляющих их точек / Я.А. Фурман, Н.М. Кравцова // Цифровая обработка многомерных сигналов: Межвуз. сб. науч. тр. - Йошкар-Ола, 1992.- С. 25-31.

124. Фурман, Я.А. Оценка параметров линейных преобразований зашумленных контуров изображений / Я.А. Фурман // Автометрия. - 1992. №3. - С. 112-120.

125. Роженцов, А. А. Оценка параметров и распознавание изображений трехмерных объектов с неупорядоченными отсчетами/ A.A. Роженцов, A.A. Баев, A.C. Наумов // Автометрия. - Том 46. - № 1. - 2010. - С.57-69.

126. Хафизов, Д.Г. Метод устранения неоднозначности при оценке параметров вращений изображений пространственных точечных объектов / Д.Г. Хафизов // Вестник компьютерных информационных технологий. - 2012. - №7. - С. 11-15.

127. Хафизов, Д.Г. Метод получения инвариантного к параметрам вращения изображения пространственного группового точечного объекта / Д.Г. Хафизов // Автометрия. - 2011. - т. 47. - №6. - С.28-33.

128. Хафизов, Д.Г. Определение параметров вращения пространственного группового точечного объекта при неизвестной нумерации точечных отметок / Д.Г. Хафизов // Компьютерная оптика. - 2011 - т. 35. - №1. - С.117-122.

129. Furman, Ya.A. An Analysis of the Quantization of Extended Recti-linear Boundaries of Images Specified on a Square Graticule / Ya.A. Furman, I.L. Egoshina // Pattern Recognition and Image Analysis. - vol. 8. - No. 3. - 1998. - P.329-331.

130. Furman, Ya.A. Distinguishing the Contours of Images with Extended Rectilinear Boundaries / Ya.A. Furman, I.L. Egoshina // Pattern Recogn. and Image Analysis. - vol. 9. -No. 2,-1999.-P.251-253.

131. Фурман, Я. А. Обработка контуров изображений с протяженными прямолинейными границами / Я.А. Фурман, И.Л. Егошина, Р.Г. Хафизов // Автометрия. -№6.-1999.-С. 93-104.

132. Фурман, Я.А. Сегментация и описание трехмерных структур на базе кватернионных моделей/ Я.А. Фурман // Наукоемкие технологии, - 2007. - т.8, №9 - С. 37—49.

133. Фурман, Я.А. Оцифровка на квадратной сетчатке прямолинейных границ изображений/ Я.А. Фурман, И.Л. Егошина // Автометрия, -№4. - 2000. - С. 53-110.

134. Егошина, И.Л. Восстановление объекта из изображений его частей / И.Л. Егошина // Тезисы 11-й Всероссийской конференции «Математические методы распознавания образов», Российская академия наук, вычислительный центр. Москва. -2003. - С.15-18.

135. Хафизов, Р.Г. Распознавание плоских зашумленных изображений по их форме / Р.Г. Хафизов, И.Л. Егошина // Известия Вузов. Приборостроение. - 2006. - № 4. -С. 46-51.

136. Фурман, Я.А. Проблемы обработки пространственных изображений и некоторые подходы к их решению / Я. А. Фурман, И. Л. Егошина //Вестник Марийского государственного технического университета. Радиотехнические и инфокоммуникационные системы. - 2007г. - №1. - С. 11-21.

137. Фурман, Я. А. Упорядочение группового точечного объекта на основе метода критических плоскостей / Я. А. Фурман, А. А. Роженцов, Д. В. Бахтин // Проблемы обработки информации / Вестник АТН РФ, Вятский научный центр - 2007. - Вып. 1(7). -С. 129-134.

138. Egoshina, I.L. Filtration of spatially deposited rectilinear image borders / I.L. Egoshina // «Information and telecommunication technologies in intelligent systems»: International Conference. - Katania, Italy, 2006. - Pp. 86-88.

139. Egoshina, I.L. Defining the parameters of quaternion signals rotation /I.L. Egoshina //«Pattern Recognition and Image Analysis: New Information Technologies. PRIA-0-2008»: 9-th International Conference. - Nizhni Novgorod, 2008. - Vol.1. - Pp.116-119.

140. Egoshina,. I.L. Streamiling of points of group pointwise objects under the matching principle each other / I.L. Egoshina, N.A. Trepalov // «Pattern Recognition and Image Analysis: New Information Technologies. PRIA-0-2010»: 10-th International Conference. - St.Petersburg, 2010. - Pp.11-12.

141. Egoshina, I.L. Computing algorithm of the estimation of noise stability of results of the decision of the inverse problems of rotation 3D images /I.L. Egoshina // «Pattern Recognition and Image Analysis: New Information Technologies. PRIA-0-2010»: 10-th International Conference. - St.Petersburg, 2010. - Pp.17-18.

142. Егошина, И.Л. Задача распознавания 3D медицинских изображений на базе кватернионного анализа / И.Л. Егошина//Медицинские приборы и технологии: Международный сборник научных статей / Вып. 4. - Тула: Изд-во ТулГУ, 2011.-С. 147-149.

143. Егошина, И.Л. Исследование эффективности процедуры упорядочения точек пространственных групповых точечных объектов медицинских изображений при их распознавании / И.Л. Егошина // «Медико-экологические информационные технологии -2011»: материалы XIV международной научно-технической конференции. - Курск: ЮЗГУ, 2011.-С. 207-210.

144. Фурман, Я. А. Методы и средства обработки дискретных комплексных и кватернионных сигналов: учебное пособие с грифом УМО / Я. А. Фурман, Д. Г.Хафизов // Йошкар-Ола: МарГТУ, 2011 - 388 с.

145. Furman, Y. A. The iterative algorithm of the angular matching of images of space group objects / Y. A. Furman, I.L. Egoshina, R.V. Eruslanov // 8th Open German-Russian Workshop "Pattern Recognition and Image Understanding" OGRW-8-2011. Nizhny Novgorod. -2011.-Pp. 68-70.

146. Фурман, Я. А. Восстановление координат точек на поверхности объекта по серии изображений его теней / Я. А. Фурман, Р. В. Ерусланов, И. Л. Егошина / Автометрия. - 2011. - т. 47, №6. - С. 16-27.

147. Фурман, Я. А. Согласование кватернионных сигналов по угловым параметрам / Я. А. Фурман// Проектирование и технология электронных средств - 2011. -№1. - С. 12-15.

148. Фурман, Я. А. Согласованная фильтрация зашумленных дискретных кватернионных сигналов / Я. А. Фурман, И. J1. Егошина, Р. В. Ерусланов // V Всероссийская конференция «Радиолокация и радиосвязь», - 2011. - M. - С.281-286.

149. Фурман, Я. А. Согласование изображений пространственно расположенных групповых точечных объектов по угловым координатам / Я.А. Фурман, И.Л. Егошина, Р.В. Ерусланов //Математические методы распознавания образов. Сборник докладов 15-й Всероссийской конференции - М.: МАКС Пресс - 618 с. 2011. - С.390-393.

150. Фурман, Я. А. Различение 3D изображений объектов по их плоским проекциям на подстилающую поверхность / И.Л. Егошина, Я.А. Фурман, Р.В. Ерусланов // «Техническое зрение в системах управления-2012»: сборник материалов научно-технической конференции. - Москва, 2012. - С. 59-61.

151. Фурман, Я.А. 2D и 4D векторные сигналы с хорошими корреляционными свойствами / Я. А. Фурман, И.Л. Егошина, Р.В. Ерусланов // Доклады V Всероссийской научно-технической конференции Радиолокация и радиосвязь 21-25 ноября 2011. ИРЭ им. В .А. Котельникова РАН. - Москва - 2011. - С. 286 - 291.

152. Егошина, И.Л. Оптимизация помехоустойчивости результатов решения обратной задачи вращения трехмерных векторных сигналов /И.Л. Егошина// «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2010»: сборник материалов X международной научно-технической конференции. - Курск: ЮЗГУ, 2010. - С.49-50.

153. Егошина, И.Л. Помехоустойчивость итерационного алгоритма углового согласования трехмерных изображений /И.Л. Егошина // «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2012»: сборник материалов X международной научно-технической конференции. -Курск: ЮЗГУ, 2012. - С.35-37.

154. Егошина, И.Л. Процедура упорядочения точек пространственных групповых точечных объектов / И. Л. Егошина // «Методы и устройства передачи и обработки информации». - 2011. - №13. - С. 81-85.

155. Фурман, Я.А. Реконструкция изображений и распознавание объектов многогранной формы / Я. А. Фурман, Р. В. Ерусланов, И. Л. Егошина // Pattern Recognition and Image Analysis» - 2012. - vol.12. - №1. - Pp. 196-209.

156. Фурман, Я.А. Согласование угловых параметров и векторных описаний 3D групповых точечных объектов / Я. А. Фурман, И. Л. Егошина, Р. В. Ерусланов // Автометрия - 2012. - Т.48, №6 - С.3-17.

157. Фурман, Я. А. Согласованная фильтрация зашумленных дискретных кватернионных сигналов / Я.А. Фурман, Р.В. Ерусланов, И.Л. Егошина [Электронный ресурс] // Журнал радиоэлектроники. - 2012. - №3. Режим доступа: http ://j re. cplire .ru/mac/mar 12/index .html

158. Фурман, Я.А. 2D и 4D векторные сигналы с хорошими корреляционными свойствами / Я.А. Фурман, Р.В. Ерусланов, И.Л. Егошина [Электронный ресурс] // Журнал радиоэлектроники. - 2012. - №4. Режим доступа: http://ire.cplire.ru/ire/aprl2/index.html

159. Егошина, И.Л. Количественные оценки помехоустойчивости определения угла при вращении трехмерных сигналов /И.Л. Егошина // Радиотехнические и инфокоммуникационные системы. Вестник Марийского государственного технического университета. - 2012. - № 1. - С. 60-66.

160. Егошина, И.Л. Итерационное решение проблемы углового согласования пространственных групповых точечных объектов / И.Л. Егошина //«Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание 2013»: материалы XI международной научно-технической конференции. - Курск: ЮЗГУ, 2013. - С. 51-54.

161. Различение трехмерных объектов / Я.А. Фурман, И.Л. Егошина, Р.В. Ерусланов - под общей ред. проф. Я.А. Фурмана. - Йошкар-Ола. Поволжский госуд. техн. университет. 2013. - 260с.

162. Egoshina, I.L. Inverse Problem of Rotation of Three-Dimensional Vector Signals / Y.A. Furman, I.L. Egoshina // Optoelectronics, Instrumentation and Data Processing. Vol.46, No. 1,2010.-Pp. 37—46.

163. Furman, Y.A., Reconstructing the Coordinates of Surface Points of an Object with a Set of Images of Its Shadow / Y.A. Furman, R.V. Eruslanov, I.L. Egoshina // Optoelectronics, Instrumentation and Data Processing. - Vol. 47. - №. 6. - 2011. - Pp. 537-546.

164. Furman, Y.A. Reconstruction of Images and Recognition of Polyhedral Objects / Y.A. Furman, R.V. Eruslanov, I.L. Egoshina // Pattern Recognition and Image Analysis. - Vol. 22. - № 1, 2012. - Pp. 196-209.

165. Egoshina, I.L. Matching Angular and Vector Descriptions of Three-Dimensional Group Point Objects / Ya.A. Furman, I.L. Egoshina, R.V. Eruslanov // Optoelectronics, Instrumentation and Data Processing, 2012, - Vol. 48. - №. 6. - Pp. 537-549.

166. Егошина, И.Л. Итерационный подход для решения углового согласования трехмерных изображений / И.Л. Егошина // «Современные проблемы и пути их решения в науке, транспорте, производстве и образовании-2012»: материалы международной научно-практической конференции. - Одесса, 2012. - Том 12. - С. 20-23.

согласования 3D изображений /И.Л. Егошина // «Бъдещето въпроси от света на науката -2012»: материалы 8 -ой международной научно-практической конференции. - София, 2012.-Том 40.-С. 74-77.

168. Егошина, И.Л., Программа для решения обратной задачи вращения поливекторных сигналов. / И.Л. Егошина, Я.А. Фурман, Д.Г. Хафизов, Р.Г. Хафизов. -Свидетельство об официальной регистрации программы для ЭВМ № 2009610894, РОСПАТЕНТ, 09.02.2009.

169. Егошина, И.Л. Программа для исследования обратной задачи вращения пространственных групповых точечных объектов. / И.Л. Егошина, Я.А. Фурман. -Свидетельство о государственной регистрации программ для ЭВМ № 2012617393, РОСПАТЕНТ. 16.08.2012.

170. Егошина, И.Л. Программа для исследования итерационного алгоритма углового согласования пространственных групповых точечных объектов. / И.Л. Егошина, Я.А. Фурман. - Свидетельство о государственной регистрации программ для ЭВМ № 2012617392. РОСПАТЕНТ.16.08.2012.

171. Ерусланов, Р.В. Программный комплекс восстановления изображения 3D объекта по его плоским проективным изображениям / Р.В. Ерусланов, Я.А. Фурман, И.Л. Егошина // Свидетельство о государственной регистрации программы для ЭВМ № 20136102227 09.01.2013.

172. Egoshina, I.L. Iterative Algorithm for Angular Matching of Group Point Objects with A Priori Uncertainty of Parameters / Y. A. Furman, R.V. Eruslanov, I.L. Egoshina // Pattern Recognition and Image Analysis. - 2013. - Vol. 23. - No. 3. - Pp. 381-388.