Методы, высокопроизводительные алгоритмы и устройства обработки изображений с использованием нейроподобных структур тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат технических наук Панищев, Владимир Славиевич

• Панищев, Владимир Славиевич
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Панищев, Владимир Славиевич

ВВЕДЕНИЕ

1. АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ, АЛГОРИТМОВ И 10 УСТРОЙСТВ ВВОДА И ОБРАБОТКИ ИЗОБРАЖЕНИЙ

1.1. Методы и алгоритмы обработки изображений

1.2. Устройства ввода и обработки изображений 28 Выводы

2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОЦЕССА ВВОДА И 39 ОБРАБОТКИ ИЗОБРАЖЕНИЙ

2.1. Оцифровка и ввод изображения

2.2. Контрастирование изображения

2.3. Выделение контуров объектов на изображении

2.4. Бинаризация и скелетизация (утончение) изображения

2.5. Преобразование Фурье. Выделение спектральных признаков 48 изображения

2.6. Обобщенная математическая модель процесса ввода и обработки 51 изображений

Выводы

3. РАЗРАБОТКА МЕТОДОВ И ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ 53 АЛГОРИТМОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ

3.1. Метод повышения контрастности изображения

3.2. Выделение контуров на изображении с использованием 58 нейроподобных структур

3.3. Выделение контуров объектов на изображении с использованием 66 РСА (principal component analyze) нейросети

3.4. Бинаризация и скелетизация изображения

3.5. Быстрый алгоритм ДПФ для обработки изображений на основе 71 БПФ Кули-Тьюки для одномерных сигналов

Выводы

4. СТРУКТУРНО-ФУНКЦИОНАЛЬНАЯ ОРГАНИЗАЦИЯ 79 БЫСТРОДЕЙСТВУЮЩИХ УСТРОЙСТВ ВВОДА И ОБРАБОТКИ ИЗОБРАЖЕНИЙ НА НЕЙРОПОДОБНЫХ СТРУКТУРАХ. ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ РАЗРАБОТАННЫХ АЛГОРИТМОВ И УСТРОЙСТВ

4.1. Структурно-функциональная организация устройств ввода и 79 обработки изображений

4.2. Устройство ввода изображения с перестановкой строк

4.3. Устройство ввода изображения по байтам

4.4. Устройство ввода и обработки изображений на основе 91 специализированных процессоров

4.5. Анализ производительности разработанных методов, алгоритмов 99 и устройств обработки изображений

Выводы

Введение диссертации (часть автореферата) на тему «Методы, высокопроизводительные алгоритмы и устройства обработки изображений с использованием нейроподобных структур»

Актуальность работы. Устройства обработки изображений широко применяются в телевизионной технике, медицине, системах контроля технологических процессов, дорожного движения, робототехнике, машиностроении, приборостроении, космосе, передаче данных, автоматизированном проектировании, неразрушающем контроле, научных исследованиях и других областях науки и техники.

Современный этап развития вычислительных устройств характеризуется активными поисками новых принципов обработки изображений, новых архитектур ЭВМ и вычислительных систем. При этом в задачах, требующих быстрого принятия решения на основании поступающей информации (например, распознавание лиц людей в интенсивно движущемся потоке -метро, аэропорты, вокзалы — для обеспечения безопасности, анализ деталей на конвейере, анализ потока машин на трассе), важное значение имеет производительность алгоритмов и устройств обработки изображений.

Одним из основных препятствий на пути повышения производительности устройств обработки изображений является высокая вычислительная сложность алгоритмов обработки, требующая увеличения быстродействия элементной базы или аппаратной сложности устройств. В то же время скорость выполнения ряда алгоритмов обработки может быть увеличена за счет конвейерно-параллельной организации вычислений и реализации их на параллельных структурах с использованием матричной структуры изображений.

В связи с этим повышение производительности алгоритмов обработки изображений является актуальной научно-технической задачей.

Диссертационная работа выполнялась при поддержке гранта Минобразования РФ для поддержки аспирантов высших учебных заведений № АОЗ-З.16-59 «Быстродействующая система распознавания в реальном времени на базе современных специализированных процессоров и программируемых логических интегральных схем (основы теории, принципы построения и алгоритмическое обеспечение)».

Целью работы является разработка методов и высокопроизводительных алгоритмов для последующей их реализации в устройствах на основе нейроподобных структур.

В соответствии с поставленной целью в работе решаются следующие задачи:

1. Анализ существующих методов, параллельных алгоритмов и устройств ввода и обработки изображений.

2. Разработка математической модели процесса ввода и обработки изображений.

3. Разработка методов и высокопроизводительных алгоритмов обработки изображений.

4. Разработка структурно-функциональной организации устройств ввода и обработки изображений на - нейроподобных структурах и оценка производительности разработанных алгоритмов и устройств обработки изображений.

Объект исследования — процесс ввода и обработки изображений. Предмет исследования - методы, алгоритмы и устройства ввода, обработки изображений на нейроподобных структурах.

Методы исследования. В работе использованы методы цифровой обработки сигналов и изображений, математического моделирования, теория параллельных вычислений, теория проектирования ЦЭВМ. Научная новизна:

1. Разработана математическая модель процесса ввода и обработки изображений, основанная на множестве процедур ввода и преобразования изображений и комплексе методов и алгоритмов обработки изображений, позволяющая провести анализ возможного распараллеливания процесса обработки изображения.

2. Разработан метод линейного локального контрастирования, основанный на разбиении изображения на пересекающиеся области, позволяющий параллельно выполнять вычисление коэффициентов преобразования и увеличение контрастности областей изображения.

3. Создан высокопроизводительный алгоритм обработки изображения масочными операторами, позволяющий выполнять быстрое выделение контуров объектов за счет реализации на нейроподобных структурах.

4. Разработан быстрый алгоритм ДПФ обработки изображений, основанный на БПФ Кули-Тьюки для одномерных сигналов, отличающийся преобразованием данных на промежуточном этапе вычислений в трехмерный массив, представлением размерности изображения в виде степеней двойки и предварительным вычислением параметров преобразования и позволяющий уменьшить время обработки изображения.

5. Разработана структурно-функциональная организация устройств ввода и обработки изображений на нейроподобных структурах, позволяющая повысить производительность за счет конвейерной и параллельной организации вычислений.

Практическая значимость. Математическая модель процесса ввода и обработки изображений и методы линейного локального контрастирования и бинаризации изображения, а также разработанные алгоритмы обработки изображений позволяют создавать новые высокопроизводительные устройства ввода и обработки изображений; разработанная параллельно-конвейерная организация процедур обработки изображений позволяет повысить скорость обработки изображений в системах технического зрения, системах обработки видеоинформации в реальном времени; разработанное устройство ввода изображения в ЭВМ позволяет выполнять быстрый ввод изображения в ЭВМ в системах контроля технологического процесса (устройство защищено патентом РФ).

Реализация результатов работы. Результаты, полученные в диссертационной работе, внедрены в ОКБ «Авиаавтоматика» (г. Курск) при разработке быстродействующих устройств обработки изображений, в ООО «Продсахсервис» (г.Воронеж) для контроля технологического процесса очистки диффузионного сока оптическим методом, а также внедрены в учебный процесс кафедры вычислительной техники КурскГТУ и используются при проведении занятий по дисциплинам «Микропроцессорные системы в системах передачи и обработки сигналов», «Нейрокомпьютеры». На защиту выносятся:

1. Математическая модель процесса ввода и обработки изображений, использующая матричное представление изображения и позволяющая провести распараллеливание множества операций по обработке изображения.

2. Метод и алгоритм линейного локального контрастирования, позволяющий на основе разбиения изображения на пересекающиеся области организовать параллельные вычисления при контрастировании изображения.

3. Высокопроизводительный алгоритм обработки изображения масочными операторами, позволяющий выполнять быстрое выделение контуров объектов, ориентированный на реализацию на нейроподобных структурах.

4. Быстрый алгоритм ДПФ обработки изображений, основанный на БПФ Кули-Тьюки для одномерных сигналов, преобразующий данные на промежуточном этапе вычислений в трехмерный массив и сокращающий время обработки изображения за счет представления данных в виде степеней двойки и предварительного вычисления параметров преобразования.

5. Структурно-функциональная организация устройств ввода и обработки изображений на нейроподобных структурах, обеспечивающая высокопроизводительную обработку изображений.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на: 9-й и 10-й Международных научно-технических конференциях «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2000г., 2001г.), 9-й Международной студенческой школе-семинаре «Новые информационные технологии» (Крым, 2001г.), 5-й Международной научно-технической конференции «Медико-экологические информационные технологии-2002» (Курск, 2002г.), IX Международной научно-практической конференции студентов, аспирантов и молодых ученых «Современные техника и технологии» (г. Томск, 2003 г.), XV и XVI научно-технических конференциях «Датчик-2003», «Датчик-2004» (г.Судак, 2003г., 2004г.), 6-й и 7-й Международных конференциях «Распознавание-2003», «Распознавание-2005» (г. Курск, 2003г., 2005г.), XL и XLI Всероссийских конференциях по проблемам математики, информатики, физики и химии (г. Москва, 2004г., 2005г.), Международной конференции «Information and Telecommunication Technologies in Intelligent Systems» (Испания, г. Барселона, 2004 г., г. Пальма де Майорка, 2005г.), 7-й Международной конференции «Распознавание образов и анализ изображений: новые информационные технологии» (Санкт-Петербург, 2004г.), на научно-технических семинарах кафедры ВТ КурскГТУ в течение 2002-2005 гг.

Публикации. Результаты проведенных исследований и разработок опубликованы в 29 печатных трудах (из них основных по теме диссертации 15), в том числе в 9 статьях, 8 из которых опубликованы в изданиях, рекомендованных ВАК, в соавторстве написано учебное пособие с грифом УМО. Получен патент РФ на изобретение.

В работах, опубликованных в соавторстве, лично соискателем предложены: в [1, 2, 7, 11, 13, 15] - методы контрастирования и бинаризации изображений, а также принципы функционирования и структурные схемы устройств ввода и обработки изображений, в [3, 5, 10] - алгоритм обработки изображения масочными операторами, в [6] — предварительное вычисление коэффициентов для быстрого алгоритма ДПФ для обработки изображений в [4,

8, 9, 12, 14] — принципы функционирования и структурные схемы устройств обработки изображений на нейроподобных структурах.

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения, библиографического списка, включающего 95 наименований, и содержит 125 страниц машинописного текста (без приложения), 28 рисунков, 10 таблиц и 4 приложения.

Заключение диссертации по теме «Элементы и устройства вычислительной техники и систем управления», Панищев, Владимир Славиевич

Выводы

1. Разработана структурно-функциональная организация ряда быстродействующих устройств ввода видеоинформации, в том числе двухпроцессорного устройства предварительной обработки видеоинформации, обладающих высокой производительностью предварительной обработки.

2. Разработанная конвейерная организация процедур обработки видеоинформации позволила совместить во времени аппаратно-программную предварительную обработку и последующее программное выполнение в ЭВМ алгоритмов распознавания, что дало возможность увеличить скорость предварительной обработки не менее, чем в 2 раза.

ЗАКЛЮЧЕНИЕ

В рамках решения научно-технической задачи повышения производительности алгоритмов обработки изображений получены следующие результаты и выводы:

1. Проведен анализ существующих методов, параллельных алгоритмов и устройств ввода и обработки изображений, позволивший сделать вывод о необходимости разработки методов и высокопроизводительных алгоритмов для последующей их реализации в устройствах на основе нейроподобных структур.

2. Разработана математическая модель процесса ввода и обработки изображений, основанная на множестве процедур обработки изображений, позволяющая осуществить комплексный учет методов и алгоритмов преобразования изображений и оценить возможность распараллеливания процесса обработки.

3. Разработан метод линейного локального контрастирования, основанный на разбиении изображения на пересекающиеся области, вычислении коэффициентов преобразования и позволяющий параллельно выполнять увеличение контрастности областей изображения.

4. Разработан высокопроизводительный алгоритм обработки изображения масочными операторами, позволяющий быстро выполнять обработку изображения масками за счет реализации на нейроподобных структурах.

5. Разработан алгоритм бинаризации, основанный на анализе гистограммы яркостей изображения и позволяющий за счет сокращения интервала анализируемых яркостей сократить время вычисления порога.

6. Разработан быстрый алгоритм ДПФ, который не требует выполнения сложных операций, что позволяет уменьшить время обработки изображения.

7. Разработана структурно-функциональная организация устройств ввода и обработки изображений на нейроподобных структурах, отличительной особенностью которых является 4-х ступенчатый конвейер, позволяющий за время одного кадра осуществлять параллельное выполнение операций обработки изображений.

8. Проведена оценка производительности разработанных алгоритмов и устройств обработки изображений. Анализ показал, что разработанные методы и алгоритмы позволяют снизить время обработки изображения в 1.1-3 раза.

Список литературы диссертационного исследования кандидат технических наук Панищев, Владимир Славиевич, 2005 год

1. Дегтярев, C.B. Анализ систем распознавания дорожных знаков Текст. / C.B. Дегтярев, B.C. Панищев // Известия Тульского гос. тех. ун-та. Серия Вычислительная техника. Автоматика. Управление. Том 4. Выпуск 1.-Тула,2002.-С. 96-103.

2. Дегтярев, C.B. Оптико-электронная система выделения контура дорожного знака Текст. / C.B. Дегтярев, B.C. Панищев, Т.А. Ширабакина // Датчики и системы. 2003. - № 9. - С. 22-23.

3. Дегтярев, C.B. Выделение контуров объектов на изображении операторами Собела и Лапласа на основе нейронной сети Текст. / C.B. Дегтярев, B.C. Панищев // Датчики и системы. — 2004. № 9. - С. 12-14.

4. Панищев, B.C. Использование нейросетей в качестве технологии обработки информации в телекоммуникационных системах Текст. / B.C. Панищев, B.C. Полищук, B.C. Титов, Е.В. Щетинин // Телекоммуникации.2004.-№6.-С. 15-17.

5. Панищев, B.C. Использование нейронной сети для выделения контуров объектов на изображении в системе распознавания в реальном времени Текст. / B.C. Панищев, А.П. Типикин, B.C. Яковлева // Телекоммуникации. 2004. -№8.-С. 24-28.

6. Panishchev, V.S. Application of neural networks for the contour extraction inimages Text./ V.S. Panishchev, V.S. Titov // Pattern Recognition and Image Analysis. -2005. -Vol. 15, № 2. P. 281-282.

7. Ильин, A.A. Быстрый алгоритм ДПФ для обработки изображений на основе БПФ Кули-Тьюки для одномерных сигналов Текст. / A.A. Ильин, P.A. Ильин, B.C. Панищев // Известия вузов. Приборостроение. 2005. - Т. 48, № 2. -С. 18-22.

8. Панищев, B.C. Использование ретиноподобных структур в адаптивных видеодатчиках Текст. / B.C. Панищев, B.C. Яковлева // Известия КурскГТУ. -2004.-№2(13).-С. 112-117.

9. Панищев, B.C. Преобразование аналоговых сигналов и быстрый ввод информации в ЭВМ Текст. / B.C. Панищев // Новые информационные технологии: материалы Международной студенческой школы-семинара. -Крым.-2001.-С. 67-68.

10. Панищев, B.C. Повышение быстродействия систем распознавания дорожных знаков Текст. / B.C. Панищев // Медико-информационныетехнологии-2002: материалы Международной научно-технической конференции. Курск.- 2002. - С. 88-90.

11. Панищев, B.C. Обработка изображений дорожных знаков Текст. / B.C. Панищев // Современные техника и технологии: материалы IX Международной научно-практической конференции студентов, аспирантов и молодых ученых. Т.1.-Томск, 2003.-С. 156-157.

12. Панищев, B.C. Быстродействующая система преобразования и ввода в ЭВМ аналоговой информации / B.C. Панищев // Молодежь и XXI век: Материалы XXXI научной конференции. Ч. 1. Курск, 2003. - С. 79-81.

13. Архипов, А.Е. Влияние предварительной обработки изображений на качество выделения контуров Текст. / Архипов А.Е., B.C. Панищев // Распознавание-2003: сб. материалов VI Международной конференции. -Курск.-2003.-С. 29-30.

14. Панищев, B.C. Построение устройств распознавания на базе спецпроцессоров Текст. / B.C. Панищев // Распознавание-2003: сб. материалов VI Международной конференции. Курск - 2003. - С. 248-250.

15. Панищев, B.C. Организация устройства для ввода, предварительной обработки и распознавания изображений Текст. / B.C. Панищев //

16. Распознавание-2005: сб. материалов 7 Международной конференции. Курск.-2005. - С. 45-46.

17. Коростелев, С.И. Программа для распознавания образов, использующая векторные эталонные изображения Текст. / С.И. Коростелев, B.C. Панищев, B.C. Титов // Распознавание-2005: сб. материалов 7 Международной конференции. Курск - 2005. - С. 83-84.

18. Коростелев, С.И. Устройство для распознавания образов, использующее векторные эталонные изображения Текст. / С.И. Коростелев, B.C. Панищев, B.C. Титов // Распознавание-2005: сб. материалов 7 Международной конференции. Курск - 2005. - С. 84-86.

19. Блейхут, Р. Быстрые алгоритмы цифровой обработки сигналов Текст. / Р. Блейхут: пер. с англ. М.: Мир, 1989. - 448 с.

20. Хуанг, Т.С. Быстрые алгоритмы в цифровой обработке изображений Текст. / Т.С. Хуанг, Дж. О. Эклунд. Г. Дж. Нусбаумер и др.: Под ред. Т.С. Хуанга; Пер. с англ. под ред Л.П. Ярославского. М. Радио и связь, 1984. - 221

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

22. Дорогов, А.Ю. Быстрые нейронные сети Текст. / А.Ю. Дорогов. Спб.: Изд-во С.-Петерб. ун-та, 2002. - 80 с.

23. Киселев, A.B. Современные микропроцессоры Текст. / В.В. Корнеев, A.B. Киселев М.: Нолидж, 2000. - 320 с.

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

25. Методы компьютерной обработки изображений Текст. / Под ред. В.А. Сойфера. М.: Физматлит. - 2001. - 784 с.

26. Сырямкин, В.И. Системы технического зрения: Справочник Текст./ В.И. Сырямкин, B.C. Титов, Ю.Г. Якушенков и др. // Под общей редакцией В.И. Сырямкина, B.C. Титова. Томск: МГП "РАСКО". - 1993. - 367 с.

27. Нейрокомпьютеры и их применение. Книга 7: Коллективная монография Текст. / Общая редакция А.И. Галушкина. М.: Радиотехника, 2003. — 192 с.

28. Осовский С. Нейронные сети для обработки информации Текст. / С. Оссовский; Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002. - 344 с.

29. Обработка изображений и цифровая фильтрация Текст.: Пер. с англ. под ред. Т. Хуанга. М.: Мир. - 1979.

30. Дегтярев, C.B. Методы цифровой обработки изображений Текст.: учебное пособие 4.1. Гриф УМО / Дегтярев C.B., Садыков С.С., Тевс С.С., Ширабакина Т.А. Курск: Курск, гос. тех. ун-т., 2001. - 167 с.

31. Дегтярев, C.B. Методы цифровой обработки изображений Текст.: учебное пособие Ч.З. Гриф УМО / C.B. Дегтярев, A.A. Орлов, С.С. Садыков, И.И. Сальников, B.C. Титов, М.И. Труфанов, Т.А. Ширабакина. Курск: Курск, гос. тех. ун-т., 2004. - 216 с.

32. Дуда, Р. Распознавание образов и сцен Текст. / Р. Дуда, П.Харт; пер. с англ. Г.Г. Вайнштейна и A.M. Васьковского ; под ред. В.Л. Стефанюка, М.: Мир, 1976.- 511 с.

33. Кнышев, Д. А. ПЛИС фирмы "Xilin" :описание структуры основных семейств Текст. : Справочник / Д.А.Кнышев, М.О.Кузелин. -М.:ДОДЭКА-ХХ1. -2001.-238с.

34. Фрунзе, А. Однокристальные микроЭВМ Текст. / Фрунзе А., Хоркин С. //Радио. 1994. -№№1-12.

35. Лебедев, О.Н. Применение микросхем памяти в электронных устройствах Текст.: Справ, пособие / О.Н. Лебедев- М.: Радио и связь. 1994. - 216 с.

36. Разработка устройств сопряжения для персонального компьютера типа IBM PC Текст. / Под редакцией Ю.В. Новикова. Практ. пособие М.:ЭКОМ. -1997. - 224 с.

37. Яблонский, C.B. Введение в дискретную математику Текст. / Яблонский C.B. М.: Наука. - 1979. - 272с.

38. Мирошниченко, С.Ю. Объектно-ориентированная модель универсальной программной системы обработки изображений Текст. / С.Ю. Мирошниченко, М.И. Труфанов // Известия курского государственного технического университета. 2004. - №2(13). - С. 106-108.

39. Тихомиров, Ю. Программирование трехмерной графики Текст. / Тихомиров Ю. СПб.: BHV. - 1998. - 256 с.

40. Прэтт, У. Цифровая обработка изображений: В 2-х кн. Текст. / Прэтт У.; пер. с англ. под ред. Д.С. Лебедева. М.: Мир, 1982. - 2 кн., 790 с.

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

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

43. Кун С. Матричные процессоры на СБИС Текст. / С. Кун; пер. с англ. Ю.Г. Дадаев и др.; под ред. Ю.Г. Дадаева. М.: Мир, 1991. - 672 с.

44. Вакунов, Н.В. Вейвлет-преобразование в обработке и анализе изображений Текст. / Н.В. Вакунов, А.Л. Жизняков М.: Государственный научный центр Российской Федерации - ВНИИгеосистем, 2004. - 102 е.: ил.

45. Ирхин, В.П. Проектирование непозиционных специализированных процессоров Текст. / В.П. Ирхин. Воронеж: Изд-во Воронежского государственного университета. — 1999. - 136 с.

46. Лопин, В.Н. Многофункциональные отказоустойчивые устройства на нейроподобных элементах Текст.: монография / В.Н. Лопин, И.С. Захаров; Курск, гос. техн. ун-т. Курск, 2004. 176 с.

47. Яковлев, А.Н. Основы вейвлет-преобразования сигналов Текст.: учебное пособие / А.Н. Яковлев. М.: САЙНС-ПРЕСС, 2003. - 80 с.

48. Архангельский, А.Я. Программирование в С++ Builder 5 Текст. / А.Я. Архангельский. М.: ЗАО «Издательство БИНОМ», 2000г. - 1152 с.

49. Угрюмов, Е.П. Цифровая схемотехника: Учебное пособие для вузов Текст. / Е.П. Угрюмов. Спб.: БХВ-Петербург, 2004. - 800 с.

50. Порев, В.Н. Компьютерная графика Текст. / В.Н. Пореев. Спб.: БХВ-Петербург, 2002. - 432 с.

51. Макконел, Дж. Анализ алгоритмов. Вводный курс. Текст. / Дж. Макконел; пер. с англ. С.К. Ландо. М.: Техносфера, 2002. 304 с.

52. Горбань, А.Н. Нейроинформатика Текст. / А.Н. Горбань, В.Л. Дунин-Барковский, А.Н. Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998.-296 с.

53. Тяжелая артиллерия Текст. / А. Попов // CHIP. 2005. - №7. - С. 62-63.

54. Попов, Э.В. Экспертные системы реального времени Электронный ресурс. / Э.В. Попов // «Открытые системы», http://kiryusliin.boom.ru/docs -2003г.

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

56. Unsupervised approach to color video thresholding Text. / Yingzi Du, Chein-I Chang, Paul David Thouin // Optical Engineering. 2004. - V.43,№.2. - c. 282-289.

57. TMS320C6000 CPU and Instruction Set Reference Text. / Guide Literature Number: SPRU189F October 2000.

58. Ушаков, С.Ю. Распознавание образов, инвариантное к искажениям, и неокогнитрон Текст. / С.Ю. Ушаков // Известия вузов. Приборостроение., 1994. Т. 37, №3-4. - с. 36-42.

59. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика Текст. / Ф . Уоссермен. М.: Мир. - 1992. - 240 с.

60. Анил, К.Дж. Введение в искусственные нейронные сети Текст. / Анил К. Джейн, Жианчанг Мао, К.М. Моиуддин. // Открытые системы. — 1997 г., №4.

61. Однокристальный цифровой нейропроцессор с переменной разрядностью операндов Текст. / ПРИБОРОСТРОЕНИЕ. Тематический выпуск. Аппаратно-программные комплексы поддержки нейровычислений 7/1996, С. 35-40.

62. On-board optical joint transform correlator for real-time road sign recognition Электронный ресурс. // Optical Engineering. 1995, January, Vol.34 No.l

63. Piccoli G and others. Robust method for road sign detection and recognition Электронный ресурс. // Image and Vision Computing, 1996, vol. 14.

64. Priese, L.; Lakmann, R.; Rehrmann, V., Ideogram identification in a realtime traffic sign recognition system Электронный ресурс. // Proceedings of the Intelligent Vehicles '95. Symposium.

65. Stdphan Prince, M.Sc. student Robert Bergevin, advisor, Road Sign Detection and Recognition Using Perceptual Groupin Электронный ресурс. // http://euler.fd.cvut.cz/ 2001г.

66. The Road Sign Recognition System RS2 Электронный ресурс. // http://euler.fd.cvut.cz/research/rs2/rs2alaorithm.html - 2001г.

67. Recognition of Traffic Signs by Artificial Neural Network (S. Lu) Электронный ресурс. // http://euler.fd.cvut.cz/ 2001 г.

68. Estevez L, Kehtarnavaz N. A real-time histographic approach to road sign recognition // Conference Proceeding of the IEEE Southwest Symposium on Image Analysis and Interpretation, 1996.

69. Guibert L, Attia M. Optical processing at the driver's service // Conference Towards an Intelligent Transport System. Proceedings of the First World Congress on Applications of Transport Telematics and Intelligent Vehicle-Higway Systems.

70. Chiung-Yao Fang and oth. Detection and tracking of road signs. Распознавание образов и анализ изображений: новые информационные технологии — РОАИ-5-2000: Труды 5-й Международной конференции. -Самара, 2000. С. 645-650.

71. Нейрокомпьютеры архитектура и реализация. Часть 3.2. Аппаратная реализация нейровычислителей Электронный ресурс. // http://www.chipinfo.m/literature/chipnews/20010l/24.html - 2002г.

72. Новая DSP-архитектура NeuroMatrix и традиционный RISC единое вычислительное ядро процессора NM6403 Электронный ресурс. // http://www.osp.ru/os/1999/05-06/04.htm - 2002г.

73. Применение волнового алгоритма для нахождения скелета растрового изображения Электронный ресурс. // http://www.ocrai.narod.ru 2004г.

74. Пат. 6513023 США, МКИ G 06 N 3/02. Artificial neural network with hardware training and hardware refresh Text. / Tuan A. Duong. №09/412199; заявлено 01.10.99; опубл. 28.01.2003. - 13c.

75. Пат. 6434541 США, МКИ G 06 F 15/18. Automotive engine misfire detection system including a bit-serial based recurrent neuroprocessor Text. / Raoul Tawel,

76. Nazeeh Arankl, Lee A. Feldkamp, Gintaras V. Puskorius, Kenneth A. Marko, John V. James. №09/284843; заявлено 23.10.97; опубл. 13.08.2002. - 14c.

77. Пат. 6389404 США, МКИ G 06 F 15/18;G06G7/00. Neural processing module with input architectures that make maximal use of a weighted synapse array Text. / John C. Carson, Christ H. Saunders. №09/223476; заявлено 30.12.98; опубл. 14.05.2002.- 11c.

78. Пат. 6199057 США, МКИ G 06 F 15/18. Bit-serial neuroprocessor architecture Text. / Raoul Tawel. №08/956890; заявлено 23.10.97; опубл. 06.03.2001.- 11c.

79. Пат. 5999992 США, МКИ G 06 F 15/18. Neuroprocessing service Text. / Takehiko Tanaka, Masayuki Yokohono. №08/451772; заявлено 26.05.95; опубл. 07.12.1999.-49c.

80. Пат. 5504839 США, МКИ G 06 F 15/18. Processor and processing element for use in a neural network Text. / George E. Mobus. №297524; заявлено 29.08.94; опубл. 02.04.1996. - 149c.

81. Пат. 2256210 Российская Федерация, МПК7 G 06 F 3/00. Многоуровневая вычислительная система Текст. / Малютин Н.В., Спиридонов Г.В.; заявитель и патентообладатель КурскГТУ. № 2003114978/09; заявл. 20.05.2003; опубл. 10.07.2005, Бюл. №19.-4с.