Модели и алгоритмы обработки и анализа изображений для систем автоматического сопровождения воздушных объектов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Муравьев, Вадим Сергеевич

• Муравьев, Вадим Сергеевич
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Муравьев, Вадим Сергеевич

ВВЕДЕНИЕ.

1 АНАЛИЗ ПРОБЛЕМЫ ВЫДЕЛЕНИЯ, ОБНАРУЖЕНИЯ И ОЦЕНКИ ПАРАМЕТРОВ ВОЗДУШНЫХ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ, ФОРМИРУЕМЫХ ДАТЧИКАМИ ТВ И ИК ДИАПАЗОНОВ.

1.1 Вводные замечания и качественная постановка задачи выделения, обнаружения и слежения за воздушными объектами.

1.2 Обзор датчиков, применяемых в системах анализа изображений.

1.3 Обзор и анализ методов и алгоритмов обнаружения и выделения объектов.

2 РАЗРАБОТКА АЛГОРИТМОВ ВЫДЕЛЕНИЯ, ОБНАРУЖЕНИЯ И ОЦЕНКИ ПАРАМЕТРОВ ВОЗДУШНЫХ ОБЪЕКТОВ.

2.1 Аналитическая постановка задачи обнаружения и измерения координат объекта на изображении.

2.2 Оптимальный алгоритм обнаружения объекта на изображении.

2.3 Алгоритм выделения воздушных объектов, наблюдаемых на облачных фонах.

2.4 Алгоритмы обработки бинарных изображений.

2.5 Анализ сегментов бинарного изображения.

2.6 Алгоритм выделения воздушных объектов, использующий процедуру предварительной сегментации изображений.

2.7 Алгоритм слежения за воздушными объектами.

3 КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ И ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАЗРАБОТАННЫХ АЛГОРИТМОВ.

3.1 Исследование алгоритма выделения воздушных объектов, наблюдаемых на облачных фонах.

3.2 Исследование алгоритма выделения воздушных объектов, использующего процедуру предварительной сегментации изображений

3.3 Исследование эффективности выбора параметров сегментов бинарного изображения.

3.4 Экспериментальные исследования многоэтапного алгоритма выделения, обнаружения и оценки параметров воздушных объектов.

4 ВОПРОСЫ ПРОГРАММНОЙ И АППАРАТНОЙ РЕАЛИЗАЦИИ РАЗРАБОТАННЫХ АЛГОРИТМОВ.!

4.1 Структура программного обеспечения.

4.2 Вопросы аппаратной реализации разработанных алгоритмов выделения воздушных объектов.

4.3 Результаты испытаний разработанных алгоритмов обработки и анализа изображений в составе систем автоматического сопровождения воздушных объектов.

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы обработки и анализа изображений для систем автоматического сопровождения воздушных объектов»

Актуальность работы.

Задачи цифровой обработки изображений можно условно разделить на два больших класса: повышение качества изображений для улучшения его визуального восприятия человеком и обработка изображений с целью их хранения, передачи и представления в системах технического зрения. И если при решении первого класса задач был достигнут значительный прогресс, то решение второго класса задач столкнулось с рядом трудностей, среди которых можно выделить: отсутствие математических моделей, адекватно описывающих наблюдаемую фоноцелевую обстановку, несовершенство датчиков изображений, недостаточная производительность вычислительных систем и ряд других. Вместе с тем, достижения последних десятилетий в науке и технике позволяют сделать заключение о значительных успехах в преодолении отмеченных проблем.

Совершенствование технологий способствует интенсивному внедрению видеоинформационных систем для решения задач навигации, космического мониторинга Земли, контроля качества и количества производимой продукции, обеспечения безопасности различных объектов, передачи и хранения видеоинформации, в биомедицинских и военных приложениях.

Одним из направлений создания систем анализа и обработки изображений является разработка видеоинформационных комплексов, которые предназначены, в первую очередь, для установки на подвижных носителях, таких как самолёты, вертолёты, автомобили и другие транспортные средства. Целью подобных систем является решение задач обнаружения движущихся объектов, оценки их параметров, построения траекторий движения объектов, распознавания образов.

Важным требованием, предъявляемым к видеоинформационным комплексам, является необходимость работы в реальном масштабе времени. Разрабатываемые системы также должны иметь автономный режим функционирования, требуя лишь незначительных усилий со стороны оператора.

Постоянное совершенствование средств вычислительной техники приводит к расширению сферы практического применения методов и алгоритмов обработки изображений. Так, комплексы обработки изображений реального времени начали активно применяться в системах автоматического сопровождения воздушных объектов, наблюдаемых на фоне ясного или облачного неба, с целью решения задач их обнаружения и оценки параметров. Необходимо отметить, что ранее для этих целей использовались преимущественно радиолокационные станции (РЛС). К числу существенных недостатков РЛС можно отнести присутствие "слепой зоны", чувствительность к постановкам помех, высокая стоимость, значительные габариты и ограничения по угловому разрешению, связанные с шириной диаграммы направленности антенны. Кроме этого, во многих случаях применение активных способов наблюдения, связанных с облучением объекта электромагнитными волнами нежелательно, так как приводит к демаскировке положения излучателя. Решить указанные проблемы возможно путем использования современных телевизионных и тепловизионных датчиков для получения изображения объекта с последующей компьютерной обработкой видеоинформации. Установка оптических систем наблюдения вместе с лазерным дальномером во многих случаях дополняет, а в некоторых случаях заменяет РЛС. Из вышеописанного становится понятно, что системы обработки и анализа изображений находят широкое применение при модернизации существующих и разработке новых стационарных и мобильных станций обнаружения и ЗРК (зенитно-ракетных комплексов).

Область использования технологий автоматического обнаружения и выделения воздушных объектов не ограничивается только военными и специальными приложениями и включает в себя также задачи обеспечения безопасности аэропортов, важных промышленных предприятий, контроль и мониторинг воздушного движения, астронавигацию и т.д.

В настоящее время разработано множество алгоритмов выделения и обнаружения объектов [21-24, 51, 52]. Однако данные подходы обладают большой вычислительной сложностью и не в полной мере учитывают специфику рассматриваемой задачи и особенности применяемых на практике датчиков изображений. Таким образом, разработка вычислительно эффективных алгоритмов выделения, обнаружения и оценки параметров воздушных объектов до настоящего времени остается весьма актуальной задачей.

Степень разработанности темы.

Вопросы обнаружения и выделения воздушных объектов по данным видеонаблюдений достаточно широко представлены в отечественной и зарубежной печати. Значительный вклад в разработку методов и алгоритмов решения данной задачи внесли работы таких учёных как Б.А. Алпатов, П.А. Бакут, В.Г. Лабунец, А.П. Трифонов, И.Н. Пустынский, D. Braunreiter, В. Li, J. Silverman, Q. Pham.

Несмотря на большое количество работ по данной тематике, в результате её анализа не было выявлено публикаций, в которых в полной мере учитывается специфика задач выделения и обнаружения воздушных объектов с большим диапазоном варьирования размеров, наблюдаемых как в ТВ, так и ИК-диапазоне на фоне ясного или облачного неба. Важным требованием, предъявляемым к алгоритмам, решающим данную задачу, является возможность их реализации в реальном масштабе времени на существующей элементной базе. В ряде работ, рассматриваются алгоритмь1, позволяющие обнаруживать точечные и малоразмерные воздушные объекты [21-24], однако они преимущественно ориентированы на обработку изображений, получаемых с тепловизионных датчиков. Разработаны многоэтапные пространственно-временные алгоритмы выделения объектов [2, 53], основанные на получении оценок параметров геометрических преобразований изображений. Однако при наблюдении объектов на однородном фоне или фоне с присутствием протяженной облачности точность оценивания может быть низкой, что в итоге приводит к ухудшению качества обнаружения.

Исходя из этого, сформулируем цель диссертации, которая состоит в разработке эффективных алгоритмов решения задачи выделения и оценки параметров воздушных объектов в комплексах обработки изображений для систем автоматического сопровождения. Для достижения поставленной цели необходимо решить следующие основные задачи:

• обзор и оценка достоинств и недостатков существующих алгоритмов выделения и обнаружения объектов;

• создание и анализ библиотеки видеосюжетов для адекватного формирования модели наблюдения, а также систематизация признаков для эффективного выделения объектов;

• синтез оптимального алгоритма обнаружения воздушных объектов;

• построение многоэтапного алгоритма выделения, обнаружения и оценки параметров воздушных объектов для систем автоматического сопровождения;

• разработка методики и проведение экспериментальных исследований эффективности разработанных алгоритмов с использованием набора тестовых видеосюжетов, выработка рекомендаций по параметрической настройке алгоритмов при различной фоноцелевой обстановке;

• модернизация разработанных алгоритмов с учетом полученных экспериментальных данных и аппаратных ограничений;

• моделирование и проведение натурных испытаний разработанных алгоритмов выделения и оценки параметров воздушных объектов в составе системы автоматического сопровождения.

Научная новизна работы состоит в том, что в ней на основе введенных моделей с использованием теории статистических решений синтезирован оптимальный алгоритм обнаружения воздушных объектов и разработан многоэтапный алгоритм выделения, обнаружения и оценки параметров объектов, ориентированный на реальный масштаб времени. Эффективность разработанных подходов получила экспериментальное подтверждение.

Методы исследования.

Теоретические исследования в настоящей работе выполнены на основе методов теории статистических решений, теории вероятностей, теории случайных процессов. Экспериментальные исследования выполнялись на реальных и синтезированных видеосюжетах с использованием методов математической статистики.

Достоверность и обоснованность полученных результатов подтверждены корректным использованием математического аппарата, компьютерным моделированием разработанных алгоритмов, результатами экспериментальных исследований, а также опытом практического внедрения.

Реализация и внедрение.

Разработанные в диссертации модели и алгоритмы были использованы при выполнении научно-исследовательских работ, проводимых в Рязанском государственном радиотехническом университете по заказам Федерального агентства по образованию и Федерального агентства по науке и инновациям министерства образования и науки РФ (НИР 6-ОЗГ, НИР 14-ОЗГ, НИР 26-ОЗГ, НИР 7-06Г, НИР 10-08Г, НИР 17-08Г, НИР 12-09Г, 23-09), Российского фонда фундаментальных исследований (НИР 35-06Г), ФГУП "Государственный Рязанский приборный завод" (НИР 1-04, НИР 23-05, НИР 5-06, НИР 2-07, НИР 108, НИР 7-09), при выполнении ОКР, проводимых ФГУП "Государственный Рязанский приборный завод" по заказам ОАО "Ульяновский механический завод", ОАО "Радиозавод" г. Пенза, ФГУП "КБП" г. Тула, ОАО "НИЭМИ" г. Москва в рамках работ по модернизации зенитно-ракетных комплексов "Квадрат", "Бук", "Оса", зенитного ракетно-пушечного комплекса "Тунгуска-М1", а также на инициативной основе с целью совершенствования пункта управления ПУ-12М7 для борьбы с БПЛА.

Апробация работы.

Основные результаты работы докладывались на следующих конференциях:

13-й, 14-й и 15-й международных научно-технических конференциях "Проблемы передачи и обработки информации в сетях и системах телекоммуникаций" (Рязань - 2004-2005, 2008);

11-й и 12-й всероссийских конференциях "Новые информационные технологии в научных исследованиях и образовании" (Рязань — 2006, 2007);

8-й и 9-й международных научно-технических конференциях "Цифровая обработка сигналов и ее применения" (Москва — 2006-2007);

5-й международной научно-технической конференции "Космонавтика. Радиоэлектроника. Геоинформатика" (Рязань-2007);

30-й, 31-й и 32-й всероссийских научно-практических конференциях "Сети, системы связи и телекоммуникации" (Рязань - 2005-2007);

2-й всероссийской научной конференции "Проектирование инженерных и научных приложений в среде МАТЬАВ" (Москва - 2004);

1-й международной научной конференции МАА-РАКЦ "Космос для человечества" (Королёв - 2008);

1-й международной научно-технической конференции "Проблемы автоматизации и управления в технических системах" (Пенза - 2009).

Выступление на 11-й всероссийской научно-технической конференции "Новые информационные технологии в научных исследованиях и образовании" (2006) отмечено дипломом за лучший доклад.

Публикации.

По теме диссертации опубликовано 18 работ, в том числе четыре статьи, из них две в журналах, рекомендованных ВАК для публикации результатов кандидатских диссертаций. Результаты исследований отражены в пятнадцати отчётах по НИР.

Структура и объём диссертации.

Диссертация состоит из введения, четырёх глав, заключения, списка литературы (94 источника), приложений, изложенных на 155 страницах, содержит 64 рисунка и 5 таблиц.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Муравьев, Вадим Сергеевич

ЗАКЛЮЧЕНИЕ

Диссертационная работа посвящена решению задачи выделения и оценки параметров воздушных объектов в последовательности изображений, наблюдаемых датчиками ТВ и ИК диапазонов. Данная задача часто возникает при проектировании систем автоматического сопровождения воздушных объектов. Разработанные алгоритмы ориентированы на реализацию в системах обработки и анализа изображений реального времени. Особенностью рассматриваемой задачи, является широкий диапазон варьирования размеров воздушных объектов и низкое отношение сигнал/шум в наблюдаемом изображении.

В процессе исследования задачи получены следующие новые научные и практические результаты:

1. На основе введенной модели фоноцелевой обстановки синтезирован оптимальный по критерию Неймана-Пирсона алгоритм обнаружения объектов, выведен оптимальный по критерию максимального правдоподобия алгоритм обнаружения объектов и измерения их координат. Основываясь на полученных результатах теоретических исследований, разработан вычислительно эффективный пространственно-временной алгоритм выделения воздушных объектов, наблюдаемых на фоне ясного и облачного неба. Предложен алгоритм выделения воздушных объектов, наблюдаемых на контрастных фонах, использующий процедуру предварительной сегментации изображений для подавления граничных областей с резкими перепадами яркости.

2. Создан многоэтапный алгоритм выделения, обнаружения и оценки параметров воздушных объектов. С целью уменьшения частоты срывов слежения предложен двухканальный алгоритм выделения объектов, заключающийся во введении дополнительного канала пространственной фильтрации и пороговой обработки и использовании процедуры подстройки размерности маски фильтра и порогового коэффициента.

3. Предложены количественные методики оценки качества работы пред-лагамых алгоритмов. Проведенные экспериментальные исследования с использованием введенных мер качества позволяют утверждать о преимуществах разработанных подходов по сравнению с алгоритмами, основанными на максмеди-анной фильтрации и байесовской сегментации изображений. Использование предлагаемых алгоритмов в составе систем автоматического сопровождения объектов позволяет повысить точность обнаружения и слежения за мало- и крупноразмерными воздушными объектами, наблюдаемыми на телевизионных и тепловизионных изображениях при отношениях сигнал/шум до 2,5, в том числе при высоком уровне структурного шума датчика изображений.

Так, применение пространственно-временного алгоритма выделения объектов позволяет достичь частоты правильного выделения 0,75-0,85 при частоте ложных тревог 0,005 для размеров объектов лежащих в диапазоне от 10x10 до 50x50 элементов разрешения. Частота правильного обнаружения малоразмерных воздушных объектов, наблюдаемых на фоне облачного неба при отношении сигнал/шум 3 и выше, достигает значений 0,85-0,95 при частоте ложных тревог 0,005. Алгоритм выделения объектов с процедурой предварительной сегментации изображений обеспечивает лучшие характеристики по сравнению с немодифицированным алгоритмом, при наблюдении объектов на контрастных фонах с резкими перепадами яркости (прирост частоты правильного выделения составляет до 45% при той же частоте ложных тревог). Ошибка измерения координат центров крупноразмерных объектов не превышает 1,5 пикселя. Частота срывов слежения при использовании разработанных подходов для большинства использованных сюжетов составляет не более 5 на 1000 кадров, что позволяет добиться улучшения этой характеристики до 2 раз по сравнению со способом, основанным.на байесовской сегментации.

4. Разработанные алгоритмы нашли применение в системах обработки видеоинформации (СОВИ) семейства "Охотник", выпускаемых ФГУП ГРПЗ. Полученные результаты использованы в хоздоговорных работах, выполняемых по заданиям ФГУП ГРПЗ с целью модернизации ЗРК "Квадрат" "Бук", "Оса" ЗРПК "Тунгуска-М1", пункта управления ПУ-12М7 для борьбы с БПЛА.

Список литературы диссертационного исследования кандидат технических наук Муравьев, Вадим Сергеевич, 2010 год

1. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление / Алпатов Б.А., Бабаян П.В., Балашов O.E., Степашкин А.И. — М.: Радиотехника, 2008. — 176 с.

2. Алпатов Б.А., Бабаян П.В. Методы обработки и анализа изображений в бортовых системах обнаружения и сопровождения объектов // Цифровая обработка сигналов. — 2006. №2. — С. 45-51.

3. Алпатов Б.А. Методы и алгоритмы обработки изображений в системах управления: учеб. пособие, Рязань, 1999. — 64 с.

4. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. Пер. с англ. М.: Издательский дом "Вильяме", 2004. — 924 с.

5. Госсорг Ж. Инфракрасная термография. Основы, техника, применение. Пер. с франц. М.: Мир, 1988. - 416 с.

6. Snyder D., Hammoud A., White R. Image recovery from data acquired with a charge-coupled-device camera // Journal of the optical society of America — №10(5).-pp. 1014-1023.

7. Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников. М.: ФИЗМАТЛИТ, 2006. - 816 с.

8. Баклицкий В.К., Бочкарёв A.M. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации. — М.: Радио и связь, 1986. — 216 с.

9. Алпатов Б.А., Селяев A.A. Алгоритм оценки местоположения объекта на двумерном изображении // Изв. вузов. — Приборостроение. 1988. - №5. -С.3-5.

10. Колмогоров Г.С., Костромина Е.В., Лучина И.И., Мальцев А.П. Оптоэлек-тронная система самонаведения THSSID // Зарубежная радиоэлектроника. 1987.-№10.-С. 57-68.

11. Eklund M.W., Trivedi М.М. Adaptive correlation-based tracking algorithm //

12. Proc. of SPIE Vol. 2234, Automatic Object Recognition IV. 1994, pp. 384393.

13. Mostafavi H. Optimal window function for image correlation in the presence of geometric distortion // IEEE Trans.-1979.-Vol. ASSP 27.-№2. - pp. 163-169.

14. Гороховатский B.A., Кацлап С.Ф., Путятин Е.П. Анализ изображений в условиях локальных искажений // Автометрия. — 1986. №6. - С. 46—51.

15. Латышев В.В. Кодирование изображений в корреляционно-экстремальных системах // Автоматика и телемеханика. 1983. - №5. - С. 117-121.

16. Буймов А.Г. Корреляционно-экстремальная обработка изображений. — Томск: Изд-во Том. ун-та, 1987. 134 с.

17. Kim S., Jay Kuo С.-С. A Stochastic Approach for Motion Vector Estimation in Video Coding // Proc. of SPIE, Vol. 2304, Neural and Stochastic Methods in Image and Signal Processing III. 1994, pp. 111-122.

18. Алпатов Б.А., Хлудов С.Ю. Алгоритм последовательных испытаний в задаче совмещения двумерных изображений // Изв. вузов. Сер. Электромеханика. 1988. - №7. - С. 87-91

19. Бочкарёв A.M. Корреляционно-экстремальные системы навигации // Зарубежная радиоэлектроника. 1981. -№9. - С. 28-53.

20. Sabio V. Efficient method of target recognition based on spectral correlation of widehand resonance effects // Proc. of SPIE Vol. 2230, Algorithms for Synthetic Aperture Radar Imagery. 1994, pp. 328-335.

21. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике.- М.: Машиностроение. 1990. - 320 с.

22. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2005.- 107 с.

23. Li J., Shen Z., Bao L. Detection of small moving objects in image sequences // Proc. Of SPIE, Vol. 3069. Automatic Target Recognition IV. 1997, pp. 511517.

24. Deshpande S. D., Er M.H., Ronda V., Chan P. Max-mean and max-median filters for detection of small-targets // Proc. of SPIE, Vol. 3809, Signal and Data Processing of Small Targets. 1999, pp. 74-83.

25. Li J., Shen Z., Biao L. Automatic Target Detection and Tracking System Using Infrared Imagery // Proc. of SPIE, Vol. 3069. Automatic Target Recognition IV. Jun 1997, pp. 534-540.

26. Braunreiter D., Banh N. Detection of moving subpixel targets in infrared clutter with space-time filtering // Proc. of SPIE, Vol. 1481. Signal and Data Processing of Small Targets. 1991, pp. 73-83.

27. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектрони-ка.-1987.-№10. С.25-47

28. Pham Q.H., Brosnan Т.М., Smith M.J.T., Mersereau R.M. A morphological method of clutter suppression in ATR // Proc. of SPIE Vol. 3371, Automatic Target Recognition VIII. 1998, pp. 367 - 374.

29. Pham Q.H., Brosnan T.M., Smith M.J.T. Sequential digital filters for fast detection of targets in FLIR image data // Proc. of SPIE Vol. 3069, Automatic Target Recognition VII. Jun 1997, pp. 62-73.

30. Tom V.T., Peli Т., Leung M., Bondaryk J.E. Morphology-based algorithm for point target detection in infrared backgrounds // Proc. of SPIE, Vol. 1954. Signal and Data Processing of Small Targets. 1993, pp. 2-11.

31. Fazlollahi A.H., Javidi B. Optimum receivers for pattern recognition problems with nonoverlapping target and background noise // Optical Engineering 36(10).-Oct 1997, pp. 2633-2641.

32. Бакут П.А., Лабунец В.Г. Телевизионная следящая система с байесовским дискриминатором цели // Зарубежная радиоэлектроника. 1987 — №10. — С.81-93

33. Алпатов Б.А., Блохин А.Н., Бохан К.А. Исследование алгоритма сегментации, основанного на байесовской процедуре классификации // Космонавтика. Радиоэлектроника. Геоинформатика. Тез. докл. 2-й междунар. науч.-техн. конф. — Рязань, 1998. С. 169 - 170.

34. Муравьев С.И., Муравьев B.C. Использование вейвлет-признаков в задачах сегментации изображений // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций. Тез. докл. 12-й междунар. науч.-техн. конф. Рязань, 2004. - С. 73-74.

35. Алпатов Б.А., Балашов O.E. Исследование методов оценки фрактальной размерности и сегментация изображения // Цифровая обработка сигналов и ее применения. Тез. докл. 6-й междунар. конф. Том 2. М.: 2004. — С. 97-99.

36. Алпатов Б.А., Балашов O.E. Исследование алгоритмов сегментации изображения по фрактальным признакам // Космонавтика. Радиоэлектроника. Геоинформатика. Тез. докл. 4-й междунар. конф. Рязань, 2003. - С. 320321.

37. Тимофеев Б. С., Обухова Н. А. Алгоритм сегментации объектов в последовательности видеокадров методами нечеткой логики // Обработка информации и управление. — 2006 №3. - С.12-18.

38. Борисенко В.И., Златопольский А.А., Мучник И.Б. Сегментация изображений состояние проблемы. // Автоматика и телемеханика. 1987. — №7. -С. 3-55

39. Прэтт У. Цифровая обработка изображений. М.: Мир, 1982. - 790 с.

40. Денисов Д.А., Низовкин В.А. Сегментация изображений на ЭВМ // Зарубежная радиоэлектроника. -1985. — №10 — С. 5-30.

41. Liyan Li, Maylor К.Н. Leung Integrating Intensity and Texture Differences for Robust Change Detection // IEEE Trans, on Image Processing, Vol. 11, No. 2. February 2002. - pp. 105-112.

42. Silverman J., Caefer C.E., DiSalvo S., Vickers V.E. Temporal filtering for point target detection in staring IR imagery: II. Recursive variance filter // Proc. of SPIE Vol. 3373, Signal and Data Processing of Small Targets. Jul 1998, pp. 44-53.

43. Farin D., Peter H.N. de With, Effelsberg W. A Segmentation System with Model Assisted Completion of Video Objects // Proc. Conf. Visual Communications & Image Processing, Proc. SPIE 5150. Jun 2003, pp. 366-377.

44. Farin D., Peter H.N. de With, Effelsberg W. Robust background estimation for complex video sequences // International Conference on Image Processing. — Sept. 2003, pp. 145-148.

45. Алпатов Б.А. Алгоритм обнаружения и выделения движущегося фрагмента изображения // Техника средств связи. Серия Техника телевидения. — 1991.-№2.-С. 72-76.

46. Алпатов Б.А., Блохин А.Н. Модели и алгоритмы обнаружения и выделения движущихся фрагментов изображений // Автометрия. 1995. - №4. — С. 100-104.

47. Алпатов Б.А., Бохан К.А. Алгоритм обнаружения и выделения изображения движущегося объекта в присутствии неоднородного фона // Вестник РГРТА. 1999. - №6 - С. 7-11.

48. Алпатов Б.А. Оценивание параметров движущегося фрагмента двумерного изображения // Техника средств связи. Сер. Техника телевидения. — 1991.-№2.-С. 77-81.

49. Алпатов Б.А. Оценивание параметров движущегося объекта в последовательности изменяющихся двумерных изображений // Автометрия. 1991. -№3.-С. 21-24.

50. Алпатов Б.А. Оптимальное оценивание параметров движущегося объекта в последовательности изображений // Автометрия. — 1994. №2. — С. 3237.

51. Алпатов Б.А., Бабаян П.В. Выделение движущихся объектов в условиях геометрических искажений изображения // Цифровая обработка сигналов. -2004.-№4.-С. 9-14.

52. Алпатов Б.А., Катаев А.А. Обнаружение движущегося объекта в последовательности изображений при наличии ограничений на площадь и скорость движения объекта // Цифровая обработка сигналов — 2007. — №2. — С. 11-16.

53. Трифонов А.П., Куцов Р.В. Обнаружение движущегося с произвольной скоростью объекта при неизвестных интенсивностях изображения и фона // Автометрия. 2006. - №4. - С. 3-16.

54. Aridgides A., Fernandez М., Randolph D., Bray D. Adaptive three-dimensional spatio-temporal filtering techniques for infrared clutter suppression. Proc. of SPIE Vol. 1305, Signal and Data Processing of Small Targets. Oct 1990, pp. 63-74.

55. Aridgides A., Fernandez M., Randolph D., Ferris D. Adaptive 4-D IR clutter suppression filtering technique // Proc. of SPIE Vol. 1481, Signal and Data Processing of Small Targets. Aug 1991, pp. 110-116.

56. Fernandez M.F., Aridgides A., Bray D. Detecting and tracking low-observable targets using IR // Proc. of SPIE Vol. 1305, Signal and Data Processing of Small Targets. Oct 1990. - pp. 193-206.

57. Стротов B.B. Оценивание параметров смещения изображения в задачах выделения движущихся объектов // Вестник РГРТУ. Рязань, 2008. — №.23. -С. 30-37.

58. Муравьев B.C. Пространственный алгоритм обнаружения и измерения координат воздушных объектов на изображении // Вестник РГРТУ — 2009 — №28.-С. 17-20.

59. Репин В.Г., Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. — М.: Советское радио, 1977.- 432с.

60. Левин Б.Р. Теоретические основы статистической радиотехники. Книга вторая. — М.: Советское радио, 1975.-392с.

61. Акимов П.С. и др. Сигналы и их обработка в информационных системах. М.: Радио и связь, 1994. - 256 с.

62. Алпатов Б.А., Муравьев В.С, Муравьев С.И. Алгоритм предварительного обнаружения объектов на основе адаптивной пороговой обработки // Сети и системы связи. Мат-лы 30-го всерос. научн. практ. сем-pa. Рязань, РВВКУС, 2005.- С.195-197.

63. Муравьев B.C. Пространственный алгоритм обнаружения объектов на основе адаптивного порога // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций. Тез. докл. 14-й междунар. научно-технич. конф. Рязань, 2005. — С.122-123.

64. Алпатов Б.А, Муравьев С.И., Муравьев B.C. Пространственный алгоритм выделения объектов на основе адаптивной пороговой обработки // Цифровая обработка сигналов и ее применения. Тез. докл. 8-й междунар. конф. Том 2.-М.: 2006. С. 445-448.

65. Муравьев С.И. Муравьев B.C. Пространственный алгоритм выделения иобнаружения воздушных объектов для видеоинформационных комплексов // Сети и системы связи. Мат-лы 31-й научно-техн. конф. — Рязань, РВВКУС, 2006. С. 148-150.

66. Муравьев С.И. Муравьев B.C. Исследование алгоритма выделения воздушных объектов на основе пространственной фильтрации // Обработка информации в автоматических системах: Сб. науч. тр. — Рязань: РГРТУ,2006. С. 76-82.

67. Алпатов Б.А., Бабаян П.В., Стротов В.В. Анализ точностных характеристик методов слежения за фоновым изображением для бортовой видеоинформационной системы // Вестник РГРТУ. Рязань, 2007. - №20. - С. 310.

68. Rao М. Target recognition using cepstrum and inverse filtering // Proc. of SPIE, Vol. 2484, Signal Processing, Sensor Fusion and Target Recognition IV. 1995, pp. 224-235.

69. Муравьев B.C., Муравьев С.И. Алгоритм выделения и измерения координат объектов, наблюдаемых на облачных фонах // Вестник РГРТУ. Рязань, 2007. -№21. - С. 20-24.

70. Муравьев B.C., Муравьев С.И. Пространственно-временной алгоритм выделения объектов, наблюдаемых на облачных фонах // Цифровая обработка сигналов и ее применения. Тез. докл. 9-й междунар. конф. Том 2. М.:2007. С. 375-377.

71. Муравьев B.C. Разработка и исследование пространственно-временного алгоритма выделения воздушных объектов // Новые информационные технологии в научных исследованиях и образовании. Тез. докл. 12-й всерос. конф. Рязань, 2007. — С. 205.

72. Алпатов Б.А., Муравьёв B.C. Пространственно-временной алгоритм выделения воздушных объектов для систем видеослежения // Сети и системы связи. Мат-лы 32-й всерос. научно-практ. конф. Рязань, РВВКУС, 2007.- С. 5-7.

73. Муравьев B.C. Пространственно-временной алгоритм выделения объектов при космическом наблюдении // Космонавтика. Радиоэлектроника. Геоинформатика. Тез. докл. 5-й междунар. конф. Рязань, 2007 - С. 237-239.

74. Разработка теории и алгоритмов обнаружения и оценки параметров объектов в последовательностях изображений. Отчёт о научно-исследовательской работе № 6-ОЗГ /№ госрегистрации 01200302741/ -Рязань, 2003.- 185 с.

75. Алпатов Б.А. Катаев A.A. Исследование эффективности алгоритма межкадровой фильтрации бинарного изображения в системах видеослежения // Вестник РГРТУ. Рязань, 2006. - №19. - С. 3-6.

76. Степашкин А.И., Хлудов С.Ю. Выделение и параметризация связных областей двумерного изображения // Обработка информации в системах управления. — Рязань, 1989. — С. 28-33.

77. McLachlan G. J., Krishnan Т. The ЕМ algorithm and extensions. New York, 1997.-274 p.

78. Li Rong X., Jilkov V.P. A Survey of maneuvering target tracking part III:measurement models // Proc. of SPIE, Vol. 4473, Signal and Data Processing of Small Targets. 2001, pp. 423-446.

79. Брайсон A., Xo Ю-Ши Прикладная теория оптимального управления. Пер. с англ. М.: Мир, 1972. - 544 с.

80. Шахтарин Б.И. Случайные процессы в радиотехнике. 4.1. Линейные системы. М.: Радио и связь, 2002. - 568 с.

81. Муравьев B.C. Алгоритм выделения воздушных объектов, наблюдаемых на неоднородных фонах // Обработка информации в автоматических системах: Сб. науч. тр. Рязань: РГРТУ, 2009. - С. 83-88.

82. Муравьёв B.C. Алгоритм выделения и измерения координат воздушных объектов для систем обработки изображений // Проблемы автоматизации и управления в технических системах. Тез. докл. научно-технич. конф. — Пенза, 2009.-С. 374-377.

83. Муравьев B.C. Моделирование пространственного алгоритма обнаружения и выделения объектов в среде MATLAB // Новые информационные технологии в научных исследованиях и образовании. Тез. докл. 11-й все-рос. конф. Рязань, 2006. - С. 136-137.

84. Алпатов Б.А., Балашов O.E. Степашкин А.И. Повышение точности сопровождения объектов бортовой оптико-механической системой с двухосным карданным подвесом // Мехатроника. Автоматизация. Управление. 2008.- №9. С. 20-23.

85. Алпатов Б.А., Балашов O.E., Степашкин А.И. Формирование управления приводами трехосного карданного подвеса в системе сопровождения объектов // Известия ВУЗов. Приборостроение. 2006. — №5(Т. 49). - С. 2428.

86. Алпатов Б.А., Балашов O.E., Степашкин А.И. Управление приводами ги-ростабилизированной платформы в видеокомпьютерной системе сопровождения объектов // Вестник РГРТА. 2003. - №12. - С. 38-41.