Модели и алгоритмы оценивания параметров динамических изображений в бортовых системах видеослежения тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Стротов, Валерий Викторович

• Стротов, Валерий Викторович
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Стротов, Валерий Викторович

ВВЕДЕНИЕ.

1 АНАЛИЗ ПРОБЛЕМЫ ОЦЕНИВАНИЯ ПАРАМЕТРОВ ГЕОМЕТРИЧЕСКИХ ПРЕОБРАЗОВАНИЙ ИЗОБРАЖЕНИЙ В СИСТЕМАХ ВИДЕОСЛЕЖЕНИЯ.

1.1 Анализ задач, решаемых бортовой системой видеослежения.

1.2 Обзор методов решения основных задач в системах видеослежения

1.3 Математические модели последовательностей изображений. Постановка и качественный подход к решению задач оценивания параметров геометрических преобразований изображений.

2 АЛГОРИТМЫ ОЦЕНИВАНИЯ ПАРАМЕТРОВ ГЕОМЕТРИЧЕСКИХ ПРЕОБРАЗОВАНИЙ В ПОСЛЕДОВАТЕЛЬНОСТИ ИЗОБРАЖЕНИЙ.

2.1 Математические модели геометрических преобразований изображений ^

2.2 Аналитическая постановка задачи оценки параметров геометрических преобразований изображения при движущемся датчике.

2.3 Алгоритм оценивания параметров преобразований смещения и поворота.

2.4 Алгоритм выбора и замены опорных участков.

2.5 Модификации алгоритма оценивания параметров смещения фонового изображения при работе в сложных условиях.

3 ПРИМЕНЕНИЕ РЕЗУЛЬТАТОВ ОЦЕНКИ ПАРАМЕТРОВ ГЕОМЕТРИЧЕСКИХ ПРЕОБРАЗОВАНИЙ ИЗОБРАЖЕНИЙ В СИСТЕМАХ ВИДЕОСЛЕЖЕНИЯ.

3.1 Электронная стабилизация поля зрения оператора на основе оценки параметров геометрических преобразований изображений.

3.2 Применение результатов оценки параметров геометрических преобразований изображений в алгоритмах слежения за объектами.

3.3 Применение результатов оценки параметров геометрических преобразований изображений в алгоритмах выделения и сопровождения объектов по признаку движения.

4 КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ. РЕКОМЕНДАЦИИ ПО РЕАЛИЗАЦИИ АЛГОРИТМОВ В БОРТОВЫХ СИСТЕМАХ ВИДЕОСЛЕЖЕНИЯ.

4.1 Описание программного комплекса для проведения моделирования.

4.2 Исследование алгоритма оценивания параметров преобразований смещения и поворота изображений.

4.3 Исследование возможности и эффективности применения результатов оценки параметров геометрических преобразований для решения задач в системах видеослежения.

4.4 Рекомендации по реализации алгоритмов в бортовых системах видеослежения.

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы оценивания параметров динамических изображений в бортовых системах видеослежения»

Актуальность работы.

Системы обработки и анализа видеоинформации всё более интенсивно применяются в различных областях человеческой деятельности. Наиболее широкое распространение они получили в таких задачах как навигация, космический мониторинг Земли, контроль качества и количества производимой продукции, обеспечение безопасности различных объектов, передача и хранение видеоданных, медицинские и военные приложения.

Одним из направлений при создании систем анализа и обработки видеоинформации является разработка бортовых систем видеослежения, которые предназначены для установки на мобильных носителях, таких, как самолёты, вертолёты, корабли, автомобили или танки. Из характерных черт систем данного класса можно выделить, в первую очередь, необходимость работы в реальном масштабе времени. Также эти системы должны функционировать в полуавтономном режиме, требуя от оператора минимум действий и предоставляя ему информацию в наиболее удобной форме.

При разработке бортовых систем видеослежения возникает целый класс задач, связанных с проблемами обнаружения, выделения и сопровождения объектов, находящихся в поле зрения датчика изображений [14]. Примерами таких объектов могут служить различные летательные аппараты, автотранспорт, суда или люди. При этом поле зрения видеодатчика подвижно, а априорная информация о характеристиках объектов обычно довольно скудна, и в лучшем случае включает в себя лишь приблизительные размеры объектов и характер их перемещения.

Между тем, видеодатчик, расположенный на корпусе мобильного носителя, перемещается в пространстве вместе с носителем, его ориентацию в пространстве меняется при помощи устройства позиционирования, он испытывает воздействие вибраций различной природы из-за чего его поле зрения подвергается геометрическим преобразованиям. Они затрудняют, а иногда делают совершенно невозможным решение многих таких задач, как обнаружение движущихся объектов, разделение и параметризация сопровождаемых объектов, расположенных близко друг к другу, анализ траекторий сопровождаемых объектов. Вдобавок, геометрические искажения, вызванные вибрациями корпуса носителя существенно усложняют работу оператора системы, то есть возникает задача стабилизации наблюдаемого изображения.

Говоря о геометрических деформациях, вызванных движением видеодатчика, следует отметить, что иногда существует возможность оценить их вид и параметры, используя показания приборов носителя видеодатчика. Однако, в случае отсутствия или недостаточной точности измерительных устройств, используются методы оценки параметров преобразований на основе анализа изображений видеопоследовательности [76,91]. Вычислив оценки параметров искажений, можно компенсировать их влияние. Также для уменьшения влияния такого рода искажений применяются гиростабилизированные платформы и подвесы.

Таким образом, существует актуальная проблема стабилизации наблюдаемого изображения на основе оценки параметров геометрических преобразований изображений в бортовых системах видеослежения.

Степень разработанности темы.

Вопросам оценки параметров динамических изображений уделяется достаточно много внимания в отечественной и зарубежной литературе. Значительный вклад в разработку методов и алгоритмов оценки параметров динамических изображений внесли работы таких учёных, как Б.А. Алпатов, В.К. Баклиц-кий, П.А. Бакут, A.M. Бочкарев, В.Г. Лабунец, Е.П. Путятин, А.Г. Ташлинский, С. Crane, Q. Pham, W. Pratt, S.Wang и др. Несмотря на большое количество работ по данной тематике, анализ литературы показал, что не в полной мере использованы возможности для повышения качества решения рассматриваемых задач.

Вряде работ рассматривается задача стабилизации изображения в случае присутствия, случайных-смещений. Широко освещены,задачи выделения- обнаружения и1 сопровождения* объектов в системах с неподвижным видеодатчиком. Также рассматриваются вопросы, связанные с решением' отдельных задач в системах видеослежения с подвижным датчиком, в частности задач выделения и сопровождения объектов. Однако в данных работах недостаточно внимания уделено проблеме оценки-параметров, геометрических искажений, являющейся базовой' дляа решения основных задач в системе видеослежения с подвижным датчиком видеоизображений.

Исходя, из этого, цель диссертации состоит в разработке алгоритмов оценивания параметров геометрических преобразований изображений, разработке алгоритмов электронной стабилизации изображений-№ исследовании алгоритмов измерения положения объектов на изображении с учётом- оценки» параметров его геометрических преобразований в бортовых системах видеослежения.

Для- достижения! поставленной цели- необходимо решить следующие основные подзадачи:.

-анализ существующих методов оценки с геометрических преобразований изображений;* разработка модели формирования1 изображений с учётом параметрических геометрических искажений; разработка алгоритма оценки параметров геометрических преобразований изображения, вызванных движением датчика; синтез алгоритма выбора опорных участков для задачи оценки параметров геометрических преобразований изображения; разработка алгоритма электронной стабилизации выдаваемого оператору изображения в системах с подвижным видеодатчиком; исследование возможности использования результатов оценки параметров-геометрических преобразования в алгоритмах выделения'и сопровождения объектов в системах с подвижным видеодатчиком;

-экспериментальные исследования эффективности разработанных алгоритмов;

Научная новизна диссертации состоит в том, что в ней впервые сформулированы и решены задачи оценивания параметров геометрических преобразований и электронной стабилизации изображений на основе выбора и определения положения опорных участков в последовательности изображений в системах видеослежения с подвижным видеодатчиком. Эффективность разработанных подходов получила экспериментальное подтверждение.

Методы исследования.

Теоретические исследования в настоящей работе выполнены на основе методов теории статистических решений, теории вероятностей, функционального анализа, спектрального анализа.

Моделирование и экспериментальные исследования предлагаемых алгоритмов выполнялись на реальных и синтезированных видеосюжетах.

Достоверность результатов и выводов диссертации подтверждается корректным использованием математического аппарата, результатами моделирования и экспериментальными исследованиями.

Реализация и внедрение.

Разработанные в диссертации модели и алгоритмы были использованы при выполнении научно-исследовательских работ, проводимых в Рязанском государственном радиотехническом университете по заказу министерства образования и науки РФ (НИР 6-ОЗГ, НИР 14-ОЗГ, НИР 26-ОЗГ, НИР 7-04, НИР 905Г, НИР 2-06Г, НИР 17-08Г), при выполнении научно-исследовательских работ, проводимых в Рязанском государственном радиотехническом университете по заказу Российского фонда фундаментальных исследований (НИР 35-06Г), при выполнении работ, проводимых в Рязанском государственном радиотехническом университете по заказу ФГУП «Государственный рязанский приборный завод» (НИР 3-00, НИР 1-03, НИР 1-04, НИР 7-05, НИР 7-06, НИР 5-07, НИР 108), при выполнении НИОКР, проводимых ФГУП «Государственный рязанский приборный завод» по заказу ОАО «Красногорский завод им. С.А. Зверева» (шифр составной части ОКР «ТОР-Т») в рамках работы по созданию вертолёта МИ-28Н, что подтверждается актами внедрения.

Практическая ценность работы состоит в том, что предложенные алгоритмы определения параметров геометрических преобразований и электронной стабилизации изображений использованы при создании бортовых систем видеослежения.

Апробация работы.

Основные результаты работы докладывались на следующих конференциях:

- 10-й, 11-й, 12-й, 13-й, 14-й и 15-й международных научно-технических конференциях «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань - 2001-2007);

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

- 8-й и 10-й международных научно-технических конференциях «Цифровая обработка сигналов и ее применения» (Москва - 2006, 2008);

- 4-й и 5-й международных научно-технических конференциях «Космонавтика. Радиоэлектроника. Геоинформатика» (Рязань - 2003, 2007);

- 4-й международной конференции «Телевидение: передача и обработка изображений» (С.Петербург - 2005);

- Всероссийском научно-практическом семинаре «Сети и системы связи» (Рязань - 2005);

- 31 и 32-й Всероссийских научно-практических конференциях "Сети, системы связи и телекоммуникации" (Рязань - 2007)

- 1-й конференции МАА-РАКЦ "Космос для человечества" (Королёв

2008)

-2-й Всероссийской научной конференции «Проектирование инженерных и научных приложений в среде МАТЬАВ» (Москва - 2004);

-международной научно-технической конференции «Современная радиоэлектроника в ретроспективе идей В.А. Котельникова» (Москва - 2003);

-Всероссийской дистанционной научно-технической конференции «Информационно-телекоммуникационные технологии» (Москва - 2003);

- Всероссийской научно-технической конференции «Информационно-телекоммуникационные технологии» - два доклада - (Сочи — 2004);

Выступления на всероссийском научно-практическом семинаре «Сети и системы связи» (2005) и на 11-й всероссийской конференции «Новые информационные технологии в научных исследованиях и образовании» (2006) отмечены дипломами.

Публикации.

По теме диссертации опубликовано 26 работ, в том числе 3 статьи в журналах, рекомендуемых ВАК для публикации результатов кандидатских диссертаций. Результаты исследований отражены в 13 отчётах о НИР. Получено положительное решение о выдаче патента на изобретение.

Личный вклад.

Используемые в диссертации математические модели, определяющие процесс формирования изображений и характер геометрических преобразований в системах видеослежения, алгоритмы выбора, замены опорных участков и объединения информации об их смещениях в различных условиях, а также алгоритм электронной стабилизации видеоизображений разработаны лично диссертантом.

Основные результаты, выносимые на защиту:

- математические модели формирования изображений в системах видеослежения с подвижным датчиком изображений;

- многоэталонный алгоритм оценивания параметров евклидовых преобразований в последовательности изображений;

- алгоритм выбора и замены опорных участков на изображении;

- алгоритм электронной стабилизации видеоизображений;

- модифицированные алгоритмы, выделения и сопровождения объектов в системах видеослежения;

Структурами объём диссертации.

Диссертация состоит из введения, четырёх глав» заключения, списка литературы (91 источник), изложенных на 179 страницах, содержит 51 рисунок и 9 таблиц.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Стротов, Валерий Викторович

Результаты исследования представлены на рисунке 4.15. кл2(п) = '

Кадры, шт

Рисунок 4.15

Из рисунка 4.15 можно видеть, что: 1. Система БезИакег (чёрная линия с маркерами вида «+» на рисунке 4.15), хотя и эффективно подавляет неуправляемые колебания, является системой постобработки видеоизображений, в которой для сглаживания вибраций применяются физически нереализуемые фильтры. То есть, данная система не может быть использована для стабилизации изображений в реальном времени. Невозможность использования информации о наличии управляющего воздействия вызывает задержки отработки управляющего; воздействия;

2. Система У1ёео81аЬ1Нзег (серая линия с маркерами вида «х» на рисунке 4.15) не обеспечивает подавления гармонической помехи;

3. Предложенный алгоритм (чёрная линия с маркерами вида «о» на рисунке 4Л 5) эффективно подавляет гармоническую помеху, при этом не вызывает запаздывания- смещения изображения при поступлении управляющего; воздействия.

По результатам; исследований алгоритма электронной;' стабилизации изображений можно сделать следующие выводы:

1. Предложенная- модель описания неуправляемых перемещений изображений адекватна для решения-задачи электронной стабилизации в бортовых системах видеослежения;;

2. Предложенный, алгоритм- электронной; стабилизации; фонового изображения, обеспечивает оценку параметров и практически полное подавление полигармонической? помехи; а также подавление шумовой; помехи,г в том числе и в условиях чересстрочной развёртки;

3. Для обеспечения»минимальной задержки в перемещении поля зрения при поступлении5 управляющих воздействий' от операторам необходимо? приостанавливать подавление шумовой .помехи на всё: время поступления команд оператора.

Целью экспериментальных исследований;; алгоритма выделения- объектов-по признаку движения являлось подтверждение эффективности предложенного подхода по сравнению с. известными подходами [10].

Экспериментальные исследования, проводились, с использованием видеопоследовательности продолжительностью 24 секунды (600 кадров), снятой в; видимом диапазоне. Отношение сигнал/шум для данной последовательности около 8; размер кадров 400х 400 точек. Сюжет снят подвижной видеокамерой, при этом движение датчика визуально проявлялось в виде линейного дрейфа изображения со скоростью приблизительно 2 пикселя за кадр по горизонтали и 0,5 пикселя за кадр по вертикали. Для слежения за фоновым изображением использовались предложенный многоэталонный алгоритм, а также алгоритм на основе преобразования Фурье, описанный в работе [10], который будем называть одноэталонным.

Для каждого алгоритма строились рабочие характеристики выделения объекта при изменении параметра с1, рассмотренного подробнее в разделе 3.3 и входящего в выражение (3.35). Они представлены на рисунке 4.16.

Рисунок 4.16 - Рабочие характеристики выделителей движения, построенных на базе различных алгоритмов определения параметров сдвига изображения

Рабочая характеристика выделения - это зависимость частоты правильного выделения от частоты ложного выделения при изменении параметров алгоритма. Частота правильного выделения — это отношение числа точек, правильно отнесённых к объекту, к общему количеству точек объекта. Частота ложного выделения это отношение количества точек, неверно отнесённых к объекту к общему количеству точек изображения, не принадлежащих объекту.

Для вычисления частот правильного выделения и ложного выделения точек объекта использовался каждый 30-й кадр видеопоследовательности. Пример кадра приведён на рисунке 4.17 (а). Эталонная бинарная маска объекта (рисунок 4.17 (б)) создавалась вручную с помощью графического редактора. Результаты выделения движения рассматриваемым алгоритмом (без морфологической фильтрации) при различных значениях параметра й приведены на рисунках 4.17 (в-г). в) г)

Рисунок 4.17 - Кадр исходной видеопоследовательности (а), соответствующее ему эталонное бинарное изображение (б) и результаты выделения движения рассматриваемым алгоритмом при значении параметра с1 —1.5 (в) и с1 = 3 (г)

Исследования, проведённые на той же последовательности, но с добавлением преобразования поворота, показывают, что точность предложенного алгоритма уменьшается с ростом предельного угла отклонения при неизменном значении модуля межкадрового поворота равном 10. При больших предельных углах поворота это выражается в увеличении количества ошибочно выделенных точек, что вызывает рост вероятности ложной тревоги. Результаты исследования показывают, что предельное значение максимального угла поворота, при котором алгоритм выделения остаётся работоспособным, составляет 45°. Это согласуется с результатами, полученными в разделе 4.2.

0.9

0.S5 0.8 0.75 0.7 0.65 0.6 0.55 0.5 0.45 0.4 0 1

Макс, угол поворота 1 град. Макс, угол поворота 5 град. О- -Макс, угол поворота 20 град. О Макс, угол поворота 45 град.

3.5

Частота ложного обнаружения х 10

4.5 з

Рисунок 4.18 - Рабочие характеристики выделителей движения, построенных на базе различных алгоритмов определения параметров поворота и сдвига изображения при различных максимальном углах поворота.

Из полученных результатов можно сделать вывод о том, что в случае, когда геометрические преобразования изображений, возникающие из-за движения видеодатчика, являются преобразованием сдвига, предложенный алгоритм показывает точность выделения движущихся объектов, превосходящую точность выделителя, построенного на базе одноэталонного алгоритма [10], отличающегося от рассматриваемого в работе алгоритма значительно повышенными вычислительными затратами. В случае присутствия преобразований поворота ошибка увеличивается в зависимости от величины максимального угла поворота. Алгоритм выделения движения на основе многоэталонного алгоритма определения может быть рекомендован для использования в случаях, когда на изображении присутствует преобразование поворота на угол не более 45 градусов.

Целью экспериментальных исследований алгоритма слежения за объектами при известных эталонных изображениях, предложенного в разделе 3.2, являлось подтверждение эффективности предложенного подхода в условиях присутствия геометрических преобразований.

Экспериментальные исследования проводились с использованием видеопоследовательности продолжительностью 12 секунд (300 кадров), полученной с неподвижной камеры видимого диапазона. Отношение сигнал/шум для данной видеопоследовательности около 8. На видеопоследовательности присутствовали движущиеся объекты, положение которых в каждом кадре было заранее определено экспериментатором.

На базе данной последовательности формировались тестовые видеосюжеты путём выделения из каждого её кадра области размером 400x400 точек. Положение данной области определялось величинами V х(п),у у(п) , показывающих смещение центра области от центра изображения исходного кадра. Данные величины выбирались случайными, распределёнными по нормальному закону: Vх (п) ~ 7/(0, а\ ), V (п) ~ N(0, о^ ).

Рассматривались три алгоритма определения координат объектов на изображении, первый из которых ориентирован на случай неподвижного фона, а второй и третий — на случай движущегося фона. Второй алгоритм основан на одновременном вычислении сдвига объекта и фона в окрестности объекта. Его блок схема представлена в разделе 3.2 на рисунке 3.8. Третий алгоритм основан на предварительной оценке сдвига всего фонового изображения с последующим вычислением положения объекта. Его блок схема представлена в разделе 3.2 на рисунке 3.9. Во всех алгоритмах производилась калмановская фильтрация координат объектов.

Исследования проводились для одного из объектов и различных значений ау, причём для каждого значения исследование повторялось 10 раз, после чего результаты усреднялись. Для оценки точности работы алгоритмов вычислялось значение СКО ошибок определения координат. Результаты исследования представлены в таблице 4.7.

ЗАКЛЮЧЕНИЕ

Диссертационная работа посвящена решению задач оценивания параметров геометрических преобразований и электронной стабилизации изображений, а также исследованию алгоритмов измерения положения объектов на изображении, использующих оценки параметров геометрических преобразований изображений, в бортовых системах видеослежения. В процессе исследований задачи получены следующие новые научные и практические результаты:

1. Разработаны модели изображений с подвижным фоном, наблюдаемых в бортовых системах видеослежения. При разработке моделей учтены характер перемещения видеодатчика и параметры фоноцелевой обстановки.

2. Разработаны алгоритмы оценки параметров геометрических преобразований изображений, основанные на оценке межкадрового сдвига опорных участков изображений в реальном масштабе времени. Разработан эффективный алгоритм выбора и замены опорных участков. Показана возможность функционирования данных алгоритмов в условиях чересстрочного способа формирования изображений и кратковременного пропадания видеоинформации.

3. Разработан алгоритм электронной стабилизации изображений, учитывающий характер вибраций, возникающих при эксплуатации бортовых систем видеослежения.

4. Рассмотрены и исследованы алгоритмы оценки координат движущихся и неподвижных объектов по известному эталонному изображению, а также объектов, выделяемых по признаку движения, для случая подвижного датчика изображений, учитывающие полученные оценки геометрических преобразований фонового изображения,

5. Экспериментально подтверждена эффективность рассматриваемых способов и алгоритмов. Проведены сравнительные исследования предложенных алгоритмов с известными способами оценок геометрических преобразований изображений и координат объектов, показавшие состоятельность предлагаемых в диссертации алгоритмов. Даны рекомендации по реализации их в системах видеослежения.

Список литературы диссертационного исследования кандидат технических наук Стротов, Валерий Викторович, 2009 год

1. Акимов U.C., Сенин А.И., Соленое В.И. Сигналы и их обработка в информационных системах. М.: Радио и связь, 1994. - 255с.

2. Алберт А. Регрессия, псевдоинверсия и рекуррентное оценивание: Пер. с англ. М.:Наука, 1977. 224 с.

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

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

5. Алпатов Б.А. Оптимальное оценивание параметров движущегося объекта в последовательности изображений //Автометрия. — 1994. №2. - С. 32-37.

6. Алпатов Б.А. Алгоритм оценивания местоположения изменяющего яркость объекта в последовательности изображений // Изв. вузов. Приборостроение, 1991. - №7. - С.76-81.

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

8. Алпатов Б.А. Алгоритм обнаружения и выделения движущегося фрагмента изображения // Техника средств связи. Серия техника телевидения. 1991. - С. 72-76.

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

10. 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.

11. Алпатов Б.А., Бабаян П.В., Муравьёв B.C., Стротов В.В. Обнаружение и сопровождение объектов- в последовательности изображений при- наблюдении из космоса // Iм конференция- МАА-РАКЦ "Космос для человечества". Королёв Моск. обл., 2008. С. 175.

12. Алпатов Б.А., Бабаян П.В., Стротов В.В. Анализ точностных характеристик методов слежения, за фоновым изображением для бортовой видеоинформационной системы. // Вестник РГРТА. Вып. 20. Рязань, 2007 -с. 3-10

13. Алпатов Б.А., Бабаян П.В., Стротов В.В. Исследование методов слежения за фоновым изображением для бортовой видеоинформационной системы. // Всероссийский научно-практический семинар «Сети и системы связи», 2005 — с. 45-47.

14. Алпатов Б.А., Бабаян П.В., Стротов В.В. Исследование двух методов слежения за фоновым изображением для бортовой видеоинформационной системы. // 4-я международная конференция «Телевидение: передача и обработка изображений», С.Петербург, 2005 с. 93-94.

15. Алпатов Б.А., Бабаян П.В., Стротов В.В. Многоэталонный алгоритм слежения за фоном. // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций. Тез. докл. 14-я Международная научно-техническая конференция. Рязань, 2005 — с. 108-109.

16. Алпатов Б.А., Бабаян П.В., Стротов В.В. Многоэталонный алгоритм оценивания параметров смещения изображения // 31-я межвузовская научно-практическая конференция. Тез. докл., Рязань: РВВКУС, 2006 -с.5-6.

17. 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. 320-321.

18. 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.

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

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

21. Алпатов Б.А., Бохан К.А. Алгоритм обнаружения и выделения изображения движущегося объекта в присутствии неоднородного фона // Вестник Рязанской государственной радиотехнической академии. — 1999. -№6-С. 7-11.

22. Алпатов Б.А., и др. Алгоритмы последовательных испытаний в задаче совмещения двумерных изображений // Изв. вузов. Сер. Электромехани• ка. — 1988: №7. — С. 87-91.

23. Алпатов Б.А., Катаев A.A. Метод автоматического выделения опорных участков фона в замкнутой видеокомпьютерной системе // Космонавтика. Радиоэлектроника. Геоинформатика. Тез. докл. 4-й междунар. науч.-техн. конф. Рязань, 2003. - С. 315-317.

24. Алпатов Б.А., Селяев A.A. Алгоритм коррекции эталонного изображения при слежении за двумерным объектом // Межвуз. сб.: Обработка и преобразование информации в задачах управления. Рязань: РРТИ, 1984, — С. 52-57.

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

26. Алпатов Б.А., Селяев A.A., Степашкин А.И. Цифровая обработка изображений в последовательности движущихся объектов // Изв. вузов. —

27. Приборостроение. 1985. - №2. - С. 39-43.

28. Алпатов Б.А., Стротов В.В. Алгоритм электронной стабилизации видеоизображений // Современная радиоэлектроника в ретроспективе идей В.А. Котельникова. Тез. докл. Международной конференции. М.: МЭИ, 2003.-С. 124-125.

29. Алпатов Б.А., Стротов В.В. Алгоритм электронной стабилизации фона для случая линейных сдвигов в последовательности видеоизображений // Космонавтика. Радиоэлектроника. Геоинформатика. Тез. докл. 4-й международной конференции. Рязань, 2003. — С. 322—323.

30. Бабаян П.В. Исследование алгоритма выделения движущихся объектов при мультспектральном наблюдении // Искусственный интеллект в XXI веке. Решения в условиях неопределенности: Сборник статей VI Все-росс. науч-техн. конф. Пенза, 2008. - С. 33-36.

31. Бабаян П.В. Методы математической морфологии- в задачах обработки изображений // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций. Тез. докл. 10-й междунар. науч.-техн. конф. Рязань, 2001. - С. 212-214.

32. Бабаян П.В., Cmpomoe В.В. Оценивание параметров геометрических преобразований изображения при выделении движущихся объектов // Обработка информации в автоматических системах. Сборник научных трудов. Рязань: РГРТУ, 2006 с. 17 - 22.

33. Бабаян П.В., Cmpomoe B.B. Методы оценки геометрических преобразований изображения^ для бортовой видеоинформационной системы. // Информационно телекоммуникационные технологии: Тез. докл. Всероссийская научно-техническая конференция. Сочи, 2004 — с. 5-6.

34. Бабаян П.В., Cmpomoe B.B. Оценивание параметров смещения изображения при выделении движущихся объектов // Цифровая обработка сигналов и её применение. Тез. докл. 8-я международная конференция. Москва,- 2005 с. 375-378

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

36. Балашов O.E., Cmpomoe B.B. Исследование алгоритма оценки параметров искажения сцены // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций. Тез. докл. 11-я Международная научно-техническая конференция. Рязань, 2002. — С. 20-22.

37. Банило С.А. и др. Субпиксельное оценивание перемещения дискретныхизображений // Цифровая обработка сигналов и ее применения. Тез. докл. 4-й междунар. конф. Том 2. М.: 2003. - С. 274-276.

38. Бачгшо С.А. и др. Средства электронной стабилизации телевизионных систем изображений для подвижных систем наблюдения // Цифровая обработка сигналов и ее применения. Тез. докл. 4-й междунар. конф. Том 2.-М.: 2003. С. 252-254.

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

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

41. Вентцелъ Е.С. Теория вероятностей. М.:Наука, 1964. - 576 с.

42. Голъденберг Л.М., Лгвчук Ю.П., Поляк М.Н. Цифровые фильтры М.: Связь, 1974.-160 с.

43. Гонзалес Р., Вудс Р. Цифровая обработка изображений М:Техносфера, 2005. - 1072 с.

44. Катыс Г.П. Восприятие и анализ оптической информации автоматической системой. М.: Машиностроение, 1986. — 415 с.

45. Коршунов Ю.М. и др. Расчёт и проектирование цифровых сглаживающих и преобразующих устройств М.: Энергия, 1976. — 336 с.изображений // Цифровая обработка сигналов и ее применения. Тез. докл. 4-й междунар. конф. Том 2. — М.: 2003. — С. 274-276.

46. Бачшо С.А. и др. Средства электронной стабилизации телевизионных систем изображений для подвижных систем наблюдения // Цифровая обработка сигналов и ее применения. Тез. докл. 4-й междунар. конф. Том 2. М.: 2003. - С. 252-254.

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

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

49. Вентцелъ Е.С. Теория вероятностей. М.:Наука, 1964. - 576 с.

50. Голъденберг U.M., Левчук Ю.П., Поляк М.Н. Цифровые фильтры М.: Связь, 1974.-160 с.

51. Гонзалес Р., Вудс Р. Цифровая обработка изображений М:Техносфера, 2005.-1072 с.

52. Катыс Г.П. Восприятие и анализ оптической информации автоматической системой. М.: Машиностроение, 1986. — 415 с.

53. Коршунов Ю.М. и др. Расчёт и проектирование цифровых сглаживающих и преобразующих устройств — М.: Энергия, 1976. — 336 с.

54. Латышев B.B. Кодирование изображений в корреляционно-экстремальных системах // Автоматика и телемеханика. — 1983., №5. — С. 117-121.

55. Левин Б.Р. Теоретические основы статистической радиотехники (книга вторая) -М.: «Советское радио», 1968. 504 с.

56. Марпл-мл. С.Л. Цифровой спектральный анализ и его приложения М.: Мир, 1990.-584 с.

57. Милъман Г.Ю. Применение методов оптимального растрирования для решения задач распознавания изображений // Вопросы кибернетики. Устройства и системы. М: МИРЭА, 1994 - С. 49-56.

58. Моисеев A.A., Волохов В.А. Устранение чересстрочной развёртки с применением вейвлет-преобразований // Цифровая обработка сигналов и её применение. Тез. докл. 9-я международная конференция. Москва, 2007 — с. 337-340

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

60. 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 между-нар. науч.-техн. конф. Рязань, 2004. - С. 73-74.

61. Прэтт У. Цифровая обработка изображений. — М.: Мир, 1982. 790 с.

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

63. Рабинер Л., Гоулд Б. Теория и применение цифровой обработки сигналов -М.: Мир, 1978. 848 с. ,

64. Стротов В.В. Оценивание параметров смещения изображения в задачах выделения движущихся объектов // Вестник РГРТУ. Вып 23. Рязань, 2008-с. 30-37

65. Стротов В.В. Многоэталонный алгоритм слежения за фоном в последовательности видеоизображений // Новые информационные технологии НИТ 2006. Тез. докл. XI Всероссийская научно-техническая конференция Рязань, 2006 - с. 133-134

66. Стротов В.В. Оценивание параметров смещения изображения при выделении движущихся объектов в сложных условиях наблюдения // Цифровая обработка сигналов и её применение. Тез. докл. 10-й международной конференциии. Москва, 2007 — с. 460-463

67. Ташлинский А.Г. Оценивание параметров пространственных деформаций последовательностей изображений / Ульяновский государственный технический университет. — Ульяновск: УлГТУ, 2000. 131 с.

68. Теоретичекие основы радиотехники: Учебное пособие для вузов / А.А Коростелёв, Н.Ф. Клюев, Ю.А. Мельник и др.; Под ред. В.Е. Дулевича — 2-е изд. М: Сов. радио, 1978. - 608 с.

69. Abdel-Malek A., Sohie G. A simple psychvisual approach for multiple target detection and tracking in passive sonar imaging systems // Proc. of SPIE Vol. 1706, Adaptive and Learning Systems 1992, pp 277-286.

70. Burns T.J., Rogers S.K., Oxley M.E., Ruck D. W. Computing Optical Flow a Discrete, Spartio-Temporal, Wavelets Multiresolution Analysis // Proc. of SPIE Vol. 2242, Wavelet Applications, ed. H H Szu 1994, pp. 549-560

71. Casasent D., Shenoy R. Detection and Classification in SAR using MINACE correlation filters // Proc. of SPIE Vol. 2487, Algorithms for Synthetic Aperture Radar Imagery II. 1995, pp. 211-224.

72. Eklund M. W., Trivedi M.M. Adaptive correlation-based tracking algorithm // Proc. of SPIE Vol. 2234, Automatic Object Recognition IV. 1994, pp. 384

73. Gowarl A. E., Snyder W. E., Ruedger W. H. The detection of unresolved targets using the Hough transform / / Ibid. P. 222

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

75. Mostafavi H. Optimal window function for image correlation in the presence of geometric distortion // IEEE Trans.-1979.-Vol. ASSP 27.-№2. - pp. 163169.

76. Peli T., Widder D., Plante S., Monsen P. T., Bennet L. Morphology-Based Detection/Discrimination of Ground Vehicles in Terrainboard FLIR Imagery // Proc. of SPIE Vol. 2485, Automatic Object Recognition V, ed. F A Sadjadi -1995.-Pp. 2-9

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

78. Tan L. Digital Signal Processing: fundomental and application Elsevier, 2008.-816 p.

79. Wand S., Crane C. Target recognition using cepstrum and inverse filtering // Proc. of SPIE Vol. 2484, Signal Processing, Sensor Fusion, and Target Recognition IV. 1995, pp. 224-235

80. Yang W., Shen Z., Li Z., Wang W. Using phase correlation approach to correct images // Proc. of SPIE Vol. 2561, Signal and Data Processing of Small Targets. 1995, pp. 526-532.

81. Zitova B., Flusser J. Image registration methods: a survey // Image and Vision Computing 21 2003, pp. 977-1000