Распознавание видеоизображений объектов заданной формы на основе анализа их контуров тема диссертации и автореферата по ВАК РФ 05.12.04, кандидат наук Охотников, Сергей Аркадьевич

• Охотников, Сергей Аркадьевич
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Охотников, Сергей Аркадьевич

Содержание

ВВЕДЕНИЕ

1. ОБЗОР СОСТОЯНИЯ ВОПРОСА ПО МЕТОДАМ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ

1.1. Обзор методов обработки видеоизображений априори известных объектов

1.2. Состояние вопроса в области обработки контуров видеоизображений объектов

1.3. Контурный анализ видеоизображений объектов

1.4. Обсуждение результатов и конкретизация задач диссертационного исследования

2. ИССЛЕДОВАНИЕ СПЕКТРАЛЬНЫХ И КОРРЕЛЯЦИОННЫХ СВОЙСТВ ВИДЕОИЗОБРАЖЕНИЙ ОБЪЕКТОВ ЗАДАННЫХ В ВИДЕ НЕПРЕРЫВНЫХ КОНТУРОВ

2.1. Математическая модель непрерывного контура

2.2. Спектральный анализ непрерывных контуров

2.2.1. Ортогональный базис

2.2.2. Разложение произвольного непрерывного контура

2.2.3. Особые свойства спектров непрерывных контуров, связанные с их замкнутостью, комплекснозначностью и непрерывностью

2.3. Влияние искажений на вид спектра контура

2.4. Корреляционный анализ непрерывных контуров

2.5. Обсуждение результатов

3. ОБРАБОТКА И РАСПОЗНАВАНИЕ ВИДЕОИЗОБРАЖЕНИЙ ОБЪЕКТОВ ЗАДАННЫХ В ВИДЕ НЕПРЕРЫВНЫХ КОНТУРОВ

3.1. Основные соотношения при линейной фильтрации видеоизображений объектов заданных в виде непрерывных контуров

3.2. Простейшие фильтры непрерывных контуров

3.3. Согласованная фильтрация видеоизображений объектов заданных в виде непрерывных контуров с априори известной формой

3.3.1. Основные аналитические соотношения

3.3.2. Свойства согласованного фильтра

3.3.3. Согласованная фильтрация зашумленного непрерывного

контура

3.4. Оценка параметров линейных преобразований непрерывных контуров

3.5. Распознавание видеоизображений реперных знаков априори заданной формы

3.6. Выводы

4. РАЗРАБОТКА АЛГОРИТМА РАСПОЗНАВАНИЯ ВИДЕОИЗОБРАЖЕНИЙ ОБЪЕКТОВ ЗАДАННОЙ ФОРМЫ И ИССЛЕДОВАНИЕ ЕЁ ЭФФЕКТИВНОСТИ

4.1. Алгоритм распознавания видеоизображений объектов априори заданной формы контуров

4.2. Примеры решения прикладных задач распознавания видеоизображений объектов заданной формы на основе анализа их контуров

4.3. Исследование эффективности распознавания видеоизображений объектов априори заданной формы в виде контуров

4.3.1. Расчёт и исследование характеристик распознавания видеоизображений объектов априори заданной формы в виде контуров

4.3.2. Исследование вычислительных затрат при решении задачи распознаваний видеоизображений заданной формы

4.4. Выводы

Заключение

СПИСОК ЛИТЕРАТУРЫ

Приложение 1

Приложение 2

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ

ФО — Фурье описание

НЭК — непрерывный элементарный контур

АКФ — автокорреляционная функция

ВКФ — взаимнокорреляционная функция

ЛЧМ - линейно частотно модулированный

ЭВ - элементарный вектор

ЭК - элементарный контур

ДПФ — дискретное преобразование Фурье

МО - математическое ожидание

СКО - среднеквадратическое отклонение

ОЭВК — оптико-электронный вычислительный комплекс

ВКУ - видеоконтрольное устройство

ЧКП - частотный коэффициент передачи

ИХ - импульсная характеристика

КСФ - контурный согласованный фильтр

СПИСОК ОБОЗНАЧЕНИЙ

X — {х(/))о I» У = {и(0)оД' - непрерывные комплекснозначные контуры;

Х(с) - сигнальный контур; Ь - длина контура;

/ - любое число в диапазоне от 0 до Ь\ ц - комплексный множитель; Аф - угол поворота;

|х(/)| - амплитудное представление функции х(/); ф(/) - фазовое представление функции х(0 5 ||Х|| - норма непрерывного контурного сигнала;

Я2 - расстояние между контурными сигналами; К = {к(/)}0 ь - зашумленный непрерывный контур

2 = {С(0)о ь " шУМ0В°й контур;

- дисперсия;

т0 - математическое ожидание;

Хт,Хп - непрерывные элементарные контуры;

т,п - меняются от —оо до оо;

Афт, Аф„ - произвольные углы;

;Мти1' Ы " произвольные масштабные коэффициенты;

Р = {р(т)}_00 ^ - спектр непрерывного контура;

Т = {т(г)} од - АКФ и ВКФ комплексной функции;

Х^ - НЭК со сдвинутым на д отчетов начальной точки; ^ - любое число в диапазоне от 0 до Ь;

- автокорреляционная функция между контурами Хт и Х^;

хм.

11 '

Цтп{я) - взаимно-корреляционная функция между контурами Хт и

X* - комплексно-сопряженный контур; \¥х = {'р(0,2|_оо оо " энергетический спектр; А= {5(«)}0 ^ - дельтовидный контур; Р Д ~ {р д(т)}_со оо " спектР дельтовидного контура; Е = {е(я)}о - симплексный контур;

{х;г - композиционный контур; г - ширина спектра непрерывного контура.

Введение диссертации (часть автореферата) на тему «Распознавание видеоизображений объектов заданной формы на основе анализа их контуров»

ВВЕДЕНИЕ

Актуальность темы. В общем случае радиотехническая система решает задачи обнаружения, оценки параметров, распознавания и разрешения принятых сигналов. При известной форме входного сигнала в условиях действия координатных и яркостных шумов для решения перечисленных задач принято использовать оптимальные решающие устройства — согласованные фильтры. Как известно, эффективность работы оптимального обнаружителя определяется энергией этого сигнала и не зависит от его внутренней структуры. При решении последующих задач - оценки параметров, распознавания и разрешения свойства используемого сигнала оказывает существенное влияние на получаемый результат.

Для современного этапа развития радиотехнических систем характерно стремительное возрастание объема видеоинформации, что предъявляет повышенные требования к скорости обработки видеоизображений, их компактному представлению для передачи по каналам связи и хранению, к качеству восстановления видеоизображений и т.д. Примером могут служить системы цифрового телевидения, охранные системы, системы мониторинга (системы распознавания номерных знаков, системы распознавания лиц, системы слежения за объектами и т.д.), медицинские диагностические системы. Необходимость выполнения этих требований стимулирует появление новых и совершенствование известных методов обработки видеоизображений.

Применение методов обработки видеоизображений, в которых присутствуют априорно известные объекты (реперные знаки, шероховатости поверхности подложек микросхем и т.д.), в системах видеоконтроля компонентов радиоэлектронной аппаратуры, в медицинских диагностических системах, телеметрии и т.д. дает возможность автоматизировать процессы сбора и обработки видеоинформации и получить более высокую достоверность результатов контроля. Для обнаружения и распознавания видеоизображений объектов с априори известной формой применяют

различные методы обработки. Важнейшие результаты в области обработки и распознавания изображений получены отечественными учеными: Сойфером В.А., Журавлевым Ю.И., Бакутом П.А., Фурманом Я. А., а также зарубежными авторами: Pratt W.K, Roberts L.G., Sobel I.E. и др.

Разработка новых методов и алгоритмов обработки видеоинформации в системах телевидения идет в сторону повышения эффективности решения основных задач радиотехники.

Одним из методов обработки видеоизображений объектов априори известной формы является метод анализа контуров. Контуры видеоизображений полностью характеризуют их форму и позволяют создать простые аналитические описания. Рассмотрение контуров видеоизображений как комплекснозначных сигналов и представление их в линейном комплекснозначном пространстве позволяет получить меру близости двух контуров в виде их скалярного произведения, инвариантную к преобразованиям переноса, поворота и масштабирования. При этом возникает задача оценки эффективности работы радиотехнических систем распознавания видеоизображений объектов с априори известной формой с применением элементов контурного анализа. Также стоит отметить: синтез и анализ сигналов, наряду с методами их обработки, является одной из важнейших задач радиотехники, применительно к различным областям науки и техники.

Существенное влияние на возможность применения методов контурного анализа оказывает количество пикселов в составе видеоизображения объекта. С уменьшением числа пикселов из-за искажения формы шумами дискретизации падает отношение сигнал/шум. Маскирующее влияние шумов дискретизации приводит к потере отдельных, в первую очередь, мелких деталей изображений, т.е. к потере информативных признаков формы в их контурах. Необходимое количество пикселов связано с шириной спектра контура и должно выбираться исходя из теоремы Котельникова. Однако в целом

ряде случаев оно определяется возможностями программируемого процессора изображений и применяемых датчиков изображений.

В большинстве случаев видеоизображение можно рассматривать как часть плоскости, разделенную на области с постоянными или меняющимися по некоторому закону параметрами, например, оптической плотностью, цветом, текстурой. Известно также, что контуры видеоизображений объектов часто можно считать наиболее информативной частью их представления [1-5, 7, 9-13]. В процессе анализа видеоизображений контуры обычно описываются в виде последовательности точек или отрезков прямых, а в большом количестве приложений криволинейные элементы видеоизображений в виде сплайнов, кривых Безье и т.п. [20-23].

В работе [18] отмечается: «Понятие непрерывной кривой на плоскости (в пространстве) является одним из понятий, интуитивно кажущихся простыми, но фактически очень сложно определяемых. В разные периоды развития математики крупнейшие представители этой области человеческих знаний по-разному определяли непрерывную кривую. Каждое новое определение исходило из потребностей практической деятельности человека, а также уровня знаний соответствующей эпохи». Потребности настоящего времени тесно связаны с необходимостью создания и массового использования средств обработки визуальной информации, представленной в дискретном виде. Одной из основных проблем обработки визуальной информации является искусственная идентификация или интерпретация видеоизображений.

В работах [5, 8, 74, 87-93, 96] рассмотрены подходы к обработке видеоизображений, основанные на анализе контуров видеоизображений, которые содержат информацию о форме объекта, его масштабе и угловом положении. Контуры видеоизображений полностью характеризуют их форму и позволяют создать простые аналитические описания, инвариантные к переносу, повороту и масштабированию изображений. Рассмотрение контуров видеоизображений как комплекснозначных сигналов и представление их в линейном комплекснозначном пространстве позволяет получить меру близости

двух контуров в виде их скалярного произведения, инвариантную к преобразованиям переноса, поворота и масштабирования.

Научная проблема, на решение которой направлена диссертационная работа, заключается в том, что на сегодняшний день не исследованы характеристики распознавания видеоизображений объектов с априори известной формой на основе анализа контуров, что затрудняет оценку качества работы и возможность сравнения существующих и вновь создаваемых телевизионных систем.

Цель и задачи работы.

Целью диссертационной работы является разработка и исследование методики и алгоритма распознавания видеоизображений объектов с априори известной формой и оценки эффективности их распознавания при использовании метода анализа контуров в системах передачи телевизионных изображений. Для достижения поставленной цели в диссертационной работе необходимо решить следующие задачи:

1. Исследовать спектральные свойства видеоизображений объектов с априори известной формой заданных в виде непрерывных контуров.

2. Разработать методику линейной, в том числе согласованной, фильтрации видеоизображений объектов с априори известной формой заданных в виде непрерывных контуров в системах передачи телевизионных изображений.

3. Разработать методику распознавания видеоизображений объектов заданных в виде непрерывных контуров в телевизионных системах передачи изображений.

4. Исследовать вопросы дискретизации непрерывных контуров видеоизображений компонентов радиоэлектронной аппаратуры и медико-биологических объектов.

Объект исследования: система передачи, обнаружения и распознавания телевизионных изображений.

Предмет исследования: разработка методики и алгоритмов обработки видеоизображений объектов заданной формы, исследование эффективности разработанных алгоритмов.

Научная задача исследования: разработка и исследование методов и алгоритмов обработки видеоизображений объектов с априори известной формой на основе контурного анализа в системах передачи телевизионных изображений при наличии помех.

Методы исследований. Для решения поставленных в диссертационной работе задач были использованы методы контурного анализа, распознавания образов и цифровой обработки сигналов, оптимального приёма, теории функции комплексного переменного, теории вероятностей и математической статистики, численные методы и методы математического моделирования.

Новизна научных результатов.

1. Выявлены особенности спектров непрерывных контуров видеоизображений объектов с априори известной формой, связанные с их комплексно-значным характером и замкнутостью. Определено влияние нелинейных искажений видеоизображений объекта с априори известной формой на спектр его контура.

2. Разработана методика линейной, в том числе согласованной, фильтрации непрерывных контуров, заданных в виде замкнутых комплекснознач-ных функций, обеспечивающая возможность формирования достаточной статистики для распознавания объектов интереса с априори известной формой при неизвестных параметрах линейных преобразований масштабирования и поворота.

3. Получены характеристики распознавания видеоизображений объектов заданных в виде окружности, характеризующие эффективность распознавания и обеспечивающих возможность сравнения существующих и вновь создаваемых систем распознавания видеоизображений на основе анализа их контуров.

4. Разработаны рекомендации по дискретизации непрерывных контуров видеоизображений объектов с формой в виде окружности. Показано, что минимально допустимое количество элементов контура определяется требуемым качеством распознавания при заданном уровне отношения сигнал/шум.

Практическая ценность работы.

Рассмотрение контуров в виде непрерывных функций, полученных из непродискретизированных изображений, позволяет снять ограничение на возможность применения методов контурного анализа, связанное с количеством пикселов в составе изображения. Это позволит реализовать радиотехнические системы с потенциально достижимыми характеристиками. Выработана рекомендация по выбору минимально допустимого количества элементов контура видеоизображения заданного в виде окружности исходя из требуемого качества распознавания и уровня отношения сигнал/шум. Использование алгоритма распознавания контуров видеоизображений заданной формы на основе контурного анализа позволяет сократить объем вычислительных затрат в среднем на 2 порядка, по сравнению с корреляционно-экстремальным методом.

На основе полученных в диссертационной работе научных результатов на защиту выносятся.

1. Методика оценки нелинейных искажений видеоизображения объекта заданного в виде окружности на основе анализа спектра его контура.

2. Методика распознавания видеоизображений объектов с априори известной формой на основе анализа его контура, заданной в виде комплексно-значной непрерывной замкнутой функции, обеспечивающая инвариантность к преобразованиям масштабирования и вращения изображений, а также к нелинейному преобразованию изменения угла обзора.

3. Характеристики распознавания видеоизображений объектов, характеризующие эффективность распознавания объектов заданных в виде окружности и обеспечивающих возможность сравнения систем распознавания изображений на основе анализа их контуров.

4. Методика выбора минимально допустимого количества элементов контура видеоизображения объектов с формой в виде окружности, обеспечивающая достижение заданной вероятности правильного распознавания при фиксированном отношении сигнал/шум.

Достоверность результатов исследований. Обоснованность и достоверность полученных в работе результатов и выводов подтверждается сопоставительным анализом разработанных и существующих методик и алгоритмов, а также итогами вычислительного эксперимента и компьютерного моделирования.

Теоретические положения, установленные в работе, обосновываются последовательным и корректным применением математического аппарата при получении выводов из исходных посылок, а также аналитической проверкой этих посылок и выводов результатами систематического исследования.

Достоверность результатов экспериментального исследования обеспечена их согласованностью с результатами теоретического исследования и воспроизводимостью на объемах экспериментального материала.

Внедрение результатов работы. Теоретические и практические результаты диссертационной работы использованы при разработке изделий на ОАО «Концерн ПВО «Алмаз-Антей» ОАО «Марийский машиностроительный завод» (подтверждено актом о внедрении).

Результаты диссертационной работы использованы в ПИР, выполняемых по следующим грантам и научным программам (подтверждено актом о внедрении):

1) грант РФФИ, проект №08-01-12000 офи, «Разработка методов и создание информационной технологии визуализации и сравнительного анализа сопряженных пространственных статических и динамических сцен», 2008 — 2009 г;

2) НИР №8.1068.2011 «Разработка теоретических подходов к обработке непрерывных контуров изображений» в рамках государственного задания на 2012 г.

Также внедрены в учебный процесс по специальности 210302.65 — «Радиотехника» при изучении дисциплины «Цифровая обработка радиотехнических сигналов»; по специальности 210405.65 — «Радиосвязь радиовещание и телевидение» при изучении дисциплин «Обработка сигналов на базе сигнальных процессоров»; по специальности 200400.65 — «Инженерное дело в медико-биологической практике» при изучении дисциплин «Обработка изображений медико-биологических объектов» (подтверждено актом о внедрении).

Апробация работы. Результаты работы докладывались и обсуждались на Тринадцатой Международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика», (Москва, 2007; 8 International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-8-2007) (Yoshkar-Ola, 2007); Международной молодежной научной конференции «Туполевские чтения -XVII» (Казань, 2009); Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (Биомедсистемы-2010) (Рязань, 2010); 10th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-10-2010) (St. Petersburg, 2010); Всероссийской научно-практической конференции с международным участием «Информационные технологии в профессиональной деятельности и научной работе» (Йошкар-Ола, 2011); X и XI международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Распознавание-2012, 2013) (Курск, 2012, 2013); на ежегодных научных конференциях по итогам НИР ПГТУ (МарГТУ) и научных семинарах кафедры радиотехнических и медико-биологических систем ПГТУ (МарГТУ) (2009- 2013).

Тезисы докладов опубликованы [98, 99, 102, 103, 106, 107, 119].

Публикации. Всего по теме диссертации опубликовано 16 работ. Из них 4 работы опубликованы в рецензируемых научных журналах, рекомендованных перечнем ВАК, 2 свидетельства о государственной регистрации программы для ЭВМ, 2 статьи в рецензируемых научно-технических журналах, 7 работ содержатся в сборниках материалов научных конференций, соавтор 1 депонированной монографии.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, библиографического списка и двух приложений. Она изложена на 155 страницах машинописного текста (без приложений), содержит 64 рисунка, 2 таблицы, библиографический список включает 119 наименований.

Содержание работы. Во введении обоснована актуальность темы, сформулированы цель и задачи работы, направление исследований, научная новизна и основные научные положения диссертационной работы.

В первой главе произведен обзор систем обработки телевизионных изображений. Показано, что стремительный возрастание объема видеоинформации, скорости обработки и т.д., стимулирует появление новых и совершенствование известных методов обработки изображений в системах телевидения. Исследовано состояние вопроса в области обработки контуров видеоизображений объектов априори известной формы (реперных знаков, шероховатости поверхности подложек микросхем и т.д.). Предложено для решения задачи обнаружения и распознавания видеоизображений объектов применить метод контурного анализа. При этом использовать комплексно-значное кодирование контуров видеоизображений. По результатам анализа состояния вопроса по теме исследования конкретизированы задачи диссертационной работы.

Во второй главе рассмотрен подход к описанию непрерывных ком-плекснозначных сигналов в системах передачи телеизображений, представленных на комплексной плоскости в виде замкнутых контуров. Задано линейное пространство вектор-контуров и получены основные аналитические

соотношения. Решены радиотехнические задачи спектрального и корреляционного анализа непрерывных контуров видеоизображений объектов с априори известной формой, выявлены особенности спектров, связанные с ком-плекснозначным характером и замкнутостью контуров. Исследовано влияние нелинейных искажений на вид спектра контуров.

В третьей главе решаются вопросы обработки и распознавания изображений в телевизионных системах. Показано, что контурный согласованный фильтр производит вычисление ВКФ эталонного и фильтруемого контуров и позволяет определить количественную меру схожести двух плоских форм. Получены основные соотношения для линейной фильтрации непрерывных контуров в системах передачи телевизионных изображений при наличии помех. Исследовано влияние нелинейных искажений (изменение угла зрения) видеоизображения объекта в виде окружности на величину нормированного значения максимального отклика согласованного фильтра.

Четвертая глава посвящена вопросам практической реализации методов и алгоритмов обработки видеоизображений объектов заданных в виде непрерывных контуров в телевизионных системах. В частности, разработаны алгоритмы обработки и распознавания непрерывных контуров и представлены результаты их моделирования. Предложены решения прикладных задач в системах телемедицины, видеоконтроля компонентов радиоэлектронной аппаратуры. Рассмотрены вопросы распознавания и дискретизации непрерывных контуров видеоизображений объектов. По результатам исследований выработаны рекомендации по параметру дискретизации контуров видеоизображений заданной формы. Исследована трудоемкость распознавания контуров видеоизображений заданной формы.

В заключении проводится обсуждение результатов проведенных исследований.

СПИСОК РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

Научные труды в журналах из перечня ВАК РФ:

1. Охотников, С.А. Линейная фильтрация непрерывных контуров изображений, заданных в комплекснозначном виде / С.А. Охотников, Р.Г. Хафи-зов // Компьютерная оптика. - 2010. - Т. 34, №3, - С. 408-416.

2. Хафизов, Р.Г. Распознавание непрерывных комплекснозначных контуров изображений / Р.Г. Хафизов, С.А. Охотников // Известия вузов. Приборостроение. — Санкт-Петербург, 2012. - №5, - С. 3-9.

3. Охотников, С.А. Дискретизация непрерывных контуров изображений, заданных в комплекснозначном виде / С.А. Охотников, Р.Г. Хафизов // Компьютерная оптика. - 2012. - Т. 36, №2, - С. 274-278.

4. Охотников, С.А. Алгоритм управления деревообрабатывающим станком на основе аппарата контурного анализа изображений / С.А. Охотников // Информационно-управляющие системы - Санкт-Петербург, 2013. — №1 (62)/2013, - С. 11-15.

Свидетельства о регистрации программ для ЭВМ:

5. Охотников, С.А. Программный комплекс для исследования непрерывных контуров изображений / С.А. Охотников, Р.Г. Хафизов, Ю.Е. Гарипова // Свидетельство о государственной регистрации программы для ЭВМ № 2010611737, РОСПАТЕНТ, 3.03.2010.

6. Хафизов, Р.Г. Визуализация трехмерного изображения на базе анализа проекций непрерывных контуров / Р.Г. Хафизов, С.А. Охотников // Свидетельство о государственной регистрации программы для ЭВМ № 2012619044, РОСПАТЕНТ, 05.10.2012 г.

Статьи и материалы конференций:

7. Okhotnikov, S.A. The software for processing continuous complex-valued signals defining the form of flat images / S.A. Okhotnikov // 8lh International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-8-2007). Conference Proceedings. - Yoshkar-Ola, 2007. - P. 279.

8. Охотников, С.А. Анализ непрерывных комплекснозначных сигналов, задающих контуры изображений плоских объектов / С.А. Охотников, A.A. Баев // Тезисы докладов Тринадцатой Международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика». - М.: МЭИ, 2007. - Т. 1. - С. 103.

9. Хафизов, Р.Г. Применение стереографической проекции для решения задач распознавания контуров изображений / Р.Г. Хафизов, Д.Г. Хафизов, С.А. Охотников // Вестник Марийского государственного технического университета. Радиотехнические и инфокоммуникационные системы. — Йошкар-Ола, 2009. - №3, - С. 36-42.

10. Хафизов, Р.Г. Применение непрерывных контуров заданных в ком-плекснозначном виде для обработки медицинских изображений / Р.Г. Хафизов, С.А. Охотников // Сборник докладов XXIII Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (БИОМЕДСИСТЕМЫ-2010). - Рязань, 2010. - С. 285-288.

11. Okhotnikov, S.A. Matched filtering of continuous contour of image / S.A. Okhotnikov, R.G. Khafizov// 10th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-10-2010). Conference Proceedings. - St. Petersburg, 2010-Vol. 1. - P. 309-312.

12. Охотников, С.А. Аппаратно-программный комплекс для решения задач дефектоскопии пиломатериалов на основе контурного анализа / С.А. Охотников // Сборник материалов Всероссийской научно-практической конференции с международным участием «Информационные технологии в профессиональной деятельности и научной работе». - Йошкар-Ола: Марийский государственный технический университет: в 2 ч - Ч. 1. - 2011. - С. 102-107.

13. Хафизов, Р.Г. Обработка изображений в системе информационной поддержки при проведении трансуретальной резекции предстательной железы / Р.Г. Хафизов, Ю.Е. Третьякова, С.А. Охотников // Сборник научных статей «Медицинские приборы и технологии». - ТулГУ, 2009. - С. 60-64.

14. Охотников, С.А. Исследование влияния дискретизации на качество различения контуров изображений / С.А. Охотников, Р.Г. Хафизов // Сборник материалов X международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Распознавание - 2012). -Курск, 2012.-С. 48-50.

15. Хафизов, Р.Г. Методы и средства обработки непрерывных контуров изображений / Р.Г. Хафизов, Д.Г. Хафизов, С.А. Охотников — Марийский госуд. техн. унив-т. Йошкар-Ола, 2011 - 167 с. -Деп. в ВИНИТИ 27.05.2011 № 254-В2011.

16. Охотников, С.А. Реализация алгоритмов обработки непрерывных контуров изображений / С.А. Охотников, Р.Г. Хафизов // Сборник материалов XI международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Распознавание - 2013). - Курск, 2013. -С. 414-416.

1. ОБЗОР СОСТОЯНИЯ ВОПРОСА ПО МЕТОДАМ ОБРАБОТКИ

ВИДЕОИЗОБРАЖЕНИЙ

1.1. Обзор методов обработки видеоизображений априори

известных объектов

В общем случае радиотехническая система решает задачи обнаружения, оценки параметров, распознавания и разрешения принятых сигналов. При известной форме входного сигнала в условиях действия координатных и яркостных шумов для решения перечисленных задач принято использовать оптимальные решающие устройства - согласованные фильтры. Как известно, эффективность работы оптимального обнаружителя определяется энергией этого сигнала и не зависит от его внутренней структуры. При решении последующих задач - оценки параметров, распознавания и разрешения свойства используемого сигнала оказывает существенное влияние на получаемый результат.

Системы обработки видеоизображений является динамично развивающимся направлением современной науки, востребованным в различных областях: системы цифрового телевидения, охранные системы, системы мониторинга (системы распознавания номерных знаков, системы распознавания лиц, системы слежения за объектами и т.д.), медицинские диагностические системы, телеметрии. Неотъемлемой частью систем обработки видеоизображений является распознавание образов, решающее задачу определения принадлежности входного изображения к одному из хранимых эталонных изображений объектов. При создании интеллектуальных систем также часто требуется отслеживать положение подвижных объектов в реальном времени на основе зрительной информации, полученной от видеокамеры. Располагая рядом последовательных по времени цифровых видеоизображений, можно выделить специальную информацию об объекте и затем использовать ее для обнаружения текущего положения объекта и отслеживания его перемещений. [80, стр. 44].

Очень широко системы обработки телевизионных изображений используется в микроэлектронике при производстве многослойных печатных плат [81, стр. 23; 117, стр.18]. Система обработки видеоизображений выполняют задачи ориентации и совмещения контролируемого и эталонного видеоизображения. Позиционирование производиться путем обнаружения и распознавания реперных знаков на телеизображении многослойной печатной платы (МПП). Реперные знаки представляют собой объекты известной формы, наносимых на поверхность МПП. Для увеличения точности позиционирования применяются одни или более меток прямоугольной формы либо объекты топологии (рис. 1.1). Также стоит отметить, что система должна работать с минимальным участием человека.

Список литературы диссертационного исследования кандидат наук Охотников, Сергей Аркадьевич, 2014 год

СПИСОК ЛИТЕРАТУРЫ

1. Методы компьютерной обработки изображений / Под ред В.А. Сой-фера - М.: Физматлит, 2003. - 784 с.

2. Гонсалес Р., Вудс Р. Цифровая обработка изображений. - М.: Техносфера, 2005.-1072 с.

3. Анисимов Б.В., Курганов В.Ф., Злобин В.К. Распознавание и цифровая обработка изображений. - М.: Высшая школа, 1983. - 295 с.

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

5. Введение в контурный анализ и его приложение к обработке изображений и сигналов / Под ред. Я.А. Фурмана. - М.: ФИЗМАТЛИТ, 2002. - 592 с.

6. Баскаков С.И. Радиотехнические цепи и сигналы. — М.: Высшая школа, 2000. - 462 с.

7. Гридин В.Н. Адаптивные системы технического зрения / В.Н. Гри-дин, B.C. Титов, М.И. Труфанов; Центр информационных технологий в проектировании РАН. - М.: Наука, 2009.

8. Комплекснозначные и гиперкомплексные системы в задачах обработки многомерных сигналов / Под. ред. Я.А. Фурмана. - М.: ФИЗМАТЛИТ, 2004. - 456 с.

9. Фурман А.Я. Визуализация изображений в трехмерных сценах. Уч. пособие. - Йошкар-Ола: МарГТУ, 2007. - 280 с.

10. Применение цифровой обработки сигналов / Под. ред. Э. Оппен-гейма. - М.: Мир, 1980. - 552 с.

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

12. Бутаков Е.А., Островский В.И., Фадеев И.Л. Обработка изображений на ЭВМ. - М.: Радио и связь, 1987. - 240 с.

13. Розенфельд А. Распознавание и обработка изображений. - М.: Мир, 1972.-230 с.

14. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. -М.: Наука, 1974.

15. Престон К. Сравнение аналоговых и цифровых методов распознавания образов / В сб. «Распознавание образов при помощи цифровых вычислительных машин». -М.: Мир, 1974. С. 143-162.

16. Корн Г., Корн Т. Электронные аналоговые и аналого-цифровые вычислительные машины. — М.: Мир, 1968.

17. Василенко Г.И. Голографическое опознавание образов. — М.: Сов. радио, 1977.

18. Макаров И.П. Дополнительные главы математического анализа. — М.: Просвещение, 1968.

19. Красильников И.Н. Теория передачи и восприятия изображений. -М.: Радио и связь, 1986.

20. Быков P.E., Гуревич С.Б. Анализ и обработка цветных и объемных изображений. -М.: Радио и связь, 1984.

21. Жукова К.В., Рейер H.A. Выделение линии профиля по опорным точкам с применением базового скелета // Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13). - Зеленогорск, 2007. - С. 323-328.

22. Кудинов П.Ю., Местецкий JI.M. Векторизация бинарных изображений на многоядерном Процессоре // Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13). - Зеленогорск, 2007. - С. 340-343.

23. Чернов A.B., Титова O.A., Чупшев Н.В. Автоматическое распознавание контуров зданий на картографических изображениях // Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13). - Зеленогорск, 2007. - С. 424-427.

24. Вишневский В.В., Калмыков В.Г. Структурный анализ цифровых контуров изображений как последовательностей отрезков прямых и дуг кривых // Штучный интеллект. - 2004. - №3. - С. 479-488.

25. Kovalevsky V.A. Applications of Digital Straight Segments to Economi-

• th cal Image Encoding, In Proceedings of the 7 International Workshop, DGCI'97,

Montpellier, France, December 3-5, 1997, Springer 1997. - P. 51-62.

26. Калмыков В.Г. Структурный метод описания и распознавания отрезков цифровых прямых в контурах бинарных изображений // Искусственный интеллект. - 2002. - № 4. - С. 450-457.

27. Калмыков В.Г. Вишневский В.В. Анализ контуров объектов в бинарных изображениях // Математические машины и системы. — 1997. — № 2. — С. 68-71.

28. Алешин С.А., Дедус Ф.Ф., Тетуев Р.К. Спектральный подход к вычислению аффинных инвариантов // Сборник докладов 14-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-14). - Суздаль, 2009. С. - 289-292.

29. Дедус Ф.Ф., Куликова Л.И., Панкратов А.Н., Тетуев Р.К. Классические ортогональные базисы в задачах аналитического описания и обработки информационных сигналов. - М: Издат. отд. Фак. ВМиК МГУ им. Ломоносова, 2004.-172 с.

30. Тетуев Р.К., Дедус Ф.Ф. Классические ортогональные полиномы. Применение в задачах обработки данных. - Пущино: ИМПБ РАН, 2007.

31. Местецкий Л.М. Гравюрная векторизация бинарных растровых изображений // Искусственный интеллект. — 2000. - № 2. - С. 149-154

32. Mestetskiy L.M. The continuous skeleton of the digital binary image

th

Proceeding of the 8 international conference on computer graphics and visualization Graphicon-98, Moscow, 1998.

33. Местецкий Л.М. Скелетизация многоугольной фигуры на основе обобщенной триангуляции Делоне // Программирование. - 1999. — №3. - С. 16-31.

34. Mestetskiy L.M. Fat Curves and Representation of Planar Figures, Computers & Graphics, Vol.24 (1-2), 2000.

35. Жукова К.В., Рейер И.А. Параметрическое семейство гранично-скелетных моделей формы // Сборник докладов 14-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-14). -Суздаль, 2009. - С. 346-350.

36. Местецкий JI.M. Непрерывная морфология бинарных изображений: фигуры, скелеты, циркуляры. - М.: Физматлит, 2009. - 288 с.

37. Местецкий JI.M., Рейер И.А. Непрерывное скелетное представление изображения с контролируемой точностью // Труды 13-й международной конф. ГРАФИКОН-2003. - М. - С. 246-249.

38. Препарата Ф., Шеймос М. Вычислительная геометрия: Введение. -М.: Мир, 1989.-478 с.

39. Жукова К.В., Рейер И.А. Выделение линии профиля по опорным точкам с применением базового скелета // Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13). - Зеленогорск, 2007. - С. 323-328.

40. El Oirrak A., Daoudi М., Aboutajdine D. Affine invariant descriptors using Fourier series // Pattern Recognition Letters. - 2002. - № 23. - P. 1109-1118.

41. Civi H., Ercil A. Affine invariant 3L Fitting of Implicit Polynomials // PRIA - 2003. - Vol. 13, №3 - P. 489-494.

42. Alferez R., Wang Y.-F. Geometric and Illumination Invariants for Object Recognition // IEEE Transactions On PAMI. - 1999. - Vol.21, №6. - P. 505-536.

43. Lamdan Y., Schwartz J.T., Wolfson H.J. Affine Invariant Model-Based Object Recognition // IEEE Trans. Robot, and Automat. - 1990. — Vol. 6, №5. - P. 578-589.

44. Arbter K., Synder W.E., Burkhardt H., Hirzinger G. Application of Affine Invariant Fourier Descriptors to Recognition of 3-D Objects // IEEE Transactions On PAMI. - 1990. - Vol. 12, № 7. - P. 640-647.

45. Lin C.C., Chellappa R. Classification .of partial 2-D shapes using Fourier descriptors // IEEE Transactions On PAMI. - 1987. - Vol. 9, №5. - P. 686-690.

46. Tieng Q.M., Boles W.W. Recognition of 2D Object Contours Using the Wavelet Transform Zero-Crossing Representation // IEEE Transactions On PAMI. - 1997. - Vol. 19, № 8. - P. 910-916.

47. Khalil M.I., Bayoumi M.M. A Dyadic Wavelet Affine Invariant Function for 2D Shape Recognition // IEEE Transactions On PAMI. - 2001. - Vol. 23, №10. -P. 1152-1154.

48. Huan Z.H., Cohen F. S. Affine-invariant B-spline Moments for Curve matching // Image Processing. - 1996. - Vol. 5, № 10. - P. 1473-1480.

49. Freeman H. Shape Description via the Use of Critical points // Pattern Recognition. - 1978.-Vol. 10, №3.-P. 159-166.

50. Abbasi S., Mokhtarian F., Kittler J. Curvature scale space image in shape similarity retrieval // MultiMedia Systems. - 1999. - Vol.7. - P. 467-476.

51. Dudek G., Tsotsos J.K. Shape representation and recognition from mut-liscale curvature // Computer Vision and Image Understanding. — 1997. - Vol. 68, No. 2.-P. 170-189.

52. Ray B.K., Pandyan R. ACORD - an adaptive corner detector for planar curves // Pattern Recognition. - 2003. - Vol.36. - P. 703-708.

53. Choi H.I., Choi S.W., Moon H.P. Mathematical Theory of Medial Axis Transform // Pathific Journal of Mathematics. - 1997. - Vol. 181, No. 1.

54. Zuhn C.T., Roskies R.Z. Fourier Descriptors for Plane Closed Curves// IEEE Transactions on Computers, vol. C-21, №3, March, 1972.

55. Richard C.W., Hemani H. Identification of Three-Dimensional Objects Using Fourier Descriptors of the Boundary Curve// IEEE Transactions on Systems, Man and Cybernetics, vol. SMC-4, №4, July 1974.

56. Person E., Fuk. Shape Discrimination Using Fourier Discriptors // IEEE Transaction, Man and Gibernetics, vol. SMC-7, №3, March 1972.

57. Granlund G. H., Fourier Preprocessing for Hand Print Character Recognition // IEEE Transactions on Computers, vol. C-21, №2, Febr. 1977.

58. Васин Ю. Г., Лебедев Л. И. Распознавание составных объектов изображения на базе структурного и корреляционно-экстремальных методов

// Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13). - Зеленогорск, 2007. - С. 285-288.

59. Ганебных С.Н., Ланге М.М. Представление полутоновых объектов с многоуровневым разрешением для ускоренного распознавания образов // Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13). - Зеленогорск, 2007. - С. 295-299.

60. Домахина JI. Г. Об одном методе сегментации растровых объектов для задач преобразования формы // Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13).

- Зеленогорск, 2007. - С. 311-313.

61. Дышкант Н.Ф., Местецкий JI.M. Сравнение 3D портретов при распознавании лиц // Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13). - Зеленогорск, 2007.-С. 314-316.

62. Кревецкий А.В., Ипатов Ю.А. Сегментация цветных телевизионных изображений лиственного покрова в задачах лесной таксации // Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13). - Зеленогорск, 2007. - С. 337-340.

63. Николаев А.А. Распознавание неоднородностей, определение их геометрических характеристик и построение 3D геометрических моделей в задачах неразрушающего контроля // Сборник докладов 13-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-13).

- Зеленогорск, 2007. - С. 506-508.

64. Medvedeva E.V., Kurbatova Е.Е. Two-stage image preprocessing algo-

th •

rithm //10 International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-10-2010). Conference Proceedings. - St. Petersburg, 2010. - Vol. 1. - P. 292-296.

65. Bessmeltsev V.P., Bulushev E.D., Goloshevsky N.V. Methods for Localization of Structures on Substrates Micromachined by a Laser Beam // 10th International Conference "Pattern Recognition and Image Analysis: New Information

Technologies" (PRIA-10-2010). Conference Proceedings. - St. Petersburg, 2010. -Vol. 2.-P. 75-78.

66. Vasin Yu.G., Egorov A. A. An Algorithm for Off-Road Routing of Vehicles // 10th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-10-2010). Conference Proceedings. - St. Petersburg, 2010. - Vol. 2. - P. 225-226.

67. Yatchenko A.M., Krylov A.S., Gavrilov A.V., Arkhipov I.V. Left Ventricle 3D Model Reconstruction // 10th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-10-2010). Conference Proceedings. - St. Petersburg, 2010. - Vol. 2. - P. 229-232.

68. Ломакина-Румянцева Е.И., Ветров Д.П., Кропотов Д.А. Автоматическая сегментация поведения лабораторных животных на основе выделяемых контуров // Сборник докладов 14-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-14). - Суздаль, 2009. -С. 556-559.

69. Привалов И.И. Введение в теорию функции комплексного переменного. - М.: Наука, 1984.

70. Введение в цифровую фильтрацию / Под. ред. Р. Божера, А.Констандиниса. Пер. с англ. -М.: Мир, 1976.

71. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: Методы пороговой обработки // Зарубежная радиоэлектроника. — 1987.-N10.-С. 6-24.

72. Бакут П.А., Колмогоров Г.С. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника. - 1987. -N10. -С. 25-47.

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

74. Хафизов Р.Г. Обнаружение и оценка параметров плоских изображений // Известие Вузов. Приборостроение. — 2006. - № 4. — С. 36-45.

75. Роженцов A.A. Потенциальная эффективность распознавания ком-плекснозначных и кватернионных сигналов // Известия вузов. Приборостроение. - 2006. - №4. - С. 26-35.

76. Роженцов A.A. Реализация потенциальной эффективности разрешения по дальности и скорости при сопряженно-согласованной фильтрации тела неопределенности // Труды международной научной конференции к 95-летию академика В.А. Котельникова «Современная радиоэлектроника в ретроспективе идей В.А. Котельникова». -М.: МЭИ, 2003. - С. 106-108.

77. Роженцов A.A., Фурман Я.А. О потенциальной эффективности распознавания k-мерного группового точечного объекта // Радиотехнические тетради. -2003. - №27. - С. 61-70.

78. Роженцов A.A., Евдокимов А.О., Григорьев A.B. Распознавание плоских изображений групповых точечных объектов в условиях действия ошибок обнаружения // Известия вузов. Приборостроение. - 2006. - №4. -С.59-64.

79. Соколов С. М. Система информационного обеспечения задач сближения, стыковки, посадки космического аппарата на основе компьютерного видения / С. М. Соколов, А. А. Богуславский // Техническое зрение в системах управления мобильными объектами 2010: Труды научно-технической конференции-семинара-М.: КДУ, 2011.Вып. 4. - С. 140-156.

80. Алфимцев Н. А. Метод обнаружения объекта в видеопотоке в реальном времени / А. Н. Алфимцев, И. И. Лычков // Вестник ТГТУ. - 2011. -Т. 17, №1.-С. 44-54.

81. Крылов В. Н. Совмещение изображений в системах оптического контроля печатных плат / В. Н. Крылов, Г. Ю. Щербакова // Технология и конструирование в электронной аппаратуре. - Одесса, 2000. - №1. -С. 23-25.

82. Аксенов И.Б. Экспресс-диагностика динамических процессов. Методы создания аппаратных средств. - Казань: КГТУ, 2004.

83. Хафизов Р.Г., Добрынская H.A. Методика обработки непрерывных комплекснозначных сигналов // Марийск. гос. техн. ун-т - Йошкар-Ола, 2005. Деп. в ВИНИТИ 06.06.2005, №812-В2005.

84. Хафизов Р.Г. Анализ непрерывных комплекснозначных сигналов, задающих контуры изображений плоских объектов // Вестник КГТУ им. А.Н. Туполева. - 2006. - № 4. - С. 24-27.

85. Роженцов A.A., Хафизов Р.Г., Добрынская H.A. Потенциальная эффективность распознавания объектов по их форме, задаваемой непрерывным контуром // Сборник докладов 12-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-12). -М., 2005. - С. 420-422.

86. Rozhentsov A.A., Furman Ya.A. Potential Recognition Efficiency in the Case When the Sizes of Alphabets Coincide with Dimensions of Vector Signals // Pattern Recognition and Image Analysis. - 2004. - V.14. - №4. - P.495-518.

87. Фурман Я.А. Спектральный анализ замкнутых полигональных контуров плоских изображений // Радиотехника. — 1994. — № 12. - С.41^14.

88. Егошина И.Л., Михайлов А.И., Фурман Я.А. Оценка степени сходства двух плоских форм // Автометрия, 1995. — № 4. — С. 19-26.

89. Фурман Я.А. Основы теории обработки контуров изображений:

_____

Учебное пособие для вузов. - Йошкар-Ола: МарГТУ, 1997.

90. Хафизов Р.Г. Системы распознавания плоских и объемных изображений по их форме на основе контурного анализа: дис. ... док. техн. наук: Спец. 05.12.04 / Хафизов Ринат Гафиятуллович; Казанский государственный технический университет им. А.Н. Туполева. — Казань, 2010. - 322 с.

91. Хафизов Р.Г., Фурман Я.А. Математические основы распознавания изображений по их форме на базе контурного и кватернионного анализа // Марийск. гос. техн. ун-т - Йошкар-Ола, 2009. Деп. в ВИНИТИ № 375 В2009.

92. Фурман Я.А., Хафизов Р.Г. Методы и алгоритмы обработки и распознавания плоских и объемных изображений по их форме // Марийск. гос. техн. ун-т - Йошкар-Ола, 2009. Деп. в ВИНИТИ № 376 В2009.

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

94. Khafizov R.G., Nefyodov A. Models of flat and spatial images contours on the basis of the theory of a complex variable function // 8th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-8-2007). Conference Proceedings. - Yoshkar-Ola, 2007. - Pp. 150-152.

95. Фурман Я.А., Хафизов Р.Г., Ворожцов Д.М., Мальгин Ю.Ю., Кириллов Д.В. Программный комплекс для построения контурных сцен «РО-COS» // Свидетельство об официальной регистрации программы для ЭВМ № 2005612227, РОСПАТЕНТ, 1.09.2005.

96. Фурман Я.А. О понятии формы плоского изображения // Автометрия. - 1992. - №5. - С. 113-120.

97. Хафизов, Р.Г. Обработка изображений в системе информационной поддержки при проведении трансуретальной резекции предстательной железы / Р.Г. Хафизов, Ю.Е. Третьякова, С.А. Охотников // Сборник научных статей «Медицинские приборы и технологии». - ТулГУ, 2009. - С. 60-64.

98. Okhotnikov, S.A. Matched filtering of continuous contour of image / S.A. Okhotnikov, R.G. Khafizov // 10th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-10-2010). Conference Proceedings. - St. Petersburg, 2010. - Vol. 1. - P. 309-312.

99. Хафизов, P. Г. Применение непрерывных контуров заданных в ком-плекснозначном виде для обработки медицинских изображений / Р.Г. Хафизов, С.А. Охотников // Сборник докладов XXIII Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (БИО-МЕДСИСТЕМЫ-2010). - Рязань, 2010. - С. 285-288.

100. Охотников, С.А. Линейная фильтрация непрерывных контуров изображений, заданных в комплекснозначном виде / С. А. Охотников, Р. Г. Хафизов // Компьютерная оптика. - 2010. - Т. 34, №3, - С. 408-416.

101. Охотников С. А. Программный комплекс для исследования непрерывных контуров изображений / С. А. Охотников, Р. Г. Хафизов, Ю. Е. Гари-пова // Свидетельство о государственной регистрации программы для ЭВМ № 2010611737, РОСПАТЕНТ, 3.03.2010.

102. Охотников, С.А. Анализ непрерывных комплекснозначных сигналов, задающих контуры изображений плоских объектов / С.А. Охотников, A.A. Баев // Тезисы докладов Тринадцатой Международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика». - М.: МЭИ, 2007. - Т. 1. — С. 103.

103. Okhotnikov, S.A. The software for processing continuous complex-

tb

valued signals defining the form of flat images / S. A. Okhotnikov // 8 International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-8-2007). Conference Proceedings. - Yoshkar-Ola, 2007. - P. 279.

104. Бойко И. А. Распознавание объектов на основе видеосигнала, полученного с камеры, установленной на подвижной платформе [Текст] / И. А. Бойко, Р. А. Гурьянов // Молодой ученый. - 2013. - №6. - С. 34-36.

105. Хафизов, Р.Г. Применение стереографической проекции для решения задач распознавания контуров изображений / Р.Г. Хафизов, Д.Г. Хафизов, С.А. Охотников // Вестник Марийского государственного технического университета. Радиотехнические и инфокоммуникационные системы. — Йошкар-Ола, 2009. - №3, - С. 36-42.

106. Охотников, С.А. Аппаратно-программный комплекс для решения задач дефектоскопии пиломатериалов на основе контурного анализа / С.А. Охотников // Сборник материалов Всероссийской научно-практической конференции с международным участием «Информационные технологии в профессиональной деятельности и научной работе». - Йошкар-Ола: Марийский государственный технический университет: в 2 ч - 4.1. - 2011. — С. 102-107.

107. Охотников, С.А. Исследование влияния дискретизации на качество различения контуров изображений / С.А. Охотников, Р.Г. Хафизов // Сборник материалов X международной научно-технической конференции «Оптико-

электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Распознавание - 2012). — Курск, 2012.-С. 48-50.

108. Хафизов, Р. Г. Распознавание непрерывных комплекснозначных контуров изображений / Р. Г. Хафизов, С. А. Охотников // Известия вузов. Приборостроение. - Санкт-Петербург, 2012. - №5, — С. 3-9.

109. Охотников С. А. Дискретизация непрерывных контуров изображений, заданных в комплекснозначном виде / С. А. Охотников, Р. Г. Хафизов // Компьютерная оптика. - 2012. - Т. 36, №2, - С. 274-278.

110. Охотников, С. А. Алгоритм управления деревообрабатывающим станком на основе аппарата контурного анализа изображений / С. А. Охотников // Информационно-управляющие системы - Санкт-Петербург, 2013. - №1 (62)/2013, - С. 11-15.

111. Хафизов Р.Г., Багаутдинов И.Н., Охотников С.А.. Применение контурного анализа изображений для решения задач дефектоскопии пиломатериалов // Вестник Марийского государственного технического университета. Радиотехнические и инфокоммуникационные системы. - Йошкар-Ола, 2011.-№2,-С. 30-35.

112. Хафизов, Р.Г. Программный комплекс дефектоскопии пиломатериалов и управления деревообрабатывающим станком / Р.Г. Хафизов, Д.Г. Хафизов, И.Н. Багаутдинов, А.Р. Галяутдинов, С.А. Охотников // Свидетельство о государственной регистрации программы для ЭВМ №2012616592, РОСПАТЕНТ, 23.07.2012 г.

113. Хафизов, Р.Г. Визуализация трехмерного изображения на базе анализа проекций непрерывных контуров / Р. Г. Хафизов, С. А. Охотников // Свидетельство о государственной регистрации программы для ЭВМ № 2012619044, РОСПАТЕНТ, 05.10.2012 г.

114. Овчинников, А. Концепция построения бюджетных систем оптической инспекции качества монтажа печатных плат / А. Овчинников // Технология в электронной промышленности. — М., 2009. — №9. — С. 41-44.

115. Казбеков, Б. В. Совмещение инфракрасных изображений с изображениями видимого диапазона в задачах идентификации подвижных наземных целей с борта беспилотного летательного аппарата / Б. В. Казбекоа // Труды МАИ. - М., 2011. - №65, - С. 1-13

116. Бахшиян, Б. Ц. Точность оценивания координат реперных знаков на неподвижной цели по измерениям бортового оптического датчика / Б. Ц. Бахшиян, Р. Р. Назиров, К. С. Федяев // Техническое зрение в системах управления мобильными объектами 2010: Труды научно-технической конференции-семинара. -М.: КДУ, 2011. Вып. 4. - С. 317-326.

117. Сидоров, А. Особенности реперных знаков для систем автоматического совмещения / А. Сидоров // Электронные компоненты / - М., 2011. — №9,-С. 18-23.

118. Хафизов, Р.Г. Методы и средства обработки непрерывных контуров изображений / Р.Г. Хафизов, Д.Г. Хафизов, С.А. Охотников - Марийский госуд. техн. унив-т. Йошкар-Ола, 2011. - 167 с. - Деп. в ВИНИТИ 27.05.2011 № 254-В2011.

119. Охотников, С.А. Реализация алгоритмов обработки непрерывных контуров изображений / С.А. Охотников, Р.Г. Хафизов // Сборник материалов XI международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Распознавание - 2013). - Курск, 2013. — С. 414-416.