Разработка алгоритмов функционирования и архитектуры автомата сопровождения объектов по данным видеонаблюдений тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Блохин, Алексей Николаевич

• Блохин, Алексей Николаевич
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Блохин, Алексей Николаевич

1 АНАЛИЗ ЗАДАЧ ОБНАРУЖЕНИЯ, ВЫДЕЛЕНИЯ, ИЗМЕРЕНИЯ КООРДИНАТ И СОПРОВОЖДЕНИЯ ОБЪЕКТОВ В ОПТИКО-ЭЛЕКТРОННЫХ СИСТЕМАХ (ОЭС)

1.1 Задачи, решаемые ОЭС

1.2 Качественная постановка задачи обнаружения, выделения, измерения координат и сопровождения объектов

1.3 Обзор и анализ методов и алгоритмов обнаружения и измерения

г

координат объектов

2 РАЗРАБОТКА АЛГОРИТМОВ ЗАХВАТА И ИЗМЕРЕНИЯ КООРДИНАТ ОБЪЕКТА С ИСПОЛЬЗОВАНИЕМ ЕГО ЭТАЛОННОГО ИЗОБРАЖЕНИЯ

2.1 Разработка алгоритма захвата движущихся объектов

2.2 Выбор и обоснование размеров эталонного изображения объекта в

49

алгоритме измерения координат

2.3 Разработка алгоритма измерения координат объекта на основе

эталона

64

2.4 Исследование алгоритма измерения координат

2.5 Состояния (режимы работы) автомата сопровождения, использующего алгоритм измерения координат на основе эталона

3 РАЗРАБОТКА МНОГОЭТАПНОГО АЛГОРИТМА ИЗМЕРЕНИЯ КООРДИНАТ ОБЪЕКТА, ОСНОВАННОГО НА СЕГМЕНТАЦИИ

3.1 Выбор и обоснование признаков, используемых для классификации точек изображения

3.2 Разработка многоэтапного алгоритма измерения координат

3.3 Разработка критериев оценки работоспособности алгоритма измерения

92

координат на основе сегментации

3.4 Исследование алгоритма измерения координат

3.5 Состояния (режимы работы) автомата сопровождения, использующего алгоритм измерения координат.на основе сегментации

4 РАЗРАБОТКА АРХИТЕКТУРЫ АВТОМАТА СОПРОВОЖДЕНИЯ ОБЪЕКТОВ

4.1 Обоснование применения программируемых логических интегральных схем

4.2 Разработка архитектуры автомата сопровождения

4.3 Реализация архитектуры автомата сопровождения. Результаты применения автомата в комплексах различного назначения

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЯ

Введение диссертации (часть автореферата) на тему «Разработка алгоритмов функционирования и архитектуры автомата сопровождения объектов по данным видеонаблюдений»

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 анализа в системах технического зрения.

Совершенствование технологий способствует интенсивному внедрению видеоинформационных систем в различные области человеческой деятельности. Системы обработки и анализа видеоинформации, определяемые как оптико-электронные системы (ОЭС), находят все большее применение как в гражданских, так и, в особенности, в военных областях. В настоящее время ОЭС являются основой построения многих систем наведения и прицеливания в различных образцах военной техники. В гражданской сфере ОЭС находят применение в системах охраны и наблюдения за объектами, системах раннего оповещения о пожарах и повреждениях газо- или нефтепроводов.

Одним из направлений разработки ОЭС является обеспечение возможности их установки на подвижных носителях: самолётах, вертолётах, кораблях и бронетехнике. Целью подобных систем является решение задач обнаружения неподвижных и движущихся объектов, оценки их параметров, построения траекторий движения объектов, распознавания образов. При этом условия применения ОЭС достаточно широкие - это и воздушные объекты, и наземные, и морские.

Естественным требованием, предъявляемым к ОЭС, является необходимость работы в реальном масштабе времени. Разрабатываемые системы также должны иметь автоматизированный режим функционирования, требуя лишь незначительных усилий со стороны оператора.

Постоянное совершенствование средств обработки информации приводит к расширению сферы практического применения методов и алгоритмов обработки изображений. В некоторых задачах ОЭС стали составлять конкуренцию радиолокационным станциям (РЛС). К числу существенных недостатков

4

PJIC можно отнести присутствие "слепой зоны", чувствительность к постановкам помех, высокую 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 ОЭС с современными телевизионными и тепловизионными датчиками для получения изображения объекта с последующей обработкой видеоинформации, а также с лазерным дальномером, во многих случаях дополняющим, а в некоторых заменяющим PJIC.

Важной составной частью ОЭС является автомат сопровождения объектов, реализующий большинство функций обработки изображений, формируемых видео датчиками. Функционирование АС невозможно без наличия алгоритмического обеспечения, решающего задачи обнаружения, выделения объектов, измерения их координат. В настоящее время разработано множество алгоритмов выделения и обнаружения объектов [28-31,44,45]. Однако универсального набора средств, решающего поставленные задачи, не существует. Некоторые алгоритмы обладают большой вычислительной сложностью, другие не в полной мере учитывают специфику рассматриваемой задачи и особенности применяемых на практике датчиков изображений. Поэтому разработка вычислительно эффективных алгоритмов выделения, обнаружения и слежения за объектами до настоящего времени является весьма актуальной задачей.

Степень разработанности темы. В отечественной и зарубежной печати имеется много публикаций, рассматривающих вопросы выделения, обнаружения и слежения за объектами на различных фонах по данным видеонаблюдений. 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, Е.П. Путятин, А.Г. Ташлинский, С.Ю. Желтое, Ю.В. Визильтер, D. Braunreiter, В. Li, J. Silverman, Q. Pham, С. Crane, W. Pratt, S.Wang и др.

они с

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 объектов с большим диапазоном варьирования размеров, наблюдаемых как в ТВ, так и ИК-диапазоне на различных фонах. Важным требованием, предъявляемым к алгоритмам, решающим данную задачу, является возможность их реализации в реальном масштабе времени. В ряде работ, рассматриваются алгоритмы, позволяющие обнаруживать точечные и малоразмерные воздушные объекты [30, 31], однако преимущественно ориентированы на обработку изображений, получаемых тепловизионных датчиков. Разработаны многоэтапные пространственно-временные алгоритмы выделения объектов [45], основанные на получении оценок параметров геометрических преобразований изображений. Однако при наблюдении объектов на неоднородном фоне точность оценивания может быть низкой, что в итоге приводит к ухудшению качества обнаружения и автосопровождения.

Исходя из этого, сформулируем цель диссертации, которая состоит в разработке эффективных алгоритмов захвата, выделения, обнаружения и измерения координат объектов на различных фонах для автомата сопровождения, как составной части ОЭС, а также в разработке архитектуры системы, реализующей автомат сопровождения объектов. Для достижения поставленной цели

необходимо решить следующие основные задачи:

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

• синтез алгоритма обнаружения и захвата движущихся объектов;

• разработка многопорогового алгоритма захвата неподвижных объектов;

• разработка и исследование алгоритма измерения координат объектов на основе адаптивного эталонного изображения;

• разработка и исследование многоэтапного алгоритма измерения координат объектов на основе сегментации;

• разработка критериев оценки работоспособности алгоритмов измерения координат объектов;

• разработка архитектуры системы, реализующей автомат сопровождения объектов.

Научная новизна работы состоит в том, что в ней разработаны: алгоритм обнаружения и захвата движущихся объектов значительно сокращающий и упрощающий процедуру захвата объектов на сопровождение; многопороговый алгоритм обнаружения неподвижных объектов; алгоритм измерения координат на основе адаптивного эталонного изображения объекта, повышающий эффективность работы автомата сопровождения; многоэтапный алгоритм измерения координат объектов увеличивающий точность и устойчивость сопровождения воздушных и надводных объектов; эффективные критерии оценки работоспособности алгоритмов измерения координат объектов; архитектура системы, реализующей автомат сопровождения объектов.

Методы исследования. Теоретические исследования в настоящей работе выполнены на основе методов теории вероятностей, теории статистических решений, методов оптимизации. 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.

Основные положения, выносимые на защиту.

• алгоритм выделения, обнаружения и захвата движущихся объектов на основе введенной модели фоноцелевой обстановки;

• алгоритм измерения координат на основе адаптивного эталонного изображения объекта;

• многоэтапный алгоритм измерения координат объектов на основе сегментации;

• архитектура системы, реализующей автомат сопровождения объектов.

Реализация и внедрение. Разработанные в диссертации модели и алгоритмы были использованы при выполнении на ОАО "Государственный Рязанский приборный завод" ОКР по заказам ОАО «Красногорский механический завод» г.Красногорск, ОАО «Камов», г.Люберцы, ОАО "Ульяновский механический завод" г.Ульяновск, ОАО "Радиозавод" г. Пенза, ФГУП "Конструкторское бюро машиностроения" г.Тула, ОАО "Научно-исследовательский электромеханический институт" г.Москва, ФГУП "Конструкторское бюро машиностроения" г.Коломна. Алгоритмическое обеспечение используется в изделиях: АТТ для вертолета Ми-28Н, СОВИ для вертолета Ка-52, в оптико-электронных системах для ЗРК "Квадрат", "Бук", "Оса", зенитного ракетно-пушечного комплекса "Тунгуска-Ml", ракетного комплекса малой дальности «Лучник-Э».

Апробация работы.

Основные результаты работы докладывались на:

- всероссийской конференции "Приборы и приборные системы" (Тула -1994);

- международной конференции "Технология и системы сбора, обработки

и представления информации" (Москва- 1995);

- всероссийской конференции "Распознавание образов и анализ изображений" (Ульяновск- 1995);

й 2й международной конференции "Космонавтика, радиоэлектроника, геоинформатика" (Рязань- 1997).

- 11- и 16-международной научно-технической конференции "Проблемы передачи и обработки информации в сетях и системах телекоммуникаций"

(Рязань-2002, 2010);

- 1~ Всероссийской научно-практической конференции "Устройства измерения, сбора и обработки сигналов в информационно-управляющих комплексах" (Ульяновск - 2011).

Публикации.

По теме диссертации опубликовано 16 работ, в том числе 8 статей, из них 3 в журналах, рекомендованных ВАК для публикации результатов кандидатских диссертаций. Получены два патента на изобретения.

Структура и объём диссертации.

Диссертация состоит из введения, четырёх глав, заключения, списка литературы (79 источников), приложений, изложенных на 173 страницах, содержит 59 рисунков и 28 таблиц.

Во введении рассматривается актуальность разработки автомата сопровождения объектов, реализующего большинство функций обработки изображений, как важной составной части оптико-электронной системы (ОЭС). Ставится цель и направление исследований, формулируется научная новизна диссертационной работы, приводятся результаты апробации работы, описывается структура диссертации.

Первая глава диссертации является вводной. В ней рассматривается необходимость применения ОЭС, задачи, решаемые ею. Дан обзор разработанных к настоящему моменту отечественных и зарубежных образцов ОЭС. Определён основной класс ОЭС - вертолетный, - для которого разрабатывается автомат сопровождения. Приведён обзор составных частей ОЭС, выполнена качественная постановка задачи обнаружения, выделения, измерения координат и сопровождения объектов, произведён анализ известных методов и алгоритмов обнаружения и измерения координат объектов.

Во второй главе рассматриваются вопросы разработки алгоритма захвата объектов и алгоритмов слежения с использованием эталонного изображения объекта. Вводятся модели наблюдения и состояния изображений. Синтезирован алгоритм захвата движущихся объектов. Рассмотрена проблема выбора эталонного изображения при отсутствии движения объекта, разработан многопороговый алгоритм выделения неподвижных объектов. Разработан алгоритм измерения координат объектов на основе эталона, проведены исследования работы алгоритма в различных условиях, в том числе в условиях вращения.

9

Третья глава посвящена разработке многоэтапного алгоритма слежения, основанного на сегментации. В начале главы рассмотрен ряд признаков изображения и выполнено обоснование применения выбранных признаков. Произведен анализ применения при классификации точек изображения многомерных гистограмм и даны рекомендации по их разрядности. Разработан многоэтапный алгоритм слежения, исследовано влияние соотношения размеров областей окна и рамки на результат классификации, выполнено сравнение различных подходов к порядку классификации точек изображения. Разработан и описан алгоритм сжатия и расширения бинарного изображения, а также разметки и параметризации сегментов на бинарном изображении. Рассмотрены алгоритмы

фильтрации гистограмм.

В четвёртой главе рассмотрены вопросы разработка аппаратного обеспечения автомата сопровождения объектов. Проведено обоснование необходимости применения программируемых логических интегральных схем (ПЛИС). Рассмотрены несколько видов архитектур построения автомата сопровождения. Определена загрузка аппаратной и программной части автомата сопровождения. Приведены примеры реализация архитектуры автомата сопровождения в различных изделиях.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Блохин, Алексей Николаевич

ЗАКЛЮЧЕНИЕ

Диссертационная работа посвящена разработке алгоритмов функционирования и путей технической реализации автомата сопровождения объектов по данным видеонаблюдений. Автоматы сопровождения являются важной составной частью оптико-электронных систем, которые, в свою очередь, используются для решения обзорных и прицельных задач на различных образцах военной техники. Функционирование автомата сопровождения возможно только при наличии мощного алгоритмического обеспечения, решающего задачи обнаружения, выделения объектов на изображении и измерения их координат. Очевидно, что универсального набора алгоритмов, позволяющего решить перечисленные выше задачи нет. Поэтому весьма актуальной является разработка таких алгоритмов.

Разработанные алгоритмы предназначены для работы в реальном масштабе времени. Особенностью рассматриваемых алгоритмов является их ориентация на применение в задачах «воздух-земля» и «воздух-воздух». Тем не менее, возможно применение полученных алгоритмов в задачах «земля-земля» и «земля-воздух», что подтверждается работой изделий семейства «Охотник» в составе наземных зенитно-ракетных комплексов.

В процессе разработки получены следующие новые научные и практические результаты:

1. На основе введенных пространственно-временных моделей состояния и наблюдения обрабатываемого изображения синтезирован алгоритм принятия решения об обнаружении и выделении объекта в последовательности кадров. Сравнение с алгоритмами, основанными на вычислении межкадровых разностей, показало преимущество предложенного алгоритма, использующего процедуры оценки фона, прогноза вероятностей, классификации на основе апостериорных вероятностей и логической фильтрации в работоспособности при малых отношениях сигнал/шум и наличии неоднородного фонового изображе-

ния.

Проведен анализ и выполнено обоснование выбора соотношения точек объекта и точек фона в эталонном изображении. Показано, что для устойчивой работы алгоритма измерения координат количество точек фона и объекта в эталоне должно быть примерно одинаковым. Разработан эвристический многопороговый алгоритм выделения неподвижных объектов на основе разделения изображения на яркостные уровни. Применение алгоритма позволяет получить начальные данные для выбора эталонного изображения объекта. Сформулированы критерии работоспособности алгоритма на основе эталона при различной фоноцелевой обстановке, выработаны правила при анализе возможности захвата объекта на сопровождение. Показана необходимость фильтрации эталона для учета изменений, происходящих с обрабатываемыми изображениями в процессе работы алгоритма. Предложен способ повышения устойчивости сопровождения при попадании в зону поиска других похожих объектов. В результате разработан алгоритм измерения координат на основе эталона, использующий все приведенные выше улучшения, что позволяет автомату решать задачу сопровождения объектов с большой устойчивостью и с минимальными ошибками.

2. Создан многоэтапный алгоритм измерения координат на основе сегментации. Проанализированы характерные признаки изображений, как яркостные, так и градиентные, и даны рекомендации по использованию наиболее подходящих с точки зрения простоты реализации и качества сегментации. Рассмотрены вопросы определения размеров окна и рамки, порядка классификации точек строба, зачистки и восстановления бинарного изображения. Разработаны критерии оценки работоспособности алгоритма сегментации в последовательности кадров, применяемые при анализе возможности захвата объекта на сопровождение.

Разработанные в итоге многоэтапный алгоритм сегментации показал высокую точность измерения координат объекта и устойчивость в работе даже на неоднородных шумах.

3. Разработанное алгоритмическое обеспечение и его аппаратная реализация легли в основу автоматов сопровождения семейства «Охотник», выпускаемых ФГУП ГРГ13. Рассмотрены принципиальная, структурная и функциональная схемы автомата сопровождения. Обосновано применение в схеме автомата программируемых логических интегральных схем и цифровых сигнальных процессоров. Приведены примеры построения аппаратных модулей и выполнения типовых аппаратных операций.

Список литературы диссертационного исследования кандидат технических наук Блохин, Алексей Николаевич, 2011 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Алпатов Б.А., и др. Алгоритмы последовательных испытаний в задаче совмещения двумерных изображений // Изв. вузов. Сер. Электромеханика. - 1988. -№7. _с. 87-91.

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

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

4. Алпатов Б.А., Селяев A.A. Методы адаптации эталонного изображения объекта в корреляционных следящих устройствах // Вестник Рязанской государственной радиотехнической академии. - 2004. - Вып. 14. - С. 37-40.

5. Алпатов Б. А., Селяев А. А., Степашкин А. И Устройство для определения рассогласования координат положения объекта в телевизионной следящей системе. А. С. № 1443794, 1988.

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

Бочкарёв A.M. Корреляционно-экстремальные системы навигации // Зарубежная радиоэлектроника. - 1981. - №9. - С. 28-53. Буймов А.Г. Корреляционно-экстремальная обработка изображений. -Томск: Изд-во Том. ун-та, 1987. - 134 с.

Гороховатский В.А., Кацлап С.Ф., Путятин Е.П. Анализ изображений в условиях локальных искажений // Автометрия. - 1986. - №6. - С. 46-51

7.

8.

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

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

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

13. Селяев А.А. Методы адаптации эталонного изображения объекта в корреляционных следящих устройствах // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 13-й междунар. науч.-техн. конф. - Рязань, 2004. - С. 106-107.

14. Селяев А.А. Способы повышения точности работы корреляционных следящих устройств // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций:Тез. докл. 12-й междунар. науч.-техн. конф. - Рязань, 2004. - С. 77-79.

15. Barnea O.I., Silverman H.F. A class of algorithms for fast image registration // IEEE Trans. Computers. - 1972. - c-21. - №6. - Pp. 179-186.

16. 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.

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

Proc. of SPIE Vol. 2234, Automatic Object Recognition IV. - 1994. Pp. 384393.

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

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

20. 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.

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

22. 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.

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. Бохан К.А., Баранов Д.Е. Совмещение кадров видеопоследовательности на основе постановки опорных точек // Математическое и программное обеспечение вычислительных систем: Межвуз. сб. науч. трудов / Рязань: РГРТА, 2005.-С. 103-106.

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

Алпатов Б.А., Катаев А.А. Выделение опорных участков фона в замкнутой видеокомпьютерной системе методом многопороговой сегментации // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 12-й междунар. науч.-техн. конф. Рязань, 2004. - С. 62-64.

25

26.

27. Pham Q.H., Brosnan T.M., 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.

28. Pham Q.H., Brosnan T.M., Smith M.J.T. Multistage algorithm for detection of targets in SAR image data // Proc. of SPIE Vol. 3070, Algorithms for Synthetic Aperture Radar Imagery IV. - Jul. 1997. Pp. 2-11.

29. Pham Q.IT., 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. Алпатов Б.А., Муравьев B.C, Муравьев С.И. Алгоритм предварительного обнаружения объектов на основе адаптивной пороговой обработки // Сети и системы связи: Матер.всерос. научн. практ. сем. - Рязань, РВВКУС, 2005. - С. 195-197.

31. 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. науч.-техн. конф. - Рязань, 2005. - С. 122-123.

32. Цифровая обработка изображений в информационных системах: Учеб. пособие / И.С. Грузман, B.C. Киричук и др. - Новосибирск: Изд-во НГТУ, 2002. - 352 с.

33. Foulkes S.B., Booth D.M. Improved object segmentation using Markov random fields, artificial neural networks, and parallel processing techniques. // SPIE Vol. 3068, Signal Processing, Sensor Fusion, and Target Recognition VI.-Jul 1997.-Pp. 443-454.

34. Алпатов Б.А., Балашов O.E. Исследование алгоритмов сегментации изображения по фрактальным признакам // Космонавтика. Радиоэлектроника. Ееоинформатика: Тез. докл. 4-й междунар. конф. - Рязань, 2003.-С. 320-321.

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., 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.

37. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: Методы пороговой обработки // Зарубежная радиоэлектроника. -1987. -№10.-С.6-24

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

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

40. Муравьев С.И., Балашов O.E., Муравьев B.C. Использование вейвлет-преобразования для получения признаков в задаче сегментации изображения // Проблемы математического моделирования и обработки информации в научных исследованиях: Сб. науч. тр. / Рязань: РГРТА, 2003.-С. 77-81.

41. 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.

42. Применение методов сегментации изображений в автономных системах

обнаружения, распознавания и сопровождения движущихся целей / Под

ред. П. А. Бакута // Зарубежная радиоэлектроника. - 1987. - №10. - С. 3 -93.

43. Liyan Li, Maylor K.H. Leung Integrating Intensity and Texture Differences for Robust Change Detection // IEEE Trans, on Image Processing, Vol. 11, No. 2. - February 2002. - Pp. 105-112.

44. Charlene E. Caefer, Jerry Silverman, Jonathan M. Mooney, Steven DiSalvo and Richard W. Taylor Temporal filtering for point target detection in staring IR imagery: I. damped sinusoid filters // Proc. of SPIE Vol. 3373, Signal and Data Processing of Small Targets 1998. - Jul 1998. Pp. 111-122

45. Jerry Silverman, Charlene E. Caefer, Steven DiSalvo and Virgil E. Vickers 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 1998. - Jul 1998. Pp. 44-53.

46. Dirk Farin, Peter FI. N. de With, and Wolfgang Effelsberg A Segmentation System with Model Assisted Completion of Video Objects // Proc. Conf. VisualCommunications&ImageProcessing, Proc. SPIE 5150. - Jun 2003. Pp. 366-377

47. Farin D„ de With P.FI.N., Effelsberg W. Robust background estimation for complex video sequences // International Conference on Image Processing 2003.-Sept. 2003. Pp. 145-148

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

49. Алпатов Б.А., Блохин A.FI. Модели и алгоритмы обнаружения и выделения движущихся фрагментов изображений // Автометрия. - 1995. -№4.-С. 100-104.

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

51. Алпатов Б.А., Бохан К.А. Алгоритм автоматического обнаружения, выделения и оценки динамических объектов, возникающих в последовательности телевизионных кадров // Цифровая обработка сигналов и её применение: Тез. докл. 3-й междунар. науч. конф. - М.: МЦНТИ, 2000. -С. 105-109.

52. Алпатов Б.А., Бохан К.А. Алгоритм обнаружения и выделения изображения движущегося объекта // Цифровая обработка сигналов и её применение: Тез. докл. 2-й междунар. науч. конф. - М.: МЦНТИ, 1999. - С. 233-240.

53. Алпатов Б.А., Бабаян П.В., Бохан К.А. Разностный алгоритм обнаружения и определения координат объектов при движущемся датчике изображения // Космонавтика. Радиоэлектроника. Геоинформатика: Тез. докл. 4-й междунар. конф. - Рязань, 2003. - С. 317-320.

54. Бохан К.А. Выбор анализируемых сегментов при классификации // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 12-й междунар. науч.-техн. конф. - Рязань, 2004. - С. 62-64.

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

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

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

58. А . Aridgides, М, Fernandez, D. Randolph, D. Bray, Adaptive Three-Dimensional Spatio-Temporal Filtering Techniques for Infrared Clutter Suppression. Proc. of SPIE Vol. 1305, Signal and Data Processing of Small Targets 1990 (Oct 1990). Pp. 63-74.

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

60. M. Fernhdez, A. Aridgides, D. Randolph, and D. Ferris. Optimal subpixel-level IR frame-to-frame registration // Proc. of SPIE Vol. 1481, Signal and Data Processing of Small Targets 1991.-Aug 1991. Pp. 172-179

61. 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 1990. - Oct 1990. - Pp. 193-206

62. N. Paragios and G. Tziritas, Detection and location of moving objects using deterministic relaxation algorithms // Intern. Conf. OnPatternRecognition, Vol. I, Austria, 1996. - Pp. 201-205

63. Левин Б.P. Теоретические основы статистической радиотехники. - М.: Сов. радио, 1968. - Кн.2. - 503 с.

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

65. Lloyd G. Clark, Vincent J. Velten Image characterization for automatic target recognition algorithm evaluations // Proc. of SPIE Vol. 1310, Signal and Image Processing Systems Performance Evaluation, 1990, pp. 68-78.

66. Correia P., Pereira F. Objective evaluation of video segmentation quality. -IEEE Transaction on image processing, February 2003, vol. 12, no. 2, pp. 186-200.

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

68. Алпатов Б.А., Блохин А.Н. Исследование алгоритмов обнаружения движущихся фрагментов изображений // Распознавание образов и анализ изображений: Тез. докл. Всерос. конф. - Ульяновск, 1995. - С.78-79.

69. Алпатов Б.А., Блохин А.Н. Алгоритмы обнаружения кратковременных изменений в последовательности изображений // // Проблемы математического моделирования и обработки информации в задачах управления: Сб. науч. тр. / Рязань: РГРТА, 1996. - С. 17-19.

70. Алпатов Б.А., Блохин А.Н. Обнаружение и выделение быстропротека-ющих явлений в последовательности изображений // Космонавтика. Радиоэлектроника. Геоинформатика: Тез. докл. междунар. науч.-техн. конф. - Рязань, 1997. - С. 143 - 144.

71. Алпатов Б.А., Блохин А.Н., Зеленюк Ю.И., Костяшкин Л.Н, Романов Ю.Н., Шапка C.B. Системы обработки изображений обзорно-прицельных комплексов // Мир Авионики. - 1999. - №7. - С. 16-18

72. Блохин А.Н. Особенности сегментации полутоновых изображений при использовании байесовского классификатора // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 11-ой межд. науч.-техн. конф. - Рязань, 2002. - С.21-22.

73. Блохин А.Н., Богданов А.П., Костяшкин Л.Н., Морозов A.B., Романов Ю.Н., Шапка C.B. Интеллектуальные системы обработки видеоизображений для оптико-электронных систем наблюдения на борту гражданских ЛА «малой авиации» // Аэрокосмическое обозрение. - 2008. - №3. -С.29-31.

74. Алпатов Б.А, Блохин А.Н., Муравьев B.C. Алгоритм обработки изображений для систем автоматического сопровождения воздушных объектов // Цифровая обработка сигналов. - 2010. - №4. - С. 12-17.

75. Алпатов Б.А., Блохин А.Н., Костяшкин Л.Н, Романов Ю.Н., Шапка C.B. Семейство многофункциональных систем обработки видеоизображений «Охотник» // Цифровая обработка сигналов. - 2010. - №4. - С. 44-51.

77

76. Блохин А.Н., Смирнов С.А. Корреляционный алгоритм слежения за объектами при одновременном наблюдении в видимом и инфракрасном диапазонах // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Тез. докл. 16-ой межд. науч.-техн. конф. -Рязань, 2010.-С. 14-15.

Блохин А.Н. Выбор и обоснование размеров эталона в алгоритме слежения за телевизионным изображением объекта // Обработка информации в автоматических системах: Сб. науч. тр. / Рязань: РГРТУ, 2011 С. 40-42.

78. Алпатов Б.А., Баранкин Е.С, Блохин А.Н., Костяшкин Л.Н., Романов Ю.Н. Шапка C.B. Семейство многофункциональных систем обработки видеоизображений «Охотник» // Устройства измерения, сбора и обработки сигналов в информационно-управляющих комплексах: Тез. докл. 1-ой Всерос. науч. практ. конф. - Ульяновск, 2011. - С.31-33. Блохин А.Н., Костяшкин Л.Н., Зеленюк Ю.И. Оптико-электронная система для модернизации ЗРК «Бук-М2Э» // Военный парад. - 2011. -№4.-С. 34-35.

79.