Разработка и исследование алгоритмов обнаружения протяженных аномалий на многозональных изображениях тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Лучков, Николай Владимирович

• Лучков, Николай Владимирович
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Лучков, Николай Владимирович

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. МЕТОДЫ МОДЕЛИРОВАНИЯ И АНАЛИЗА ЭФФЕКТИВНОСТИ

АЛГОРИТМОВ ОБНАРУЖЕНИЯ АНОМАЛИЙ

1.1 Постановка задачи

1.2. Обзор задач дистанционного зондирования Земли

1.3 Методы имитации изображений

1.4. Дважды стохастическая модель СП

1.5 Анализ характеристик дважды стохастической модели СП

1.6. Методика формирования изображений

1.7. Обзор алгоритмов обнаружение протяженных аномалий на

многозональных изображениях

1.8 Выводы

ГЛАВА 2. МОДЕЛИРОВАНИЕ И АНАЛИЗ АЛГОРИТМОВ ФИЛЬТРАЦИИ СЛУЧАЙНЫХ ПОЛЕЙ

2.1. Постановка задачи

2.2. Эффективность фильтрации СП на многомерных сетках

2.3. Аппроксимация дисперсий ошибок фильтрации СП дискретного аргумента с помощью СП непрерывного аргумента

2.4. Определение условий приемлемой аппроксимации дисперсий ошибок фильтрации СП дискретного аргумента

2.5. Выводы

ГЛАВА 3. ОБНАРУЖЕНИЕ ПРОТЯЖЕННЫХ АНОМАЛИЙ НА ФОНЕ МНОГОМЕРНЫХ ИЗОБРАЖЕНИЙ

3.1. Постановка задачи

3.2. Исследование зависимостей вероятности правильного обнаружения от характеристик СП

3.3. Анализ эффективности обнаружения протяженных аномалий на многомерных СП

3.4. Обнаружение протяженных аномалий с неизвестными уровнями

3.5. Обнаружение появления аномалий на последовательности кадров многозональных изображений

3.6. Эффективность обнаружения протяженных сигналов различной формы

3.7. Выводы

ГЛАВА 4. ОСОБЕННОСТИ ПРОГРАММНОЙ РЕАЛИЗАЦИИ АЛГОРИТМА ОБНАРУЖЕНИЯ

4.1 Постановка задачи

4.2 Программный пакет для исследования алгоритмов обнаружения протяженных аномалий на фоне коррелированных помех

4.3 Пакет программ для анализа эффективности алгоритмов обнаружения протяженных аномалий на многомерных изображениях

4.4 Применение предложенных алгоритмов

4.5 Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

Введение диссертации (часть автореферата) на тему «Разработка и исследование алгоритмов обнаружения протяженных аномалий на многозональных изображениях»

ВВЕДЕНИЕ

Актуальность работы

В связи с широким распространением методов мультиспектральной (до 10 спектральных диапазонов) и гиперспектральной (до 300 диапазонов) регистрации земной поверхности, все большее значение приобретают задачи вероятностного представления и статистического анализа многомерных данных. Совместная обработка данных в нескольких спектральных диапазонах позволяет эффективно решать задачи радио- и гидролокационных комплексов, систем глобального мониторинга Земли, систем технического зрения и др. Для ряда приложений особый интерес представляют задачи обнаружения и оценивания параметров протяженных аномалий на многозональных изображениях. Вместе с тем, для выбора наиболее подходящего правила обнаружения актуальным является исследование и сопоставление эффективности соответствующих алгоритмов, и потенциальные возможности реальных систем обработки многозональных изображений.

В ряде работ предлагаются локальные алгоритмы обнаружения на многомерных изображениях, основанные на оценках градиента поля изображения. Рассматривается применение адаптивных алгоритмов компенсации коррелированных помех и алгоритмов обнаружения с «выбеливанием» многомерного изображения. Несмотря на большое число публикаций по проблемам синтеза алгоритмов обнаружения сигналов, в настоящее время мало исследована их эффективность. Существующие решения не дают удовлетворительного результата в задачах анализа эффективности и сравнения соответствующих алгоритмов обнаружения, особенно алгоритмов обнаружения протяженных аномалий на многомерных изображениях. Это обусловливает необходимость дополнительного исследования эффективности алгоритмов обнаружения аномалий.

Проектирование аппаратуры обработки многомерных изображений порождает проблему получения больших массивов данных с контролируемыми свойствами. Получение достаточного объема информации в натурных экспериментах довольно сложно и требует значительных затрат. Одним из подходов к обеспечению исходными данными задач проектирования аэрокосмических систем является моделирование стохастических полей яркости. Недостатком известных способов моделирования изображений является их неспособность в автоматическом режиме имитировать изображения со значительными изменениями пространственно-временных корреляционных свойств, адекватные реальным последовательностям снимков земной поверхности со сложным рельефом местности или со значительными перепадами яркости.

Таким образом, представляется весьма актуальной задача разработки и исследования алгоритмов обнаружения протяженных аномалий в условиях априорной неопределенности относительных уровней яркости объекта на многозональных изображениях.

Цель и задачи исследования

Целью работы является повышение эффективности систем мониторинга земной поверхности на основе разработки, моделирования и анализа вероятностных характеристик алгоритмов обнаружения протяженных неоднородностей на многозональных изображениях.

Для достижения этой цели необходимо решение следующих задач:

- анализ и разработка моделей формирования многозональных изображений, позволяющих при относительно небольших вычислительных затратах формировать изображения и их последовательности, имитирующие реальные многозональные изображения;

- синтез и анализ квазиоптимальных алгоритмов обнаружения протяженных аномалий на фоне мешающих многозональных изображений в условиях априорной неопределенности относительно уровней яркости сигнала;

- проведение сравнительного анализа эффективности известных и синтезированных квазиоптимальных алгоритмов обнаружения протяженных аномалий на фоне мешающих многозональных изображений;

- разработка пакета прикладных программ для анализа эффективности синтезированных обнаружителей на основе статистического моделирования, а также при использовании кадров реальных спутниковых изображений.

Методы исследований. При решении поставленных задач были использованы методы теории вероятностей, математической статистики, математического моделирования, численной аппроксимации функций, средства современной информатики и вычислительной техники, включая язык программирования Delphi 7 и программные средства работы с графическими изображениями Paint.NET и MultiSpec.

Научная новизна результатов

1. Предложена методика формирования многомерных изображений, имитирующих близкие к реальным снимки земной поверхности. Получены аналитические соотношения для вероятностных характеристик соответствующих случайных полей (СП).

2. Синтезированы квазиоптимальные алгоритмы обнаружения протяженных аномалий на фоне многозональных изображений при наличии случайных помех в условиях неизвестных параметров полезного сигнала.

3. Проведен анализ эффективности обнаружения предложенных и известных алгоритмов, позволяющий выработать рекомендации по выбору необходимых значений параметров СП для обеспечения заданных характеристик обнаружения. Предложены пути сокращения вычислительных затрат.

Практическая ценность диссертационной работы заключается в следующем:

1. Аналитические выражения для расчета характеристик обнаружения синтезированных алгоритмов при наличии многозональных мешающих изображений и белого шума, в условиях известных и неизвестных параметров полезного сигнала, дают возможность разработчикам комплексов обработки многомерных данных возможность получить характеристики обнаружения при заданных вероятностях ложных тревог, а также обосновать уменьшение вычислительных затрат при реализации квазиоптимальных процедур обнаружения и фильтрации.

2. Разработанный пакет программ допускает его непосредственное использование при проектировании современных и перспективных систем моделирования и обработки изображений. Предложенные модели многомерных СП могут быть использованы разработчиками для представления реальных данных при решении различных прикладных задач.

Апробация работы.

Основные результаты диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: 63 Научная сессия, посвященная Дню радио (Москва, 2008); Седьмая Международная конференция «Математическое моделирование физических, экономических, технических, социальных систем и процессов» (Ульяновск, 2009); Шестая Всероссийская научно-практическая конференция «Современные проблемы создания и эксплуатации радиотехнических систем» (Ульяновск, 2009); 13 Международная конференция по распознаванию образов и анализу изображений (Санкт-Петербург, РША, 2010); Научно-техническая конференция «Интегрированные автоматизированные системы управления» (Ульяновск, ФНПЦ ОАО «НПО «МАРС», 2011); ежегодные научно-технические

конференции профессорско-преподавательского состава Ульяновского государственного технического университета (2009-2012).

Реализация результатов работы.

Результаты работы использованы ФНПЦ ОАО «НПО «Марс». Реализация результатов работы подтверждена соответствующими актами.

Публикации. Основные научные результаты диссертационной работы отражены в 14 публикациях, среди которых 5 статей, из них 2 статьи в журналах из перечня ВАК, 5 работ в трудах и материалах международных и Всероссийских конференций. По результатам работы подана одна заявка на изобретение.

Структура диссертационной работы: Диссертационная работа написана на русском языке и состоит из введения, четырех глав, заключения, списка использованной литературы и приложения. Работа изложена на 123 страницах, содержит 67 рисунков и список литературы из 151 наименования.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы цели и основные задачи, показана научная новизна и практическая ценность работы.

В первой главе рассмотрены математические модели, которые наиболее часто применяются для описания многозональных изображений, а также предложена методика моделирования многомерных изображений. Дается краткий обзор известных алгоритмов предварительной обработки спутникового материала и существующих методов обнаружения аномалий на изображениях. Формулируются основные нерешенные задачи, определившие тему диссертационной работы.

Во второй главе предложены алгоритмы анализа эффективности предварительной фильтрации многозональных изображений, направленные на

уменьшение вычислительных затрат и на повышение качества последующего обнаружения.

В третьей главе синтезированы алгоритмы обнаружения протяженных неоднородностей на фоне многозональных изображений в условиях априорной неопределенности параметров полезного сигнала. Найдены необходимые аналитические соотношения и дана сравнительная оценка эффективности процедур обнаружения протяженных сигналов с известными и неизвестными уровнями.

В четвертой главе представлены результаты экспериментальных исследований, иллюстрирующие эффективность синтезированных методов и алгоритмов при работе с реальными многозональными спутниковыми снимками. Изложены основные принципы организации разработанного программного обеспечения.

В заключении сформулированы основные научные и практические результаты диссертационной работы.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Лучков, Николай Владимирович

4.5 Выводы

Разработанный пакет программ для исследования алгоритмов моделирования и фильтрации изображений позволяет моделировать многомерные СП на основе дважды стохастических моделей с различными корреляционными параметрами. Имеется возможность получения статистических характеристик исследуемых СП, подбора подходящих параметров модели. Также реализованы предложенные оптимальные и квазиоптимальные алгоритмы обнаружения протяженных аномалий на фоне коррелированных помех.

Получены результаты применения предложенных алгоритмов обнаружения протяженных аномалий на реальных изображениях, которые могут быть использованы для формирования управляющих воздействий в автоматизированном навигационном комплексе для коррекции текущих координат местоположения аппарата, что позволяет разгрузить экипаж от ряда традиционных функций по обработке информации и управлению. Обработка информации, полученной различными каналами регистрации изображений (телевизионными, тепловизионными, радиолокационными) как единый кадр многозонального СП позволяет повысить надёжность обнаружения, выделения и оценки параметров объектов при работе на больших дальностях, в условиях слабой видимости и при использовании различных средств маскировки.

Таким образом, предложенные в диссертационной работе алгоритмы моделирования, оценивания СП и обнаружения протяженных полезных сигналов на фоне многомерных изображений могут найти применение в различных прикладных областях.

ЗАКЛЮЧЕНИЕ

1. Разработаны и исследованы дважды стохастические процедуры математического моделирования многомерных СП. Предложена методика формирования на их основе отдельных кадров и последовательностей многомерных изображений, имитирующих реальные снимки земной поверхности.

2. Предложен новый подход к вычислению ковариационной матрицы ошибок фильтрации СП, позволяющий для многомерного изображения из N кадров сократить вычислительные затраты в N раз по сравнению с прямыми методами решения системы линейных уравнений Винера-Хопфа.

3. На основе применения численного интегрирования адаптивным методом Симпсона определены области значений параметров СП, для которых возможна замена сложных выражений для дисперсии ошибки оптимальной фильтрации СП дискретного аргумента простыми соотношениями для СП непрерывного аргумента.

4. Найдены аналитические соотношения и дана сравнительная оценка эффективности процедур обнаружения протяженных сигналов с известными и неизвестными уровнями. Получены результаты, позволяющие определить область решений параметров СП, для которых возможно применение алгоритма обнаружения с предварительной оценкой уровня значений сигнала, обеспечивающего максимально возможный выигрыш в сравнении с применением оптимального алгоритма обнаружения.

5. Проведены исследования эффективности известных и предложенных алгоритмов обнаружения протяженных аномалий, позволяющие выработать рекомендации для оценки потенциальных возможностей проектируемых и реальных систем обнаружения.

6. Разработан пакет программ для исследования эффективности предложенных алгоритмов фильтрации и обнаружения протяженных аномалий на многозональных изображениях, как на реализациях математических моделей, так и при обработке реального спутникового материала.

Список литературы диссертационного исследования кандидат технических наук Лучков, Николай Владимирович, 2012 год

СПИСОК ЛИТЕРАТУРЫ

1. Алпатов, Б. А. Автоматическое слежение за объектами при отсутствии априорных сведений о фоноцелевой обстановке / Б. А. Алпатов, П. В. Бабаян, С. А. Смирнов // Цифровая обработка сигналов. № 3. - 2009 - С. 52-56.

2. Аникин И.В. Методы нечеткой обработки, распознавания и анализа предметов / И.В. Аникин, М.Р. Шагиахметов // Распознавание образов и анализ сцен: труды 5 межд. конф. - т.1. - С.-Петербург - 2002. - с. 16-20.

3. Асмус В.В. Параллельные вычисления в обработке данных дистанционного зондирования земли / В.В. Асмус, A.A. Бучиев, В.П. Пяткин //Цифровая обработка сигналов и ее применение: труды 8 межд. науч.-тех. конф. - т.2. -Москва-2006 - с. 467-471.

4. Бакут П. А. Теория обнаружения сигналов / П.А. Бакут. - М. : Радио и связь, - 1984-с. 440.

5. Балакришнан A.B. Теория фильтрации Калмана: Пер. с англ./ А.В.Балакришнан - М.: Мир - 1988 - с. 168.

6. Богуславский А. А., Соколов С. М. Обнаружение образов объектов с изменяющейся структурой в системах технического зрения реального времени // Информац. технологии и вычислит, системы. № 1. - 2006-с. 61-77.

7. Бокс Д. Анализ временных рядов / Д. Бокс, Г. Дженкинс // Пер. с англ.: Под ред. В.Ф. Писаренко. - М.: Мир, кн. 1. - 1974 - с. 406.

8. Бондур В. Г. Моделирование многоспектральных аэрокосмических изображений динамических полей яркости. / В. Г. Бондур, Н. И Аржененко, В. Н. Линник, И. Л. Титова // Исследование Земли из космоса. -№ 2. - 2003 - с. 3-17

9. Борзов С.М., Козик В.И., Потатуркин О.И. Коррекция тепловизионных изображений на основе статистической обработки реальных данных // Изв. вузов. Приборостроение - т. 52, № 6. - 2009 - с. 11-17.

Ю.Васильев К. К. Методы фильтрации многомерных случайных полей / К. К.Васильев, В.Р.Крашенинников.- Саратов: СГУ - 1990 - с. 124.

П.Васильев К. К. Прикладная теория случайных процессов и полей / К. К.Васильев, В.А. Омельченко - Ульяновск: УГТУ - 1995 - с. 255.

12.Васильев К. К. Применение адаптивной декорреляции для обработки изображений / К. К.Васильев, С. А. Агеев // Наукоемкие технологии, -№ 3.-2002-с. 25-31.

1 З.Васильев K.K. Адаптивные алгоритмы обнаружения аномалий на последовательности многомерных изображений / К.К. Васильев, В.Р.Крашенинников//Компьютерная оптика,- вып. 14 - 1995 - с. 125-132.

14.Васильев К.К. Алгоритмы обработки многозональных изображений/ К.К.Васильев, В.Е.Дементьев // Современные проблемы создания и эксплуатации радиотехнических систем: тр. 4 всерос. науч.-практ. конф. -Ульяновск - 2004 - с. 14-17.

15.Васильев К.К. Алгоритмы оптимального обнаружения сигналов с неизвестными уровнями на многозональных изображениях / К.К.Васильев, В.Е.Дементьев // Цифровая обработка сигналов и ее применение: труды 8 межд. науч.-техн. конф. т.2. - М. - 2006 - с. 433-436.

16.Васильев К.К. Исследование эффективности фильтрации изображений при треугольной развертке / К.К. Васильев, В.Г. Герчес // Методы обработки сигналов и полей: сб. научн. тр. - Ульяновск: УлПИ,- 1992 - с. 33-44.

17.Васильев К.К. Обнаружение протяженных аномалий на многомерных изображениях / К.К. Васильев // Вестник УГТУ. - Ульяновск. - 2006. -№4. - с. 31-33

18.Васильев К.К. Обнаружение сигнала на последовательности изображений / К.К. Васильев // Математические и технические проблемы обработки визуальной информации. — Новосибирск: ВЦ СО РАН. - 1992 - с. 49 - 64.

19.Васильев К.К. Обнаружение сигналов с неизвестными уровнями на многозональных изображениях / К.К. Васильев, A.A. Горин // Труды Ульяновского научного центра "Ноосферные знания и технологии".-Т.З, Вып.1.-Ульяновск-2001. -с.9-13

20.Васильев К.К. Представление и быстрая обработка многомерных изображений. / К.К.Васильев, В.Р.Крашенинников, И.Н Синицын, В.И.Синицын // Наукоемкие технологии. - № 3.- 2002. - с. 4-24.

21.Васильев К.К. Статистические методы обработки многомерных изображений / К.К.Васильев, А.А.Спектор // Методы обработки сигналов и полей. - Ульяновск: УлПИ, - 1992 - с. 3-19

22.Васильев К.К., Крашенинников В.Р. Статистический анализ многомерных изображений / К.К. Васильев, В.Р. Крашенинников. - Ульяновск: УлГТУ -2007.-170 с.

23.Васюков В.Н. Новые подходы к решению задач обработки и распознавания изображений / В.Н.Васюков, И.С.Грузман, М.А.Райфельд, А.А.Спектор //Наукоемкие технологии. - № 3. - 2002. - с. 44-51.

24.Васкжов В. Н., ГолещихинД. В. Восстановление искаженных изображений, представляемых гиббсовскими моделями // Докл. СОАНВШ. №2. - 2000. - с.36-47.

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

26.Градштейн И.С. Таблицы интегралов, сумм, рядов и произведений / И.С.Градштейн, И.М.Рыжик, М.: Наука - 1971. - 1108 с.

27.Грузман И.С., Киричук B.C., Косых В.П., Перетягин Г.И., Спектор A.A. Цифровая обработка изображений в информационных системах.— Новосибирск, НГТУ - 2002. - 456 с.

28.Гук, А.П. Автоматический выбор и идентификация характерных точек на разновременных разномасштабных аэрокосмических снимках / А.П. Тук, Йехиа Хассан Мики Хассан // Изв. вузов. Геодезия и аэрофотосъемка. -№2.-2010.-с. 63-68.

29. Дементьев В.Е. Обнаружение протяженных аномалий на многозональных изображениях: дис. канд. техн. наук./ В.Е. Дементьев. -Ульяновск - 2006. - 143 с.

3 О.Ефимов В.М., Резник А. Л., Торгов A.B. Эффективные по быстродействию методы цифровой обработки динамических последовательностей изображений // Вестник НГУ. т. 3, вып. 3. Серия: Физика-2008 -с. 95-103.

31.Журавлев Ю.И. Избранные научные труды. М.: Магистр - 1998.

32.Йехиа Хассан Мики Хассан. Выявление изменений по разновременным многоспектральным космическим снимкам при мониторинге территорий / Йехиа Хассан Мики Хассан // Геодезия и картография. - 2010. - № 2. -С. 15-19.

33.Киричук B.C. Адаптивная фильтрация с субпиксельным оцениванием координат точечных объектов / Киричук B.C., Косых, В.П. Курманбек уулу Т. // Автометрия. 42, №1. - 2006. - с.З.

34.Киричук B.C., Косых В.П., Перетягин Г.И., Попов С.А. Использование серии космических снимков с общей точкой наведения для оценивания рельефа местности. — Новосибирск, Автометрия, №1. - 2002.

35.Киричук B.C.. Обнаружение малоразмерных объектов по последовательностям ТВ-Изображений ИК диапазона / В.С.Киричук, С.В.Парфененок, В.Ю.Ангеров // Распознавание образов и анализ сцен, тр.5 межд. науч.-техн. конф. - т.1. -М. - 2002. - с. 273-278.

36.Кравченко В.Ф. Нелинейная фильтрация изображений с сохранением малоразмерных деталей в присутствии импульсных и

мультипликативных помех / В.Ф.Кравченко, В.И.Пономарев // Радиотехника и электроника. - № 4. - 2001. - с. 476-483.

37.Крашенинников В. Р. Адаптивный компенсатор коррелированных помех / В. Р.Крашенинников, А. Г. Ташлинский // Методы обработки сигналов и полей: сб. научн. тр. — Ульяновск: УлПИ - 1992. - с. 120-128.

38.Крашенинников В. Р. Основы теории обработки изображений: Учебное пособие. - Ульяновск: УлГТУ - 2003. - 150 с.

39.Крашенинников В.Р. Алгоритм выбора эталонов в заданном конечном множестве элементов: Вестник Ульяновского государственного технического университета. - № 3. - 2006. - с. 37-39.

40.Крашенинников В.Р. Псевдоградиентные алгоритмы стабилизации порога обнаружения // Методы обработки сигналов и полей: Сб. научн. Трудов. - Ульяновск: УлГТУ - 1995. - с. 101-107.

41.Крашенинников В.Р., Крашенинников И.В., Копылова A.C. Обнаружение жгутовидных структур на изображениях фаций сыворотки крови. Труды Российского научно-технического общества радиотехники, электроники и связи им. А.С.Попова. Серия: Научная сессия, посвященная Дню радио. Выпуск LXIV. - Москва - 2009.- с. 313-315.

42.Крашенинников В.Р., Хвостов A.B. Комбинированный детектор речевой активности // «Электронная техника». Межвузовский сборник научных трудов. Выпуск седьмой. - Ульяновск - 2005.- с.45-48.

43.Кучеренко К.И. Двумерные медианные фильтры для обработки изображений / К.И. Кучеренко, Е.Ф. Очин // Зарубежная радиоэлектроника. №6 - 1986.

44.Лаврова О.Ю., М.И. Митягина, C.B. Щербак. Возможности спутниковой радиолокации для решения задачи обнаружения судов // Современные проблемы дистанционного зондирования Земли из космоса: Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных объектов и явлений. Азбука. - 2006.

45.Сборник научных трудов международной конференции «Вычислительные и информационные технологии в науке, технике и образовании». Алма-Ата. Казахстан. - 2004.

46.Монахов C.B. Методология анализ и проектирования сложных информационных систем /C.B. Монахов, В.П. Савиных, В.Я. Цветков. -М. Просвещение. -2005 - 264 с.

47.Мурашов Д.М. Метавыделения фона на последовательностях изображений с использованием фильтра Калмана / Д.М.Мурашов, А.В.Хилков, И.А.Шамтиев // Распознавание образов и анализ сцен, тр.5 межд. науч.-техн. конф. т.2. -М.- 2002. - с. 389-393.

48.Перетягин Г. И. Исследование алгоритма обнаружения объектов на многозональном изображении / Г. И. Перетягин // Автометрия. №1. -1993.

49.Перов А. И., Статистическая теория радиотехнических систем. Учеб. пособие для вузов. - М.: Радиотехника. - 2003.

50.Поляков A.A. Прикладная информатика / A.A. Поляков, В .Я. Цветков.-М.:Янус-К.-2002. -393 с.

51.Попов О.В. Разработка и исследование алгоритмов моделирования и оценивания многомерных марковских случайных полей: Дис. канд. техн. наук / О.В. Попов - Ульяновск. - 2000. - 152 с.

52.Потапов A.C. Исследование представлений изображений на основе принципа репрезентационной длины описания // Изв. вузов. Приборостроение. Т. 51. № 7. - 2008. - с. 3-7.

53.Потапов A.C. Теоретико-информационный подход к введению обратных связей в многоуровневых системах компьютерного зрения // Оптический журнал. Т. 74. № 10.-2007. - с. 59-65.

54.Прэтт У. Цифровая обработка изображений / Пер. с англ.: Под ред. Д. С. Лебедева.-М.-1982, Кн. 1, -312 е., Кн. 2, - 480 с.

55.Пытьев Ю. П., Чуличков А. И. Морфологические методы анализа изображений.- М.: Физматлит.- 2010. - 336 с.

56.Пяткин В.П. Непараметрический статистический подход к задаче обнаружения некоторых структур на аэрокосмических изображениях / В.П. Пяткин, Г.И.Сапов // Наукоемкие технологии. № 3. - 2002.- с. 52-58.

57.Рыбаков О.В. Алгоритмы обнаружения объектов на телевизионных изображениях в условиях априорной неопределенности: Дис. канд. техн. наук./ О.В. Рыбаков.- Таганрог.- 2003.- 162 с.

58.Рыбаков О.С, Тицкий B.C., Об обнаружении локальных неоднородно-стей на зашумленных изображениях. Сборник трудов 4-й Международной конференции: "Цифровая обработка сигналов и ее применения". Т.2. - 2002.- с. 303-304.

59.Савиных В.П. Геоинформационный анализ данных дистанционного зондирования/ В.П. Савиных, В.Я. Цветков, М.: Картоцентр -Геодезиздат.- 2001. - 225 с.

60.Саломатин С.Б. Адаптивная фильтрация сложного сигнала на фоне динамической помехи с помощью смежных классов преобразования Фурье/ С.Б. Саломатин, Д.Л. Ходыко // Труды 61 научной сессии, посвященной дню радио. - 2006. - с. 80-82.

61.Самсонов А.Н. Квазиоптимальная рекуррентная фильтрация марковского случайного поля / А.Н.Самсонов // Методы обработки сигналов и полей: сб. научн. тр. - Ульяновск: УлПИ.- 1990.- с. 30-36.

62.Сергеев Д.Н. Нейросетевые алгоритмы генерации случайных полей на основе каузальной и некаузальной моделей формирования / Д. Н. Сергеев, А. А. Сирота // Информатика: проблемы, методология, технологии: материалы Седьмой Междунар. науч.-метод, конф. — Воронеж.- 2007.

63. Сирота A.A. Алгоритмы имитации текстуры изображений пространственно-распределенных объектов на основе моделей марковских случайных полей / А. А. Сирота, Д. Н. Сергеев // Радиотехника (журнал в журнале). № 18. - 2007. - с. 33-38.

64.Сойфер В.А. Методы компьютерной обработки изображений, М.: ФИЗМАТ ЛИТ.- 2003. - 784 с.

65.Татузов А.Л. Кластеризация данных на основе энтропии, инвариантной относительно масштаба / А.Л.Татузов Н.И.Куренков // Цифровая обработка сигналов и ее применение: тр. 8 межд. науч.-техн. конф. т.2-М.- 2006.- с. 647-651.

66.Теория и техника обработки радиолокационной информации на фоне помех, М.: Радио и связь.- 1981.- 416 с.

67.Техническое зрение в системах управления мобильными объектами-2010: Труды научно-технической конференции-семинара. Вып. 4 / Под ред. Р. Р. Назирова.— М. : КДУ,- 2011.- 328 с.

68.Фаворская, М.Н. Методы распознавания изображений и видеопоследовательностей: монография / М. Н. Фаворская; Сиб. гос. аэрокосмич. ун-т. - Красноярск.- 2010.- 176 с.

69.Хабиби А. Двумерная байесовская оценка изображений А. Хабиби // ТИИЭР, Т. 60 № 7. - 1972.- с. 153-159.

70.Юрьев А. Н. Рекуррентные алгоритмы обнаружения стохастических сигналов в пространстве состояний на фоне коррелированных помех и шумов / А. Н. Юрьев // Радиотехника, № 11.- 1991.-е 11-15.

71.Яне Б. Цифровая обработка изображений. - М.: Техносфера.- 2007,- 584 с.

72.Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику. - М.: Радио и связь.-1998.

73.Пат. 5398292 США, МКИ G 6К 9/46. Edge detecting apparatus / Aoyama; Chiaki (JP); Honda Giken Kogyo Kabushiki Kaisha (JP). - № 049524; Заяв. 20.04.93; Опубл. 14.03.95; НПК 382/199. Англ.

74.Пат. 5627586 США, МКИ Н 4N 5/225. Moving body detection device of camera / Yamasaki; Masafumi (JP); Olympus Optical Co., Ltd. (JP). - № 045039; Заяв. 8.04.93; Опубл. 6.05.97; НПК 348/169. Англ.

75.Пат. 5627905 США, МКИ G 6К 9/00. Optical flow detection system / Se-bok; Thomas J. (OH); Sebok; Dale R. (OH); Lockheed Martin Tactical Defense Systems (OH). - № 353589; Заяв. 12.12.94; Опубл. 6.05.97; НПК 382/107. Англ.

76.Пат. 5878163 США, МКИ G 6К 9/46. Likelihood-based threshold selection for imaging target trackers / Stephan; Larisa A. (CA); Groves; Gillian К. (CA); Raytheon Company (CA). - № 540638; Заяв. 11.10.95; Опубл. 2.03.99; НПК 382/172. Англ.

77.Пат. 5883969 США, МКИ G 6К 9/00. Procedure and device for detecting the movement of a target and their applications / Le Gouzouguec; Anne (FR); Schlossers; Christophe (FR); Aerospatiale Societe Nationale Industrielle (FR). - № 653332; Заяв. 24.05.96; Опубл. 16.03.99; НПК 382/103. Англ.

78.Пат. 5991428 США, МКИ G 6К 9/00. Moving object detection apparatus and method / Taniguchi; Yasuhiro (JP); Kabushiki Kaisha Toshiba (JP). - № 912172; Заяв. 15.08.97; Опубл. 23.11.99; НПК 382/107. Англ.

79.Пат. 6035067 США, МКИ G 6К 9/68. Apparatus for tracking objects in video sequences and methods therefore / Ponticos; Constantine (GB); U.S. Philips Corporation (NY). - № 935252; Заяв. 22.09.97; Опубл. 7.03.00; НПК 382/226. Англ.

80.Пат. 6360002 США, МКИ G 6К 9/00. Object extracting method using motion picture / Kim; Hyeon-June (KR); Lee; Jin-Soo (KR); LG Electronics Inc. (KR). - № 877198; Заяв. 11.05.01; Опубл. 19.03.02; НПК 382/103. Англ.

81.7th International Symposium on Remote Sensing. "Remote Sensing for Agriculture, Ecosystems, and Hydrology И". Barcelona. Spain. 2000.

82.8th International Symposium on Remote Sensing. "Remote Sensing of Clouds and the Atmosphere VI". Toulouse. France. 2001.

83.A. Webb, Statistical pattern recognition, Arnold, 1999.

84.Amjad Hajjar, Tom Chen, A VLSI architecture for real-time edge linking.// IEEE Transaction on pattern analysis and machine intelligence, Vol. 21, № 1, 1999, p.89-94.

8 5. Bis was A., Guha P., Mukerjee A., Venkatesh K. S. (2006) Intrusion Detection and Tracking with Pan-Tilt Cameras // Visual Information Engineering. 2006. P. 565-571.

86.Chan T.F., Shen J., and Vese L. Variational PDE models in image processing // Notice Amer. Math. Soc. 2003. V. 50. P. 14-26.

87.Chenyang Xu, Jerry L. Prince, Snakes, Shapes, and Gradient Vector Flow // IEEE Transactions on Image Processing. - 1998. - Vol. 7. №3. - p.359-369.

88.Chernov V.M. Diophantine Theorems on Stability of Polynomial Decision Rules Pattern. Recognition and Image Analysis 11(1) 16(2001).

89.Chernov V.M. Proc. Of the 10th Scandinavian Conference on Image Analysis. Lappeenranta, Finland, 2, 1997, p.803.

90.C. Spence, L. Parra and P. Sajda, "Detection, synthesis and compression in mammographie image analysis with a hierarchical image probability model", IEEE Workshop on Mathematical Methods in Biomedical Image Analysis, MMBIA 2001, pp. 3-10, 2001.

91.Davies R.H., Twining C.J., Cootes T.F., Waterton J.C., Taylor C.J. A minimum description length approach to statistical shape modeling // IEEE Trans. Medical Imaging. 2002. V. 21. № 5. P. 525-537.

92.D. Dasgupta and F.A. Gonzalez, "An immunogenetic approach to intrusion detection", Division of Computer Science, University of Memphis, Tech. Report CS-01-001,2001.

93.D. Dasgupta and N. S. Majumdar, "Anomaly detection in multidimensional data using negative selection algorithm", Proc. IEEE Conference on Evolutionary Computation, Hawaii, May 2002, pp. 1039-1044.

94.Denzler J., H. Niemann, Active Rays: A new approach to contour tracking // Proceeding on the 3-rd German-Slovenian Workshop on Speech and Image Analysis. - 1996.

95.Dikshit S.S. A Recursive Kalman Window Approach to Image Restoration // IEEE Trans., 1984, Vol. com - 32, Jan., pp. 125-139.

96.Finlayson G. D., Hordley S. D., Drew M. S., Lu C. (2006) On the removal of shadows from images IEEE Trans. Pattern Analysis and Machine Intelligence. 2006. V. 28. N. l.P. 59-68.

97.Forsyth D. A., Ponce J. (2003) Computer Vision: a Modern Approach. N. Y.: Prentice Hall, 2003.

98.F. Wei, M. Miller, S.J. Stolfo, L. Wenke, P.K. Chan, "Using artificial anomalies to detect unknown and known network intrusions", Proc. IEEE International Conference on Data Mining, ICDM 2001, pp. 123-130, 2001.

99.Ganebnykh S. N., Lange M. M. (2009) Classification of 2D Grayscale Objects in a Space of the Multiresolution Representations // Pattern Recognition and Image Analysis, Nauka-Interperiodica. 2009. V. 19. N. 4. P. 591-602.

100.Gevers T., Smeulders W. Proceedings of The 10th Scandinavian Conference on Image Analysis II (Lappeenranta, Finland, 1997) P. 861.

101. Global Earth Observation System of Systems (GEOSS), 2007-2009 Work Plan: Toward Convergence. 2006. 38 p.

102. G. Manson, G. Pierce, K. Worden, T. Monnier, P. Guy, K. Atherton, "Long term stability of normal condition data for novelty detection", Proc. 7th International Symposium on Smart Structures and Materials, California, 2000.

103. G. Manson, "Identifying damage sensitive, environment insensitive features for damage detection", Proc. IES Conference, Swansea, UK, 2002.

104.Haber E., Modersitzki J. Intensity gradient based registration and fusion of multi-modal images // Intern. Conf. Medical Image Computing and ComputerAssisted Intervention. 2006. V. 9. P. 726-733.

105. Hajduch G., Leilde P. And V. Kerbaol. Ship detection on ENVISAT ASAR data: results, limitations and perspectives. Proceedings of SEASAR 2006, ESA SP-613, April 2006.

106. Hao Wu, Yunqiang Chen, Tong Fang. Coupled Bayesian framework for dual energy image registration // Proc. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2006. V. 2. P. 2475-2482.

107. Healey G. Proceedings of The 10th Scandinavian Conference on Image Analysis II (Lappeenranta, Finland, 1997) P. 823.

108. Ho J., Hull J.J., Srihari S.N. IEEE Transactions on Pattern Analysis and Machine Intelligence 16(1) 66 (1994).

109. J. Bennet, A. Khotanzad, Modeling textured images using generalized long correlation models, IEEE Trans. Pattern Anal. Mach. Intell. 20 (12) (December 1998)1365-1370.

110.J.W. Woods, Two-dimensional discrete Markovian fields, IEEE Trans. Inform. Theory IT-18 (2) (March 1972) 101-109.

111.Jeffrey E. Boyd, Jean Meloche, Binary restoration of thin objects in multidimensional imagery. // IEEE Transaction on pattern analysis and machine intelligence, Vol. 20, № 6, 1998, p.647-651.

112. Joachim Denzler, Heinrich Niemann. Real-Time Pedestrian Tracking in Natural Scenes // Proceedings on the 7th International Conference on Computer Analysis of Images and Patterns. - 1997.

113.K.B. Eom, Long-correlation image models for texture with circular and elliptical correlation structures, IEEE Trans. Image Process. 10 (7) (July 2001) 1047-1055.

114.Kadeev D.N. Applicative Procedure for Simulating Nonuniform Images // Pattern Recognition and Image Analysis, Vol. 6, No. 1, 1996, p. 150.

115.Kanatani K. and Ohta N. Automatic detection of circular objects by ellipse growing // Proc. SSII2002. 2002. P. 355-360.

116. Kaufman, Y. J. and Justice, C., Algorithm Technical Background Document MODIS Fires Products (Version 2.2 Nov. 10 1998).

117. Kaufman, Y. J., Justice, C. O., Flynn, L. P., Kendall, J. D., Prins, E. M., Giglio, L.,Ward, D. E., Menzel,W. P., & Setzer, A.W. (1998). Potential global fire monitoring from EOS-MODIS. Journal of Geophysical Research, 103, 32215-32238.

118.Keysers D., Och F.J., Ney H. Maximum entropy and Gaussian models for image object recognition // Pattern Recognition, 24th DAGM Symposium, Zurich, Switzerland, LNCS 2449. 2002. P. 498-506.

119.Kirichuk V., Parfenenok S., Algorithm of small-size objects detection in sequences of images with projective distortions, Conference proceeding PRIA-7-2004, Volume 2, P. 268-272

120. Kittler J., Hater M., Duin R. Proceedings of The 13th International Conference on Pattern recognition. Track B: Pattern Recognition and Signal Analysis II (Vienna, Austria, 1996) P.735.

121. Konishi S., Yuille A.L., Coughlan J.M., Zhu S.Ch. Statistical edge detection: learning and evaluating edge cues // IEEE Trans. Pattern Analysis and Machine Intelligence. 2003. V. 25. № 1. P. 57-74.

122.Landgrebe D., Information Extraction Principles and Methods for Multispectral and Hyperspectral Image Data, Chapter 1 of Information Processing for Remote Sensing, edited by C. H. Chen, published by the World Scientific Publishing Co., Inc., 1060 Main Street, River Edge, NJ 07661, USA, 2000

123. Lillholm M., Nielsen M., Griffin L.D. Feature-Base Image Analysis // Int. J. Computer Vision. 2003. V. 52. No. 2/3. P. 73-95.

124. Mikhailov A. (2007) Digital neural cortex // Proc. Artificial Neural Networks in Engineering Conf. (ANNIE 2007). Nov. 11-4, 2007. St. Louis, Missouri, USA.

125. M.J. Desforges, P.J. Jacob and J.E. Cooper, "Applications of probability density estimation to the detection of abnormal conditions in engineering", Proc. Institute o f Mechanical Engineers, vol. 212, pp. 687-703, 1998

126.Mumford D. and Gidas B. Stochastic models for generic images // Quaterly of Applied Mathematics. 2001. Vol. 59. P. 85-111.

127.Myasnikov V.V. Proceedings of The 10th Scandinavian Conference on Image Analysis SCIA'96 1 (Lappeenranta, Finland, 1997) P. 405.

128.Nair D., Aggarwal J.K. Proc. 13th Int. Confer. On Pattern Recognition 1 (Vienna, Austria, 1996) P.601.

129. P. Levi, A special problem of brownian motion, and a general theory of gaussian random functions, in: Third Berkeley Symposium Mathematical Statistics and Probability, vol. 2, California Press, Berkeley California, 1956.

130. R.L. Kashyap, P.M. Lapsa, Sythesis and estimation of random fields using long correlation models, IEEE Trans. Pattern Anal. Mach. Intell. 6 (6) (November 1984) 800-809.

131.Radke R.J., Andra S., Al-Kofahi O., Roysam B. Image change detection algorithms: a systematic survey // IEEE Trans, on Image Processing. 2005. V. 14. Iss. 3. P. 294-307.

132. R.O. Duda, P.E. Hart and D.G. Stork, Pattern classification, Wiley, 2001.

133.Rutledge G.K., Alpert J. Ebisuzaki W NOMADS: A Climate and Weather Model Archive at the National Oceanic and Atmospheric Administration // Bulletin of the American Meteorological Society. 2006. V. 87. №3. P. 327341.

134. Shelestov A., Kravchenko O., Korbakov M. Services for Satellite Data Processing // International Journal "Information Theories and Applications". 2006. V. 12. №3, P. 272-276.

135. Shuyu Li, Fang Pu, Deyu Li. An improved edge detection algorithm based on area morphology and maximum entropy // Proc. 2nd Int. Conf. Innovative Computing, Informatio and Control (ICICIC 2007). 2007. P. 536.

136. S.J. Roberts, "Extreme value statistics for novelty detection in biomedical signal processing", Proc. 1st International Conference on Advances in Medical Signal and Information Processing, pp. 166-172, 2002.

137. Soifer V.A., Kotlyar V.V., Khonina S.N., and Khramov A.G. Pattern Recognition and Image Analysis 6(4) 710 (1996).

138. Sun Z., Bebis G., Miller R. (2006) On-Road Vehicle Detection: A Review // IEEE Trans. Pattern Analysis and Machine Intelligence. May 2006. V. 28. N. 5. P. 694-711.

139. T. Odin and Addison D., "Novelty detection using neural network technology", Proc. COMADEN conference, 2000.

140. Tony F. Chan, Luminita A. Vese, Active contours without edges. IEEE Transactions on Image Processing. - 1998.

141. Vails M., Zhou W., Dissanayake G. (2006) Towards vision based navigation in large indoor environments // Proc. 2006 IEEE / RSJ Intern. Conf. Intelligent Robots and Systems (IROS 2006), 2006. P. 2096-2102.

142.Vasilew K., Dementew V. The analisys of correlation properties of autoregression causal fields. — Conference proceeding PRIA-7-2004, Volume 2, P. 415-418

143. Vasilyev K.K., Ageev S.A. The Adaptive Decorrelation Algorithm of Signal Detection — Proceedings of the 1st Int. Conf. "Digital Signal Processing and Its Applications". — Moscow: ICSTI, 1998. vol. 2E, pp. 133-136.

144. Viola P., Jones M. J. (2001) Rapid Object Detection Using a Boosted Cascade of Simple Features // CVPR'01: Proc. Conf. Computer Vision and Pattern Recognition. Los Alamitos, CA, USA. 2001. P. 511-518.

145. Wang F., Vemuri B. Non-rigid multi-modal image registration using cross-cumulative residual entropy // Int. J. Computer Vision. 2007. V. 74. № 2. P. 201-215.

146. Ward A., Hamarneh Gh. Statistical shape modeling using MDL incorporating shape, appearance, and expert knowledge // Lecture Notes in Computer Science, Medical Image Computing and Computer-Assisted Intervention (MICCAI). 2007. P. 278-285.

147. Woods J.W. Two-dimensional Kalman filtering //Topics in Applied Physics, Berlin, 1981, v.42, pp. 155-208.

148. Xu R., Wunschll D. Survey of Clustering Algorithm. Trans on Neural Networks, IEEE V. 16, Is. 3, May 2005, pp 645-678

149.Yvan G. et al. Self-consistency and MDL: a paradigm for evaluating pointcorrespondence algorithms, and its application to detecting changes in surface elevation // Int. J. of Computer Vision. 2003. V. 51. № 1. P. 63-83.

150.Zavorin I., LeMoigne J. Use of multiresolution wavelet feature pyramids for automatic registration of multisensor imagery // IEEE Trans. Image Processing. 2005. V. 14. № 6. P. 770-782.

151.Zokai S., Wolberg G. (2005) Image Registration Using Log-Polar Mappings for Recovery of Large-Scale Similarity and Projective Transformation // IEEE Trans, on Image Processing. Oct. 2005. V. 14. N. 10.