Разработка и исследование методов, алгоритмов и технических средств обработки спектрозональных изображений тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Титов, Дмитрий Витальевич
Титов, Дмитрий Витальевич
кандидат наук
2018
- Специальность ВАК РФ05.13.01
- Количество страниц 335
Оглавление диссертации кандидат наук Титов, Дмитрий Витальевич
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ОБЗОР СОВРЕМЕННЫХ МЕТОДОВ, АЛГОРИТМОВ И ТЕХНИЧЕСКИХ СРЕДСТВ ОБРАБОТКИ СПЕКТРОЗОНАЛЬНЫХ ИЗОБРАЖЕНИЙ
1.1 Анализ методов и технических средств обработки спектрозональных изображений. Состояние и тенденции развития спектрозональных систем с многоэлементными приемниками излучения
1.1.1. Анализ методов обработки спектрозональных изображений
1.1.2. Анализ средств обработки спектрозональных изображений
1.1.3. Анализ аппаратно-программных средств обработки спектрозональных изображений
1.1.4. Обзор современных форматов изображений, использующихся при обработке и анализе
1.1.5. Обзор элементной базы спектрозональных систем с многоэлементными приемниками излучения
1.1.6. Основные характеристики оптико-электронных устройств с многоэлементными приемниками излучения
1.2 Методы и алгоритмы обработки спектрозональных изображений
1.2.1. Фильтрация спектрозональных изображений
1.2.2. Сегментация спектрозональных изображений
1.2.3. Комплексирование спектрозональных изображений
1.3 Анализ методов и алгоритмов распознавания объектов в условиях ограниченных вычислительных ресурсов
1.3.1. Аппаратно-ориентированный алгоритм пространственной
фильтрации спектрозональных изображений
1.3.2. Алгоритм выделения полезного сигнала при обработке
спектрозональных изображений
1.4 Адаптивные нечетко-логические системы и нейро-нечеткие модели
1.5 Выбор спектрального диапазона, используемого при обработке изображений 83 Выводы по главе 1
ГЛАВА 2. МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ
СПЕКТРОЗОНАЛЬНЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ВЕЙВЛЕТ-
ПРЕОБРАЗОВАНИЙ
2.1 Теоретические основы фильтрации спектрозональных изображений на этапе предварительной обработки зашумленных изображений
2.2 Фильтрация зашумленных изображений на предварительном этапе обработки спектрозональных изображений
2.3 Алгоритм оптимального выбора числа значимых вейвлет-коэффициентов
2.4 Вейвлет-обработка изображений для компенсации дрейфа вольтовой чувствительности элементов оптико-электронных устройств
2.4.1. Поведение вейвлет-коэффициентов при действии шума
2.4.2. Поиск оценок вейвлет-коэффициентов при неоднородной текстуре
2.5 Метод предварительной обработки спектрозональных изображений на основе вейвлет-преобразований 124 Выводы по главе 2
ГЛАВА 3. РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ 128 КОМПЛЕКСИРОВАНИЯ СПЕКТРОЗОНАЛЬНЫХ ИЗОБРАЖЕНИЙ
3.1 Принципы совмещения телевизионных и тепловизионных изображений
3.2 Оценка характеристик объектов на спектрозональных изображениях
3.3 Методы формирования точечного изображения
3.3.1. Формирование точечных изображений объектов при наличии наблюдаемых крупноразмерных изображений
134
объектов
3.3.2. Формирование точечных изображений объектов
3.4 Выбор математического аппарата для обработки спектрозональных изображений
3.4.1. Математический аппарат для представления и обработки точечных изображений
3.4.2. Выбор линейного пространства представления спектрозональных изображений
3.4.3. Обработка пространственных групповых точечных объектов
3.4.4. Обработка точечных полей объектов
3.5 Информационно-аналитическая модель и алгоритм обучения гибридной двухуровневой системы комплексирования ^д Выводы по главе 3
ГЛАВА 4. РАЗРАБОТКА СИСТЕМЫ УПРАВЛЕНИЯ ПОДВИЖНОЙ ПЛАТФОРМОЙ ДЛЯ СИСТЕМЫ ОБРАБОТКИ И АНАЛИЗА СПЕКТРОЗОНАЛЬНЫХ ИЗОБРАЖЕНИЙ
4.1 Описание модели движения системы обработки и анализа
спектрозональных изображений
4.2 Алгоритмы построения маршрута движения системы обработки
и анализа спектрозональных изображений
4.3 Динамическая нечеткая модель управления подвижной платформой системы обработки и анализа спектрозональных изображений
4.4 Формализация задачи описания траектории движения подвижной платформы на основе нечетких математических моделей
4.5 Метод синтеза нелинейных моделей управления подвижной платформой
4.6 Система стабилизации подвижной платформы на основе SDC параметризации
4.6.1. Линейные робастные системы
4.6.2. Нелинейные робастные системы
4.6.3. Объекты с параметрами, зависящими от состояния
4.6.4. Управление объектом с зависящими от его состояния параметрами
4.7 Синтез системы управления системой обработки и анализа спектрозональных изображений в условиях неполной информации на основе метода аналитического конструирования
4.7.1. Математическая модель пространственно-временной фильтрации
4.7.2. Модель формирования весовых коэффициентов на основе метода Калмановской фильтрации и метода аналитического конструирования
4.8 Прогнозирование поведения подвижной платформы системы обработки и анализа спектрозональных изображений в условиях неопределенности
4
Оценка точности нечеткого управления подвижной платформой системы обработки и анализа спектрозональных изображений
Выводы по главе
226
ГЛАВА 5. РАЗРАБОТКА СИСТЕМ ОБРАБОТКИ И АНАЛИЗА
СПЕКТРОЗОНАЛЬНЫХ ИЗОБРАЖЕНИЙ. РЕЗУЛЬТАТЫ
ЭКСПЕРИМЕН-ТАЛЬНЫХ ИССЛЕДОВАНИЙ
5.1 Разработка структуры системы обработки и анализа спектрозональных изображений
5.2 Разработка структуры интерфейсного блока для бесперебойной работы системы обработки и анализа спектрозональных изображений
5.3 Метод обучения системы обработки и анализа спектрозональных изображений
5.4 Алгоритм работы системы обработки и анализа спектрозональных изображений
5.5 Выбор номенклатуры показателей качества функционирования системы обработки и анализа спектрозональных изображений
5.6 Приборное обеспечение оценки качества функционирования системы обработки и анализа спектрозональных изображений
5.6.1. Средство оценки разброса чувствительности системы обработки и анализа спектрозональных изображений
5.6.2. Средство оценки климатических испытаний системы обработки и анализа спектрозональных изображений
5.6.3. Средство оценки достоверности системы обработки и анализа спектрозональных изображений на основе
273
двухальтернативных классификаторов
5.7 Сравнительный анализ полученных результатов разработанной системы обработки и анализа спектрозональных изображений
5.8 Практическое применение системы обработки и анализа спектрозональных изображений
5.8.1. Структура автоматизированной системы и методы обнаружения опасных факторов пожара
5.8.2. Алгоритм анализа изображений для обнаружения пожара
на основе контурного анализа
5.9 Перспективы развития систем обработки и анализа спектрозональных изображений 288 Выводы по главе 5
ЗАКЛЮЧЕНИЕ
СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ
Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК
Алгоритмы вейвлет-анализа и компенсации геометрических шумов сигналов тепловизионных систем с матричными фотоприемниками2012 год, кандидат технических наук Баранцев, Александр Александрович
Методы фрактальной обработки и комплексирования радиолокационных и спектрозональных данных в системах космического наблюдения2017 год, кандидат наук Тренихин, Владимир Александрович
Методы и алгоритмы вейвлет-кодирования зашумленных изображений в радиотехнических системах2009 год, доктор технических наук Бехтин, Юрий Станиславович
Повышение эффективности алгоритмов комплексирования цифровых многоспектральных изображений земной поверхности2013 год, кандидат наук Кисляков, Алексей Николаевич
Технологии и алгоритмы повышения качества изображений земной поверхности на основе комплексирования спектрозональной видеоинформации2003 год, кандидат технических наук Москвитин, Алексей Эдуардович
Введение диссертации (часть автореферата) на тему «Разработка и исследование методов, алгоритмов и технических средств обработки спектрозональных изображений»
ВВЕДЕНИЕ
Актуальность работы.
Актуальность исследования определяется непрерывно возрастающими требованиями к достоверности обработки технологической информации для управления производственными процессами.
Одной из задач, требующих значительных аппаратных и временных ресурсов средств цифровой вычислительной техники, является задача обработки и анализа сложно структурированных изображений. Результаты исследований в области цифровой обработки изображений находят применение в геоинформационных системах и картографии, машиностроении и приборостроении, медицине и экологии, военной области, научных исследованиях и других сферах жизнедеятельности.
В настоящее время для систем цифровой обработки изображений характерен постоянный рост объема обрабатываемой информации, повышение требований к качеству обработки в сложных условиях. Соответственно возрастают требования по быстродействию, надежности и точности для разрабатываемых систем.
Обеспечение требуемых характеристик можно осуществить двумя способами: конструкторским или алгоритмическим. Конструкторский способ предполагает наличие новой технологической базы, существенных финансовых и временных затрат. Алгоритмический способ позволяет достичь необходимого результата за короткое время с минимальными финансовыми затратами.
Работа современных оптико-электронных систем базируется на получении и обработке информации об исследуемых образах (сценах), явлениях или процессах, включая вопросы анализа, моделирования, оптимизации, совершенствования управления и принятия решений на основе теоретических и прикладных исследований информационных сигналов.
Важную роль играют критерии, по которым оценивается качество функционирования систем обработки и анализа изображений.
Качество - это комплексный показатель, включающий в себя:
- быстродействие;
- точность измерения основных характеристик объектов;
- достоверность распознавания;
- вероятность правильного или ложного обнаружения объекта;
- вероятность правильной или ложной классификации объекта и другие.
Таким образом, качество и точность функционирования систем обработки и
анализа изображений зависит от большого количества показателей. Значительную их часть необходимо учитывать при создании методов, алгоритмов и устройств обработки и анализа изображений.
Результаты анализа существующих методов и средств обработки изображений свидетельствует о необходимости создания новых методов и средств, а также модернизации существующих.
В то же время большинство разработанных к настоящему времени оптико-электронных систем работают в различных раздельных спектральных диапазонах от ультрафиолетового до инфракрасного и показывают свою узкую направленность на работу лишь в одном спектральном диапазоне (только в видимом, инфракрасном или ультрафиолетовом), что не может обеспечить удовлетворительное решение задачи распознавания объектов на сложноструктурированных изображениях.
Создание новых спектрозональных систем, работающих в нескольких спектральных диапазонов сразу, даст возможность упростить их оптико-механическую систему, заметно уменьшить их габариты, массу, энергопотребление, а также увеличить их быстродействие.
Работа одновременно в нескольких спектральных диапазонах позволит обнаруживать и идентифицировать объекты при различных внешних условиях (погодные условия, задымленность наблюдаемого пространства и так далее).
Важно иметь информацию о наблюдаемом образе (сцене) одновременно в нескольких спектральных диапазонах для обеспечения работы спектрозональных
систем в динамическом режиме, уменьшить искажения получаемых изображений из-за возможности передвижения платформы.
В современных спектрозональных системах используются достижения цифровой обработки изображений путем комплексирования изображений, образующихся в отдельных спектральных диапазонах. В этом случае упрощается регулировка яркости отдельных образов (сцен), устраняются различия во времени формирования изображений в отдельных спектральных диапазонах, при этом обеспечивается большое угловое поле при независимой работе спектральных диапазонов. Цифровое изображение встраивается в общий комплекс наблюдения и управлениями операциями, использующихся в различных областях жизнедеятельности.
Анализ современных методов и средств обработки спектрозональных изображений показал, что получаемые показатели качества изображений, хотя для ряда задач и удовлетворяют пользователей, однако не в полной мере используют широкие возможности гибридных методов обработки изображений, объединяющих возможности вейвлет-анализа, обучаемых и адаптивных методов комплексирования спектрозональных изображений, что снижает потенциально достижимые возможности проектируемых спектрозональных систем.
В связи с этим актуальна разработка новых методов, алгоритмов и технических средств обработки спектрозональных изображений. Это позволит повысить качество анализа и формирования изображения для поставленных в дальнейшем задач.
Диссертационные исследования соответствуют приоритетному направлению развития науки, технологий и техники в Российской Федерации «Информационно-телекоммуникационные системы» и критической технологии Российской Федерации «Технологии и программное обеспечение распределенных и высокопроизводительных вычислительных систем», утвержденных указом Президента Российской Федерации №899 от 07.07.2011 г.
Степень разработанности темы исследования.
Повышение качества изображения является комплексной задачей, включающей в себя несколько этапов.
Значительный вклад в задачу предварительной обработки и анализа сложно структурированных изображений занимались известные зарубежные ученые У. Прэтт (W. Pratt), Т. Хуанг (T. Huang), Р. Дуда (R. Duda), Р. Готеалес (R. Gonzales), Б. Хорн (B. Horn) и другие. Также много работ российских ученых посвящены данной проблематике: В.А. Сойфер, Ю.И. Журавлев, В.С. Киричук, Ю.Г. Якушенков, И.И. Сальников, Я.А. Фурман, Ю.С. Сагдуллаев, Н.В. Ким, A.A. Горелик, А. Розенфельд, Т. Павлидис и другие.
Вейвлет-анализ, являющийся важный этапом в процессе обработки и анализе спектрозональных изображений, представлен в научных трудах таких ученых, как Д. Сэломон (D. Salamon), С. Малаа (S. Mallat), Ф. Фальзон (F. Falzon),
B.В. Витязев, Ю.С. Бехтин, В.И. Воробьев и других.
Применение комплексирования сложноструктурированных
спектрозональных изображений позволило повысить качество получаемых изображений. Данной проблематике посвящены работы таких ученых, как
C. Ричард (C. Richard), Г. Хемани (H. Hemani), C. Зун (C. Zuhn), А.С.Васильев, А.К. Цыцулин, В.В. Тарасов, Р.Г. Хафизов, Д.В. Сухомлинов, В.И. Антюфеев и других.
Без применения теории конструирования систем управления невозможно создать правильно функционирующую систему обработки и анализа изображений. Данной тематике посвящены работы таких ученых, как Л. Заде, А. Пегат, В.Н. Афанасьев, В.Б. Колмановский, В.Р. Носов, Р. Изерман, И.В. Семушин и другие.
Несмотря на большое количество работ по данной тематике, анализ литературы показал, что не в полной мере использованы гибридные методы обработки изображений, включающие в себя вейвлет-анализ, а также обучаемые и адаптивные методы комплексирования спектрозональных изображений.
Проведенный анализ современных исследований позволил сформулировать основные задачи и цель диссертационной работы.
Цель работы.
Целью диссертационной работы является повышение качества обработки сложноструктурированных спектрозональных изображений путем развития теории обработки и анализа изображений и разработки системы обработки и анализа спектрозональных изображений с адаптивным управлением.
Задачи работы.
Для достижения поставленной цели в работе решаются следующие задачи:
1. Выбрать спектральный диапазон исследования, определить анализируемые спектральные диапазоны и соответствующие типы фотоэлектрических преобразователей.
2. Выбрать способы представления объектов исследования и разработать метод предварительной обработки спектрозональных изображений на основе вейвлет-анализа.
3. Разработать информационно-аналитическую гибридную модель обучаемой системы комплексирования изображений.
4. Синтезировать алгоритм обучения двухуровневой гибридной системы комплексирования спектрозональных изображений.
5. Определить условия и способы перемещения системы обработки и анализа спектрозональных изображений и способы сканирования анализируемых сцен.
6. Разработать структуру системы обработки и анализа спектрозональных изображений, адаптирующуюся и обучающуюся на формирование высококачественных сцен и распознавания заданного алфавита образов (классов).
7. Синтезировать алгоритм управления работой системы обработки и анализа спектрозональных изображений в различных условиях, включая работу на неизвестной первичной местности с учетом опасных ситуаций.
8. Выбрать номенклатуру показателей качества, характеризующих работу системы обработки и анализа спектрозональных изображений.
9. Разработать приборное обеспечение контроля качества функционирования системы обработки и анализа спектрозональных изображений.
10. Провести экспериментальную проверку разработанных методов и средств и сформулировать рекомендации по перспективам их использования.
11. Разработать вариант системы обработки и анализа спектрозональных изображений для раннего обнаружения пожаров и распознавания заданных образов в зоне этого события.
Объектом диссертационного исследования является система обработки и анализа спектрозональных изображений, особенности её функционирования при различных условиях эксплуатации.
Предметом исследования являются методы, алгоритмы и технические средства обработки и анализа спектрозональных изображений, направленные на улучшение качества обработки и формирования изображений.
Научная новизна.
В диссертационной работе получены следующие новые научные результаты.
1. Метод предварительной обработки спектрозональных изображений на основе вейвлет-преобразований, заключающийся в том, что последовательно синтезируются функции для цифровой вейвлет-фильтрации по каждой из спектральных зон, для которых производится оптимизация коэффициентов вейвлетов и их количество, после чего проектируются вейвлет-фильтры коррекции дрейфа оптико-электронных устройств, позволяющий обеспечить повышение качества получения результирующих изображений для выбранных спектральных диапазонов.
2. Информационно-аналитическая модель системы комплексирования спектрозональных изображений, отличающаяся двухуровневой гибридной структурой с раздельным обучением каждого уровня, обеспечивающая получение
результирующих высоко информативных изображений с возможностью выделения участков с высоким качеством изображения.
3. Алгоритм обучения двухуровневой гибридной системы комплексирования спектрозональных изображений, который обучает первый уровень на формирование высококачественных заданных структур, сцен и образов с сохранением информации о всей сцене и обучает второй уровень на получение результирующих высокоинформативных изображений по всей сцене.
4. Структура системы обработки и анализа спектрозональных изображений, содержащая оптические системы, оптико-электронные устройства с многоэлементными приемниками излучения, блоки формирования изображений, систему комплексирования изображений, модуль GPS, интерфейсный блок и блок управления сервоприводами, отличающаяся особенностью к адаптации и обучению распознавания сцен и различных образов на ней, позволяющая обеспечивать получение результирующих высокоинформативных изображений путем комплексирования изображений в различных спектральных диапазонах.
5. Алгоритм управления системы обработки и анализа спектрозональных изображений, отличающийся возможностью обучения и дообучения системы с целью получения высокоинформативных результирующих изображений путем комплексирования изображений, получаемых в различных спектральных диапазонах, а также реализации различных механизмов перемещения и сканирования, включая адаптивное перемещение с целью улучшения качества изображения и распознавания образов на них, позволяющий гибко менять стратегию анализа изображений, обеспечивая синтез высоко информативных результирующих изображений в сочетании с высоким качеством принятия решений в заданных классах состояний.
6. Метод обучения системы обработки и анализа спектрозональных изображений, включающий в себя определение параметров вейвлет-фильтрации, синтез математических моделей системы комплексирования изображений, синтез слабых и сильных классификаторов для блока комплексирования состояний
контролируемых объектов, формирование уравнений движений и сканирование с учетом опасных состояний, механизмы коррекции эталонов и решающих правил в реальной обстановке, позволяющий адаптировать поведение системы к различным условиям её эксплуатации.
7. Приборное обеспечение для контроля качества функционирования системы обработки и анализа спектрозональных изображений, включающее в себя средство оценки разброса чувствительности, средство оценки климатических испытаний, средство оценки достоверности, обеспечивающее контроль качества изображений сцен и объектов на них.
Достоверность результатов работы.
Достоверность научных положений, теоретических выводов и практических результатов диссертационной работы подтверждается:
- корректным использованием математического аппарата, соответствием результатов вычислительных экспериментов, выдвигаемых в диссертации, положениям и выводам качественного характера;
- использованием разработанных методов, алгоритмов и моделей для решения прикладных задач;
- практической реализацией СОАСЗИ и отдельных её элементов, подтвержденной патентами Российской Федерации, свидетельствами об официальной регистрации программ для ЭВМ;
- использованием результатов диссертационной работы, подтвержденных актами внедрения.
Теоретическая и практическая значимость работы.
Теоретическая значимость диссертационной работы определяется развитием теории обработки и анализа изображений, включая сложно структурированные спектрозональные изображения, путем разработки метода предварительной обработки спектрозональных изображений на основе вейвлет-преобразований, информационно-аналитической модели системы комплексирования спектрозональных изображений, алгоритма обучения двухуровневой гибридной
системы комплексирования спектрозональных изображений, структуры системы обработки и анализа спектрозональных изображений, алгоритма её управления и метода обучения.
Практическая значимость работы подтверждается применением разработанных методов, алгоритмов и моделей обработки и анализа спектрозональных изображений в созданной автоматической системе обнаружения опасных факторов пожара.
Результаты диссертационных исследований внедрены в ООО «ТехАгрос СпецСистемы (г. Москва), ООО «ДРСЦ «Компьюлинк» (г. Хабаровск), ООО «Ред Софт Центр» (г. Муром), ООО «Наумен софт» (г. Екатеринбург), МЧС России по Воронежской области, Томском государственном университете систем управления и радиоэлектроники, Рязанском государственном радиотехническом университете.
Диссертационные исследования проводились в рамках выполнения ряда проектов следующих программ фундаментальных и инновационных исследований:
- федеральная целевая программа Министерства образования и науки РФ «Научные и научно-педагогические кадры инновационной России на 20092013 годы» (государственный контракт №16.740.11.0086);
- грант Фонда Содействия Развитию малых форм предприятий в научно-технической сфере по программе «У.М.Н.И.К.» (государственный контракт №6076р/8555);
- аналитическая ведомственная целевая программа Министерства образования и науки РФ «Развитие научного потенциала высшей школы» (проект 1.1.10 «Разработка фундаментальных основ алгоритмического конструирования адаптивных высокоточных систем технического зрения широкого назначения для поддержки информационных технологий средств вычислительной техники, распознавания образов и обработки изображений», № государственной регистрации 0120115099; проект 2.1.2 «Исследование и
разработка методов коррекции в телевизионных датчиках при экстремальных условиях контроля и наблюдения»);
- научно-исследовательские и опытно-конструкторские работы, проводимые Юго-Западным государственным университетом (проект №1.170.13Р «Разработка программного изделия векторизации объектов», проект №1.200.14Р «Разработка опытного образца системы автоматического движения и управления роботизированными платформами», проект №1.215.14Р «Разработка комплекса СФ-блоков кодирования и декодирования изображений»);
- грант Президента Российской Федерации по государственной поддержке ведущих научных школ (НШ-2357.2014.8, 2014 г.);
- гранты Президента Российской Федерации для поддержки молодых российских ученых - кандидатов наук (МК-1194.2014.8, 2014 г.; МК-3761.2018.8, 2018 г.);
- гранты Президента Российской Федерации для поддержки молодых российских ученых - докторов наук (МД-2983.2015.8, 2015 г.; МД-707.2017.8, 2017 г.).
Результаты полученных в диссертации теоретических, прикладных и экспериментальных исследований используются в учебном процессе Юго-Западного государственного университета при обучении студентов по направлениям 09.04.01 «Информатика и вычислительная техника» (дисциплины «Цифровая обработка и анализ изображений, «Основы теории распознавания образов»), 09.03.01 «Информатика и вычислительная техника» (дисциплина «Основы теории управления») и 11.03.03 «Конструирование и технология электронных средств» (дисциплина «Конструирование и технология вычислительных средств»).
Содержание диссертации соответствует паспорту научной специальности 05.13.01 - Системный анализ, управление и обработка информации (приборостроение, биотехнические системы и технологии), а именно
п. 4 «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации» и п. 12 «Визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации».
Методология и методы исследования.
Теоретические исследования проведены с применением методов системного анализа, нечетких множеств, вейвлет-преобразований, нечеткой логики, конструирования систем управления, аналитического конструирования, искусственного интеллекта.
Экспериментальные исследования выполнены с использованием методов математического моделирования, технологий объектно-ориентированного программирования, а также с использованием приборного обеспечения, разработанного специально для оценки качества функционирования системы обработки и анализа спектрозональных изображений.
Основные положения, выносимые на защиту.
1. Метод предварительной обработки спектрозональных изображений, основанный на цифровой вейвлет-фильтрации, позволил обеспечить повышение качества получения выходных изображений для каждого спектрального диапазона.
2. Информационно-аналитическая модель и алгоритм обучения системы комплексирования спектрозональных изображений, основанная на двухуровневой гибридной модели с раздельным обучением каждого уровня, позволила получить результирующие высокоинформативные изображения с возможностью выделения участков с предельно высоким качеством изображения.
3. Структура системы обработки и анализа спектрозональных изображений, построенная на возможности адаптации и обучения распознаванию сцен и различных образов на ней, позволила обеспечить получение результирующих высокоинформативных изображений путем комплексирования изображений в различных спектральных диапазонах (вероятность правильного
обнаружения образа повысилась в 1,3 раза; вероятность ложного обнаружения образа снизилась в 2,7 раза; вероятность правильной классификации образа при распознавании увеличилась в 1,2 раза; вероятность ложной классификации образа при распознавании уменьшилась в 2,9 раз).
1. Алгоритм управления системы обработки и анализа спектрозональных изображений, основанный на обучении и дообучении системы с целью получения результирующих высоко информативных изображений путем комплексирования изображений, а также реализации различных механизмов перемещения и сканирования, позволил синтезировать результирующие высоко информативные изображения в сочетании с высоким качеством принятия решений в заданных классах состояний (точность пространственной привязки увеличилась в 3 раза; быстродействие повысилось в 8 раз; погрешность калибровки уменьшилась в 4 раза).
4. Метод обучения системы обработки и анализа спектрозональных изображений, основанный на вейвлет-фильтрации, синтезе математических моделей системы комплексирования изображений и классификаторов, формировании уравнений движений и сканировании с учетом опасных состояний, позволил адаптировать поведение системы к различным условиям её эксплуатации.
5. Приборное обеспечение контроля качества функционирования системы обработки и анализа спектрозональных изображений и алгоритм управления коррекцией качества изображений, основанное на оценке разброса чувствительности, климатических испытаниях и оценке достоверности, обеспечило контроль качества изображений сцен и объектов на них.
6. Автоматическая система обнаружения опасных факторов пожара позволила определять факт возгорания за 0,9±0,3 с., окончательно принимать решение о возгорании и определения положения пламени за 2,5±0,45 с.
Апробация работы.
Результаты и научные положения диссертационной работы докладывались и обсуждались на следующих всероссийских и международных научных конференциях:
- Международная научно-техническая конференция «Information and telecommunication technologies in intelligent systems» (Испания, 2005; Италия, 2006; Испания, 2007; Греция, 2008; Швейцария, 2009);
- научно-техническая конференция «Вибрационные технологии» (г. Курск, 2005);
- Международная научно-техническая конференция «Распознавание» (г. Курск, 2005, 2008, 2010, 2013);
- Международная научно-техническая конференция «Медико-экологические информационные технологии-2007» (Курск, 2007, 2009, 2011, 2014);
- Всероссийская научно-техническая конференция «Интеллектуальные и информационные системы» (г. Тула, 2007, 2009, 2011, 2015, 2016);
- Международная научно-техническая конференция «Pattern Recognition and Image Analysis: New Information Technologies» (г. Йошкар-Ола, 2007; г. Нижний Новгород, 2008);
- Международная научно-техническая конференция «Информационно-измерительные, диагностические и управляющие системы» (г. Курск, 2009, 2011);
- научно-техническая конференция студентов и аспирантов «Молодежь и XXI век» (г. Курск, 2005);
- научно-техническая конференция «Научно-техническое творчество молодежи - путь к обществу, основанному на знаниях» (г. Москва, 2007);
- Международная научно-техническая конференция «Электронные средства и системы управления» (г. Томск, 2011);
- VIII Международная научно-техническая конференция «Телевидение: передача и обработка изображений» (г. Санкт-Петербург, 2011);
- Международная научно-техническая конференция «Информационные технологии и математическое моделирование систем» (г. Москва, 2011);
- II Международная научно-техническая конференция «Информационно-измерительные диагностические и управляющие системы» (г. Курск, 2011);
- Международная научно-техническая конференция «Системы, методы, техника и технологии обработки медиаконтента» (г. Москва, 2011);
- Международная научно-техническая конференция «Интеллектуальные системы в промышленности и образовании-2013» (Украина, г. Сумы, 2013);
- VIII Всемирная научная конференция «Intelligent system for industrial automation» (Узбекистан, г. Ташкент, 2015);
- Международный форум «Оптические системы и технологии (Optics-Expo-2015)» (г. Москва, 2015);
- научно-практическая конференция с международным участием «Информационно-измерительная техника и технологии» (г. Томск, 2016);
- XXII Международная научно-техническая конференция «Инновация-2017» (Узбекистан, г. Ташкент, 2017).
Публикации.
По теме диссертационной работы опубликовано 80 научных работ (12 - без соавторов), в том числе: 29 статей в научных рецензируемых изданиях, входящих в перечень ВАК; 3 статьи базы данных Web Of Science и Scopus; 5 монографий; 36 докладов на международных и всероссийских конференциях; 6 патентов; 1 свидетельство ФГБУ «Федеральный институт промышленной собственности (РОСПАТЕНТ)» об официальной регистрации программ для ЭВМ и базы данных.
Личный вклад автора в получение результатов, изложенных в диссертационной работе.
Все результаты диссертационной работы, в том числе постановка задач, разработка и исследование защищаемых методов, моделей и алгоритмов, основные научные результаты, выводы и рекомендации, принадлежат автору лично. Системы, реализующие разработанные методы, алгоритмы и модели, созданы непосредственно автором. Участие соавторов сводится к методическим консультациям.
Структура диссертации.
Диссертация общим объемом 325 страниц состоит из введения, пяти глав и заключения, содержит 294 страницы основного текста, перечень используемой научно-технической литературы из 287 наименования на 31 странице, приложения на 9 страницах, 84 рисунка и 10 таблиц.
Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК
Комплексирование мультиспектральных изображений на основе безэталонной оценки их качества2024 год, кандидат наук Сычев Алексей Сергеевич
Алгоритмическое обеспечение систем комплексирования изображений от многоматричных сканирующих устройств2009 год, кандидат технических наук Светелкин, Павел Николаевич
Методы и алгоритмы комплексирования видеоинформации от различных систем космического наблюдения Земли2021 год, доктор наук Москвитин Алексей Эдуардович
Метод и модели создания встраиваемых оптико-электронных устройств распознавания изображений в многомерном пространстве признаков2012 год, кандидат технических наук Титов, Дмитрий Витальевич
Квазиоптимальные алгоритмы вейвлет обработки сигналов и изображений2013 год, кандидат технических наук Гочаков, Александр Владимирович
Список литературы диссертационного исследования кандидат наук Титов, Дмитрий Витальевич, 2018 год
СПИСОК ЛИТЕРАТУРЫ
1. Методы компьютерной обработки изображений / Под редакцией В.А. Сойфера. - М.: Физматлит, 2003. - 784 с.
2. Прэтт, У. Цифровая обработка изображений / У. Прэтт Пер. с англ. под ред. Д.С. Лебедева // М.: Мир, 1982. - 790 с.
3. Хуанг, Т. Обработка изображений и цифровая фильтрация / Т. Хуанг // М.: Мир, 1979. - 318 с.
4. Дуда, Р. Распознавание образов и сцен / Р. Дуда, П. Харт. Пер. с англ. Г.Г. Вайнштейна и А.М. Васьковского // М.: Мир, 1976. - 511 с.
5. Гонсалес, Р. Цифровая обработка изображений / Р. Гонзалес, Р. Вудс // Техносфера, Москва, 2005. - 1072 с.
6. Якушенков, Ю.Г. Теория и расчет оптико-электронных приборов: Учебник для студентов вузов / Ю.Г. Якушенков // М.: Логос, 1999. - 480 с.
7. Сальников, И.И. Растровые пространственно-временные сигналы в системах анализа изображений / И.И. Сальников // М.: Физматлит, 2009. - 248 с.
8. Ким, Н.В. Обработка и анализ изображений в системах технического зрения. Учебное пособие / Н.В. Ким // М.: Издательство МАИ, 2001. - 164 с.
9. Фурман, Я.А. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Я.А. Фурман, А.В. Кревецкий, А.К. Передреев, А.А. Роженцов, Р.Г. Хафизов, И.Л. Егошина, А.Н. Леухин // Под ред. Я.А. Фурмана. - М: Физматлит, 2002. - 592 с.
10. Szeliski, R. Computer Vision: Algorithms and Applications / R. Szeliski // Springer, 2010. - 812 p.
11. Sonka, M. Image Processing, Analysis and Machine Vision / M. Sonka, V. Hlavac, R. Boyle // CL Engineering, 2007. - 872 p.
12. Путятин, Е.П. Нормализация и распознавание изображений [Электронный ресурс] / Е.П. Путятин // Режим доступа: http://sumschool.sumdu.edu.ua/is-02/rus/lectures/ pytyatin/pytyatin.html.
13. Потапов, А.А. Новейшие методы обработки изображений / А.А. Потапов, Ю.В. Гуляев, С.А. Никитов, А.А. Пахомов, В.А. Герман // Под ред. А.А. Потапова. - М.: Физматлит, 2008. - 496 с.
14. Макконел, Дж. Анализ алгоритмов. Вводный курс / Дж. Макконел // Пер. с англ. С.К. Ландо. - М.: Техносфера, 2002. - 304 с.
15. Фисенко, В.Т. Компьютерная обработка и распознавание изображений. Учебное пособие / В.Т. Фисенко, Т.Ю. Фисенко // СПб.: СПбГУ ИТМО, 2008. - 192 с.
16. Желтов, С.Ю. Обработка и анализ изображений в задачах машинного зрения / С.Ю. Желтов // М.: Физматкнига, 2010. - 672 с.
17. Титов, Д.В. Теоретические основы цифровой обработки изображений встраиваемых оптико-электронных устройств / Ю.С. Бехтин, Д.В. Титов, С.Г. Емельянов // М.: Аргамак-Медиа, 2016. - 296 с.
18. LeVan, P.D. Perspectives on Dualband Infrared Focal Plane Array Efforts / P.D. LeVan // Proc. SPIE. - 2004. - V. 5563. - PP. 130-140.
19. Ширабакина, Т.А. Особенности способов калибровки систем технического зрения / Т.А. Ширабакина, М.И. Труфанов, С.С. Тевс // Датчики и системы. - 2005. - №5. - С. 63-65.
20. Мирошниченко, С.Ю. Объектно-ориентированная модель универсальной программной системы обработки изображений / С.Ю. Мирошниченко, М.И. Труфанов // Известия Курского государственного технического университета. - 2004. - №2 (13). - С. 106-108.
21. Krishnamoorthy, S. Implementation and Comparative Study of Image Fusion Algorithms / S. Krishnamoorthy, K.P. Soman // International Journal of Computer Application (0975-8887). - 2010. - V.9 (No. 2).
22. Adelson, E.H. Pyramid Methods in Image Processing / E.H. Adelson, C.H. Anderson, J.R. Bergen, P.J. Burt, J.M. Ogden // RCA Engineer. - 1984. - №29 (6). -PP. 33-41.
23. Алпатов, Б.А. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление / Б.А. Алпатов, П.В. Бабаян, О.Е. Балашов, А.И. Степашкин // М.: Радиотехника, 2008. - 176 с.
24. Титов, Д.В. Встраиваемая интеллектуальная оптико-электронная система видеонаблюдения / Электронные средства и системы управления: материалы VI Международной научно-практической конференции. - Томск: ТУСУР, 2010. - С. 164-165.
25. Титов, Д.В. Патент №2295153 Российская Федерация. Корректирующее устройство ввода изображения в ЭВМ / Д.В. Титов, М.И. Труфанов; правообладатель: федеральное государственное бюджетное образовательное учреждение высшего образования «Юго-Западный государственный университет». - заявл. 04.07.2005; опубл. 10.03.2007; БИ №7.
26. Титов, Д.В. Патент № 2351983 Российская Федерация. Устройство ввода изображения в ЭВМ коррекции дисторсии / Д.В. Титов, М.И. Труфанов; правообладатель: федеральное государственное бюджетное образовательное учреждение высшего образования «Юго-Западный государственный университет». - заявл. 01.11.2007; опубл. 10.04.2009.
27. Титов, Д.В. Модуль цифровой коррекции дисторсии изображения / Д.В. Титов, Т.А. Ширабакина // Известия Вузов. Приборостроение. - Т. 52. - №2. - 2009. - С. 74-77.
28. Титов, Д.В. Оптико-электронное устройство коррекции изображения / Д.В. Титов, Е.Ю. Кобзарь // Интеллектуальные и информационные системы: материалы Всероссийской научно-технической конференции. - Тула, 2007. -С. 132-133.
29. Титов, Д.В. Патент № 2321888 Российская Федерация. Способ калибровки дисторсии оптико-электронного устройства / Д.В. Титов, А.Н. Стрелкова, М.И. Труфанов; правообладатель: федеральное государственное бюджетное образовательное учреждение высшего образования «Юго-Западный государственный университет». - заявл. 16.10.2006; опубл. 10.04.2008.
30. Титов, Д.В. Патент №2382515 Российская Федерация. Способ калибровки системы технического зрения из трех видеокамер и устройство для его реализации / Д.В. Титов, М.И. Труфанов; правообладатель: федеральное государственное бюджетное образовательное учреждение высшего образования «Юго-Западный государственный университет». - заявл. 23.12.2008; опубл. 20.02.2010; БИ №5.
31. Головин, А.Д. Малогабаритный гиперспектрометр видимого и ближнего инфракрасного диапазонов / А.Д. Головин, А.В. Демин // Известия Вузов. Приборостроение. - 2015. - Т. 58. -№11. - С. 879-882.
32. Графические форматы [электронный ресурс] // Википедия -свободная энциклопедия // Режим доступа: www.wikipedia.org/wiki /Графические форматы.
33. Форматы графических файлов [электронный ресурс] // Alexey Kletsel Design // Режим доступа: http://www.kletsel.com/articles/formats.html.
34. GeoTIFF [Электронный ресурс] / Режим доступа: http : //www. trac.osgeo.org/geotiff.
35. GDAL - Geospatial Data Abstraction Library [Электронный ресурс] / Режим доступа: http://www. gdal.org.
36. ERDAS IMAGINE .img Files [Электронный ресурс] / Режим доступа: ftp://ftp.ecn.purdue.edu/ishan/86/help/html/appendices/erdas imagine img files.htm.
37. Файлы данных формата MIF/MID [Электронный ресурс] / Режим доступа: http : //www.obi ectland.ru/support/doc/usermanual/MIMX MIFImpDatFile. htm l.
38. Mapping and Spatial Analysis for Understanding Our World [Электронный ресурс] / Режим доступа: http : //www.esri .com/software/arcgi s.
39. Кирниченко, Ю.Р. Датчики телевизионно-вычислительных систем: учебное пособие для вузов / Ю.Р. Кирниченко, И.Н. Пустынский // Томск: Спектр, 2010. - 160 с.
40. Как выбрать камеру для видеонаблюдения [Электронный ресурс]: https://lantorg.com/article/kak-vybrat-kameru-dlya-videonablyudeniya-ch1-vidy-videokamer.
41. Цыцулин, А.К. Твердотельные телекамеры: накопление качества информации / А.К. Цыцулин, Д.Ю. Адамов, А.А. Манцветов, И.А. Зубакин // СПб.: Издательство СПбГЭТУ «ЛЭТИ», 2014. - 272 с.
42. Лазовский, Л. Приборы с зарядовой связью [Электронный ресурс]: Режим доступа: http://www.npp-elar.ru/downloads.php
43. Приборы с зарядовой связью / Под ред. М. Хоуза, Д. Моргана // М.: Энергоиздат, 1981. - 64 с.
44. Твердотельная революция в телевидении: Телевизионные системы на основе приборов с зарядовой связью, систем на кристалле и видеосистем на кристалле / В.В. Березин, А.А. Умбиталиев, Ш.С. Фахми и др. // Под ред. А.А. Умбиталиева, А.К. Цыцулина. - М: Радио и связь, 2006. - 307 с.
45. Ярошенко, С. Твердотельные датчики изображения / С. Ярошенко // IT News. - 2007. - №3.
46. Как выбрать камеру для видеонаблюдения. Часть 2 [Электронный ресурс] / Режим доступа: https://lantorg.com/article/kak-vybrat-videokameru-ch2-harakteristiki-videokamer
47. Бегунов Б.Н., Заказнов Н.П. и др. Теория оптических систем // М.: Машиностроение, 2008. - 448 с.
48. Заказнов, Н.П. Прикладная оптика / Н.П. Заказнов // М.: Лань, 2009. -320 с.
49. Дубовик А.С. Прикладная оптика / А.С. Дубовик // М.: Недра, 2002. -612 с.
50. Нагибина И.М. и др. Прикладная физическая оптика. Учебное пособие / М.: Высшая школа, 2005. - 528 с.
51. Грузман, И.С. Цифровая обработка изображений в информационных системах: Учебное пособие / И.С. Грузман, В.С. Киричук, В.П. Косых, Г.И. Перетягин, А.А. Спектор // Новосибирск: Издательство НГТУ, 2003. - 352 с.
52. Сато, Ю. Обработка сигналов. Первое знакомство. 2-е издание / Ю. Сато // М.: Додэка XXI, 2009. - 176 с.
53. Оппенгейм, А. Цифровая обработка сигналов. 2-е издание // А. Оппенгейм, Р. Шафер // Техносфера, 2007. - 856 с.
54. Ричард, Л..Цифровая обработка сигналов: 2-е издание / Л. Ричард // М.: ООО Бином-Пресс, 2006. - 656 с.
55. Сергиенко, А.Б. Цифровая обработка сигналов / А.Б. Сергиенко // СПб.: Питер, 2007. - 752 с.
56. Яне, Б. Цифровая обработка изображений / Б. Яне // М.: Техносфера, 2007. - 584 с.
57. Addison, P.S. The Illustrated Wavelet Transform Handbook: Applications in Science, Engineering, Medicine and Finance / P.S. Addison // Bristol, Philadelphia: IOP Publishing, 2002.
58. Астафьева, Н.М. Вейвлет-анализ: основы теории и примеры применения / Н.М. Афанасьева // Успехи физических наук. - 1996. - Т. 166 (№11)
- С. 1145-1170.
59. Selesnick, I.W. The Design of Approximate Hilbert Transform Pairs of Wavelet Bases / I.W. Selesnick // IEEE Trans. Signal Processing. 2002. - Vol. 5. - PP. 1144-1152.
60. Малла, С. Вейвлеты в обработке сигналов / С. Малла // М.: Мир, 2005.
- 671 с.
61. Чуи, К. Введение в вейвлеты / Пер. с англ. под ред. Я.М. Жилейкина // М.: Мир, 2001. - 412 с.
62. Дремин, И.М., Вейвлеты и их использование / И.М. Дремин, О.В. Иванов, В.А. Нечитайлов // Успехи физических наук. 2001. - Т. 17 (№5) - С. 465501.
63. Жизняков, А.Л. Вейвлет-преобразование в обработке и анализе изображений / А.Л. Жизняков, Н.В. Вакунов // М.: Государственный научный центр РФ - ВНИИ геосистем, 2004. - 102 с.
64. Daubechies, I. Ten Lectures on Wavelets / I. Daubechies // Philadelphia: S.I.A.M., 1992. - 378 p.
65. Vetterli, M. Wavelets and Subband Coding / M. Vetterli, J. Kovacevic // NJ: Prentice Hall, 1995. - 505 p.
66. Ясин, А.С. цифровая вейвлет фильтрация зашумленных данных: влияние порогового уровня и выбора вейвлета / А.С. Ясин, А.Н. Павлов, А.Е. Храмов // Радиотехника и электроника. 2016. - Т. 61 (№ 1). - C. 1-7.
67. Шапиро, Компьютерное зрение / Л. Шапиро, Дж. Стокман // М.: БИНОМ. Лаборатория знаний, 2006. - 752 с.
68. Стругайло, В.В. Обзор методов фильтрации и сегментации изображений / В.В. Стругайло // Наука и образование. Электронное научно-технические издание. Московский автомобильно-дорожный государственный технический университет, 2012. - С. 270-281.
69. Конушин, В. Методы сегментации изображений: интерактивная сегментация / В. Конушин, В. Вежневец // Компьютерная графика и мультимедиа. Выпуск №5(1), 2007.
70. Обухова, Н.А. Сегментация объектов интереса на основе признака движения в видеокомпьютерных системах / Н.А.Обухова // Инфо-коммуникационные технологии. - 2007. - №1. - C.77-85.
71. Инсаров, В.В. Задача принятия решения при комплексировании изображений различных спектральных диапазонов / В.В. Инсаров, С.В. Тихонова // Мехатроника, автоматизация, управление. -2010. - №2. - С. 28-41.
72. Инсаров, В.В. Формирование комплексированных телевизионно-тепловизионных изображений в системах переднего обзора летательных аппаратов / В.В. Инсаров, К.В. Обросов, В.Я. Ким // Вестник компьютерных и информационных технологий. - 2013. - №4. - С. 3-10.
73. Иванов, Е.Л. Слияние изображений в многоканальной системе наблюдения местности / Е.Л. Иванов, М.С. Смагин //Датчики и системы. - 2006. -№11. - С. 6-12.
74. Гнилицкий, В.В. Алгоритмы принятия решения в задаче селекции объектов на изображениях наземных сцен / В.В. Гнилицкий, В.В. Инсаров, А.С. Чернявский // Известия РАН. Теория и системы управления. -2010. -№6. - С. 143151.
75. Zeng, J. Review of Image Fusion Algorithms for Unconstrained Outdoor Scenes / J. Zeng, A. Sayedelahk, T. Gilmore, P. Fraized, M. Chouika // Proc. of 8th International Conference on Signal Processing. - 2006. - V. 2. - P. 16-20.
76. Piella, G. A New Quality Metric for Image Fusion / G. Piella, H. Heijmans // IEEE Signa Processing Letters. - 2002. V. 9 (No. 3). - P. 81-84.
77. Бондаренко, М.А. Оценка информативности комбинированных изображений в мультиспектральных системах технического зрения / М.А. Бондаренко, В.Н. Дрынкин // Программные системы и вычислительные методы. -2016. - № 1. - С. 64-79.
78. Zheng, Y. An Advanced Vision Algorithm Based on Wavelet Transform Incorporation with Multiwavelet Transform / Y. Zheng, E.A. Essock, B.C. Hansen // Proc. SPIE. - 2004. - V. 5298.
79. Иванов, E^. Слияние изображений в многоканальной системе наблюдения местности / Е.Л. Иванов, М.С. Смагин // Датчики и системы. 2006. -№11. - С.6-9.
80. Аксенов, O.O. Совмещение изображений / О.О. Аксенов // ЦОС №3. -2005. - С.51-55.
81. Ряполов, В.Я. Алгоритм выделения полезного сигнала / В.Я. Ряполов, Р.В. Алалуев // Известия Вузов. Приборостроение. - 2005. - Т. 48 (№ 8). - С. 6568.
82. Мелихов, А.Н. Ситуационные советующие системы с нечеткой логикой / А.Н. Мелихов, Л.С. Бернштейн, С.Я. Коровин // М.: Наука, 1990. - 272 с.
83. Нечеткие множества в моделях управления искусственного интеллекта / Под редакцией Д.А. Поспелова // М.: Наука, 1986. - 312 с.
84. Потюпкин, А.Ю. Измерительная техника / А.Ю. Потюпкин // Измерительная техника. - 2002. - №7. - С. 12.
85. Барский, А.Б. Нейронные сети: распознавание, управление, принятие решений / А.Б. Барский // М.: Финансы и статистика, 2004. - 176 с.
86. Заенцев, И.В. Нейронные сети. Основные модели / И.В. Заенцев // Воронеж: ВГУ, 1999. - 76 с.
87. Agrawal, P. Analyzing the Performance of Myltilayer Neural Networks for Object Recognition / P. Agrawal, R. Girshick, J. Malik // Lecture Notes in Computer Science. - 2014. - Vol. 8695. - PP. 329-344.
88. Якушенков, Ю.Г. Теория и расчет оптико-электронных приборов / Ю.Г. Якушенков // М.: Логос, 2004. - 472 с.
89. Тарасов, В.В. Инфракрасные системы «смотрящего» типа / В.В. Тарасов, Ю.Г. Якушенков // М.: Логос, 2004. - 444 с.
90. Information Differences Between Subbands of the Mid-Wave Infrared Spectrum / S. Moyer, R.G. Driggers, R. Vollmerhausen et al. // Opt. Eng. -2003. - V. 42 (№8). - PP. 2296 - 2303.
91. Edwards, C.L. Design and Analysis of Dual-Camera Dual-Band Infrared Imaging System / C.L. Edwards, L.R. Gauthier, D.T. Prendergast // SPIE Proc. - 2009. - V. 7298. - PP. 72983T-1... 12.
92. Погорельский, С.Л. Выбор спектрального диапазона работы оптико-электронного прибора / С.Л. Погорельский, М.В. Пальцев // Известия вузов. Приборостроение. - 2005. -Т. 48 (№8). - С. 58-60.
93. Зубарев, Ю.Б. Спектральная селекция оптических изображений / Ю.Б. Зубарев, Ю.С. Сагдуллаев // Ташкент: Издательство «ФАН» АН РУЗ, 1987. - 108 с.
94. Зубарев, Ю. Б. Спектрозональные методы и системы в космическом телевидении / Ю.Б. Зубарев, Ю.С. Сагдуллаев, Т.Ю. Сагдуллаев // Вопросы радиоэлектроники. Серия техника телевидения. - 2009. - вып. 1. - С. 47-64.
95. Тарасов, В.В. Инфракрасные системы 3-го поколения / В.В. Тарасов, И.П. Торшина, Ю.Г. Якушенков; под общей редакцией Ю.Г. Якушенкова // М.: Логос, 2011. - 240 с.
96. Cohen, A., Biorthogonal Bases of Compactly Supported Wavelets / A. Cohen, I. Daubechies, J. Feauveau // Communications on pure and applied mathematics. -1992. - 45. - PP. 485-560.
97. Поликар, Р. Введение в вейвлет-преобразование / Пер. с англ. В.Г. Грибунина // СПб.: АВТЭКС, 2001. - 59 с.
98. Сэломон, Д. Сжатие данных, изображений и звука / Пер. с англ. В.В. Чепыжева // М.: Техносфера, 2006. - 365 с.
99. Воробьев, В.И. Теория и практика вейвлет-преобразования / В.И. Воробьев, В.Г. Грибунин // СПб.: ВУС, 1999. - 204 с.
100. Кодирование и обработка изображений / Под ред. Д.С. Лебедева, В.В. Зяблова // М.: Наука, 1988. - 180 с.
101. Бехтин, Ю.С. Алгоритм вейвлет-фильтрации зашумленных изображений / Ю.С. Бехтин // Вестник РГРТА. - 2004. - № 15.
102. Попов, Е.П. Теория нелинейных систем автоматического управления и регулирования: учебное пособие / Е.П. Попов // М.: Наука. Гл. Ред. Физ. мат. лит., 1988. - 256 с.
103. Титов, Д.В. Теоретические основы цифровой обработки изображений встраиваемых оптико-электронных устройств / Д.В. Титов, С.Г. Емельянов, Ю.С. Бехтин // Москва: ООО «Аргамак-Медиа», 2016. - 296 с.
104. Титов, Д.В. Теоретическое обоснование выбора вейвлет-базиса в задачах сжатия зашумленных сигналов / Д.В. Титов, Ю.С. Бехтин // Известия Вузов. Приборостроение. - 2015. - Т. 56 (№2). - С. 87-93.
105. Titov, D. Theoretical Substation of the Wavelet-Basis Choice in the Problem of the Noisy Signal Compression / D. Titov, Y. Bekhtin // Intelligent System for Industrial Automation: proceedings of 8th World conference. - Tashkent, Uzbekistan, 2014. - PP. 122-124.
106. Donoho, D.L. De-Noising by Soft-Thresholding / D.L Donoho // IEEE Transactions on Information Theory. - 1995. - Vol. 41 ( No. 3). - PP. 613-627.
107. Strang, G. Wavelets and Filter Banks / G. Strang, T. Nguyen // Wellesley-Cambridge Press. Wellesley, Massachusetts, 1995. - 440 p.
108. Bekhtin Y. Joint Adaptive Wavelet Thresholding and Bit Allocation for Data Compression of Noisy Images / The 7th International TICSP Workshop on Spectral Methods and Multirate Signal Processing, SMMSP2007. - Moscow, Russia. -2007. - 8 p.
109. Бехтин, Ю.С. Вейвлет-кодирование зашумленных изображений преследованием базиса по когерентным структурам / Ю.С. Бехтин // Цифровая обработка сигналов. - 2007. - №3. - С. 2-8.
110. On the Importance of Combining Wavelet-Based Non-Linear Approximation With Coding Strategies / A. Cohen, I. Daubechies, O. Buleryuz and others // IEEE International conference on information theory. - 1999.
111. Титов, Д.В. Теоретическое обоснование выбора вейвлет-базиса в задачах сжатия зашумленных сигналов / Д.В. Титов, Ю.С. Бехтин // Известия вузов. Приборостроение. - 2015. - Т. 56 (№2). - С. 87-93.
112. Analysis of Low Bit Rate Image Transform Coding / IEEE Trans. Signal process. - 1998. - Vol. 46 (No. 4). - PP. 1027-1042.
113. Titov, D. Fusion of Thresholding Rules During Wavelet-Based Noisy Image Compression / D. Titov, Y. Bekhtin, A. Lupachev // MATEC Web Conferences, 79, 01072 (2016), DOI: 10.1051/matecconf/20167901072.
114. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс // М.: Техносфера, 2006. - 1072 с.
115. Вейвлеты, аппроксимация и статистические приложения / Хардле В., Крекьячарян Ж., Пикар Д. и др. Пер. с англ. К.А. Алексеевой [Электронный ресурс] // Режим доступа: http://www.quantlet.de/scripts/was/html.
116. Donoho, D. Ideal De-Noising in an Orthonormal Basis Chosen from a Library of Bases / D. Donoho, I. Johnstone // C.R. Acad. Sci. - Paris. - 1994. -Serie (No. 319). - PP. 1317-1322.
117. Бехтин, Ю.С. Обработка зашумленных изображений на основе вейвлет-преобразований / Ю.С. Бехтин // Вестник Рязанского государственного радиотехнического университета. - 2006. - №18. - С. 141-144.
118. Васильев, К.К. Методы фильтрации многомерных случайных полей / К.К. Васильев, В.Р. Крашенинников // Саратов: Издательство Саратовского университета, 1990. - 128 с.
119. Введение в цифровую фильтрацию / Под ред. Р. Божера, А. Констандиниса. Пер. с англ. // М.: Мир, 1976. - 213 с.
120. Berger, J. Removing Noise from Music Using Local Trigonometric Bases and Wavelet Packets / J. Berger, R. Coifman, M. Goldberg // J. Audio Engineering Science. - 1994. - 42(10). - PP. 808-818.
121. Бехтин, Ю.С. Поиск оптимального распределения бит при сжатии данных зашумленных изображений на основе вейвлет-преобразования / Ю.С. Бехтин // Цифровая обработка сигналов. - 2007. - №1.- С. 17-24.
122. Бехтин, Ю.С. Вейвлет-кодирование зашумленных изображений преследованием базиса по когерентным структурам / Ю.С. Бехтин // Цифровая обработка сигналов. - 2007. - №3. - С. 2-8.
123. Argenti, F. Multiresolution MAP Despeckling of SAR Images Based on Locally Adaptive Generalized Gaussian pdf Modeling / F. Argenti, T. Bianchi, L. Alparone // IEEE Trans. on Image Processing. - 2006. - Vol. 15 (No. 11). - P. 33853399.
124. Титов, Д.В. Цифровая обработка аэрокосмических изображений / Д.В. Титов, С.В. Горбачев, С.Г. Емельянов, Д.С. Жданов, С.Ю. Мирошниченко, В.И. Сырямкин // Томск: Издательство Томского университета. 2016. - 303 с.
125. Титов, Д.В. Применение методов compressive sensing в задаче восстановления вейвлет-кодированных зашумленных изображений / Д.В. Титов, Ю.С. Бехтин // Распознавание -2017: материалы XIII Международной научно-технической конференции. - Курск: ЮЗГУ. - 2017. - С. 64-67.
126. Титов, Д.В. Вейвлет - обработка ИК изображений для компенсации дрейфа вольтовой чувствительности элементов фотоэлектронных модулей / Д.В. Титов, Ю.С. Бехтин // Известия Вузов. Приборостроение. -2008. - Т. 51 (№2). - С. 10-15.
127. Бакут, П.А. Сегментация изображений: Методы пороговой обработки / П.А. Бакут, Г.С. Колмогоров, И.Э. Ворновицкий // Зарубежная радиоэлектроника. -1987. - №10. - C. 6-24.
128. Петухов, А.П. Введение в теорию базисов всплесков / А.П. Петухов // СПб.: Издательство СПбГТУ, 1999. - 132 с.
129. Фомин, В.М. Квалиметрия. Управление качеством. Сертификация / В.М. Фомин // М.: ОСЬ-89, 2002. - 384 с.
130. Методика применения экспертных методов для оценки качества продукции // М.: Стандарт, 1975. - 55 с.
131. ГОСТ 15.467-79. Управление качеством продукции. Основные понятия. - М.: издательство стандартов, 1979.
132. Титов, Д.В. Распознавание и сжатие изображения с использованием вейвлет-преобразования / Д.В. Титов // Распознавание - 2013: материалы XI Международной научно-технической конференции // Курск: ЮЗГУ. - 2013. - С. 97-98.
133. Pratt, W. Digital Image Processing. 3rd edition / W. Pratt // Wiley, 2001. -738 p.
134. Якушенков, Ю.Г. Основы оптико-электронного приборостроения: учебник. 2-е издание, переработанное и дополненное / Ю.Г. Якушенков // - М.: Логос, 2013. - 376 с.
135. Овсянников, В.А. Оценка эффективности комплексирования разноспектральных изображений / В.А. Овсянников, Я.В. Овсянников, В.Л. Филиппов // Оборонная техника. - 2010. - №6-7.
136. Chen, H. Adaptive spatiotemporal multiple sensor fusion / H. Chen, T. Olson // Optical Engineering. - 2003. - No. 5.
137. Васильев, А.С. Методология комплексирования изображений / А.С. Васильев // СПб.: Альманах научных работ молодых ученых Университета ИТМО, 2014. - 474 с.
138. Аксенов, О.Ю. Совмещение изображений / О.Ю. Аксенов // Цифровая обработка сигналов. - 2005. - № 3. - С. 51-55.
139. Васильев, А.С. Совмещение тепловизионного и телевизионного изображений при обследовании строительных конструкций зданий и сооружений / А.С. Васильев, В.В. Коротаев, А.В. Краснящих, О.Ю. Лашманов, О.Н. Ненарокомов // Известия Вузов. Приборостроение. 2012. - Т. 55 (№ 4). - С. 12-16.
140. Патент №2451338 Российская Федерация. Способ комплексирования цифровых полутоновых телевизионных и тепловизионных изображений / Богданов А.П., Костяшкин Л.Н., Морозов А.В., Павлов О.В., Романов Ю.Н., Рязанов А.В.; правообладатель: Открытое акционерное общество "Государственный Рязанский приборный завод". - заявл. 23.12.2010. - опубл. 20.05.2012. - Бюл. №14.
141. Цыцулин, А.К.. Телевидение и космос: учебное пособие / А.К. Цыцулин // Издательство СПбГЭУ «ЛЭТИ». - 2003. - 228 с.
142. Астафьева, Н.М. Вейвлет-анализ: Основы теории и примеры применения / Н.М. Астафьева // УФН. - 1996. - Т. 166 (№11). - С. 1145-1170.
143. Сухомлинов, Д.В. О комплексировании данных в информационно-управляющей системе летательного аппарата / Д.В. Сухомлинов, А.Н. Медведь // Двигатели. - 2014. - №5 (95). - С. 36-38.
144. Zuhn, C.T. Fourier Descriptors for Plane Closed Curves / C.T. Zuhn, R.Z. Roskies // IEEE Transactions on Computers. - 1972. - vol. C-21 (№3).
145. Richard, C.W. Identification of Three-Dimensional Objects Using Fourier Descriptors of the Boundary Curve / C.W. Richard, H. Hemani // IEEE Transactions on Systems, Man and Cybernetics. -1974. - vol. SMC-4 (№4).
146. Person, E. Shape Discrimination Using Fourier Discriptors / E. Person, Fuk // IEEE Transaction, Man and Cybernetics. -1972. - vol. SMC-7 (№3).
147. Arbter, K. Application of Affine Invariant Fourier Descriptors to Recognition of 3-D Objects / K. Arbter, W. Synder, H. Burkhardt, G. Hirzinger // IEEE Transactions On PAMI. - 1990. - Vol. 12 (№ 7). - PP. 640-647.
148. Антюфеев, В.И. Сравнительный анализ алгоритмов совмещения изображений в корелляционно-экстремальных системах навигации летательных аппаратов [Текст] / В.И. Антюфеев, В.Н. Быков // Авиационно-космическая техника и технология. 2008. №1. С. 70-78.
149. Арутюнов, В.А. Методика оценки потенциальных характеристик обнаружения малоразмерных аэрокосмических целей многоспектральной аппаратурой на матричных фотоприемниках / В.А. Арутюнов, В.Г. Иванов, А.А. Каменев, А.Е. Прокофьев // Вопросы радиоэлектроники. Серия «Техника телевидения». - 2006. - Вып. 2. - С. 47-69.
150. Тарасов, В.В. Инфракрасные системы «смотрящего» типа / В.В. Тарасов, Ю.Г. Якушенков // М.: Логос, 2004. - 452 с.
151. Трухачев, В.В. Повышение различимости объектов на изображениях, формируемых ИК-системами / В.В. Трухачев, С.А. Поляков // Фундаментальные исследования. Технические науки. -2013. - №10. - С. 55-58.
152. Введение в контурный анализ и его приложение к обработке изображений и сигналов / Под редакцией Я.А. Фурмана // М.: ФИЗМАТЛИТ, 2002. - 592 с.
153. Комплекснозначные и гиперкомплексные системы в задачах обработки многомерных сигналов [Текст] / Под редакцией Я.А. Фурмана. - М.: ФИЗМАТЛИТ, 2004. - 456 с.
154. Фурман, А.Я. Визуализация изображений в трехмерных сценах. Учебное пособие / А.Я. Фурман // Йошкар-Ола: МарГТУ, 2007. - 280 c.
155. Охотников, С.А. Анализ непрерывных комплекснозначных сигналов, задающих контуры изображений плоских объектов / С.А. Охотников, А.А. Баев // Радиоэлектроника, электротехника и энергетика: материалы 13-ой Международной научно-технической конференции. - М.: МЭИ - 2007. - Т.1. - С. 103.
156. Хафизов, Р.Г. Распознавание непрерывных комплекснозначных контуров изображений / Р. Г. Хафизов, С. А. Охотников // Известия Вузов. Приборостроение. - 2012. - №5. - С. 3-9.
157. Николаев, А.А. Распознавание неоднородностей, определение их геометрических характеристик и построение 3D геометрических моделей в задачах неразрушающего контроля / А.А. Николаев // Математические методы распознавания образов: материалы 13-й Всероссийской научно-технической конференции. - 2007. - C. 506-508.
158. Тарасов, В.В. Двух- и многодиапазонные оптико-электронные системы с матричными приемниками излучения / В.В. Тарасов, Ю.Г. Якушенков // М.: Логос, 2007. - С. 129-144.
159. Красильников, Н.Н. Цифровая обработка 2D- и 3D-изображений: учебное пособие / Н.Н. Красильников // СПб.: БХВ-Петербург, 2011. - 608 с.
160. Хафизов, Р.Г. Методы и средства обработки непрерывных контуров изображений / Р.Г. Хафизов, Д.Г. Хафизов, С.А. Охотников // Марийский государственный технический университет, 2011. - 167 c.
161. Роженцов, А.А. О потенциальной эффективности распознавания k-мерного группового точечного объекта / А.А. Роженцов, Я.А. Фурман // Радиотехнические тетради. - 2003. - №27. - С. 61-70.
162. Роженцов, А.А. Распознавание плоских изображений групповых точечных объектов в условиях действия ошибок обнаружения / А.А. Роженцов, А.О. Евдокимов, А.В. Григорьев // Известия Вузов. Приборостроение. - 2006. -№4. - С.59-64.
163. Фурман, Я.А. Распознавание групповых точечных объектов в трехмерном пространстве / Я.А. Фурман, Д.Г. Хафизов // Автометрия. - 2003. - Т. 39 (№.1). - С. 3-18.
164. Форсайт, Д. Компьютерное зрение [Текст] / Д. Форсайт, Ж., Понс // Современный подход. Вильяме, 2004. - 928 с.
165. Ким, Н.В. Обработка и анализ изображений в системах технического зрения: Учебное пособие / Н.В. Ким // М.: Издательство МАИ, 2001. - 164 с.
166. Zitova, B. Image Registration Methods: a Survey / B. Zitova, J. Flusser // Image and Vision Computing. - 2003. - №21. - PP. 977-1000.
167. Визильтер, Ю.В. Обработка и анализ изображений в задачах машинного зрения / Ю.В. Визильтер, С.Ю. Желтов, А.В. Бондаренко, М.В. Ососков, А.В. Моржин // М.: Физматкнига, 2010. - 689 с.
168. Джейн, А.К. Введение в искусственные нейронные сети / А.К. Джейн, М. Жианчанг, К.М. Моиуддин // Открытые системы. -1997. - № 4.
169. Чернецова, Е.А. Применение нейронной сети прямого распространения с одним скрытым слоем для классификации монохромных изображений / Е.А. Чернецова // Нейрокомпьютеры. - 2008. - №3.
170. Оганезов, А.Л. Применение нейронных сетей в задачах распознавания образов / А.Л. Оганезов.// ТГУ им. И.Н. Джавахищвили, 2009. - 149 с.
171. Кореневский, Н.А. Проектирование нечетких решающих сетей, настраиваемых по структуре данных для задач медицинской диагностики / Н.А.
Кореневский // Системный анализ и управление в биомедицинских системах. Москва. - 2005. - Т.4 (№1) - С. 12-20.
172. Кореневский, Н.А. Метод синтеза нечетких решающих правил оценки состояния сложных систем по информации о геометрической структуре многомерных данных / Н.А. Кореневский, Е.Б. Рябкова // Вестник Воронежского государственного технического университета. - 2011. - Т.7 (№8). - С. 128-137.
173. Ковин, С.Д. Формирование и обработка сигналов спектрозональных изображений / С.Д. Ковин, Ю.С. Сагдуллаев // Современные проблемы науки и образования в техническом вузе: материалы II Международной научно-практической конференции. - 2015. - С. 29-34.
174. Ковин, С.Д. Формирование и совместная обработка сигналов спектрозональных изображений / С.Д. Ковин, Ю.С. Сагдуллаев // Вопросы радиоэлектроники. Серия: Техника телевидения. - 2015. - № 5. - С. 44-57.
175. Сагдуллаев, Т.Ю. Спектральная селекция и распознавание объектов / Т.Ю. Сагдуллаев, Ю.С. Сагдуллаев // Вопросы радиоэлектроники. Серия: Техника телевидения. - 2012. - № 2. - С. 97-106.
176. Красненьков, В.И. Взаимодействие гусеничного движителя с грунтом / В.И. Красненьков, Ю.И. Ловцов, А.Ф. Данилин // Труды МВТУ им. Н.Э.Баумана.
- 1984. - № 411. - С. 108-130.
177. Gonzalez, R., Autonomous Tracked Robots in Planar Off-Road Conditions / R. Gonzalez, F. Rodriguez, J. Guzman // Modeling, Localization, and Motion Control
— Springer, 2014.
178. Адамов, Б.И. Идентификация параметров математической модели мобильной роботизированной платформы всенаправленного движения KUKA youBot / Б.И. Адамов, А.И. Корбин // Мехатроника, автоматизация, управление. -2018. - Т. 19 (№3). - С. 251-257.
179. Фаробин, Я.Е. Теория поворота транспортных машин / Я.Е. Фаробин // М.: Машиностроение, 1970. - 212 с.
180. Андрианов, Д.Е. Геоинформационные системы: исследование, анализ и разработка / Д.Е. Андрианов // М.: Государственный научный центр Российской Федерации, ВНИИ геосистем, 2004. - 184 с.
181. Мартыненко, А.И. Информатика и электронная Земля: фундаментальные научные проблемы / А.И. Мартыненко // Системы и средства информатики. - М.: ИПИ РАН. - 2001. - Вып. 11. - С. 94-112.
182. Килибарда, Г. Независимые системы автоматов в лабиринте / Г. Килибарда, В.Б. Кудрявцев, Ш. Ушчюмлич // Дискретная математика. - 2003. - Т. 15 (В. 3).
183. Герамисов, В.Н. Решение задачи управления движением мобильного робота при наличии динамических препятствий / В.Н. Герасимов, Б.Б. Михайлов // Вестник МГТУ им. Баумана. Серия «Приборостроение». - 2012. - С. 83-92.
184. Seder, M. An Integrated Approach to Real-Time Mobile Robot Control in Partially Known Indoor Environments / M. Seder, K. Macek, I. Petrovic // Industrial Electronics Society. - 2005. - PP. 2-6.
185. Ferguson, D. Detection, Prediction and Avoidance of Dynamic Obstacles in Urban Environments / D. Ferguson, M. Darms, C. Urmson, S. Kolski // Proceedings of the 2008 IEEE Intelligent Vehicles Symposium. - 2008. - Р. 1149-1154.
186. Нейронная сеть для обхода препятствий [Электронный ресурс] / Режим доступа: http://stswoon.blogspot.com/2010/05/blog-post.html
187. Berman, S. Evaluation of Automatic Guided Vehicle Systems / S. Berman, E. Schechtman, Y. Edan // Robotics and Computer-Integrated Manufacturing. - 2008.
188. Siegwart, R. Introduction to Autonomous Mobile Robots / R. Siegwart, I. Nourbakhsh, D. Scaramum // Publishing house of Massachusetts institute of Technology. - 2004. - 321 p.
189. Martynenko, Y. Motion Control of Mobile Wheeled Robots [Text] / Y. Martynenko // Journal of Mathematical Sciences. - 2007. - Vol. 147 (N. 2). - P. 65696606.
190. Аль-Еззи, А. Исследование пусковых режимов колесного мобильного робота / А. Аль-Еззи // Известия Юго-Западного государственного университета. Техника и технологии. - 2011. - № 1. - С. 43-52.
191. Рыбин, И.А. Способ исследования движения мобильного робота на стационарной установке удаленного доступа / И.А. Рыбин, В.Г. Рубанов, Т.А. Дуюн // Приборы и системы. Управление, контроль, диагностика. - 2014. - № 11.
- С. 14-21.
192. Патент №2561405 Российская Федерация. Стенд и способ исследования движения робокара / В.Г. Рубанов, И.А. Рыбин, А.С. Кижук, Т.А. Дуюн; правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Белгородский государственный технологический университет им. В.Г. Шухова»
- заявл. ; опубл. 27.08.2015. - Бюл. № 24.
193. Рубанов, В.Г. Мобильные микропроцессорные системы автоматизации транспортно-складских операций, мобильные робототехнические системы / В.Г. Рубанов, А.С. Кижук // Белгород: Издательство БГТУ им. В. Г. Шухова, 2011. - 289 с.
194. Ullrich, G. Automated Guided Vehicle Systems. A Primer with Practical Applications / G. Ullrich // Berlin: Springer, 2015. - 227 p.
195. [Электронный ресурс] / Режим доступа: http://www.ds-automotion. com/en/ automotive/videos. html.
196. Ткачев, С.Б. Реализация движения колесного робота по заданной траектории / С.Б. Ткачев // Вестник Московского государственного технического университета им. Н. Э. Баумана. Естественные науки. - 2008. - № 2. - С. 33-55.
197. Чувейко, М.В. Математическое моделирование интеллектуальной системы управления и навигации мобильного робота / М.В. Чувейко, А.В. Путов // Современные проблемы науки и образования. - 2012. - № 6.
198. Юсубпеков, Н.Р. Интеллектуальные системы управления и принятия решений / Н.Р. Юсупбеков // Ташкент: Государственное научное издательство «Узбекистан миллий энциклопедияси», 2014. - 490 с.
199. Мартыненко, Ю. Г. Динамика мобильных роботов // Соросовский образовательный журнал. Т. 6, № 5. - 2000. - С. 110-115.
200. Коротков, А.Л. Комплекс модулей мобильной робототехники для макетирования и отладки алгоритмов управления / А.Л. Коротков, Д.М. Королев, Н.А.Китаев // Мехатроника, автоматизация, управление. - 2018. - Том 19 (№3). -С. 175-181.
201. Рубанов, В.Г. Комбинированный индукционный датчик бокового отклонения и позиционирования мобильного робота / В.Г. Рубанов, А.С. Кижук // Известия Вузов. Приборостроение. - 2003. - № 11. - С. 39-43.
202. Малышев, Н. Г. Нечеткие модели для экспертных систем в САПР / Н.Г. Малышев, Л.С. Берштейн, А.Б. Боженюк // М.: Энергоатомиздат, 1991. - 136 с.
203. Аверкин, А.Н. Нечеткие множества в моделях управления и искусственного интеллекта / А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун, В.В. Снлов, В.Б. Тарасов. Под ред. Д.А. Поспелова // М.: Наука, 1986. - 312 с.
204. Мелихов, А.Н. Ситуационные советующие системы с нечеткой логикой / А.Н. Мелихов, Л.С. Берштейн, С.Я. Коровин // М.: Наука, 1990. - 272 с.
205. Титов Д.В. Управление нелинейными объектами с параметрами, зависящими от состояния (часть 1) / Д.В. Титов, В.Н. Афанасьев, Т.А. Ширабакина // Известия Юго-Западного государственного университета. - 2012. -№2 (Ч.1). - С. 212-219.
206. Титов Д.В. Управление нелинейными объектами с параметрами, зависящими от состояния (часть 2) / Д.В. Титов, В.Н. Афанасьев, Т.А. Ширабакина // Известия Юго-Западного государственного университета. - 2012. -№2 (Ч.2). - С. 13-16.
207. Титов Д.В. Метод синтеза управления объектами с параметрами, зависящими от состояния / Д.В. Титов, В.Н. Афанасьев // Интеллектуальные и информационные системы: материалы Всероссийской научно-технической конференции. - Тула. - 2016. - С. 20-21.
208. Афанасьев, В.Н. Математическая теория конструирования систем управления / В.Н. Афанасьев, В.Б. Колмановский, В.Р. Носов // М.: Высшая школа, 2003. - 614 с.
209. Немыцкий, В.В. Качественная теория дифференциальных уравнений. Издание 3-е исправленное / В.В. Немыцкий, В.В. Степанов // М.: Едиториал УРСС, 2004. - 552 с.
210. Van Der Schaft, A.J. L2-gain Analysis of Nonlinear Systems and Nonlinear State Feedback Control / A.J. Van Der Schaft // IEEE. Trans. On Automatic Control. - 1992. - V.37. - PP. 770-784.
211. Patrong, L. A Numerical Computation Approach of Hamilton-Jacobi-Isaacs Equation in Nonlinear Control Problem / L. Patrong, M. Sampei, M. Koga, E. Shimaizu // 35th CDC. - 1996.
212. Wei-Min, Lu. Control of Nonlinear Systems: A Convex Characterization / Lu Wei-Min, J. Doyle // IEEE. Trans. On Automatic Control. - 1995. - V.40. - PP. 168-175.
213. Афанасьев, В.Н. Формирование алгоритмов оптимизации нестационарных систем управления на основе необходимых условий оптимальности / В.Н. Афанасьев, А.П. Преснова // Мехатроника, автоматизация, управление. - 2018. - Т. 19 (№3). - С. 153-158.
214. Титов, Д.В. Робастная стабилизация нелинейного объекта с использованием SDC параметризации / Д.В. Титов, В.Н. Афанасьев // Вестник РУДН, серия «Инженерные исследования». - 2010. - № 4. - С. 17-25.
215. Афанасьев, В.Н. Динамические системы управления с неполной информацией / В.Н. Афанасьев // Алгоритмическое конструирование. - М.: Комкнига, 2007. - 216 с.
216. Титов, Д.В. Алгоритмическое конструирование встраиваемых интеллектуальных оптико-электронных устройств / Д.В. Титов, В.Н. Афанасьев, Т.А. Ширабакина // Информационно-измерительные диагностические и управляющие системы: материалы II Международной научно-технической конференции. - Курск. - 2011. - С. 157-158.
217. Сальников, И.И. Выбор и обоснование метода обработки растровых пространственно-временных сигналов / И.И. Сальников, В.С. Яковлева, С.В. Дегтярев // Методы и средства систем обработки информации: материалы сборника научных статей КурскГТУ. Курск. - 2003. - № 3. - С.131-138.
218. Семушин, И.В. Адаптивные схемы идентификации и контроля при обработке случайных сигналов / И.В. Семушин // Саратов: Издательство Саратовского университета, 1985. - 180 с.
219. Изерман, Р. Цифровые системы управления / Р. Изерман // М.: Мир, 1984. - 541 с.
220. Афанасьев, В.Н. Алгоритмическое конструирование оптимальных систем управления / В.Н. Афанасьев // М.: Издательство МИЭМ, 1980. - 114 с.
221. Афанасьев, В.Н. Математическая теория конструирования систем управления / В.Н. Афанасьев, В.Б. Колмановский, В.Р. Носов // М.: Высшая школа, 1989. - 447 с.
222. Sakayanagi Y., Nakayama D., Shigeki N. et al. Clarification of Free Parameters of State-dependent Coefficient Form: Effect on Solving State-dependent Riccati Inequality // 17th WC IFAC. Seoul. - 2008. - PP. 182-187.
223. Уидроу, Б. Адаптивная обработка сигналов / Б. Уидроу, С. Стирнз // М: Радио и связь, 1989. - 440 с.
224. Емельянов, С.Г. Автоматизированные нечетко-логические системы управления / С.Г. Емельянов, В.С. Титов, М.В. Бобырь // М.: Инфра-М, 2011. -176 с.
225. Емельянов, С.Г. Адаптивные нечетко- логические системы управления / С.Г. Емельянов, В.С. Титов, М.В. Бобырь // М.: АРГАМАК-МЕДИА, 2013. - 184 с.
226. Mousavia, S.J. Inferring Operating Rules for Reservoir Operations Using Fuzzy Regression and ANFIS / S.J. Mousavia, К. Ponnambalamb, F. Karray // Fuzzy Sets and Systems. - 2007. - No. 158. - PP. 1064- 1082.
227. Kolay, E. Modeling the Slake Durability Index Using Regression Analysis, Artificial Neural Networks and Adaptive Neuro-Fuzzy Methods / E. Kolay, K. Kayabali, Y. Tasdemir // Bulletin of Engineering Geology and the Environment. -2010. - Volume 69 (Issue 2). - PP. 275-286.
228. Zadeh, L.A. Some Reflections on Soft Computing, Granular Computing and Their Roles in the Conception, Design and Utilization of Information / L.A. Zadeh // Intelligent Systems. Soft Computing 2. - 1998. - PP. 23-25.
229. Козлов, В.Н. Системный анализ, оптимизация и принятие решений: учебное пособие / В.Н. Козлов // М.: Проспект, 2013. - 176 с.
230. Перегудов, Ф.И. Введение в системный анализ / Ф.И. Перегудов, Ф.Л. Тарасенко // М.: Высшая Школа, 1989. - 367 с.
231. Пегат, А. Нечеткое моделирование и управление / А. Пегат. Перевод с английского, 2-е издание // М.: БИНОМ. Лаборатория знаний, 2013. - 798 с.
232. Анисимов, Д.Н. Оценка свойств нечетких систем управления на этапе формирования базы знаний / Д.Н. Анисимов, Е.Е. Федорова, С.М. Грязнов // Мехатроника, автоматизация, управление. - 2018. - Том 19 (№5). - С. 291-296.
233. Титов, Д.В. О некоторых свойствах мягкого алгоритма нечетко-логического вывода / Д.В. Титов, М.В. Бобырь, С.А. Кулабухов // Известия Юго-Западного государственного университета. - 2015. - №2 (59). - С. 39-51.
234. Титов, Д.В. Оценка прогнозирования принятия решений в условиях неопределенности / Д.В. Титов, М.В. Бобырь, С.А. Кулабухов // Телекоммуникации. - 2015. - №11. - С. 39-44.
235. Zadeh, L. From Computing With Numbers to Computing With Words -From Manipulation of Measurements to Manipulation of Perceptions / L. Zadeh // International Journal of Applied Mathematics and Computer Science. - 2002. - vol. 12 (no. 3). - PP. 307-324.
236. Титов, Д.В. О некоторых свойствах мягкого алгоритма нечетко-логического вывода / Д.В. Титов, М.В. Бобырь, С.А. Кулабухов // Известия Юго-Западного государственного университета. - 2015. - №2 (59). - С. 39-51.
237. Алтунин, А.Е. Модели и алгоритмы принятия решений в нечетких условиях / А.Е. Алтунин, М.В. Семухин // Тюмень: ТГУ, 2000. - 352 с.
238. Титов, Д.В. Обработка разноспектральных изображений для систем принятия решений с нечеткой логикой / Д.В. Титов, М.В. Бобырь // Инновация-2017: материалы XXII Международной научно-технической конференции. -Ташкент: ТашГТУ. - 2017. - С. 195-196.
239. Муха, Ю.П. Гибкий интеллектуальный интерфейс для несовместимых информационных систем / Ю.П. Муха, И.Ю. Королева, А.Д. Королев // Приоритетные направления развития науки и технологий: доклады IX Всероссийской научно-технической конференции. Тула: Издательство «Инновационные технологии». - 2011. - C. 126-129.
240. Муха, Ю.П. Теория и практика синтеза управляющего и информационного обеспечения измерительно-вычислительных систем: Монография / Ю.П. Муха, О.А. Авдеюк, В.М. Антонович // Волгоград: ВолгГТУ, 2004. - 220 с.
241. Антонович, В.М. Структурный метод синтеза гибкого интеллектуального интерфейса сложной информационно-измерительной системы: диссертация на соискание степени кандидата технических наук / В.М. Антонович // Волгоград: ВолгГТУ, 2004. - 134 c.
242. Муха, Ю.П. Алгебраическая теория синтеза сложных систем: Монография / Ю.П. Муха, О.А. Авдеюк, И.Ю. Королева // Волгоград: ВолгГТУ, 2003. - 320 с.
243. Букур, Н. Введение в теорию категорий и функторов / Н. Букур, А. Деляну // М.: Издательство "Мир", 1972. - 259 с.
244. ГОСТ Р ИСО 7498-2-99. Информационная технология. Взаимосвязь открытых систем. Базовая эталонная модель. Часть 2, введен 01.01.2000.
245. Кореневский, Н.А. Метод синтеза гетерогенных нечетких правил для анализа и управления состоянием биотехнических систем / Н.А. Кореневский // Известия Юго-Западного государственного университета. - 2013. - №2. - С. 99103.
246. Korenevskiy, N.A. Fuzzy Determination of the Human's Level of Psychoemotional / N.A. Korenevskiy, R.T. Al-Kasasbeh, F. Ionescouc, M. Alshamasin, E. Alkasasbeh, A.P. Smith // IFMBE Proceedings. - 2013. - Vol. 40. - PP. 213-216.
247. Макконел, Дж. Анализ алгоритмов. Вводный курс / Дж. Макконел. Пер. с англ. С.К. Ландо // М.: Техносфера, 2002. - 304 с.
248. Al-Wassai F. The HIS Transformations Based Image Fusion / F. Al-Wassai, N. Kalyankar, A. Al-Zuky // J. Of Global Research in Computer Science. -2011. - Vol. 2. (No. 5). - PP. 70-77.
249. Монич, Ю.И. Оценки качества для анализа цифровых изображений / Ю.И. Монич, В.В. Старовойтов // Искусственный интеллект. - 2008. - №4.
250. Инсаров, В.В. Использование безэталоннных метрик для оценки качества текущих изображений многообъектных стационарных наземных сцен. Часть 1 / В.В. Инсаров, В.А. Сафонов, С.В. Тихонова // Мехатроника, автоматизация, управление. - 2017. - Т. 18 (№8). - С. 550-556.
251. Поповский, В.В. Метод диагностирования качества функционирования телекоммуникационных систем / В.В. Поповский, В.С. Волотка // Телекоммуникации. - 2014. - №1. - С. 2-9.
252. Инсаров, В.В. Методы оценки качества статических изображений, полученных при дистанционном зондировании сложноструктурированных наземных сцен / В.В. Инсаров, В.Я. Ким, С.В. Тихонова // Мехатроника, автоматизация, управление. - 2012. - №8. - С. 54-60.
253. Дворкович, В.П. Измерения в видеоинформационных системах (теория и практика) / В.П. Дворкович, А.В. Дворкович // М.: Техносфера, 2015. -784 с.
254. Титов, Д.В. Многофункциональная встраиваемая система технического зрения для интеллектуальных комплексов видеонаблюдения / Д.В. Титов, А.С. Сизов, М.И. Труфанов // Телекоммуникации. - 2011. - № 4. - С. 1923.
255. Титов, Д.В. Метод и модели создания встраиваемых оптико-электронных устройств распознавания изображений в многомерном пространстве признаков: диссертация на соискание степени кандидата технических наук: 05.13.05 / Д.В. Титов, 2012. - 134 с.
256. Патент № 2250498 Российская Федерация. Способ автоматической адаптивной трехмерной калибровки бинокулярной системы технического зрения и устройство для его реализации / С.В. Дегтярев, В.С. Титов, М.И. Труфанов; правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Курский государственный технический университет». - заявл. 25.02.2003; опубл. 20.04.2005. - Бюл. №11.
257. Titov, D.V. The Correction Device of Distortion / T.A. Shirabakina, D.V. Titov // Information and telecommunication technologies in intelligent systems: Proceedings of 5th International Conference. Spain. - 2007. - PP. 122-124.
258. Патент 2351983 Российская Федерация. Устройство ввода изображения в ЭВМ коррекции дисторсии / Д.В. Титов, М.И. Труфанов; правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Юго-Западный государственный университет». - заявл. 01.11.2007; опубл. 10.04.2009. - Бюл. №10.
259. Truphanov, M. Radial Distortion Calibration Method and Device for Images Input on its Base / M. Truphanov, D. Titov, E. Bugaenko // New Information
Technologies: Proceedings of 8th International Conference on Pattern Recognition and Image Analysis. - Russia, Mari El Republic, Yoshkar-Ola. - 2007. - PP. 181-184.
260. Патент 2441283 Российская Федерация. Оптико-электронное устройство предупреждения столкновений транспортного средства / Титов Д.В., Гридин В.Н., Газов А.И., Труфанов М.И.; правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Юго-Западный государственный университет». - заявлено 27.06.2011; опубл. 27.01.2012. - Бюл . №18.
261. Патент 2440783 Российская Федерация. Устройство для повышения резкости изображения для эндоскопа / Титов Д.В., Гридин В.Н., Аньшаков Г.Г., Стрелкова А.Н., Труфанов М.И.; правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Юго-Западный государственный университет». - заявл. 20.10.2010; опубл. 27.01.12. - Бюл. №3.
262. Патент 2361273 Российская Федерация. Способ и устройство распознавания изображений объектов / Коростелев С.И., Титов В.С., Панищев
B.С.; правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Юго-Западный государственный университет». - заявл. 13.03.2007; опубл. 10.07.2009. - Бюл. №19.
263. Титов Д.В. Вейвлет обработка ИК-изображений для компенсации дрейфа вольтовой чувствительности элементов фотоэлектронных модулей / Д.В. Титов, Ю.С. Бехтин // Известия Вузов. Приборостроение. - 2008. - Т. 51 (№2). -
C. 10-15.
264. Титов, Д.В. Сопряжение многоэлементного фотоприемного устройства с персональным компьютером измерительного стенда / Д.В. Титов, Ю.С. Бехтин, В.И. Саляков // Известия Вузов. Приборостроение. - 2009. - Т. 52 (№2). - С. 78-82.
265. Титов, Д.В. Стенд для испытания встраиваемых оптико-электронных устройств / Д.В. Титов // Распознавание-2010: материалы IX Международной научно-технической конференции. - Курск: КурскГТУ. - 2010. - С. 206-207.
266. Титов, Д.В. Аппаратно-программный стенд и методика испытаний встраиваемых оптико-электронных устройств / Д.В. Титов // Известия Юго-Западного государственного университета. - 2013. -№3. - С. 42-45.
267. Титов, Д.В. Стенд для испытаний оптико-электронных устройств / Д.В. Титов // Известия Вузов. Приборостроение. - 2010. - Т. 53 (№9). - С. 80-83.
268. Титов, Д.В. Устройство распознавания возгорания на основе двухальтернативных классификаторов / Д.В. Титов, С.Г. Емельянов, М.И. Труфанов // Известия Юго-Западного государственного университета. - 2012. -№ 1 (40). - С. 40-43.
269. Merigo, J.M. On the use of the OWA operator in the weighted average and its application in decision making / J.M. Merigo //Proceedings of the World Congress on Engineering (WCE 2009), London. - 2009. - РР. 82-87.
270. Имамвердиев, Я.Н. Метод объединения ансамбля классификаторов в мультибиометрических системах // Информационные технологии. - 2011. - №9. -С. 24-31.
271. Yager, R.R. On ordered weighted averaging aggregation operators in multi-criteria decision making / R.R. Yager // IEEE Transactions on Systems, Man Cybernetics. - 1988. - v. 18 (no.1). - PP. 183-190.
272. Титов, Д.В. Подход к оценке эффективности функционирования системы мониторинга ситуаций на основе теории ценности информации / Д.В. Титов, А.С. Сизов, В.В. Теплова // Телекоммуникации. - 2011. - № 6. - С. 2-6.
273. Титов, Д.В. Алгоритм эффективности функционирования сложных систем мониторинга ситуаций / Д.В. Титов // Системы, методы, техника и технологии обработки медиаконтента: материалы научно-технической международной молодежной конференции. Москва, МГУП им. И. Федорова. -2011. - С. 98-99.
274. Карпов, А.А. Технологии определения природных пожаров с использованием данных спутниковой съемки / А.А. Карпов, Р.А. Алешко, К.В.Шошина // Молодой ученый. - 2015. - №13.1. - С. 17-19.
275. Обнаружение пожаров по тепловым снимкам / Использование космических снимков в тепловом инфракрасном диапазоне для географических исследований [Электронный ресурс] / Режим доступа: http://www.georg.msu.ru/ cafedra/karta/materials/heat_img/files/2/pozhary.html
276. Васильев, А.С. Разработка программно-аппаратного комплекса обнаружения лесных пожаров методом совмещения изображений / А.С. Васильев, А.В. Краснящих, В.В. Коротаев, О.Ю. Лашманов, Д.Ю. Лысенко и др. // Известия Вузов. Приборостроение. - 2012. - Т. 55 (№12). - С. 50-55.
277. Рукин, М.В. Инновационные решения в области обнаружения пламени / М.В. Рукин. // «Системы безопасности». - 2009. - №4. - С.61.
278. Титов, Д.В. Система технического зрения для поиска и определения характеристик очага возгорания / Д.В. Титов, С.Г. Емельянов // «Интеллектуальные системы в промышленности и образовании-2013»: материалы IV Международной научно-технической конференции. - Сумы, Украина. - 2013. -С. 40-44.
279. Титов, Д.В. Модульное оптико-электронное устройство обнаружения пожара / Д.В. Титов, А.С. Сизов, М.И. Труфанов // Телевидение: передача и обработка изображений: материалы 8-ой Международной научно-технической конференции. - Санкт-Петербург, ЛЭТИ. - 2011. - С. 133-135.
280. Титов, Д.В. Модульное оптико-электронное устройство обнаружения пожара / Д.В. Титов, М.И. Труфанов // Информационные технологии и математическое моделирование систем: материалы Международной научно-технической конференции. - М.: РАН, Центр информационных технологий в проектировании. - 2011. - С. 164-165.
281. Титов, Д.В. Автоматическая система обнаружения пожара на основе контурного анализа видеоизображений / Д.В. Титов, И.Л. Егошина // Известия Юго-Западного государственного университета. - 2014. - №4.- С. 15-21.
282. Титов, Д.В. Применение контурного анализа для обработки спутниковых изображений лесных пожаров / Д.В. Титов, И.Л. Егошина // Распознавание-2015: материалы XII Международной научно-технической конференции. - Курск: ЮЗГУ. - 2015. - С. 127-129.
283. Титов, Д.В. Обработка спутниковых изображений лесных пожаров на основе контурного анализа. Часть 1 / Д.В. Титов, И.Л. Егошина // Телекоммуникации. - 2015. - №7. - С. 22-27.
284. Титов, Д.В. Обработка спутниковых изображений лесных пожаров на основе контурного анализа. Часть 2 / Д.В. Титов, И.Л. Егошина // Телекоммуникации. - 2015. - №8. - С. 34-39.
285. Titov, D. Automatic Fire Detection System Based on Contour Analysis Video Images / D. Titov, I. Egoshina, A. Stuchkov // MATEC Web Conferences, 79, 01067 (2016), DOI: 10.1051/matecconf/20167901067.
286. Титов, Д.В. Быстродействующая система технического зрения для поиска и определения характеристик очага возгорания / Д.В. Титов, С.Г. Емельянов, М.И. Труфанов // Известия Вузов. Приборостроение. - 2012. - № 2. -С. 40-43.
287. Титов, Д.В. Быстродействующее оптико-электронное устройство поиска и определения очага возгорания / Д.В. Титов // «Оптические системы и технологии» (Optics-Expo-2015): материалы XI международного форума. -Москва. - 2015. - С. 24-28
326
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.