Специализированное вычислительное устройство формирования контуров движущихся объектов в реальном масштабе времени тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат технических наук Орлов, Алексей Валерьевич

• Орлов, Алексей Валерьевич
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Орлов, Алексей Валерьевич

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ И СРЕДСТВ

ФОРМИРОВАНИЯ КОНТУРОВ ДВИЖУЩИХСЯ ОБЪЕКТОВ.

1Л. Методы обнаружения движущихся объектов.

1.2. Методы контурного представления объектов.

1.2.1. Фильтрация изображения.

1.2.2. Выделение контуров объектов.

1.2.2.1. Пространственное дифференцирование.

1.2.2.2. Бинаризация контурного изображения.

1.2.2.3. Скелетизация контуров объектов.

1.2.2.4. Кодирование контурных линий.

1.3 Средства обнаружения движущихся объектов.

Выводы.

ГЛАВА 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ БЫСТРОДЕЙСТВУЮЩЕГО ВЫЧИСЛИТЕЛЬНОГО УСТРОЙСТВА ФОРМИРОВАНИЯ КОНТУРНЫХ ПРЕДСТАВЛЕНИЙ ДВИЖУЩИХСЯ ОБЪЕКТОВ.

2.1. Математическая модель определения движущихся объектов на изображениях.

2.2. Математическая модель контурного представления движущихся объектов.

2.2.1. Функции выделения и утончения контуров объектов.

2.2.2. Функции пороговой обработки и кодирования контурных линий объектов.

Выводы.

3. МЕТОД ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ ОБЪЕКТОВ, АЛГОРИТМЫ ОБРАБОТКИ ИЗОБРАЖЕНИЙ И СИНТЕЗ УСТРОЙСТВА ФОРМИРОВАНИЯ КОНТУРНЫХ ОПИСАНИЙ ДВИЖУЩИХСЯ ОБЪЕКТОВ.

3.1 Метод и алгоритм обнаружения движущихся объектов.

3.2 Обобщённый алгоритм формирования контурного описания объектов

3.2.1. Алгоритм пространственного дифференцирования.

3.2.2. Алгоритм скелетизации и устранения ступенчатого эффекта градиентных изображений.

3.2.3. Алгоритм бинаризации скелетных градиентных изображений

3.2.4. Алгоритм кодирования контуров объектов.

3.3. Методика выбора рациональных параметров устройства обработки изображений.

3.4. Структурно-функциональные организации быстродействующего вычислительного устройства формирования контурных описаний движущихся объектов.:.

Выводы.

4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ БЫСТРОДЕЙСТВУЮЩЕГО ВЫЧИСЛИТЕЛЬНОГО УСТРОЙСТВА ФОРМИРОВАНИЯ КОНТУРНЫХ ОПИСАНИЙ ДВИЖУЩИХСЯ

ОБЪЕКТОВ.

4.1 Методика проведения испытаний быстродействующего вычислительного устройства формирования контурных описаний движущихся объектов.

4.2. Аппаратно-программный стенд для проведения испытаний.

Выводы.

Введение диссертации (часть автореферата) на тему «Специализированное вычислительное устройство формирования контуров движущихся объектов в реальном масштабе времени»

В настоящее время в различных отраслях хозяйства, в частности, в системах диагностики и контроля качества изделий, производстве изделий для электронной промышленности, системах управления движением шагающих и транспортных роботов широкое применение находят системы и устройства обработки и распознавания изображений.

Большое количество практических приложений, например, определение параметров движения автотранспорта, автоматическое распознавание целей, контроль и организация взаимодействия этих объектов между собой обусловливает необходимость слежения за их динамикой. При этом важной задачей является определение движущихся объектов. От точности обнаружения объектов на серии изображений зависит точность выделения контуров (области с высокой концентрацией информации) движущихся объектов.

Выделение контуров объектов является основным путём решения задачи сегментации, т.е. разделения изображения на составные части. Наиболее сложной задачей, является автоматическое формирование контуров движущихся объектов, расположенных в поле зрения системы. Поскольку для задач обработки видео в реальном масштабе времени вычислительная сложность алгоритмов имеет большое значение, многие из существующих алгоритмов основаны на упрощенных посылках, которые уменьшают вычислительную трудоёмкость вышеупомянутых задач, в том числе за счёт снижения точности. Повышение точности выделения контуров объектов влечёт за собой усложнение и, как правило, снижение производительности специализированных устройств.

Быстродействие устройств обработки изображений достигается как за счет использования быстродействующих элементов, так и за счет использования параллельных вычислений. Одним из основных направлений совершенствования систем обработки изображений и повышения их производительности является аппаратная реализация функций обработки изображений и создание специализированных блоков преобразования изображений. Использование такого подхода к решению задачи формирования контуров обусловливает возможность отказа от выполнения основных процедур обработки изображения программно реализованных цифровым процессором и аппаратно реализовать необходимые операции, в специализированных блоках, что позволяет осуществить определение контуров объектов в реальном масштабе времени.

Таким образом, возникает объективная необходимость создания специализированных быстродействующих устройств формирования контурных описаний движущихся объектов, функционирующих в реальном масштабе времени и обеспечивающих требуемую точность при определении движущихся объектов.

Следовательно, объективно имеет место противоречие между необходимостью повышения точности определения направления движения объектов в реальном масштабе времени и возможностями существующих методов и средств их обнаружения.

На основе изложенного следует заключить, что разработка метода и устройства обнаружения движущихся объектов на основе обработки последовательности кадров с высоким коэффициентом корреляции и изменения яркости точек изображения, обеспечивающего возможность их распознавания, является актуальной научно-технической задачей.

Цель работы состоит в повышении точности обнаружения движущихся' объектов в реальном масштабе времени путём разработки метода и алгоритмов обработки цифровых изображений и формирования контуров движущихся объектов.

В соответствии с поставленной целью научно-техническая задача диссертационной работы декомпозирована на следующие частные задачи:

1. Анализ, современного состояния вопроса автоматического формирования контуров движущихся объектов; Определение ограничений известных методов и средств, обоснование направления исследования.

2. Разработка математической модели процесса описания контуров движущихся объектов.

3. Создание метода обнаружения движущихся объектов и алгоритмов описании контуров объектов по их изображению.

4. Синтез структурно-функциональных организаций специализированного ' вычислительного устройства формирования контуров движущихся объектов и его экспериментальная оценка;

Новыми научными результатами и положениями, выносимыми на защиту, являются:

1. Математическая модель процесса* описания контуров, движущихся объектов, особенностью которой является учёт направления их движения и многомерности вектора направления движения каждой. точки-объекта, обеспечивающая уменьшения ошибки описания контуров. 1

2. Метод обнаружения движущихся объектов, обеспечивающий повышение точности определения« направления движения объектов, за счёт реализации этапов: вычисления межкадровой разности текущего< и предыдущего изображений, определения направления движения пикселей, коррекции многозначных направлений движения« пикселей путём анализа вектора направления движения точек в восьмисвязной окрестности, группирования пикселей в объекты.

3. Алгоритмы формирования контуров движущихся объектов, отличающиеся обработкой областей отображающих их движение.

4. Структурно-функциональные организации специализированного вычислительного устройства формирования контуров движущихся объектов, особенностью которых является введение блоков выделения движущихся пикселей, обнаружения направления движения, определения областей движущегося объекта и связей между ними, обеспечивающие формирование контуров объектов в реальном масштабе времени.

Объект исследований — оптико-электронные изображения движущихся объектов.

Предмет исследований - методы и алгоритмы обработки изображений систем технического зрения, обеспечивающие формирование контурных описаний движущихся объектов.

Методы исследования. В работе использованы методы цифровой обработки и анализа сигналов и изображений, математического моделирования, теорий: вероятностей, параллельных вычислений, алгоритмов, проектирования устройств цифровой обработки сигналов.

Практическая ценность работы состоит в разработке математической модели формирования контурных описаний движущихся объектов, положенной в основу функционирования устройств обработки изображений применительно к системам технического зрения мобильных роботов, видеосистемам охраны и наблюдения, системам биометрического контроля. синтезе структурно-функциональной организации специализированного вычислительного устройства формирования контурных описаний движущихся объектов, позволяющего повысить точность определения направления движения объектов в режиме реального времени, что обеспечивает возможность его применения в соответствующих отраслях народного хозяйства.

Результаты работы внедрены в Курское ОАО «Прибор» ОКБ «Авиаавтоматика», ООО ЧОП «Дружина плюс» и используются в учебном процессе Юго-Западного государственного университета.

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на международных и российских конференциях: ХЫ1 всероссийской конференции по проблемам математики информатики, физики и химии (г. Москва, 2006г.), X и XI международных научно-технических конференциях «Медико-экологические информационные технологии» (г. Курск, 2007-2008г.г.), 8-й международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание - 2008» (г. Курск, 2008г.), международной научно-технической конференции «ИнформационноI измерительные, диагностические и управляющие системы» (г. Курск, 2009г.), всероссийской. научно-технической конференции

Интеллектуальные и информационные системы» (г. Тула, 2009г.), а также на научно-технических семинарах кафедры «Информационные системы и технологии» с 2007 по 2010 гг.

Публикации. Основные результаты диссертации отражены в 9 печатных работах. Среди них 2 статьи, опубликованные в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендованных ВАК. Оригинальность технических решений защищена патентом на изобретение.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 75 наименований, изложена на 113 страницах и поясняется 21 рисунком и 3 таблицами.

Заключение диссертации по теме «Элементы и устройства вычислительной техники и систем управления», Орлов, Алексей Валерьевич

Выводы

1. Разработана методика проведения испытаний быстродействующего вычислительного устройства формирования контурных описаний движущихся объектов, обеспечивающая экспериментальные исследования его временных и качественных характеристик.

2. Проведены экспериментальные исследования, подтверждающие адекватность разработанной математической модели, что позволяет использовать математическую модель для теоретических исследований при решении других связанных с анализом движущихся объектов задач. Разработанное специализированное устройство на 5,6 % точнее определяет направление движения объектов.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена научно-техническая задача состоящая в разработке метода и устройства обнаружения движущихся объектов на основе оценки последовательности кадров с высоким коэффициентом корреляции и изменения яркости точек изображения, обеспечивающего возможность их распознавания. В ходе решения этой задачи получены следующие основные результаты.

1. По результатам анализа современного состояния вопроса автоматического формирования контуров движущихся объектов показано, что существующие методы обработки изображений обладают либо низкой точностью, либо большой вычислительной сложностью, что обусловило необходимость постановки и решения научной задачи диссертационной работы.

2. Разработана математическая модель описания контуров движущихся объектов, отличающаяся учётом многозначности векторов направления движения точек объектов, позволившая синтезировать метод и аппаратно-ориентированные алгоритмы обработки изображений с целью уменьшения ошибки описания контуров движущихся объектов.

3. Разработан метод обнаружения движущихся объектов, обеспечивающий возможность реализации операций обработки изображений на аппаратном уровне и позволяющий повысить точность обнаружения движущихся объектов в реальном масштабе времени.

4. Разработаны алгоритмы формирования контуров движущихся объектов, осуществляющие обработку областей отображающих движение объектов, что позволяет выполнить операции по обработке изображений в реальном масштабе времени.

Разработаны структурно-функциональные организации вычислительного устройства формирования контурных описаний движущихся объектов, отличающиеся введением специализированных вычислительных блоков и связей между ними, обеспечивающие формирование описания контуров объектов в реальном масштабе времени.

6. Результаты экспериментальных исследований подтвердили основные теоретические положения и выводы работы. Сравнительный анализ разработанного специализированного вычислительного устройства свидетельствует о повышении точности определения направления движения объектов на 5,6 % .

Список литературы диссертационного исследования кандидат технических наук Орлов, Алексей Валерьевич, 2010 год

1. Катыс, Г.П. Обработка визуальной информации Текст. / Г.П. Катыс, М.: Машиностроение, 1990, С 320.

2. Krishnamurthy, Ravi. Frame Interpolation and Bidirectional Prediction of Video using Compactly-Encoded Optical Flow Fields and Label Fields Text./ John W. Woods, Piere Moulin, //, IEEE Trans. Circ. Syst. Video Tech, Vol. 9, No. 5, Aug.1999, PP 713-726.

3. D. J. Fleet and A D. Jepson. Computation of component image velocity from local phase information. Int. J. Сотр. Vision, 5, 1990, PP 77-104.

4. Sanjeev, Kumar. Global Motion Estimation in Frequency and Spatial Domain Text. / Mainak Biswas and Truong Q Nguyen //, IEEE International Conference on Speech, Acoustics, and Signal Processing, 2004, PP 14-23.

5. Jahne, B. Spatio-temporal Image Processing Text. / Lecture Notes in Computer Science. Springer, Berlin, 1993.

6. Zhu, S. A new diamond search algorithm for fast blockmatching motion estimation Text. / S. Zhu, К. K. Ma // IEEE Trans. Image Processing, vol. 9, Feb.2000, PP 287-290.

7. Xuan, Jing. An Efficient Three-Step Search Algorithm for Block Motion Estimation Text. / Xuan Jing, Lap-Pui Chau // IEEE Transactions on Multimedia, Vol. 6, N. 3, June 2004.

8. Lopes, F. / Hierarchical motion estimation with spatial transforms // Lopes F., Ghanbari M. // IEEE International Conference of Image Processing, Vol. 2, Vancouver, ВС, Canada, 2000, PP. 558-561

9. Tae Gyoung Ahn. Fast Full-Search Motion Estimation Based on Multilevel Successive Elimination Algorithm text. / Tae Gyoung Ahn, Yong Ho Moon, Jae Ho Kim // IEEE Transactions on Circuits and Systems for Video Technology, Vol. 14, N. 11, November 2004.

10. Сырямкин В. И. Системы технического зрения Текст. : Справочник / В. И. Сырямкин, В. С. Титов, Ю. Г. Якушенков и др. // Под общей редакцией В. И. Сырямкина, В. С. Титова. Томск: МГП «Раско», 1992. 367с.

11. Сойфер, В.А. Методы компьютерной обработки изображений Текст. / Под ред. В.А. Сойфера 2-е изд., исйр. - М.: ФИЗМАТЛИТ, 2003. - 784 с. -ISBN 5-9221-0270-2.

12. Журавель, И.М. Краткий курс теории обработки изображений Интернет. / И.М. Журавель matlab.exponenta.ru/imageprocess/book2/31.php.

13. Претт, Э. Цифровая обработка изображений Текст.: в 2 т. / Э. Претт. [Перевод с англ. Д.С. Лебедева] -М.: Мир, 1982.

14. Alvarez, L. Axioms and Fundamental Equations of Image Processing Text. / Luis Alvarez, Frederic Guichard, Pierre-Louis Lions, Jean-Michel Morel // Arch. National Mech. Anal. 123. Springer-Verlag, 1993. - PP. 199-257.

15. Дегтярев, C.B. Методы цифровой обработки изображений Текст. / С.В. Дегтярев, С.С. Садыков, С.С. Тевс, Т.А. Ширабакина. Курск: КурскГТУ, 2001. - 167с. ISBN 5-7681-0097-0

16. Deriche, R. Using Canny's Criteria to Derivate a Recursively Implemented Optimal Edge Detector Text. / R. Deriche // Computer Vision Vol. 1, No 2, 1987 - PP.167-187.

17. Elder, J.H. Local Scale Control for Edge Detection and Blur Estimation Texr. / James. H. Elder, Steven W. Zuckler // IEE Transactions on Pattern Analysis and Machine Intelligence Vol. 20, No 7, 1998 - PP. 699-716.

18. Vliet, L. An Edge Detection Model Based on Nonlinear Laplace Filtering. Pattern Recognition and Artificial Intelligence Text. / L. van Vliet, I. Yong, A. Beckers // Vol. 7, 1988 PP. 63-73.

19. Verbeek, P. On the Local Error of Curved Edges in Low-Pass Filtered 2D and 3D Images Text. / P. Verbeek, L. van Vliet // IEE Trans. Pattern recognition and Machine Intelligence Vol. 16, № 7, 19941. PP. 726-733.

20. Tikhonov, A.N. Solutions of 111 pose problems Text. / A.N. Tikhonov, V.Y. Arsenin WH Winson - Washington DC, - 1977.

21. Орлов, A.B. Блок фильтрации изображения с применением регуляризации Тихонова Текст. / А.В. Орлов, С.В.Дегтярев // Сборник материалов МНТК «Информационно- измерительные, диагностические и управляющие системы», Курск, 2009, 4.2. С 189-192.

22. Орлов, А.В. Повышение быстродействия фильтрации изображения за счёт использования ПЛИС Текст. / А.В. Орлов, С.В. Дегтярев // «Информационно измерительные и управляющие системы», №7, 2009, С 9093.

23. Хемминг Р.В. Цифровые фильтры Текст. / Хемминг Р.В. М.: Наука, 1990. С 268.

24. N.Otsu. A Threshold Selection Method from Gray-Level Histograms Text. // IEEE Trans. Syst. Man Cybern. Vol. 9, №1. 1979. pp. 62-66.

25. Траер Д, Джейн К. Целевая оценка эффективности методов бинаризации Интернет. / Траер Д, Джейн К. citeseer.nj.nec.com/cache/papers/cs/4013/itp:zSzzSzflp.ifi.uio.nozSzpubzSztrierzS zevalTR.pdf/goal-directed-evaluation-of.pdf, 1995

26. Хемминг Р.В. Цифровые фильтры Текст. / Хемминг Р.В. М.: Наука, 1990.-268 с.

27. C.I.Chang. A Relative Entropy-based Approach to Image Thresholding Text. / C.I.Chang et al. // Pattern Recognition №9, Vol 27, 1994. pp 1275-1289.

28. S.E. El-Khamy. Minimum Entropy-Based Fuzzy Edge Detection Text. / S.E. El-Khamy et al. // IEEE Trans, on Fuzzy Systems. №3, Vol. 9, 2001. pp. 467-479.

29. Wen-Bing Tao. Image segmentation by three-level thresholding based on maximum fuzzy entropy and genetic algorithm / Wen-Bing Tao, Jin-Wen Tian, Jian Liu // Pattern Recognition Letters 24 2003 pp. 3069-3078.

30. Wang, J. Relative Entropy-based Methods for Image Segmentation Text. / J. Wang, Y. Du, C. Chang, P. Thouin // IEEE Int. Symp. Circ. Syst. (ISCAS) 2. -2002,-PP. 265-268.

31. Pal, N. Entropic Thresholding Text. / N. Pal, S. Pal // Signal Processing. -No. 16. 1989, - PP. 97-108.

32. Bieda, R. The Thresholding Technique in Edge Detection Operators for Multichannel Images Text. / R. Bieda // Machine Graphics & Vision. Vol. 13, No. 1/2. - 2004. — PP. 53-63

33. J.F.Canny. A Computational Approach to Edge Detection / J.F.Canny // IEEE Trans. Pattern Recognition and Machine Intelligence. Vol. 8, №6. 1986. pp. 679-698.

34. Лукашенко, Г. Применение волнового алгоритма для нахождения скелета растрового изображения Интернет. / ocrai.narod.ru/vectory.html.

35. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. -М.: Мир, 1976-368 с.

36. Абламейко С. В., Лагуновский Д. М. Обработка изображений: технология, методы, применения. Учебное пособие. Мн.: Амалфея, 2000. -304 с.

37. Катыс, Г.П. Восприятие и анализ оптической информации автоматической системой Текст. / Г.П. Катыс. М.: Машиностроение. -1986.- 415с

38. Левшин, В.Л. Обработка информации в оптических системах пеленгации Текст. / В.Л. Левшин М.: Машиностроение. 1978. - 168с.

39. Никулин, О.Ю. Системы телевизионного наблюдения Текст. / О.Ю. Никулин, А.Н. Петрушин М.: Оберег-РБ. - 1985. - 176с.

40. Патент РФ № 2251735С2, Архипов A.A. и др., Устройство для обработки изображений, опубл. 10.05.2005, заявитель и патентообладатель КурскГТУ, С 6.

41. Патент США №6441848, Tull D.L. Preventing blur caused by motion of the subject in a digital image, 2002

42. Патент РФ № 2337501C2, Дегтярёв C.B. и др, Способ компенсации размытости изображения движущихся объектов и устройство для его реализации, опубл. 10.07.2008, заявитель и патентообладатель КурскГТУ, С 40.

43. Орлов, A.B. Бинаризация изображения на основе критерия максимума и минимума энтропии Текст. / A.B. Орлов // XI международная науч.-техн. конф. «Медико-экологические информационные технологии 2008». Курск: КурскГТУ, 2008. - С 142-144.

44. Zhao, M. A Technique of Three-Level Thresholding Based on Probability Partition an Fuzzy 3-Partition Text. /М. Zhao, A. M. N. Fu, and H. Yan // IEEE Trans, on Fuzzy Systems, vol.9, no.3, June 2001, PP. 469- 479.

45. Cheung K.F. Fuzzy One -Mean Algorithm for Edge Detection Text. / K.F. Cheung, W.K. Chan // IEEE Inter. Conf. on Fuzzy Systems, 1995, PP. 20392044.

46. Kuo, Y.H. A New Fuzzy Edge Detection Method for Image Enhancement Text. / Y.H. Kuo, C.S. Lee, C.C. Liu // IEEE Inter. Conf. on Fuzzy Systems, 1997, PP. 1069-1074.

47. Russo, F. Edge Detection in noisy images using fuzzy Reasoning Text. / F. Russo, 1ЕЕУ Trans. On Instrumentation and Measurement, vol. 47, №5, 1998.

48. Орлов,А.В. Построение контуров объектов на основе нечёткой логики Текст. / А.В. Орлов // XLII всероссийская конференция по проблемам математики, информатики, физики и химии. М: Изд-во РУДН,2006.-С 41.

49. Орлов,А.В. Выделение контуров с использованием нечёткой логики Текст. / А.В. Орлов // X международная науч.-техн. конф. «Медико,-экологические информационные технологии 2007». Курск: КурскГТУ,2007.-С 212-213.

50. Тербер, К. Дж. Архитектура высокопроизводительных вычислительных систем Текс. / К. Дж. Тербер // Пер. с англ. М.: Наука. Главная редакция физико-математической литературы, 1985, С 272.

51. Гома, X. UML. Проектирование систем рельноговремени, параллеьных и распределённых приложений Текст. / X. Гома // Пер. с англ. М.:ДМК Пресс, 2002, С 704.

52. Developing Multithreaded Applications: A Platform Consistent Approach Text. // March 2003, Intel Corporation 2003.

53. Киселёв, А.В. Современные микропроцессоры Текст. / А.В. Киселёв, В.В. Корнеев // М.: Нолидж, 2000, С 320.

54. Орлов, A.B. Устройство выделения контуров объектов на изображении Текст. / A.B. Орлов // VIII международная науч.-техн. конф. «Распознавание 2008».- Курск: КурскГТУ, 2008, 4.2. С 38-39.

55. Орлов, A.B. Быстродействующее устройство выделения контуров объектов Текст. / A.B. Орлов, С.В. Дегтярев, B.C. Панищев // «Информационно измерительные и управляющие системы», №4, 2009, С 8789.

56. Ватутин Э.И. Программная оптимизация оператора Собела с использованием SIMD-расширений процессоров семейства х86 / Ватутин Э.И, Мирошниченко С.Ю., Титов В.С // Телекоммуникации. 2006. №6. С. 1216

57. Якушенков, Ю.Г. Теория и расчет оптико-электронных приборов: учебник для студентов вузов Текст. / Ю.Г. Якушенков. М.: Логос, 1999, С 480.

58. Чэн, Ш.-К. Принципы проектирования систем визуальной информации Текст. / Ш.-К. Чэн //М.: Мир, 1994, С 408.

59. Мошкин, В.И. Техническое зрение роботов Текст. / В.И. Мошкин, A.A. Петров, B.C. Титов, Ю.Г. Якушенков под общ. ред. Ю.Г. Якушенкова // М.: Машиностроение, 1990, С 272.

60. Егорова, С.Д. Оптико-электронное цифровое преобразование изображений Текст. / С.Д. Егорова, В.А. Колесник. М.: Радио и связь, 1991.-208 с.

61. Титов, B.C. Оптико-электронные устройства обработки и распознавания изображений Текст. / B.C. Титов, М.И. Труфанов., Е.А. Макарецкий, А.Я. Паринский. Тула: Изд-во ТулГУ, 2008. - 121 с.

62. ATI Online Manual Электронный ресурс. Part Number 137-40178-104 -http://support.amd.com/us/GPUTechDocs/radeononline.pdf

63. Общие результаты экспертной оценки уровня профессиональной социализированное™ студентов на начало эксперимента указаны в таблице 2.1.11 и размещены на рисунке 2.1.3.