Теория и методология применения секвентного анализа для обработки аэрокосмических изображений тема диссертации и автореферата по ВАК РФ 05.13.17, доктор технических наук Костров, Борис Васильевич

  • Костров, Борис Васильевич
  • доктор технических наукдоктор технических наук
  • 2012, Рязань
  • Специальность ВАК РФ05.13.17
  • Количество страниц 342
Костров, Борис Васильевич. Теория и методология применения секвентного анализа для обработки аэрокосмических изображений: дис. доктор технических наук: 05.13.17 - Теоретические основы информатики. Рязань. 2012. 342 с.

Оглавление диссертации доктор технических наук Костров, Борис Васильевич

ВВЕДЕНИЕ.

1 ОБЩИЕ ПРИНЦИПЫ ФОРМИРОВАНИЯ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ.

1.1 Классификация средств формирования аэрокосмических изображений.

1.2 Формирование цифровых АКИ.

1.3 Радиометрические особенности изображений, создаваемых системами формирования АКИ.

1.4 Фильтрация помех, возникающих в процессе формирования АКИ.

1.5 Проблема оценки качества процесса фильтрации.

1.6 Особенности гармонического и секвентного анализа на примере эффекта ограничения спектров.

Основные результаты первого раздела.

2 ДВУМЕРНАЯ ФИЛЬТРАЦИЯ ПОМЕХ, ВОЗНИКАЮЩИХ В ПРОЦЕССЕ ФОРМИРОВАНИЯ И ПЕРЕДАЧИ АКИ.

2.1 Алгоритм фильтрации изображений с синхронными помехами.

2.2 Модификация алгоритма фильтрации изображений с синхронными помехами.

2.3 Алгоритм устранения групповых помех на АКИ.

2.4 Фильтрация несинхронных периодических помех.

Основные результаты второго раздела.

3 КВАЗИДВУМЕРНАЯ ФИЛЬТРАЦИЯ АКИ.

3.1 Метод квазидвумерной фильтрации.

3.2 Алгоритм фильтрации синхронных помех с постоянной частотой диадного ряда.

3.3 Алгоритм фильтрации синхронных помех с произвольной частотой повторения.

3.4 Алгоритмы фильтрации синхронных помех со случайным изменением яркости.

3.5 Квазидвумерная фильтрация групповых помех.

3.6 Квазидвумерная фильтрация несинхронных помех.

Основные результаты третьего раздела.

4 КОРРЕЛЯЦИОННО-ЭКСТРЕМАЛЬНЫЕ СИСТЕМЫ

СОВМЕЩЕНИЯ АКИ.

4.1 Постановка задачи совмещения АКИ.

4.2 Корреляция временных последовательностей чисел.

4.3 Выделение информативных элементов на текущем и эталонном изображениях. Метод преобразования с прореженными базисными функциями.

4.4 Алгоритмы корреляционного совмещения двух аэрокосмических изображений.

4.5 Иерархические методы поиска глобального экстремума критериальной функции.

4.6 Метод оценивания спектральной плотности секвентного спектра для кластеризации изображений.

Основные результаты четвертого раздела.

5 АПРОБАЦИЯ РАЗРАБОТАННЫХ МЕТОДОВ

И АЛГОРИТМОВ В СИСТЕМАХ, ИСПОЛЬЗУЮЩИХ

АЭРОКОСМИЧЕСКУЮ ИНФОРМАЦИЮ.

5.1 Система построения ландшафтно-картографической основы Регионального центра подготовки наземных данных.

5.2 Система восстановления снимков тепловизионного датчика.

5.3 Программная система определения координат для корреляционно-экстремальной системы навигации летательного аппарата.

5.4 Информационная система предупреждения и прогнозирования развития чрезвычайных ситуаций на техногенных комплексах хранения горюче-смазочных материалов.

Основные результаты пятого раздела.

Рекомендованный список диссертаций по специальности «Теоретические основы информатики», 05.13.17 шифр ВАК

Введение диссертации (часть автореферата) на тему «Теория и методология применения секвентного анализа для обработки аэрокосмических изображений»

Актуальность темы. Обработка аэрокосмических изображений (АКИ) -одно из приоритетных направлений приложения теории обработки изображений, базирующееся в первую очередь на ее общих положениях, однако требующее и конкретизации в виде проблемно ориентированных методов, алгоритмов и информационных технологий. Конечной целью информационных технологий обработки АКИ является получение тематической информации из цифровых данных, формируемых с помощью различных приборов, характеризующихся избирательной чувствительностью в определенных зонах спектра и обладающих различной пространственной разрешающей способностью. Результаты такой обработки находят применение во многих отраслях человеческой деятельности: в сельском хозяйстве, геологических и гидрологических исследованиях, лесоводстве, охране окружающей среды, планировки территорий, в образовательных, разведывательных и военных целях. При этом обработке подвергаются изображения, дополненные другими видеоданными, полученными другими видами съемки, что позволяет получить качественно новые изображения, имеющие свои особенности. На спутниках, атмосферных летательных аппаратах или наземных наблюдательных станциях устанавливаются различные по принципу действия видеодатчики, осуществляющие наблюдение в видимой, инфракрасной и радиолокационной областях спектра. Видеоинформация, полученная таким образом, передается на пункты ее обработки, где она может накапливаться в цифровом виде и может быть зарегистрирована как набор панхроматических фотоматериалов безотносительно к спектральному диапазону их съемки. Именно такие материалы и подвергаются обработке с целью улучшения их геометрических, радиометрических и дешифровочных свойств. Получение цветных или псевдоцветных материалов по результатам мультиспек-тральной съемки представляет собой самостоятельную задачу со своими закономерностями и проблемами.

Как правило, цифровые изображения непосредственно после съемки оказываются непригодными для использования по назначению в соответствующей 5 отрасли, поскольку в процессе их формирования или передачи могут возникать разнообразные искажения, существенно влияющие на качество получаемой видеопродукции. В соответствии с устоявшейся концепцией использования АКИ комплексную их обработку принято проводить в два этапа. На первом этапе производится межотраслевая нормализация изображений, устраняющая присущие им искажения, а на втором выполняется тематическая (целевая) обработка в интересах решения задач конкретной отрасли, региона или органа управления^!]

В настоящее время известно достаточно большое количество методов и алгоритмов межотраслевой нормализации, базирующихся на непосредственной обработке АКИ в пространственной области. В литературе описывается и спектрально-пространственный подход, в традиционном понимании, предполагающий использование преобразование Фурье и, соответственно, унаследовавший методы классического гармонического анализа. Однако следует иметь в виду, что гармонический анализ создавался на основе понятия «синусоидальная функция», подразумевающего временные сигналы. Изображение же по своей природе представляет собой сигнал, изменяющийся в пространстве. Требование инвариантности во времени для гармонического анализа представляется мало реальным при переходе к пространственным сигналам. Кроме того при ближайшем рассмотрении становиться очевидным, что проблемы сходимости ряда Фурье или интеграла Фурье, известного как явление Гиббса, приобретает существенное значение при анализе изображений, для которых характерны скачкообразные изменения значений в пространстве. Таким образом, ряд Фурье сходится всюду, кроме точек, где эта сходимость больше всего необходима [2, 3].

Актуальность настоящей работы обусловлена необходимостью применения спектральных методов цифровой обработки изображений, альтернативных методам классического гармонического анализа и ориентированных на применение в цифровых вычислительных устройствах. Исследование подобных методов закладывает теоретическую и методологическую основу для разработки эффективных алгоритмов обработки видеоинформации.

Большой вклад в решение проблем разработки методов и технологий обработки и анализа изображений внесли работы У. Прэтта, Р. Гонзалеса, Р. П. Ярославского, В. А. Сойфера, В. К. Злобина, В. В. Еремеева, Ю.В. Визильтера [1, 4,5, 6, 7].

Представление секвентного анализа возникли в 60—70-х годах 20-го столетия, как альтернатива гармонического анализа. В основе секвентного анализа лежит понятие секвенты, которая определяется как число изменений знака несинусоидальных функций за единицу времени (или пространства). Типичным представителем несинусоидальных функций являются функции Уолша.

Основоположниками идеи применения методов секвентного анализа являются отечественные и зарубежные ученые Б.И. Голубов, JI.A. Залманзан, A.M. Трахтман, X. Хармут. Дж.Л. Уолш, Н. Ахмед, Р. Брэйсуэлл [2, 3, 8, 9].

Не смотря на их эффективность с точки зрения сокращения объема вычислений и устранения недостатков, связанных с ограничениями присущими преобразованию Фурье и традиционное упоминание в обзорах учебников и диссертаций, унитарные преобразования, основанные на нетригонометрических ортогональных системах базисных функций, в современных разработках фирм-лидеров рынка программных продуктов для ГИС, таких как ESRI и Leica Geo-sisystems, не применяются. Это обусловлено, прежде всего, тем, что в настоящее время отсутствует понимание сущности секвентного анализа и его возможностей в построении эффективных алгоритмов обработки, а успехи классического гармонического анализа в области обработки АКИ весьма скромны.

Целью диссертационной работы является создание теоретической и методологической основы для построения секвентных алгоритмов обработки АКИ, отличающихся простой структурной организацией и малым объемом, затрачиваемых вычислительных операций при реализации их на современных вычислительных средствах.

Основными задачами диссертационной работы являются: 1. Проведение анализа и классификации средств формирования АКИ.

2. Определение математической модели цифрового изображения, отвечающей требованиям применения методов секвентного анализа.

3. Выявление особенностей изображений, создаваемых системами формирования АКИ, для определения областей применения методов секвентного анализа.

4. Определение роли и места методов секвентного анализа в обработке АКИ.

5. Разработка теоретических и методологических основ для построения секвент-ных алгоритмов фильтрации помех, возникающих в процессе формирования АКИ.

6. Разработка теоретических и методологических основ применения методов секвентного анализа для нахождения одноименных сюжетов на АКИ.

7. Исследование возможностей использования методов оценивания секвентного спектра в решении задач тематической обработки АКИ.

8. Апробирование разработанных методов и алгоритмов путем внедрения их для решения вычислительных задач в системах использующих аэрокосмическую информацию.

Научная новизна. Результаты работы создают теоретическую и методологическую базу применения секвентного анализа, позволяющую предложить ряд методов и алгоритмов обработки АКИ, отличающихся простотой структурной организации и малыми затратами вычислительных ресурсов. Решение указанной проблемы имеет важное значение для вычислительной техники, систем управления, радиолокации и других смежных областей.

На защиту выносятся следующие новые результаты:

1. Математическая модель процесса пространственного преобразования изображений в системах формирования АКИ, позволяющая в дополнение к классическим моделям определять не только геометрические параметры и частоту следования отсчетов, но и их пространственную протяженность, зависящую от параметра пространственной переходной характеристики, определяемого простым расчетным выражением, учитывающим любые факторы ухудшения разрешающей способности.

2. Формальные модели описания характерных типов искажений, возникающих в процессе формирования АКИ, позволяющие классифицировать их в виде трех групп и исследовать особенности их секвентных спектров.

3. Результаты исследования секвентных спектров изображений, искаженных в процессе их формирования, и созданные на этой основе новые алгоритмы их фильтрации с учетом особенностей секвентных спектров типовых искажений.

4. Введение термина «вещественно-диадная свертка» (ВДС).

Применение ВДС в отличие от традиционного построения алгоритмов на основе теоремы о свертке, позволяет решать задачи фильтрации и корреляционного анализа в вещественном простанстве на основе методов секвентного анализа.

5. Предложен и теоретически обоснован новый метод квазидвумерных секвентных спектров, основанный на представлении одномерных спектров строк изображений в виде двумерной матрицы и использованный для построения алгоритмов квазидвумерной фильтрации и квазидвумерной корреляции изображений, обладающих в два раза более высоким быстродействием, чем алгоритмы построенные на двумерном спектральном представлении.

6. Предложен и теоретически обоснован новый метод прореживания базисных функций в процессе получения секвентных спектров, который отличается тем, что фильтрация и устранение информационной избыточности изображений проводится на основе удаления из матрицы преобразования отдельных строк в процессе получения секвентных спектров, а не в виде последовательно выполняемых этапов традиционных алгоритмов.

7. Результаты исследования метода оценивания спектральной плотности секвентного спектра, позволяющего проводить кластеризацию фрагментов изображений для их тематической обработки.

Практическая и теоретическая значимость результатов. Теоретическая значимость работы заключается в разработке теоретической и методологической базы применения методов секвентного анализа для создания эффективных алгоритмов обработки аэрокосмических изображений, которые могут представлять общенаучный интерес для решений широкого круга задач в области обработки пространственно-временных и пространственных сигналов.

Практическая значимость работы заключается в реализации методов и алгоритмов фильтрации, корреляционного совмещения и кластеризации изображений в виде модулей, включенных в состав действующих систем, использующих аэрокосмическую информацию.

Диссертация выполнена в Рязанском государственном радиотехническом университете на кафедре электронных вычислительных машин. Теоретические и практические результаты работы были использованы при реализации следующих научно-исследовательских и опытно-конструкторских работ:

- ОКР 15-06 «Разработка алгоритмов и программного обеспечения геометрической и радиометрической корреляции для обработки изображений», шифр «Пиксель -1», составная часть ОКР «Монитор-МИ», выполнен в рамках Государственного контракта № 2005/90 от 05.09.2005 г.;

- НИР 1 -07 «Разработка программного стенда для моделирования системы комплексной обработки радиолокационной и цифровой картографической информации для коррекции навигационных параметров»;

- НИР 7-08Г «Разработка методов и информационных технологий коорди-натно-яркостной и колориметрической обработки спектрозональных изображений от современных космических систем наблюдения Земли», выполнявшейся по единому заказ наряду Министерства образования и науки Российской Федерации;

- ОКР 31-08 «Разработка трехмерной модели особо опасного объекта «Цех №2 ОАО «Рязаньнефтепродукт»;

- НИР 8-09 «Разработка математического обеспечения для реализации корреляционной привязки изображений при комплексной обработке информации от систем технического зрения летательного аппарата;

- НИР 36-09 «Информационная система предупреждения и прогнозирования развития чрезвычайных ситуаций на техногенных комплексах хранения горюче-смазочных материалов», выполняемой по Государственному контракту

П2390 от 18.11.2009 г. в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг., реализация мероприятия №1.2.2. «Проведение научных исследований под руководством кандидатов наук», руководитель проекта Б.В. Костров;

- НИР 4-11Г «Разработка методов и информационных технологий мониторинга потенциально-опасных объектов и ландшафтных образований», выполняемой в соответствии с заданием Министерства образования и науки Российской Федерации;

- ОКР «Валидация -Р», 20 Юг, «Разработка технических предложений по созданию валидационных полигонов лесотехнического и сельскохозяйственного назначения в Рязанской области», в составе временно трудового коллектива, созданного в Научном центре оперативного мониторинга Земли ОАО «Российские космические системы».

Результаты диссертационной работы внедрены: в Научном центре оперативного мониторинга Земли ОАО «Российские космические системы», в Управлении по делам гражднаской обороны и чрезвычайным ситуациям Рязанской области, в ОАО «Муромский завод радиоизмерительных приборов», в ФГУП «Рязанский приборный завод», в ООО «Мещерский научно-технический центр», в ООО «Рязаньприбор».

Теоретические и практические результаты работы используются в учебном процессе Рязанского государственного радиотехнического университета при проведении занятий со студентами направления 010500 «Математическое обеспечение и администрирование информационных систем», направления 230100 «Информатика и вычислительная техника» в курсах «Основы цифровой передачи и кодирования информации», «Основы сетевых технологий», «Основы теории вычислительных систем» и специальности 090102 «Компьютерная безопасность» в курсах «Системы и сети передачи информации» и «Теория информации», а так же в учебном процессе Владимирского государственного университета имени Александра Григорьевича и Николая Григорьевича Столетовых в виде программного комплекса «ИмКор» (Свидетельство о регистрации электронного ресурса ОЭФРНиО № 16977) и учебного пособия «Основы цифровой передачи и кодирования информации».

Соответствие паспорту специальности. Содержание диссертации соответствует п.5 «Разработка и исследование моделей и алгоритмов анализа данных, обнаружения закономерностей в данных и их извлечениях, разработка и исследование методов и алгоритмов анализа текста, устной речи и изображений» и п.7 «Разработка методов распознавания образов, фильтрации, распознавания и синтеза изображений, решающих правил» паспорта специальности 05.13.17 - Теоретические основы информатики.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на:

- 14-й между народней научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций»(Рязань, 2005);

- 3-ей межвузовской научно-технической конференции «Новые технологии в учебном процессе и производстве» (Рязань. 2005);

- Всероссийской заочной электронной конференции «Новые информационные технологии и системы», www.congressinform.ru, 2006;

- Всероссийской научно-технической конференции «Новые информационные технологии в научных исследованиях и в образовании» (Рязань, 2007);

- 5-ой международной научно-технической конференции К.Э. Циолковский - 150 лет со дня рождения. Космонавтика. Радиоэлектроника, Геоинформатика (Рязань, 2007);

- Всероссийской научно-технической конференции «Интеллектуальные информационные системы» - Интеллект - 2007 (Тула, 2007);

- 15-ой международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2008);

- 33-ей всероссийской научно-технической конференции «Сети, системы связи и телекоммуникации» (Рязань, 2008);

- 2-ой всероссийской научно-практической конференции «Радиолокационная техника: устройства, станции, системы» РЛС - 2010, (Муром, 2010);

- 16-ой международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2010).

Публикации. Автором опубликовано 73 научных (в том числе 4 авторских свидетельства СССР) и 20 учебно-методических ( в том числе 5 с грифом УМО) печатных работ, из них 63 работ при подготовке данной диссертации, в том числе 20 статей в журналах рекомендованных ВАК и 12 тезисов докладов на международных и всероссийских научных конференциях, получено свидетельство о регистрации электронного ресурса ОЭФРНиО № 16977 на программный комплекс «ИмКор».

В данной работе представлены результаты научно-исследовательских и опытно-конструкторских работ последних лет с учетом опыта, полученного автором в процессе более чем 40 летней работы по созданию систем обработки аэрокосмических изображений, начиная с первых отечественных систем «Схема» (1972г.) и «Модель» (1976 -1986гг.) [1, 13, 14, 15, 16]

Структура диссертации. Диссертация состоит из введения, пяти глав, заключения, списка использованной литературы из 195 наименований и приложения. Она изложена на 312 страницах основного текста, содержит 24 таблицы и 148 рисунков.

Похожие диссертационные работы по специальности «Теоретические основы информатики», 05.13.17 шифр ВАК

Заключение диссертации по теме «Теоретические основы информатики», Костров, Борис Васильевич

Основные результаты пятого раздела

1. Приведены сведения о следующих системах, в которых апробированы методы и алгоритмы, разработанные в главах 2, 3, 4:

- Система построения ландшафтно-картографической основы Регионального центра подготовки наземных данных, разрабатываемая в рамках ОКР «Регион В - Валидация-НЦ-ОМЗ-Я» по заданию Научного центра оперативного мониторинга Земли ОАО «Российские космические системы»;

- Система восстановления снимков тепловизорного датчика, разработанная в рамках сотрудничества кафедры ЭВМ РГРТУ и Научно-конструкторского центра (НКЦ) видеокомьютерных технологий (ВКТ) ФГУП «Рязанский приборный завод»;

- Программная система определения координат для корреляционно-экстремальной системы навигации, разработанной в рамках НИР 1-07 «Разработка программного стенда для моделирования системы комплексной обработки радиолокационной и цифровой картографической информации для

305

7 ' Карта

Толоплан Google

Масил •I «б так Полный гшп

Рисунок 5.25- Результаты привязки потенциально опасного объекта, расположенного на территории г. Рязани, к электронной карте города

UtottofH

Рисунок 5.26 - Космический снимок объекта «Нефтебаза» а) б)

Рисунок 5.27 - Результат ЗЭ-моделирования потенциально опасного объекта «Нефтебаза», а - ЗЭ-модель въездной группы; б - территория потенциально опасного объекта б)

Рисунок 5.28 - Потенциально опасный объект АЗС. а - космический снимок комплекса; б - результат построения ЗО-Шг панорамы коррекции навигационных параметров» и НИР 8-09 «Разработка математического обеспечения для реализации корреляционной привязки изображений при комплексной обработке информации от систем технического зрения летательного аппарата»;

- Информационная система предупреждения и прогнозирования развития чрезвычайных ситуаций на техногенных комплексах хранения горючесмазочных материалов, разработанная в рамках ОКР 31-08 «Разработка трехмерной модели особо опасного объекта» Цех №2 ОАО «Рязаньнефтепродукт» и в рамках НИР 36-09, выполненной по Государственному контракту №П2390 от 19.11.2009 в рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг., реализация мероприятия №1.2.2 «Проведение научных исследований под руководством кандидатов наук», руководитель проекта Б.В. Костров.

2. Разработанные методы и алгоритмы фильтрации АКИ были использованы как встроенные модули при решении задач, возникающих в Системе построения ландшафтно-картографической основы Регионального центра подготовки наземных данных (п. 6.1) и в Системе восстановления снимков теплови-зорного датчика (п. 6.2). В первом случае применялись алгоритмы, основанные на методе квазидвумерной фильтрации, для устранения структурных и групповых помех (в том числе типа импульсных помех) на снимках со спутника «Ме-теор-М». Во втором случае в основном использовались алгоритмы двумерной фильтрации всех видов помех (в том числе несинхронных), которые оказались более чувствительны к малым уровням помех при их плохой локализации.

3. Экспериментально установлено, что методы секвентного спектрального анализа, позволяет обработать не все изображения сразу, что не всегда возможно (датчик НСУ-100 комплекса КМСС формирует строку из более чем 40 тысяч элементов), а по частям, что допускает эффективное распараллеливание процесса обработки на многопроцессорных системах.

4. Алгоритмы корреляционного совмещения изображений на основе ВДС хорошо зарекомендовали себя при проектировании Системы построения ланд

309 шафтно-картографической основы Регионального центра подготовки наземных данных и при разработке Информационной системы предупреждения и прогнозирования развития чрезвычайных ситуаций на техногенных комплексах хранения горюче-смазочных материалов. Рассмотренна полуавтоматическая технология привязки космических снимков к картографической основе, использу-ющиая корреляционные алгоритмы на основе ВДС с преобразованием с прореженными базисными функциями в квазидвумерном секвентном пространстве.

5. Корреляционные алгоритмы явились основой реализации технологии автоматического определения координат для навигационного комплекса летательного аппарата. Применение алгоритмов на основе ВДС в квазидвумерном секвентном пространстве с применение устранения информационной избыточности в РЛИ методом преобразования с прореживанием базисных функций, позволило снизить время определения координат в КЭСН до 6 секунд, против 9,5 секунд при нахождении корреляционной функции по контурным моментам, при сохранении параметров надежности работы навигационной системы.

ЗАКЛЮЧЕНИЕ

В диссертации решена крупная научно-техническая проблема - разработаны теоретические и методологические основы применения методов секвентно-го анализа для создания эффективных алгоритмов обработки аэрокосмических изображений. Эта проблема имеет важное хозяйственное значение для развития систем обработки АКИ, и, прежде всего, систем, расположенных на борту летательных аппаратов.

1. Проведен анализ и классификация средств формирования АКИ. Построена математическая модель процесса пространственного преобразования изображений в системах формирования АКИ, позволяющая в дополнение к классическим моделям учитывать не только геометрические параметры и частоту следования отсчетов, но и их пространственную протяженность, зависящую от параметра пространственной переходной характеристики, определяемого простым расчетным выражением, учитывающим любые факторы ухудшения разрешающей способности.

2. Определена математическая модель получаемых цифровых изображений, выявлены их особенности, определены области применения методов се-квентного анализа.

3. Разработана теоретическая и методологическая база, позволяющая проникнуть в сущность секвентного анализа, его методов и алгоритмов, которые могут представлять общенаучный интерес для решения широкого круга задач в области обработки пространственных и простаранственно-временных сигналов.

4. Введен термин вещественно-диадной свертки, теоретически и методологически обосновано ее применение в алгоритмах фильтрации и корреляционного совмещения изображений.

5. Предложен и теоретически обоснован метод квазидвумерных секвент-ных спектров.

6. Предложен и теоретически обоснован метод получения секвентных спектров на основе преобразования с прореженными базисными функциями.

7. Исследован метод оценивания спектральной плотности секвентного спектра, позволяющий проводить кластеризацию фрагментов изображений для их тематической обработки.

8. Исследованы искажения изображений, возникающие в процессе их формирования. Созданы формальные модели описания таких искажений, исследованы их секвентные спектры и спектры искаженных изображений.

9. На основе исследований искаженных изображений разработаны алгоритмы их фильтрации в двумерном и квазидвумерном секвентном пространстве.

10. На основе вещественно-диадной свертки предложены и исследованы алгоритмы фильтрации и корреляционного совмещения изображений.

11. С использованием метода получения секвентных спектров на основе преобразования с прореженными базисными функциями предложены и исследованы алгоритмы корреляционного совмещения изображений с устранением информационной избыточности в секвентном спектре.

12. На основе секвентных спектров предложен и исследован алгоритм корреляционного совмещения в квазидвумерном секвентном пространстве.

13. Предложен алгоритм кластеризации фрагментов изображений на основе метода оценивания спектральной плотности секвентного спектра.

14. С использованием вещественно-диадной свертки предложен и исследован алгоритм определения местоположения пространственно-временных сигналов.

15. Проведена апробация разработанных методов и алгоритмов для решения вычислительных задач в системах, использующих аэрокосмическую информацию.

Список литературы диссертационного исследования доктор технических наук Костров, Борис Васильевич, 2012 год

1. Злобин В.К., Еремеев В.В. Обработка аэрокосмических изображений. -М.: ФИЗМАТЛИТ, 2006. 288 с.

2. Залманзон Л.А. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. М.: Наука, 1989. - 496 с.

3. X. Хармут Теория секвентного анализа: основы и применения. М.: Мир, 1980.-574 с.

4. Р. Гонзалес, Р. Вудс Цифровая обработка изображений. -М.: Техносфера, 2006. 1072 с.

5. Прэтт У. Цифровая обработка изображений. В 2-х кн. М.: Мир, 1982. -790 с.

6. Методы компьютерной обработки изображений / под ред. В.А Сойфера. М.: ФИЗМАТЛИТ, 2003. - 784 с.

7. Визильтер Ю.В., Желтов С.Ю., Бондаренко A.B., Ососков М.В., Моржин A.B. Обработка и анализ изображений в задачах машинного зрения: Курс лекций и практических занятий. М.: Физматкнига, 2010. - 672 с.

8. Голубов Б.И., Ефимов A.B., Скворцов В.А. Ряды и преобразования Уолша: Теория и применения. М.: Наука, 1987. - 344 с.

9. Трахтман A.M., Трахтман В.А. Основы теории дискретных сигналов на конечных интервалах. М.: Сов. радио, 1975. - 208 с.

10. Н. Ахмед, K.P. Pao Ортогональные преобразования при обработке цифровых сигналов. М.: Связь, 1980. - 248 с.

11. Брейсуэлл Р. Преобразование Хартли. М.: Мир, 1990. - 175 с.

12. A.c.514283 СССР. Устройство для ввода и вывода полутоновых изображений / Б.В. Костров, Н.В. Кубарев, Е.И. Чернов. Опубл. 1976, Бюл. №18.

13. A.c.758204 СССР. Устройство для ввода и вывода полутоновых изображений / A.A. Ануркин, В.В. Еремеев, В.К. Злобин, Б.В. Костров. Опубл. 23.08.80, Бюл. №31.-6 с.

14. А.с.809984 СССР. Система для цифровой обработки изображений / В.К. Злобин, В.В. Еремеев, Б.В. Костров. Опубл. 05.06.1980, Бюл. №22. -6 с.

15. А.с.926649 СССР. Устройство для ввода и вывода полутоновых изображений / В.К. Злобин, В.В. Еремеев, Б.В. Костров, В.И. Чекин. Опубл. 07.05.82, Бюл. № 17. 8 с.

16. Злобин В.К., Здобнов М.С., Еремеев В.В., Костров Б.В. Система цифровой обработки изображений // Специализированные и комбинированные вычислительные устройства: межвуз. сб. науч. тр. Рязань, 1976. - Вып. 4.

17. Кашкин В.Б., Сухинин А.И. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учеб. пособие. М.: Логос, 2001. -264 с.

18. Кронберг П. Дистанционное изучение Змели. Основы и методы дистанционных исследований в геологии. М.: Мир, 1988. - 356 с.

19. Очин Е.Ф. Вычислительные системы обработки изображений. Л.: Энергоатомиздат, 1989. - 136 с.

20. Цифровая обработка телевизионных и компьютерных изображений / Под ред. Зубарева Ю.Б., Дворковича В.П. М.: МЦНТИ, 1997. - 212 с.

21. М. Petrou, P. Bosdogianni Image Processing: The Fundamentals. UK: John Wiley & Sons, 1999.-354 p.

22. Рудаков П. И., Сафонов И. В. Обработка сигналов и изображений. MATLAB 5.x. М.: Диалог-МИФИ, 2000. - 416 с.

23. М. Seul, L. O'Gorman, M.J. Sammon Practical Algorithms for Image Analysis. Cambridge, UK: Cambridge University Press, 2000. - 302 c.

24. Красильников H.H. Цифровая обработка изображений, M.: Вузовская книга, 2001.-320 с.

25. S.E. Umbaugh Computer Imaging: Digital Image Analysis and Processing. -Boca Raton, FL: CRC Press, 2005. 696 c.

26. Гонзалес P., Вудс P., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. - 616 с.

27. Злобин В.К., Костров Б.В. К вопросу обоснования основных технических характеристик устройств ввода-вывода полутоновых изображений // Проектирование вычислительных машин и систем: межвуз. сб. науч. тр. Рязань, 1984.

28. Костров Б.В. О шумах дискретизации в интерактивных вычислительных системах обработки изображений // Проектирование ЭВМ: межвуз. сб. Рязань, 1992.

29. Костров Б.В. К вопросу построения вычислительных систем обработки и хранения данных о природных объектах // Проектирование ЭВМ: Межвуз. сб. Рязань, 1994.

30. Костров Б.В. Приближенный анализ процесса пространственной дискретизации изображений. Методы и средства дистанционного зондирования Земли и обработки космической информации в интересах народного хозяйства: Всесоюзная конференция, Рязань, 1989, часть 1.

31. Кузнецов А.Е., Побаруев В.И., Горшков Ю.А. Первичная радиометрическая обработка цифровых космических изображений // Вестник Рязанской государственной радиотехнической академии (Вып. 7). Рязань, 2000. -С. 18-22.

32. Злобин В.К., Кочергин A.M. Алгоритмы и технологии предварительной обработки изображений в системах каталогизации данных дистанционного зондирования Земли // Вестник Рязанского государственного радиоуниверситета № 1 (Вып. 23). -Рязань, 2008. С. 3-11.

33. Костров Б.В., Пашенцев Д.Ю. Оценка применения дискретных мультипликативных преобразований в сжатии информации // Информатика и прикладная математика. Межвузовский сборник научных трудов Рязанский госуниверситет. Рязань, 2009. - С.85-88.

34. Василенко Г.И., Тараторин A.M. Восстановление изображений.- М.: Радио и связь, 1986. 304 с.

35. Бейтс Р., Мак-Доннелл М. Восстановление и реконструкция изображений. М.: Мир, 1989. - 336 с.

36. Реконструкция изображений / Под ред. Г. Старка- М.: Мир, 1992. — 636 с.

37. Яблонский C.B. Введение в дискретную математику: Учеб. пособие для вузов / Под ред. В.А. Садовничего. М.: Высш. шк., 2001. - 384 с.

38. Г. Дженкинс, Д. Ватте Спектральный анализ и его приложения. В 2-х т. М.: Мир, 1971, 1972. - 605 с.

39. Введение в цифровую фильтрацию / Под ред. Р. Богнера и А. Константинидиса. М.: Мир, 1976. - 216 с.

40. C.J1. Марпл-мл. Цифровой спектральный анализ и его приложения.-М.: Мир, 1990.-547 с.

41. Дедус Ф.Ф., Махортых С. А., Устинин М.Н., Деду с А.Ф. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и распознавания образов / Под ред. Ф.Ф.Дедуса. М.: Машиностроение, 1999. - 357 с.

42. Кудрявцев JI.Д. Курс математического анализа: Учеб. для студентов университетов и вузов. В 3-х т. Т. 3. М.: Высш. шк., 1989. - 352 с.

43. Асаев A.C., Асаева Т.А., Костров Б.В., Шагимуратов Г.И. К вопросу влияния помех в системах обработки изображений // Информатика и прикладная математика. Межвузовский сборник научных трудов Рязанского госуниверситета. Рязань, 2006. С. 20-24.

44. Зубакин A.M. Явление Гиббса для мультипликативных систем типа Уо-лша и Виленкина Джафарли // Сибирский математический журнал, т. 12, № 1,- 1971.-С. 147-157.

45. J.L. Walsh A closed set of normal orthogonal functions // American Journal of Mathematics, volume 45. Harvard University, 1923. - Pp. 5-24.

46. Артемов Г.В., Костров Б.В. Применение преобразования Карунена-Лоэва для сжатия изображений // Информатика и прикладная математика. Межвузовский сборник научных трудов. Рязанский госуниверситет. Рязань 2009.-С. 17-20.

47. Дж.Э. Сэвидж Сложность вычислений. М.: Факториал Пресс, 1998. — 368 с.

48. Быстрые алгоритмы в цифровой обработке изображений / Под ред. Т.С. Хуанга. М.: Радио и связь, 1984. - 224 с.

49. Р. Блейхут Быстрые алгоритмы цифровой обработки сигналов. М.: Мир, 1989.-448 с.

50. Власенко В.А., ЛаппаЮ.М., Ярославский Л.П. Методы синтеза быстрых алгоритмов свертки и спектрального анализа сигналов. М.: Наука, 1990. -184 с.

51. Крот A.M., Минервина Е.Б. Быстрые алгоритмы и программы цифровой спектральной обработки сигналов и изображений. Минск: Навука i тэхшка, 1995.-407 с.

52. Макклеллан Д.Г., Рейдер Ч.М. Применение теории чисел в цифровой обработке сигналов. М.: Радио и связь, 1983. - 264 с.

53. Виноградов И.М. Основы теории чисел. М.: Гос. издат. тех.-теор. лит., 1952.- 180 с.

54. Хармут X. Применение методов теории информации в физике. М.: Мир, 1989.-344 с.

55. H.F. Harmuth Sequency theory: foundations and applications. NY: Academic Press, 1977. - 505 p.

56. Костров Б.В., Ручкин В.Н. Микропроцессорные системы (учебное пособие для студентов вузов) // Тех.Бук, Москва, 2005.

57. Костров Б.В., Ручкин В.Н. Архитектура микропроцессорных систем (Гриф УМО МГТУ им. Н.Э. Баумана) // ДИАЛОГ-МИФИ, Москва, 2007.

58. Костров Б.В., Ручкин В.Н., Калинкина Т.И. Телекоммуникационные вычислительные сети. Архитектура стандарты и технологии (Гриф УМО МГТУ им. Н.Э. Баумана) // «БХВ-Петербург», СПб, 2010.

59. X. Хармут Передача информации ортогональными функциями. М.: Связь, 1980.-272 с.

60. Никитин Г.И. Применение функций Уолша в сотовых системах связи с кодовым разделением каналов: Учеб. пособие. Спб.: СПбГУАП, 2003. - 86 с.

61. Асаев A.C., Костров Б.В., Костров В.В. Использование спектральных преобразований Уолша для улучшения визуального качества изображений // Радиотехника, 2008. №9. С. 99-102.

62. Асаев A.C., Костров Б.В. Частотная фильтрация изображений в базисе Уолша // Всероссийская заочная электронная конференция «Новые информационные технологии и системы», www.congressinform.ru, 2006.

63. Курош А.Г. Курс высшей алгебры. М.: Наука, 1968. - 431 с.

64. Б.Л. ван дер Варден Алгебра. Определения, теоремы, формулы. СПб.: Лань, 2004. - 624 с.

65. Подласкин Б.Г. Пространственная фильтрация временного шума при реализации преобразования Адамара на фотоприемной матрице // Журнал технической физики, т. 77, вып. 5. 2007. - С. 139-142.

66. Голубов Б.И. Элементы двоичного анализа. М.: ЛКИ, 2007. - 208 с.

67. Проектирование специализированных информационно-вычислительных систем / Под ред. Ю.М. Смирнова. М: Высшая школа, 1984. - 359 с.

68. Райе Дж. Матричные вычисления и математическое обеспечение: Пер с англ., М.: Мир, 1984. 264 с.

69. Грузман И.С., Киричук B.C., Косых В.П., Перетягин Г.И., Спектор A.A. Цифровая обработка изображений в информационых системах: Учеб. пособие. Новосибирск: Изд-во НГТУ, 2002. - 352 с.

70. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007.584 с.

71. Введение в цифровую фильтрацию: Пер. с англ./ Под ред. Л.И. Филиппова. М.: Мир, 1976. -216 с.

72. Обработка изображений и цифровая фильтрация / Под ред. Т. Хуанга. Пер. с англ. М.: Мир, 1979.-318 с.

73. Злобин В.К., Костров Б.В., Асаев A.C., Муратов Е.Р. Спектральные методы обработки изображений // Вестник РГРТУ, вып.21, 2007. С. 3-8.

74. Костров Б.В., Основы цифровой передачи и кодирования информации. Изд. второе (Рецензия МГТУим. Н.Э. Баумана, per. номер МГУП №813 от 28.04.10) // Ряз. гос. радиотехн. университет, Рязань, 2010.

75. Костров Б.В., Саблина В.А. Применение критериев оценки качества восстановленных изображений // Математическое и программное обеспечениевычислительных систем. Межвузовский сборник научных трудов. Горячая линия-Телеком, Москва, 2009. С. 140-145.

76. Z. Wang, A.C. Bovik A Universal Image Quality Index // IEEE Signal Processing Letters, vol. 9, no. 3. 2002. - P. 81-84.

77. Саутов Е.Ю. Разработка и реализация в среде MATLAB алгоритма оценки качества цифровых изображений // Проектирование научных и инженерных приложений в среде MATLAB. Тр. 3-й всеросс. науч. конф. СПб., 2007.-С. 1473-1483.

78. Приоров A.JL, Саутов Е.Ю., Хрящев В.В. Неэталонная оценка качества JPEG изображений // Цифровая обработка сигналов № 3. 2007. - С. 15-19.

79. Арляпов С.А., Приоров A.JL, Хрящев В.В. Модифицированный критерий оценки качества изображений // Цифровая обработка сигналов №2. -2006.-С. 27-33.

80. Абдуллоев A.A., Саутов Е.Ю. К вопросу об оценке качества восстановленных изображений // Актуальные проблемы физики: сб. науч. тр. молодых ученых, аспирантов и студентов (Вып. 6). Ярославль, 2007. - С. 7-14.

81. Саутов Е.Ю. Применение универсального индекса качества в задачах улучшения и восстановления цифровых изображений // Информационные средства и технологии. Тр. 15-й междунар. науч.-тех. конф. М., 2007. - С. 142-145.

82. Квитек Е.В. Фильтрация измерительных сигналов, представимых в базисе функций Уолша // Вестник Оренбургского государственного университета № 3. Оренбург, 2001. - С. 80-85.

83. Костров Б.В., ПашенцевД.Ю., СаблинаВ.А. К вопросу выбора способа упорядочивания функций Уолша при использовании его в целях обработки изображений // Материалы Всероссийской научно-технической конференции

84. Интеллектуальные и информационные системы» Интеллект 2007 Тула, 2007.-С. 71-74.

85. Вентцель Е.С., Овчаров JI.A. Теория вероятностей и ее инженерные приложения: Учеб. пособие для втузов. М.: Высш. шк., 2000. - 480 с.

86. Ивченко Г.И., Медведев Ю.И. Математическая статистика. М.: Высш. шк., 1992.-304 с.

87. Костров Б.В., СаблинаВ.А., Свирина А.Г. Изучение секвентных спектров синхронных помех // Методы и средства обработки и хранения информации межвуз. сб. науч. тр. Рязань: РГРТУ, 2010. С. 7-12.

88. Костров Б.В., Саблина В.А. Адаптивная фильтрация изображений со структурными искажениями // Цифровая обработка сигналов, 2008. №4. С. 4953.

89. Брянцев A.A. Комбинированная фильтрация изображений, полученных с помощью радаров с синтезированной апертурой // Вестник Рязанского государственного радиоуниверситета (Вып. 21). Рязань, 2007. - С. 16-19.

90. Дьяконов В., Абраменкова И. MATLAB. Обработка сигналов и изображений. Специальный справочник. СПб.: Питер, 2002. - 608 с.

91. Злобин В.К., Костров Б.В., Саблина В.А. Алгоритм секвентной фильтрации групповых помех на изображении // Вестник РГРТУ, №4 вып.30, 2009. С. 3-7.

92. Асаев A.C., Костров Б.В., Муратов Е.Р. Фильтрация периодических помех на изображении // 14-я международная научно-техническая конференция «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций», Рязань 2005. С. 205-206.

93. Асаев A.C., Костров Б.В., Муратов Е.Р. Метод фильтрации периодических помех на изображении // Информатика и прикладная математика. Межвузовский сборник научных трудов Рязанского государственного педагогического университета. Рязань, 2005. С. 36-39.

94. Костров Б.В., Саблина В.А., Костров В.В. Алгоритм восстановления изображений с периодическими низкочастотными искажениями // Радиотехника,2009. №11. -С. 92-95.

95. Костров Б.В., Некрасова О.С., Свирина А.Г. Метод квазидвумерной фильтрации групповых помех // Методы и средства обработки и хранения информации межвуз. сб. науч. тр. Рязань: РГРТУ,2010. С. 144-147.

96. Костров Б.В., Саблина В.А., Колесенков А.Н. Применение вещественно-диадной свертки для идентиикации аэрокосмических изображений // В мире научных открытий, 2011, №1. -С. 122-128.

97. Алпатов Б.А., Бабаян П.В., Балашов O.E., Степашкин А.И. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление. -М.: Радиотехника, 2008. 176 с.

98. Костров Б.В., Конкин Ю.В. Технология совмещения радиолокационных изображений местности // Проектирование и технология электронных средств 2007. №1,-С. 32- 38.

99. Костров Б.В., Конкин Ю.В. Алгоритмическое обеспечение системы автономной коррекции погрешностей навигационной системы маневренных летательных аппаратов // Цифровая обработка сигналов, 2007. №3. С. 41-49.

100. Гасилов B.JI., Костоусов В.Б. Задача идентификации параметров движения объекта на основе обработки изображения внешнего информационного поля // Известия РАН. Серия «Техническая кибернетика». 1994. № 3. С.78-86.

101. Андросов В.А., Бойко Ю.В., Бочкарев A.M., Однорог А.П. Совмещение изображений в условиях неопределенности // Зарубежная радиоэлектроника. 1987. №2. С. 54-70.

102. Костров Б.В., Чуринов М.А. К выбору отношения сигнала к шуму на входе коррелятора // Труды РРТИ. Вычислительная техника. Рязань, 1974. -Вып. 59.

103. Фролов B.C. Инерциальные системы навигации. М.: Воениздат, 1981. -126 с.

104. Красовский А.А, Белоглазов И.Н., Чигин Г.П. Теория корреляционно-экстремальных навигационных систем. М.: Наука, 1979. - 640 с.

105. Белоглазов H.H., Тарасенко В.П. Корреляционно-экстремальные системы. М.: Сов. радио, 1974. - 347 с.

106. Глумов Н.И. Построение и применение моментных инвариантов для обработки изображений // Компьютерная оптика. 1995. Вып. 14-15. 4.1. С. 4654.

107. M.K.Hu. Visual pattern recognition by moments invariants //IT.V.8.(1968). -P. 123-130.

108. Wong R.Y., Hall E.L. Scene matching with invariant moments.- Computer Graphics and Image Processing, 1978, V.8, №1. P. 16-24.

109. Костров Б.В., Конкин Ю.В. Метод совмещения радиолокационных изображений местности Вестник РГРТУ, вып.22, 2007. С. 35-38.

110. Баклицкий В.К., Юрьев А.Н. Корреляционно-экстремальные методы навигации. М.: Радио и связь, 1982. - 256 с.

111. Костров Б.В. Корреляционно-экстремальный метод обнаружения цифровых сигналов // Цифровая обработка сигналов, 2011. №2. С. 46-51.

112. А. Оппенгейм, Р. Шафер Цифровая обработка сигналов. М.: Техносфера, 2006. - 856 с.

113. Гольденберг JI.M., Матюшкин Б.Д., Поляк М.Н. Цифровая обработка сигналов: Справочник. М.: Радио и связь, 1985. - 312 с.

114. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии: введение в цифровую оптику. М.: Радио и связь, 1987. - 296 с.

115. Д. Даджион, Р. Мерсеро Цифровая обработка многомерных сигналов. -М.: Мир, 1988.-488 с.

116. S.W. Smith The Scientist and Engineer's Guide to Digital Signal Processing. San Diego: California Technical Publishing, 1999. - 650 p.

117. Бакулев П.А. Радиолокационные системы: Учебник для вузов. М.: Радиотехника, 2004. 320 с.

118. Баклицкий В.К. и др. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации / В.К. Баклицкий, A.M. Бочкарев, М.П. Мусьяков; Под ред. В.К. Баклицкого. М.: Радио и связь, 1986. - 216 с.

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

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

121. Бакут П.А., Колмогоров Г.С. Сегментация изображений: методы выделения границ областей // Зарубежная радиоэлектроника. 1987. № 10. С. 25-46.

122. Бакут П.А., Колмогоров Г.С. Сегментация изображений: методы пороговой обработки // Зарубежная радиоэлектроника. 1987. № 10. С. 6-26.

123. Информационные технологии в радиотехнических системах: Учеб. пособие. / В.А. Васин, И.Б. Власов, Ю.М. Егоров и др.; Под ред. И.Б. Федорова. М.: МГТУ им. Н.Э. Баумана, 2004. 768 с.

124. Новиков А.И., Конкин Ю.В., Федорович Я.А. Применение градиентных методов в задачах обработки радиолокационной информации // Математические методы в научных исследованиях: Межвуз. сб. / Рязан. гос. радиотехн. акад. Рязань, 2006. С. 55-63.

125. Колесенков А.Н., Костров Б.В. Метод прореживания базисных функций в корреляционно-экстремальных алгоритмах // Вопросы радиоэлектроники. Сер.ОТ, 2010, вып.1.-С. 176-184.

126. Колесенков А.Н., Костров Б.В. Исследование влияния поворота изображений на их взаимную корреляционную функцию // Методы и средства обработки и хранения информации. Межвуз. сб. науч. тр. Рязань: РГРТУ,2010. С. 117-123.

127. Елесина С.И., Логинов A.A., Костров Б.В. Поисковые методы в корреляционно- экстремальных навигационных системах // Программные информационные системы. Межвузовский сборник научных трудов. РГРТУ, Рязань, 2010. -С. 85-90

128. Бабаев С.И., Елесина С.И., Костров Б.В. Сравнение модифицированного поискового и генетического алгоритмов нахождения глобального экстремума в системах навигации // Вопросы радиоэлектроники. Сер.ОТ, 2010, вып.1. -С. 145-152.

129. Колесенков А.Н., Костров Б.В., Поспехова О.И. Применение генетического алгоритма поиска взаимно корреляционной функции изображений // Методы и средства обработки и хранения информации: межвуз. сб. науч. тр. Рязань: РГРТУ, 2011.-С 148-153.

130. Костров Б.В., СаблинаВ.А. О выделении текстурных признаков аэрокосмических изображений в секвентной области // Методы и средства обработки и хранения информации: межвуз. сб. науч. тр. Рязань: РГРТУ,2010. С. 1217.

131. Логинов Д.Н., Костров Б.В. Построение и оценка спектров монохромных изображений в базисе Уолша // Математическое и программное обеспечение вычислительных систем. Межвузовский сборник научных трудов. М: Горячая линия-Телеком, 2008. - С. 60-64.

132. Костров Б.В., Ручкин ВН., Нгуен Куанг Тхыонг Нейропроцессорная обработка информации // Наукоемкие технологии, №1, 2008, т.9. С. 31-36.

133. Костров Б.В., Ручкин В.Н., Нгуен Куанг Тхыонг Возможности фрактального анализа изображений // Наукоемкие технологии, №1, 2008, т.9. С. 36-40.

134. Анисимов Б.В., Курганов В.Д., ЗлобинВ.К. Распознавание и цифровая обработка изображений: Учеб. пособие для студентов вузов. М.: Высш. шк., 1983.-295 с.

135. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. -511 с.

136. Злобин В.К., Костров Б.В., Саблина В.А. К проблеме классификации текстур по секвентным признакам методом дискриминантного анализа // Методы и средства обработки и хранения информации: межвуз. сб. науч. тр. Рязань: РГРТУ, 2011.-С. 4-9.

137. Сергиенко А.Б. Цифровая обработка сигналов. СПб.: Питер, 2002.608 с.

138. Саблина В.А. Оценка выигрыша в объеме вычислений при переходе от быстрого преобразования Фурье к быстрому преобразованию Уолша // Информатика и математика. Межвуз. сб. науч. тр. Рязань: Рязан. госуд. универ., 2009.-С. 106-114.

139. Потемкин В.Г. Вычисления в среде MATLAB. М: Диалог-МИФИ, 2004. - 720 с.

140. Костров Б.В., Гончаров М.О., Саблина В.А. Получение секвентных спектров в MATLAB // Методы и средства обработки и хранения информации межвуз. сб. науч. тр. Рязань: РГРТУ. - 2011. - С.65-67.

141. Ануфриев И.Е., Смирнов А.Б., Смирнова E.H. MATLAB 7. Спб.: БХВ-Петербург, 2005. - 1104 с.

142. W.L. Martinez, A.R. Martinez Exploratory Data Analysis with MATLAB. -Boca Raton, FL: CRC Press, 2005. 405 p.

143. F. Gustafsonand, N.Bergman MATLAB for Engineers Explained. NY: Springer-Verlag, 2003. - 218 p.

144. C.F. Van Loan Introduction to Scientific Computing: A Matrix-Vector Approach Using MATLAB Upper Saddle River, NJ: Prentice Hall, 1999. - 367 p.

145. Морозов В.П. Курс сфероидической геодезии. М.:Недра, 1969. - 304 с.

146. Бабаев С.И., Костров Б.В., Логинов A.A. Совмещение радиолокационной и телевизионной (тепловизионной) информации // Тез. докладов 2-ой. Все-рос. НПК «Радиолокационная техника: устройства станции, системы (РЛС-2010)». Муром2010. С.41-42.

147. Бабаев С.И., Костров Б.В., Логинов A.A. Совмещение радиолокационной и телевизионной (тепловизионной) информации // Вопросы радиоэлектроники. Сер.РЛТ, 2011, вып. 1. — С. 73-81.

148. Харин Е.Г. Комплексная обработка информации навигационных систем летательных аппаратов. Опыт многолетнего практического применения. Учебное пособие. М.: Изд-во МАИ, 2002. - 264 с.

149. Андреев Г.А. Потапов A.A. Формирование радиолокационных изображений на СМВ и ММВ // Зарубежная радиоэлектроника. 1989. № 6. С. 3-33.

150. Андреев Г.А., Потапов А.А Активные системы ориентации по геофизическим полям // Зарубежная радиоэлектроника. 1988. № 9. С. 62-85.

151. Бочкарев A.M. Корреляционно-экстремальные системы навигации // Зарубежная радиоэлектроника. 1981. № 9. С. 28-53.

152. Андреев Г.А., Потапов A.A. Алгоритмы обработки навигационной пространственно-временной информации. Часть I // Зарубежная радиоэлектроника. 1989. №3,-С. 3-18.

153. Андреев Г.А., Потапов A.A. Алгоритмы обработки навигационной пространственно-временной информации. Часть II // Зарубежная радиоэлектроника. 1989. №4. -С. 3-21.

154. Хохлачев В.В., Антоненко В.Н. Отражающие свойства поверхностей суши СВЧ (Справочник). Запорожский Машиностроительный Институт им. В .Я. Чубаря. Запорожье, 1986.

155. Б. Страу струп Язык программирования С++.- М.: Бином, СПб.: Невский диалект, 2004. 1104 с.

156. Б. Страуструп Дизайн и эволюция С++. М.: ДМК пресс, СПб.: Питер, 2006. - 448 с.

157. М. Эллис, Б. Страуструп Справочное руководство по языку программирования С++ с комментариями. М.: Мир, 1992. - 445 с.

158. Дж. Рихтер Windows для профессионалов: создание эффективных Win32-npmKmeHHfî с учетом специфики 64-разрядной версии Windows. Спб.: Питер; - М.: Русская Редакция, 2003. - 752 с.

159. Г. Буч Объектно-ориентированный анализ и проектирование с примерами приложений на С++, 2-е издание. Спб.: "Невский диалект", 1998. 734 с.

160. Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы: Учеб. пособие. М.: Наука, 1987. - 600 с.

161. Обработка изображений в геоинформационных системах: Учебное пособие / В.К. Злобин, В.В. Еремеев, А.Е. Кузнецов. Рязан. гос. радиотехн. университет. Рязань, 2006. - 264 с.

162. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998. - 288 с.

163. Королев Ю.К. Общая геоинформатика. М.: Дата+, 1998. - 118 с.

164. Злобин В.К., Костров Б.В., Троицкий Е.Б. Разработка региональной геоинформационной системы // Методы и средства обработки и хранения информации межвуз. сб. науч. тр. Рязань: РГРТУ,2010. С. 4-7.

165. Соловьев М.А. Математическая картография. М.: Недра, 1969. - 287 с.330

166. Кадыков В.В., Костров Б.В. Манипулирование 3D объектами в MICROSOFTXNA // Методы и средства обработки и хранения информации межвуз. сб. науч. тр. Рязань: РГРТУ,2010. С. 41-44.

167. Костров Б.В., Колесенков А.Н. «ИмКор программный комплекс исследования построения взаимно корреляционной функции изображений» // Свидетельство о регистрации электронного ресурса ОЭФРНиО № 16977 на программный комплекс «ИмКор» от 07.04.2011.

168. Волосов Д.С. Фотографиеская оптика-М.: Искусство, 1971. 630 с.

169. Злобин В.К., Колесенков А.Н., Костров Б.В. Корреляционно-экстремальные методы совмещения аэрокосмических изображений // Вестник Рязанского государственного радиоуниверситета № 3 (Вып. 37). Рязань, 2011.-С. 12-17.

170. Злобин В.К., Костров Б.В., Саблина В.А. Место и роль методов секве-Корреляционно-экстремальные методы совмещения аэрокосмнализа в обработке аэрокосмических изображений // Радиотехника, 2012. №3. С. 64-71.

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.