Помощь в написании студенческих работ
Антистрессовый сервис

Быстродействующее оптико-электронное устройство распознавания изображений объектов на основе трехмерных векторных эталонов

Диссертация: Быстродействующее оптико-электронное устройство распознавания изображений объектов на основе трехмерных векторных эталонов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Проведенные экспериментальные исследования оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов позволили провести сравнительный анализ с методом, основанным на ВКФ, подтверждающий преимущества разработанного высокоточного оптико-электронного устройства. Подтверждено высокое быстродействие и достоверность распознавания разработанного… Читать ещё >

Быстродействующее оптико-электронное устройство распознавания изображений объектов на основе трехмерных векторных эталонов (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. АНАЛИЗ МЕТОДОВ И УСТРОЙСТВ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ
    • 1. 1. Методы, основанные на анализе контура объекта
    • 1. 2. Нейросетевые методы
    • 1. 3. Методы, основанные на сравнении с эталоном
    • 1. 4. Методы распознавания сложных стерео- и мультиизображений в реальном времени
    • 1. 5. Оптико-электронные устройства для распознавания изображений объектов
  • ГЛАВА 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ С ИСПОЛЬЗОВАНИЕМ ТРЕХМЕРНЫХ ВЕКТОРНЫХ ЭТАЛОНОВ
    • 2. 1. Математическая модель ввода изображения распознаваемого объекта
      • 2. 1. 1. Функция определения габаритного контейнера
      • 2. 1. 2. Функция масштабирования изображения
      • 2. 1. 3. Функция кодирования изображения
    • 2. 2. Математическая модель представления эталонов MDL
      • 2. 2. 1. Функция выбора эталонов
      • 2. 2. 2. Функция получения изображения проекции эталона
    • 2. 3. Функция определения весовых коэффициентов
    • 2. 4. Функция определения входных данньгс
    • 2. 5. Математическая модель распознавания на основе весовых коэффициентов и входных данных
    • 2. 6. Обобщенный алгоритм работы оптико-электронного устройства распознавания изображений объекта
  • ГЛАВА 3. АНАЛИЗ ХАРАКТЕРИСТИК И СИНТЕЗ БЫСТРОДЕЙСТВУЮЩЕГО ОПТИКО-ЭЛЕКТРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ НА ОСНОВЕ ТРЕХМЕРНЫХ ВЕКТОРНЫХ ЭТАЛОНОВ
    • 3. 1. Достоверность распознавания объектов
    • 3. 2. Синтез метода и алгоритмов распознавания
      • 3. 2. 1. Алгоритмы формирования эталонов
      • 3. 2. 2. Алгоритмы формирования предварительных признаков
      • 3. 2. 3. Синтез алгоритма распознавания изображений
    • 3. 3. Синтез быстродействующего оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов
      • 3. 3. 1. Структурно-функциональная схема и описание принципов работы
      • 3. 3. 2. Повышение быстродействия устройства оптико-электронного устройства распознавания изображений объектов
      • 3. 3. 3. Анализ быстродействия оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов
    • 3. 4. Инженерная методика определения параметров устройства и количества параллельных модулей идентификации объекта
  • ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ВЫСОКОТОЧНОГО ОПТИКО-ЭЛЕКТРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ НА ОСНОВЕ ТРЕХМЕРНЫХ ВЕКТОРНЫХ ЭТАЛОНОВ
    • 4. 1. Аппаратногпрограммный комплекс для проведения испытаний высокоточного оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов
    • 4. 2. Методика проведения экспериментальных исследований
    • 4. 3. Экспериментальное определение основных характеристик быстродействующего оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов
      • 4. 3. 1. Оценка достоверности
      • 4. 3. 2. Оценка быстродействия
      • 4. 3. 3. Расчет количества параллельных модулей иденти-фикации
      • 4. 3. 4. Оценка дополнительных характеристик

Актуальность работы. Ускорение темпов производства на основе автоматизации и роботизации технологических процессов является одним из приоритетных направлений развития приборостроения и вычислительной техники в настоящее время. Оптико-электронные устройства (ОЭУ), являющиеся неотъемлемым элементом систем управления, находят все большее применение в различных областях деятельности человека, начиная от производства и заканчивая процессом обработки данных. Основной функцией оптико-электронных устройств является распознавание объектов и измерение их параметров. Для большинства прикладных задач на практике имеется необходимость анализа и распознавания трехмерных объектов, в связи с чем, распознавание изображений объектов приобретает еще большую актуальность.

Решение задачи распознавания характеризуется рядом сложностей, связанных с положением объекта в пространстве. В связи с этим целесообразно применение методов, позволяющих производить распознавание объектов инвариантно к положению и ориентации в пространстве, а также обладающих высокой скоростью обработки данных.

Существует множество методов распознавания произвольно расположенных объектов, однако большинство из них имеет существенные ограничения. Так, например, существуют сложности в решении задачи идентификации объектов, отличающихся визуально незначительно и имеющих схожие ракурсы. Кроме того имеется зависимость достоверности распознавания от положения объекта в пространстве, что для произвольно расположенного объекта может приводить к его ошибочному распознаванию.

Оптико-электронные устройства, предназначенные для распознавания трехмерных объектов, как правило, основаны на анализе двух и более изображений объекта в различных ракурсах. Недостатками подобных устройств являются следующие: сложность аппаратуры, необходимость точной калибровки ОЭУ, значительная вычислительная сложность, которая может приводить к длительному времени распознавания.

Наряду с этим известны методы распознавания трехмерных объектов, основанные на анализе единственного изображения объекта. Подобные методы требуют значительных вычислительных ресурсов для реализации, большого объема памяти для хранения проекций эталонного объекта в различных ракурсах. Кроме того пространство используемых признаков зачастую не позволяет рационально сформировать базу эталонов, что приводит к существенным затратам памяти и длительному процессу поиска, отрицательно сказывающимся на быстродействии ОЭУ. Большинство существующих методов имеют узкий спектр применения, связанный с ограничениями, накладываемыми при реализации, такими, как аппаратная база, масса, габариты устройства и временные показатели скорости обработки данных.

Таким образом, существует объективная необходимость создания новых методов распознавания и ОЭУ, позволяющих решить задачу распознавания трехмерного объекта, снизить вычислительную сложность, повысить достоверность распознавания и скорость обработки данных.

В этой связи актуальной научно-технической задачей является разработка метода и устройств распознавания объектов, позволяющих повысить достоверность распознавания и обеспечить быстродействие ОЭУ.

Перспективным подходом к решению этих задач является применение трехмерных векторных изображений в качестве эталонов, позволяющих в сочетании с дополнительными признаками предварительного анализа повысить достоверность и увеличить скорость распознавания за счет инвариантности к положению объекта в пространстве и сокращения затрат времени за счет использования параллельных вычислений.

Диссертационная работа выполнена в рамках фундаментальных исследований с госбюджетным финансированием, которые велись и ведутся в Курском государственном техническом университете (госбюджетная НИР:

1.1.05 «Исследование теоретических основ, методов и алгоритмов повышения качества обработки изображений в системе технического зрения» (№ гос. регистрации 1 200 508 819, 2005 г.).

Цель работы: разработка метода распознавания изображений объектов, основанного на использовании трехмерных векторных эталонов и быстродействующего оптико-электронного устройства, характеризующегося повышенной достоверностью и инвариантностью к аффинным преобразованиям объекта.

Задачи исследования, решаемые в работе:

1. Сравнительный анализ существующих методов и устройств распознавания изображений и обоснование необходимости создания комбинированных методов с повышенной достоверностью и быстродействующих устройств распознавания объектов.

2. Разработка математической модели распознавания изображений объектов на основе трехмерных векторных эталонов.

3. Создание метода инвариантного к аффинным преобразованиям в пространстве и алгоритмов распознавания изображений объектов, содержащих блоки, которые допускают аппаратную-ориентацию.

4. Разработка структурно-функциональной схемы и быстродействующего оптико-электронного устройства распознавания изображений трехмерных объектов.

Новыми научными результатами, выносимыми на защиту, являются:

1. Математическая модель распознавания объекта на основе трехмерных векторных эталонов, обеспечивающая инвариантность к положению объекта в пространстве и отличающаяся применением специализированной структуры данных описания эталонов.

2. Алгоритмы распознавания объектов и формирования трехмерных векторных эталонов, обеспечивающие уменьшение емкости памяти, необходимой для хранения эталонов, и возможность применение конвейерной обработки данных.

3. Метод распознавания изображений трехмерных объектов, обеспечивающей возможность реализации, как на программном, так и на аппаратном уровне, и позволяющий сохранить высокую достоверность распознавания при высокой скорости обработки данных за счет использования трехмерных векторных эталонов.

4. Структурно-функциональная схема оптико-электронного устройства распознавания объектов с конвейерной обработкой данных, особенностью которой является разработка и введение специализированных вычислительных устройств, реализующих параллельную, конвейерную обработку данных и обеспечивающих повышение быстродействия оптико-электронного устройства.

Объект исследования — оптико-электронные устройства распознавания изображений трехмерных объектов.

Предмет исследования — методы, алгоритмы и оптико-электронные устройства обработки и распознавания изображений.

Методы исследования. В работе использованы методы цифровой обработки сигналов и изображений, математического моделирования, распознавания изображений объектов и анализа дискретных изображений, методы проектирования устройств ЭВМ.

Практическая ценность работы состоит в том, что ее результаты являются основой для разработки широкого класса оптико-электронных устройств распознавания трехмерных объектов по единственному изображению. Применение подобных устройств возможно в следующих системах: системах контроля качества продукции, автоматизированных манипуляторах, робототехнике, системах наведения.

Разработанный метод распознавания характеризуется гибкостью и возможностью реализации, как на программном, так и на аппаратном уровне, что обеспечивает широкий спектр областей использования. Особенностью метода является наличие ряда параметров, обеспечивающих баланс достоверности распознавания, производительности и аппаратных затрат в зависимости от условий применения.

Результаты диссертационной работы внедрены на предприятиях ООО «СМИ-Линк г. Курск», ОГУ СМЭП Курской области и используются в учебном процессе Курского государственного технического университета по учебным дисциплинам «Структурно-топологическое проектирование ЭВМ», «Основы теории распознавания образов».

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на Международных и Российских конференциях: Всероссийская конференция по проблемам информатики, физики и химии (г. Москва РУДН 2005) — Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание 2005» (г. Курск, Курский государственный технический университет 2005 г.) — «Молодежь и XXI век: 2005, 2006, 2007» (г. Курск, Курский государственный технический университет 2005, 2006, 2007 гг.).

Публикации. Основные результаты выполненных исследований и разработок опубликованы в 14 печатных работах, в том числе в 7 статьях. Среди них: 3 статьи, опубликованные в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендуемых ВАК, а также 3 патента Российской Федерации.

Личный вклад автора. В работах, опубликованных в соавторстве, лично соискателем предложены: в [48] - метод распознавания изображений объектов с использованием трехмерных векторных эталонов и программа для его реализациив [2] - метод распознавания символьной информации автомобильного бортового компьютерав [3] - способ калибровки системы технического зрения распознавания номеров игровой рулеткив [85,67,6,87] -устройство для инвариантного к аффинным преобразованиям распознавания изображений на основе трехмерных векторных эталоновв [1] - способ распознавания одно — двухзначных чиселв [68] - использование трехмерных эталонов в задаче распознаванияв [85] - программа распознавания образов, использующая векторные эталонные изображения.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 87 наименований, изложена на 138 страницах и поясняется 36 рисунками и 16 таблицами.

126 Выводы.

1. Разработаны аппаратно-программный комплекс и методика проведения экспериментальных исследований для определения основных характеристик и параметров оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов. Проведен эксперимент, позволяющий оценить быстродействие устройства и достоверность распознавания объектов.

2. В результате выполнения экспериментальных исследований подтверждена адекватность разработанной математической модели оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов.

3. Проведенные экспериментальные исследования оптико-электронного устройства распознавания изображений объектов на основе трехмерных векторных эталонов позволили провести сравнительный анализ с методом, основанным на ВКФ, подтверждающий преимущества разработанного высокоточного оптико-электронного устройства. Подтверждено высокое быстродействие и достоверность распознавания разработанного оптико-электронного устройства. Сравнительный анализ быстродействия разработанного оптико-электронного устройства показал, что оно обладает более достоверностью (достоверность повышена на 3,3%) и высоким быстродействием (в 3,5 раза без применения параллелизма и в 5,9 при использовании параллельных модулей идентификации), чем существующие аналоги.

ЗАКЛЮЧЕНИЕ

.

При решении поставленной в диссертационной работе задачи были получены следующие результаты.

1. Основываясь на анализе существующих методов и устройств распознавания изображений объектов, создана математическая модель распознавания изображений объектов на основе трехмерных векторных эталонов, позволяющая повысить быстродействие и достоверность распознавания трехмерных объектов за счет введения частных математических моделей хранения данных и выбора эталона.

2. Разработан метод распознавания изображений трехмерных объектов, обеспечивающей возможность реализации, как на программном, так и на аппаратном уровне, и позволяющий сохранить высокую достоверность распознавания при высокой скорости обработки данных.

3. Разработаны алгоритмы, описывающие процесс распознавания объектов и формирования трехмерных векторных эталонов, позволяющие уменьшить емкость памяти, необходимой для хранения эталонов, и применять конвейеризацию и параллелизм, а также выполнять ряд операций на специально разработанных вычислительных модулях, что существенно увеличивает скорость обработки данных.

4. Разработана структурно-функциональная схема быстродействующего оптико-электронного устройства распознавания объектов с применением принципов параллелизма и конвейерной обработки данных, особенностью которой является разработка и введение специализированных вычислительных устройств, реализующих параллельную, конвейерную обработку данных и специализированную адресацию, обеспечивающее высокую достоверность распознавания и скорость работы ОЭУ.

5. В процессе экспериментальных исследований подтверждена адекватность разработанной математической модели быстродействующего оптико-электронного устройства на основе трехмерных векторных эталонов, что позволяет использовать математическую модель для теоретических исследований влияния параметров разработанного устройства на скорость и достоверность распознавания. Сравнительный анализ разработанного оптико-электронного устройства показал, что оно обладает более высокой достоверностью (достоверность повышена на 3,3%) и быстродействием (в 3,5 раза без применения параллелизма и в 5,9 при использовании параллельных модулей идентификации), чем существующие аналоги.

Показать весь текст

Список литературы

  1. B.C. Панищев. № 2 007 148 769/09- заявл. 25.12.2007- опубл. бюл. № 24 27.08.2009, 2009 г.
  2. , С.И. Метод распознавания символьной информации автомобильного бортового компьютера Текст./ С. И. Коростелев,
  3. C.В.Дегтярев, М. И. Труфанов, А. В. Медведев // Датчики и системы. № 5. 2008.-С. 5−7.
  4. , А.В. Автоматическое распознавание контуров зданий на картографических изображениях Текст. / А. В. Чернов, Н.В. Чупшев// Компьютерная оптика: Том № 31 № 4, Октябрь декабрь 2007 г. С. 101−103.
  5. Dajnowiec, М. An Adaptive Rule Based Automatic Lung Nodule Detection •i System Text. / M. Dajnowiec, J. Alirezaie, P. Babyn // Pattern Recognition and1. age Analysis. Lect. Notes in Сотр. Sci., v. 3687. 2005. P. 773−782.
  6. , В.А. Нейроинтеллект: Теория и применения. Самоорганизация, отказоустойчивость и применение нейронных сетей Текст. / В. А Головко В. А// Книга 2. Брест: БПИ. 1999. 228 с.
  7. , Ф. Нейрокомпьютерная техника: Теория и практика Текст./ Ф. Уоссермен // М.: Мир. 1992. 184 с.
  8. Petrou, М. Learning in Pattern Recognition Text. / M. Petrou // Lecture Notes in Artificial Intelligence Machine Learning and Data Mining in Pattern Recognition. 1999. P. 11−12.
  9. Jacobsen, X. A Comparison between Neural Networks and Decision Trees Text. / X. Jacobsen, U. Zscherpel, P. Perner // Lecture Notes in Artificial Intelligence Machine Learning and Data Mining in Pattern Recognition. 1999. P. 144−158.
  10. , В.А. Нейросетевой алгоритм классификации сложных объектов Текст. / В. А. Гимаров, М. И. Дли // Программные продукты и системы. 2004 № 4. -МНИИПУ, НИИ «Ценртрпрограммсистем». 2004. С. 51−55.
  11. , В.В. Нечеткая логика и искусственные нейронные сети Текст. / В. В. Круглов, М. И. Дли, Р. Ю. Голунов // М.: Физматлит 2001. 221 с.
  12. У сков, А. А. Гибридный нейросетевой алгоритм идентификации сложных объектов Текст. / А. А. Усков, Д. В: Санатин // Программные продукты и системы.- 2006 № 1. МНИИПУ, НИИ «Ценртрпрограммсистем». 2006. С. 4−7.
  13. Катковник, В1. Я. Непараметрическая идентификация и сглаживание данных Текст. / В. Я. Катковник // М.: Наука. 19 851 336 с.
  14. Дли, М.И. Локально-аппроксимационные модели сложных объектов Текст. / Дли М. И. // М.: Наука- Физмалит. 2000. 224 с.
  15. Дюк В. Data Mining: учебный курс Текст. / В. Дюк, А. Самойленко // СПб.: Питер. 2001. 368 с.
  16. , В.В. Искусственные нейронные сети. Теория и практика Текст. / В. В. Круглов, В. В. Борисов // М.: Глячая линия — Телеком. 2001. 384 с.
  17. Hubel, D.H. Receptive fields and functional architecture in two nonstriate visual area (18 and 19) of the cat Text. / D.H. Hubel, T.N. Wiesel // J. Neurophysiol. 28. 1965. P. 229−289.
  18. Fukushima, K. Neocognitron: a self-organising neural network for mechanism of pattern recognition unaffected by shift in position Text. / K. Fukushima // Biological Cybernetics 36. 1980. P. 193−202.
  19. Satoh, S. Recognition of Hand-written Patterns by Rotation-invariant Neocognitron Text. / S. Satoh, J. Kuroiwa, H. Aso, S. Miyake // Proc. of ICONIP'98, 1. 1998. P. 295−299.
  20. Satoh, S. Pattern Recognition System with Top-Down Process of Mental Rotation Text. / S. Satoh, J. Kuroiwa, H. Aso and S. Miyake // Proc. of IWANN'99, 1. 1999. P. 816−825.
  21. Carpenter, G.A. Fuzzy Artmap: A neural network architecture for incremental supervised learning of analog multidimensional Maps Text. / G.A. Carpenter, S. Grossber // IEEE Transactions on Neural Network. V. 3. 1992. P. 698−712.
  22. Carpenter G.A. What-and-Where filter. A partial mapping neural network for object recognition and image understandingText. / G.A. Carpenter, S. Grossber, G.W. Leshert // Computervision and image understanding. V. 69, No. 1. 1998. P. 11−22.
  23. , Н. Г. Семейство алгоритмов. Локатор для быстрого поиска ближайшего аналога Текст. / Н. Г. Загоруйко, В. В. Дюбанов // СибЖИМ. Т. 38, № 5. 2006. С. 54—62.
  24. Johnson, А.Е. IEEE Trans. Text. / А.Е. Johnson, М. Hebert // Pattern Analysis and Machine Intelligence, 21(5). 1999. P. 433−449.
  25. , И.С. Компьютерное моделирование Текст. / И. С. Черников // Труды XV международной научно-технической конференции «Телематика 2008», СПб. 2008. С. 166−170.
  26. Timofeev, A.V. Application DSP and ADSP For Artifical Neural Network Control of Dynamic Objects Text. / A.V. Timofeev, O.A. Derin, R.U. Sova // Proceedings of the First International Conference Szczecin Poland, December 1112. 1997. P.91−95.
  27. , Г. В. К вопросу формирования эталонных изображений для оптикоэлектронной бортовой системы автоматического распознавания объектов Текст. / Г. В. Анцев, А. А. Макаренко, JI.C. Турнецкий //
  28. Идентификация систем и задачи управления: труды VII международной конференции SICPRO 08. Москва, Институт проблем управления им. В. А. Трапезникова РАН. 2008. С. 2130−2139.
  29. , А.А. К вопросу коррекции проективных искажений оптикоэлектронного аэроснимка Текст. / А. А. Макаренко, JI.C. Турнецкий // XII Международная научно-техническая конференция «Радиолокация, навигация, связь». Воронеж. 2006. С. 1952−1960.
  30. , Н.С. Дифференциальное и интегральное исчисления Текст. / Н. С. Пискунов // Учебник для втузов. Т. 2. — М.: Наука. — 1970. — С. 576.
  31. , М.Ф. Основные термины в области метрологии Текст.: Словарь-справочник / Юдин М. Ф., Селиванов М. Н., О. Ф. Тищенко, А.И. Скороходов- Под ред. Ю.В. Тарбеева//М.: Издательство стандартов. 1989. С. 113.
  32. , Ю.М. Адаптация и обучение в робототехнике Текст. / Козлов Ю. М. -М.: Наука. Гл. ред. физ.-мат. лит. 1990. С. 248.
  33. , М.И. Калибровка установочного положения датчиков бинокулярного оптико-электронного устройства Текст. / М. И. Труфанов // Сборник материалов МНТК «Медико-экологические информационные технологии». Курск. 2005. С. 91 92.
  34. , JI.A. Адаптация сложных систем Текст. / Растригин JI.A. // Рига: Зинатне. 1981. 375 с.
  35. Bas, Е.К. An easy to install camera calibration for traffic monitoring Text. / E.K.Bas, J.D.Crisman // In Proc. IEEE Conf. on Intelligent Transportation Systems. 1997. P. 362−366.
  36. , Л. П. Введение в цифровую обработку изображений Текст. / JI. П. Ярославский // М.: Сов. радио. 1979. 216 с.
  37. Wolberg, G. Digital Image Warping / G. Wolberg // IEEE Computer Society Press Monograph. 1990. P. 344.
  38. Gonzalez, R.C. Digital Image Processing Text./ R.C. Gonzalez, R.E. Woods// Upper Saddle River, NJ, USA: Prentice-Hall, Inc. 2006. P. 624.
  39. , С.И. Метод распознавания изображений объектов с использованием трехмерных векторных эталонов и программа для его реализации Текст. / С. И. Коростелев, B.C. Титов, B.C. Панищев, В. А. Денисюк // Телекоммуникации. № 9. 2007. С. 10−14.
  40. , Ш. Основы дифференциальной геометрии Текст. / Ш. Кобаяси, К. Номидзу // Т. 1, Наука, М. 1981.344 с.
  41. , Е. А. Компьютерная геометрия и алгоритмы машинной графики Текст. / Е. А. Никулин // СПб: БХВ-Петербург. 2003. 560 с.
  42. Дональд, Херн Бейкер Компьютерная графика и стандарт OpenGL. 3-е изд. Текст. / Херн Дональд, М. Паулин // М.: «Вильяме». 2005. С. 1168
  43. , Ф. Принципы нейродинамики: Перцептроны и теория механизмов мозга Текст. / Ф. Розенблатт // М.: Мир. 1965. 480 с.
  44. , К. Распознавание образов: состояние и перспективы Текст. / К. Верхагин // М.: Радио и связь. 1985. 104 с.
  45. , К.А. Методы, критерии и алгоритмы, используемые при преобразовании, выделении и выборе признаков в анализе данных / К. А. Чепонис // Сб.статей. Вильнюс. 1988. 150 с.
  46. , В.А. Методы компьютерной обработки изображений Текст. / В. А. Сойфер // М.: Физматлит. 2001. 784 с.
  47. , М.Ф. Основные термины в области метрологии Текст. / Словарь-справочник // Юдин М. Ф., Селиванов М. Н., О. Ф. Тищенко, А.И. Скороходов- Под ред. Ю. В. Тарбеева. М.: Издательство стандартов. 1989. С. 113.
  48. , Ю.И. «Распознавание». Математические методы. Программная система. Практические применения Текст. / Ю. И. Журавлев, В. В. Рязанов, О. В. Сенько // М.: Фазис. 2006. 176 с.
  49. Hjaltson, G.R. Ranking in spatial databases Text. / G.R. Hjaltson, H. Samet // Lecture Notes in Computer Science, 951. 1995. P. 83−95.
  50. Friedman, J. H. An algorithm for finding best matches in logarithmic expected time Text. / J. H. Friedman, J.L. Bently, R.A.Finkel // In ACM Transaction on Mathematical Software, volume 3 Sept. 1977. PP. 209−226.
  51. , П. Искусство схемотехники. В 3-х томах: Т. 2. Перевод с английского 4-е изд. Текст. / П. Хоровиц, У. Хилл // М.: Мир. 1993. — 371 с.
  52. , B.C. Технико-экономический анализ разработки средств визуального контроля. Учебное пособие Текст. / B.C. Титов, В. И. Сырямкин, Т. А. Ширабакина // Курск гос. техн. ун-т. Курск. 1995. 98 с.
  53. , B.C. Методика применения экспертных методов для оценки качества продукции Текст. / B.C. Титов, Т. А. Ширабакина // М.: Стандарт. 1975.31 с.
  54. Патент 2 361 273, Российская Федерация МПК G 06 К N 9/62. Способ и устройство распознавания изображений объектов Текст. / С. И. Коростелев, B.C. Титов. B.C. Панищев. № 2 007 109 075/09- заявл. 13.03.2007- опубл. бюл. № 19 10.07.2009, 2009 г.
  55. , В.В. Параллельные вычисления Текст. / В. В. Воеводин, Вл.В. Воеводин // СПб.: БХВ-Петербург. 2002. 608 с.
  56. , В.В. Основы теории и организации ЭВМ Текст. / В. В. Гуров, В. О. Чуканов // М.: ИНТУИТ. 2006. 280 с.
  57. , B.JI. 80 486. Архитектура и программирование: В 4 т. Т. 4 Текст. / В. Л. Григорьев // М.: МИКАП. 1993. 382 с.
  58. Bier, J. Choosing a Processor: Benchmarks and Beyond (S043) Text. / J. Bier // Berkeley, California: Berkeley Design Technology, Inc., USA. 2006. P. 254.
  59. Deering, W. The Triangle Processor ond Normal Vector Shader A VLSI System for High Perfonnance Graphics Text. / W. Deering // Computer Graphics, 4. April 1988 VoL. 22. 1988. P. 21−30.
  60. Duff, T. Smoothly shaded rendering of polyhedral objects on raster displays Text. / T. Duff// Computer Graphics Feb. 1979 Vol. 13, 2. 1979. PP. 270−275.
  61. Bishop, C. Fast Phong Shading Text. / C. Bishop, D.M. Weimar // Computer Graphics, 4. April 1986, Vol. 20. 1986 P. 103−106.
  62. Jackel, O. A Real-time Raster Scan Display for 3-D Graphics Text. / O. Jackel, H. Ruesseler // Advance in Computer Graphics Hardware IV, S pringer. 1991.
  63. Jackel, O. Grafik-Computer, Springer-Verlag, 1992. Text. / O. Jackel, M. Cobernuss, H. Ruesseler // Verfanren und Schaltungsarundnung zur Untetduckung verdeckter Bikfpunkte, DE 41 43 576 Al, German Patent Of ice. 1993. P. 25.
  64. Molnar, S. PixalFlow High-Speed Rendering Using Image CompositionText. / Molnar S., Zyles, Z., // SIGGRAPH'92. 1992.
  65. Akenine-Moller, T. Real-Time Rendering, Third Edition Text. / T. Akenine-Moller//England: AK Peters. 2008. P. 1045.
  66. , А.И. Проблемы построения и обучения нейронных сетей Текст. / А. И. Галушкина, В. А. Шахнова // М.: Изд-во Машиностроение. Библиотечка журнала Информационные технологии № 1. 1999. С. 105.
  67. , А.И. Некоторые исторические аспекты развития элементной базы вычислительных систем с массовым параллелизмом (80- и 90- годы) Текст. / А. И. Галушкин // Нейрокомпьютер. № 1. 2000. С.68−82.
  68. Лебедев- О. Н. Применение микросхем памяти в электронных устройствах Справ, пособие Текст. / О. Н. Лебедев // М.: Радио и связь. 1994. 216 с.
  69. П. В. Интерфейс USB. Практика использования и программирования Текст. / П. В. Агуров // СПб: БХВ-Петербург. 2004. 576 с.
  70. , С.И. Оптико-электронное устройство распознавания изображений объектов на основе трехмерных векторных эталонов Текст. /
  71. С.И. Коростелев, В. С. Титов, М. И. Труфаиов, А. В. Медведев // Информационно-измерительные управляющие системы № 4 2009. С. 59 64.
  72. , В.В. Компьютерное моделирование пространственных форм в среде 3D STUDIO МАХ Текст. / В. В. Александрова // СПб.: Анатолия 2003. 319 с.
  73. Korostelev, S. Vision system for image recognition based on three-dimensional vector patterns Text. / V. Gridin, V. Titov, M. Truphanov, S. Korostelev // Machine graphics and vision. Poland, Vol. 18, No. 2, 2009. P. 175 186.
Заполнить форму текущей работой

Сессия? Спокойно!