Помощь в написании студенческих работ
Антистрессовый сервис

Исследование моделей описания, разработка алгоритмического, программного и технологического обеспечения обработки растровых изображений графических документов

Диссертация: Исследование моделей описания, разработка алгоритмического, программного и технологического обеспечения обработки растровых изображений графических документов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Необходимо отметить, что технология автоматического анализа графической информации (ГИ) — сложный многоэтапный процесс, включающий в себя большое количество методов и алгоритмов обработкифильтрации, сжатия, хранения и поиска, анализа и принятия решений. Для эффективной работы этого «конвейера» необходимо, чтобы все математические модели, методы и алгоритмы, а также структуры представления данных… Читать ещё >

Исследование моделей описания, разработка алгоритмического, программного и технологического обеспечения обработки растровых изображений графических документов (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. АНАЛИЗ ИЗОБРАЖЕНИЙ ГРАФИЧЕСКИХ ДОКУМЕНТОВ, МОДЕЛЕЙ И МЕТОДОВ ИХ ОБРАБОТКИ
    • 1. 1. Виды изображений и их информативная емкость
    • 1. 2. Основные технологические этапы, методы и алгоритмы обработки растровых изобраэ/сений ГД
  • Выводы
  • Глава 2. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ОПИСАНИЯ И ПРЕДСТАВЛЕНИЯ РАСТРОВОЙ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ
    • 2. 1. Структурная модель растровых данных
    • 2. 2. Структурная модель векторных данных
    • 2. 3. Структуры и форматы хранения растровых данных для различных моделей описания
      • 2. 3. 1. Растровая модель
      • 2. 3. 2. Штриховая модель
      • 2. 3. 3. Модели, реализующие объектное описание растровых данных (совокупность РПО, РСО, контурная, линейно-контурная, линейная, сегментно-узловая)
  • Выводы
  • Глава 3. Алгоритмы построения моделей описания и обработки растровых изображений графических документов
    • 3. 1. Запись алгоритмов
    • 3. 2. Базовые алгоритмы обработки растровых данных, представленных в формате пиксельной матрицы
      • 3. 2. 1. SwPix — определение 4-элементной связности пикселя
      • 3. 2. 2. PixStrix — преобразование пиксельной строки в строку штрихов
      • 3. 2. 3. Strix Pix -- преобразование строки штрихов в пиксельную строку
      • 3. 2. 4. PixBIob — построение одиночной области связных одноцветных пикселей
      • 3. 2. 5. PixBIobAII — построение всех областей связных одноцветных пикселей
      • 3. 2. 6. RastrKon — построение одиночного контура области связных не фоновых пикселей
      • 3. 2. 7. RastrKonAll — построение всех контуров не фоновых связных растровых областей пиксельной матрицы Р
      • 3. 2. 8. SHPIL — расслоение растровых данных на «площадные» и «линейные» объекты
    • 3. 3. Алгоритмы построения иерархии моделей штрихового и векторного уровней описания растровых данных ГД
      • 3. 3. 1. Формирование штриховой модели растровых данных по бинарной пиксельной матрице
      • 3. 3. 2. Алгоритм формирования связных растровых компонент по штриховым растровым данным
      • 3. 3. 3. КОМ — алгоритм формирования контурной модели по штриховой модели растровых данных
      • 3. 3. 4. VLO — алгоритм построения линейной векторной модели
      • 3. 3. 5. FSSU — алгоритм построения сегментно-узловой модели
    • 3. 4. Вспомогательные и сервисные алгоритмы построения моделей растровых данных
      • 3. 4. 1. SwStrixString — Установление связности штриха со штрихами смежной строки
      • 3. 4. 2. SwStr — установление связи штрихов двух смежных строк
      • 3. 4. 3. AddStrih — алгоритм логического сложения двух строк штрихов
      • 3. 4. 4. SubStrih — алгоритм логического вычитания двух строк штрихов
      • 3. 4. 5. MulStrih — логическое умножение двух строк штрихов
      • 3. 4. 6. ARITHSTR — алгоритм выполнения логических операций над файлами в штриховой модели данных
      • 3. 4. 7. LineApr — алгоритм линейной аппроксимации множества точек плоскости методом наименьших квадратов
      • 3. 4. 8. KLAST — алгоритм кластеризации множества точек плоскости
      • 3. 4. 9. FIP — алгоритм объектной фильтрации растровых данных
      • 3. 4. 10. FRS — алгоритм автоматической коррекции границ линейных растровых объектов и поиск зон разрыва растровых линий
      • 3. 4. 11. POVOROT — алгоритм поворота растра на заданный угол
      • 3. 4. 12. Privlmp.exe — алгоритм координатной привязки документа
      • 3. 4. 13. КРК — алгоритм сегментации плоской кривой на однородные фрагменты
      • 3. 4. 14. Кусочно-линейная аппроксимация плоских кривых методом наименьших квадратов и их представление набором ортогональных отрезков
    • 3. 5. Алгоритмы конвертации форматов представления различных моделей описания растровых изображений ГД
      • 3. 5. 1. KMPSTR — алгоритм перехода от контурной модели изображения к штриховой
      • 3. 5. 2. LMPBAS — алгоритм передачи объектов из файла в структуре «паспорт-метрика» в формат базы данных
    • 3. 6. Алгоритмы распознавания и описания объектов жилой застройки на топографических картах масштаба 1
      • 3. 6. 1. Определения
      • 3. 6. 2. Особенности представления выделяемых объектов
      • 3. 6. 3. Непроизводные элементы и признаки распознавания объектов жилой застройки
      • 3. 6. 4. Эталоны объектов решающих правил
      • 3. 6. 5. Алгоритмы формирования признаков распознавания
      • 3. 6. 6. Алгоритмы распознавания и описания объектов жилой застройки на топографических картах масштаба
      • 3. 6. 7. Алгоритм распознавания и описания объектов жилой застройки на топографических картах масштабов 1
      • 3. 6. 8. Алгоритмы распознавания и описания объектов жилой застройки на топографических картах масштаба
      • 3. 6. 9. Алгоритмы распознавания и описания объектов «КВАРТАЛ» на ТК масштабов 1
    • 3. 7. Алгоритмы распознавания и описания объектов инвентаризационных планов зданий и сооружений
      • 3. 7. 1. Особенности цифровых изображений инвентаризационных планов зданий
      • 3. 7. 2. Непроизводные элементы и признаки распознавания объектов инвентаризационных планов зданий и сооружений
      • 3. 7. 3. Алгоритмы формирования признаков распознавания
      • 3. 7. 4. Результаты экспериментов по обработке планов
  • Выводы
  • Глава 4. Разработка и создание программного и технологического обеспечения автоматизированных комплексов тематической обработки РИГД
    • 4. 1. Информационное обеспечение
      • 4. 1. 1. Структуры для работы со штриховыми данными
      • 4. 1. 2. Структуры для работы с векторными данными
      • 4. 1. 3. Структурное описание сегментно-узловой модели
      • 4. 1. 4. Структуры, используемые при построении контурной модели по сегментно-узловой
      • 4. 1. 5. Форматы служебных файлов
    • 4. 2. Библиотеки базовых и интерфейсных функций построения иерархии моделей описания и тематической обработки РИГД
      • 4. 2. 1. Функции
      • 4. 2. 2. Файловые форматы графических данных
      • 4. 2. 3. Среда разработки и условия использования
      • 4. 2. 4. Интерфейсные библиотеки
      • 4. 2. 5. Библиотека базовых функций
      • 4. 2. 6. Программные технологические цепочки
    • 4. 3. Интеллектуальный редактор растровых изображений
      • 4. 3. 1. Принципы создания интеллектуального редактора графических данных
      • 4. 3. 2. Назначение и функциональные возможности редактора
      • 4. 3. 3. Входные и выходные данные программы
      • 4. 3. 4. Состав комплекса интеллектуального редактирования
      • 4. 3. 5. Порядок работы
    • 4. 4. Автоматизированная подсистема создания цифровых инвентаризационных планов зданий и сооружений
      • 4. 4. 1. Особенности цифровых изображений инвентаризационных планов зданий. .
      • 4. 4. 2. Основные требования, предъявляемые к подсистеме
      • 4. 4. 3. Назначение подсистемы
      • 4. 4. 4. Входные и выходные данные
      • 4. 4. 5. Состав программного обеспечения подсистемы
      • 4. 4. 6. Условия функционирования подсистемы
      • 4. 4. 7. Функциональная блок-схема технологии создания цифровых баз данных инвентаризационных планов БТИ и последовательность технологических операций
      • 4. 4. 8. Методика выбора и формирования параметров обработки
      • 4. 4. 9. Технология обработки инвентаризационных поэтажных планов зданий
    • 4. 5. Подсистема выделения и описания топографических знаков жилой застройки
      • 4. 5. 1. Назначение
      • 4. 5. 2. Состав программного обеспечения подсистемы
      • 4. 5. 3. Основные технологические этапы
  • Выводы

Актуальность темы

Цифровая обработка графической информации (ГИ) относится к числу наиболее трудоемких задач современной кибернетики, информатики и вычислительной техники. При этом ГИ является наиболее естественным носителем исходной информации практически во всех областях науки и техники. Цифровая обработка графической информации широко используется при решении многих важных отраслевых задач, автоматизации проектирования (САПР), автоматизации научных исследований (АСНИ), в робототехнике, медицинской и технической диагностике, мониторинге природных ресурсов, геоинформационных технологиях (ГИС) и т. д.

Расширение сфер, требующих автоматизации обработки графической информации, привело к качественному усложнению графических документов (ГД) — большие размеры, отсутствие строгих ограничений на шрифты и типоразмеры, наличие фона, большое количество пространственно-логических и топологических связей и метрических отношений между линейными, площадными и дискретными объектами. Практикой выдвинута проблема обработки сложно-структурированных графических документов. Сложно-структурированный, семантически насыщенный документ — это материальный объект (конструкторские проекты, географические и топографические карты, графические материалы медицинской диагностики и поэтажные планы БТ и др.), содержащий образно-знаковые модели действительности в форме графических изображений и терминов естественного языка. Размеры документов могут достигать порядка 1000×1000 мм и более, объекты могут изменяться от 0.1 мм до нескольких метров, точность обработки составляет порядка 0.1 мм. Это предопределяет огромные размеры исходных данных — порядка 104 — 103 Кбайт.

При этом большое число задач требует производить обработку графической информации в реальном масштабе времени и при ограниченных ресурсах памяти.

Необходимо отметить, что технология автоматического анализа графической информации (ГИ) — сложный многоэтапный процесс, включающий в себя большое количество методов и алгоритмов обработкифильтрации, сжатия, хранения и поиска, анализа и принятия решений. Для эффективной работы этого «конвейера» необходимо, чтобы все математические модели, методы и алгоритмы, а также структуры представления данных, что очень важно, были взаимоувязаны и взаимоэффективны, так как очевидно, что сколь угодно высокая эффективность на каком-то отдельном участке обработки может быть сведена на нет на других этапах. Таким образом, модели и методы обработки должны быть технологичными и удовлетворять некоторым общим требованиям, предопределенным эффективностью решения задач анализа ГИ в целом. Однако, в настоящее время большинство методов и математических моделей описания растровых изображений, позволяющих решать частную задачу, малоэффективны для работы в «конвейере» обработки ГИ. Это особенно важно на нижних уровнях иерархии. Проблемы еще более усугубляются в ГИС в связи с необходимостью осуществлять обработку очень большого объема растровой информации в реальном масштабе времени, при ограниченных ресурсах оперативной памяти и необходимости их естественной интеграции в геоинформационные технологии и системы. Таким образом, основные требования, предъявляемые к моделям описания, методам и алгоритмам обработки растровой информации ГД в ГИС следующие:

•технологичность;

• высокая емкостная и временная эффективность;

• естественная интегрируемость в общую схему ГИС.

Все это определяет актуальность проблемы развития новых математических моделей описания и методов обработки растровых изображений сложно-структурированных графических документов.

Существенный вклад в решение проблем обработки графической информации и изображений внесли российские ученые А. С. Лебедев, В. В. Александров, В. А. Виттих, Ю. Г. Васин, В. В. Сергеев, В. А. Сойфер, В. П. Пяткин, С. В. Абломейко, а также зарубежные ученые Т. Павлидис, Ф. Препарат, У. Претт, Х. Самет, У. Гренандер, Р. Дуда, Г. Харт, К. Фу и другие.

В работах Васина Ю. Г., Башкирова О. А., Чудиновича Б. М. и др. (НИИ ПМК ННГУ) был предложен комбинаторно-геометрический подход к обработке растровых изображений графической информации пространственно-распределенных данных (ПРД) в основе которого весь сложный комплекс задач, связанный с анализом видеоданных, рассматривается с единой точки зрения построения иерархии взаимосвязанных математических моделей описания, структур представления и принятия решений, нижний уровень которых обрабатывает растровую информацию со сканирующего устройства, а верхний уровень соответствует описанию ГД в терминах пользователя. Были предложены математические модели нижних уровней иерархии для описания изображений, в которых графические изображения представлялись в виде растра (набора пикселей), совокупности линий, контуров и точек (контурная, линейно-контурная модели). Линейно-контурная модель изображения ГД рассматривалась как базовая для всех последующих уровней моделей. На базе контурной и линейно-контурной моделей строились модели высших уровней. Для моделей высших уровней были развиты эффективные методы вычислительной геометрии (метод от общего к частному на базе иерархических структур представления векторных данных), методы распознавания графических объектов (корреляционно-экстремальный метод) и пр.

Однако, дальнейшее расширение типов обрабатываемых ГД (схемы, планы, чертежи, поэтажные планы), особенно ГД, взятых из архивов, вызвало новые серьезные проблемы, связанные с переходом от нижнего (пиксельного) представления к векторному, что, в свою очередь, привело к необходимости дальнейшего развития иерархии моделей описания растровых изображений, особенно на нижних уровнях, где наиболее велики объемы обрабатываемых данных и временные затраты.

В настоящей работе, в рамках комбинаторно-геометрического подхода, получили дальнейшее развитие исследования в области конструирования новых моделей описания, методов и алгоритмов обработки растровых изображений ГД, удовлетворяющих отмеченным выше требованиям.

Цели и задачи диссертационной работы. Цель диссертационной работы состояла в разработке, в рамках комбинаторно-геометрического подхода, новых математических моделей описания, эффективных методов и алгоритмов для решения возможно более полного класса задач обработки растровых изображений ГД и создании на их основе соответствующего информационного, программного и технологического обеспечения автоматизированных систем обработки сложноструктурированной ГИ.

Для достижения этой цели в диссертации решены следующие задачи:

• Рассмотрены различные классы сложных графических документов с целью выявления основных задач их цифровой обработки, проведен анализ технологий, существующих моделей описания и методов решения задач обработки растровых изображений этих документов. Выработаны основные требования к моделям, методам и алгоритмам решения поставленных задач.

• Исследованы и развиты новые эффективные модели описания растровых изображений ГД и структуры их представления, а также алгоритмическое и программное обеспечение их реализации.

• Разработаны и развиты методы и алгоритмы решения прикладных задач обработки растровых изображений ГД в ГИС на базе предложенных моделей описания.

• Разработано информационное, алгоритмическое, программное и технологическое обеспечение, реализующие предложенные модели описания методов и алгоритмов в автоматизированных системах и комплексах обработки растровых изображений сложных графических документов в ГИС.

Методы исследования.

В диссертационной работе используются методы аналитической геометрии, распознавания образов, теории информации, общей теории алгоритмов, математического моделирования.

Научная новизна диссертационной работы заключается в следующем:

• В развитии иерархии моделей нижнего уровня структурированного описания растровых изображений ГД.

• В разработке эффективных логических и физических структур представления и хранения предложенных моделей описания.

• В разработке алгоритмического и программного обеспечения построения предложенных моделей описания.

• В разработке признаков и решающих правил для структурных методов распознавания объектов жилищной застройки на топокартах и площадных, линейных и дискретных объектов на поэтажных инвентаризационных планах зданий и сооружений.

• В разработке и развитии эффективных методов и алгоритмов решения тематических прикладных задач анализа цифровой графической информации на основе предложенных моделей описания.

• В разработке архитектуры, информационного, алгоритмического, программного и технологического обеспечения, реализующих предложенные модели описания, методы и алгоритмы обработки в автоматизированных системах и комплексах обработки растровых изображений ГД в ГИС.

Практическая ценность. В основу диссертационной работы положены результаты, полученные автором в ходе исследований, проводимых в рамках НИОКР Министерства Науки и образования РФ, Федеральной службы геодезии и картографии России, Главного управления навигации и океанографии МО РФ.

Работа выполнена при финансовой поддержке РФФИ, грант поддержки ведущих научных школ № 00−15−96 108 и ФЦП «Интеграция» проект К-3 392.

Полученные в диссертационной работе результаты могут быть использованы при проектировании новых обрабатывающих процедур и технологий, а также программно-аппаратных комплексов, связанных с обработкой метрической информации пространственно-распределенных объектов, в системах принятия решений в ГИС.

Апробация полученных результатов.

Разработанное алгоритмическое и программное обеспечение внедрено: • В геоинформационных центрах Федеральной службы геодезии и картографии России в рамках технологии создания цифровых топографических карт и топографических планов городов всего масштабного ряда;

• В Главном управлении навигации и океанографии ВМФ МО РФ (ЦКП-280 ВМФ МО РФ) в автоматизированных системах создания мировой коллекции электронных морских навигационных карт;

•В НИИ прикладной математики и кибернетики ННГУ в объектно-ориентированной интеллектуальной геоинформационной системе «ГИС-ТЕРРА»;

• В региональных кадастровых бюро;

• В учебном процессе на факультете Вычислительной математики и кибернетики Нижегородского государственного университета им. Н. И. Лобачевского (кафедра Интеллектуальные информационные системы и геоинформатика);

Результаты диссертационной работы докладывались и обсуждались на III Конференции «Распознавание образов и анализ изображений: новые информационные технологии — РОАИ» (Н.Новгород, 1−7 декабря 1997 г.), 6-ой, 7-ой, 8-ой Всероссийской конференциях «Методы и средства обработки сложной графической информации» (Н.Новгород, 2001, 2003, 2005 гг.).

Основные положения работы освещены в десяти опубликованных печатных работах.

Структура и объем работы.

Диссертация состоит из введения, 4 глав, заключения, списка литературы. Объем основного текста работы — 193 машинописных страниц, список литературы включает 105 наименований.

Выводы.

В главе приводится описание разработанного и созданного информационного, алгоритмического, программного и технологического обеспечения автоматизированных систем и комплексов обработки растровых изображений ГД для ГИС, реализующих предложенные в данной работе модели описания и методы обработки растровых изображений ГД.

При этом были:

• Разработаныструктуры рабочих массивов для различных алгоритмов обработки растровых изображений ГД.

• Разработан формат представления файла протокола, совместимый с информационным обеспечением системы ГИС-ТЕРРА.

• Разработан формат файла кодов, совместимый с информационнотерминологической системой классификатора и форматом интегрального файла в рамках общей технологии ГИС.

• Разработан формат файлов согласования структур моделей описания нижних уровней с моделями верхних уровней.

• Реализована модульная схема построения программного обеспечения, обеспечивающая последовательное и вложенное использование модулей.

• Обоснован и реализован эффективный выбор стратегии запросов к базе данных.

• Обеспечена открытость программных комплексов, позволяющая наращивать их функциональные возможности.

Разработаны и созданы:

• Библиотека базовых функций, поддерживающая построение иерархии моделей описания и тематической обработки растровых изображений ГД.. ¦

• Система «Интеллектуальный редактор растровых изображений сложных ГД».

• Информационная технология и подсистема для решения задач автоматического ввода объектов жилищной застройки на топографических картах и планах. •.

• Информационная технология и подсистема создания цифровых инвентаризационных поэтажных планов зданий.

Открытость созданных программных комплексов позволяет наращивать их функциональные возможности, расширяя классы решаемых задач.

Эксплуатация в реальных производственных условиях разработанных программных комплексов и технологий в различных организациях, предприятиях и ведомствах Российской Федерации подтвердила эффективность и результативность принятых решений при разработке и создании программного и технологического обеспечения.

ЗАКЛЮЧЕНИЕ

.

Выполненные в диссертационной работе исследования позволили решить следующие задачи, имеющие важное значение:

• В диссертационной работе в рамках комбинаторно-геометрического подхода, получили дальнейшее развитие и разработаны новые математические модели описания, структуры представления и методы обработки РИГД, введено понятие связного штриха и признаки связности штрихов, на их основе осуществлена классификация графических ситуаций.

• На базе введенной классификации построены новые математические модели, расширяющие иерархию моделей нижнего уровня описания РИГД — растровый простой объект (РПО), растровые составные объекты (РСО), линейно-площадная растровая, а также сегментно-узловая векторная модели.

• Разработана модель структурированного описания РИГД.

• Разработаны структуры представления и хранения моделей описания РИГД. .

• Разработаны базовые алгоритмы построения растровых моделей описания ГД. Важной отличительной особенностью этих алгоритмов является их локальность. На каждом шаге алгоритмов производится обработка полосы исходных данных, состоящей не более чем из трех строк. При этом выявляются все возникающие значимые ситуации и осуществляется их разрешение. Другая важная особенность состоит в параллельности. Построение моделей осуществляется за один просмотр входной информации и состоит из двух основных операций: обработки информации и отслеживании размеченных связных штрихов.

• Разработаны базовые алгоритмы построения векторных моделей описания ГД. При построении контурной и линейно-контурной моделей за счет использования информации о РПО и РСО удалось сократить емкостную сложность алгоритмов в 4−5 раз (отпадает необходимость хранить всю таблицу связей координат точек контура или линии), а также временную сложность в 2−3 раза.

• Разработаны методы структурного распознавания объектов жилищной застройки, на топокартах, а также объектов поэтажных инвентаризационных планов зданий. При этом сформированы непроизводные элементы (НЭ), признаки и соответствующие правила классификации.

• Разработаны и программно реализованы алгоритмы решения прикладных тематических задач обработки РИГД на базе предложенных моделей описания.

• Разработаны архитектура, информационное, алгоритмическое, программное и технологическое обеспечение автоматизированных подсистем и комплексов обработки растровых изображений ГД> реализующих предложенные модели описания, структуры представления и алгоритмы обработки в ГИС.

• Созданы:

Библиотека базовых функций.

Интеллектуальный редактор растровых данных.

Информационная технология и подсистема для решения задач автоматического ввода объектов жилищной застройки на топографических картах масштабного ряда 1:10 000−1:100 000.

Информационная технология и подсистема создания цифровых инвентаризационных поэтажных планов зданий и сооружений.

Разработанные информационные технологии, алгоритмическое и программное обеспечение отвечают сформулированным требованиям и обеспечивают:

• высокую вычислительную и емкостную эффективность;

• полную технологическую совместимость.

Разработанные технологии, программное обеспечение и автоматизированные комплексы внедрены в различных организациях и предприятиях Российской Федерации.

Эксплуатация разработанных технологий и программных комплексов в различных организациях и предприятиях Российской Федерации подтвердила эффективность и результативность принятых решений при разработке и создании технологического и программного обеспечения.

Показать весь текст

Список литературы

  1. С.В. Метод утоныпения объектов бинарных изображений // Автоматизация процессов проектирования. Мн., 1982. Вып. 4.
  2. С.В., Апарин Г. П. и др. Географические информационные системы. Минск, 2000. АНБ. 265 с.
  3. С.В., Берейшик В. И., Старовойтов В. В. и др. Распознавание объектов графических изображений: обзор методов. Мн., 1988. (Препринт / Ин-т техн. кибернетики АН БССР: 41).
  4. С.В., Лагуновский Д. М. Обработка изображений: технология, методы, применение: Учебное пособие Минск: Амалфея, 2000.
  5. В.В., Горский Н. Д. Представление и обработка изображений. Рекурсивный подход Л.: Наука, 1985.
  6. В. Ахо, Джон Э. Хопкрофт, Джеффри Д. Ульман Структуры данных и алгоритмы Москва: Издательский дом «Вильяме», 2001.
  7. В. Ахо, Джон Э. Хопкрофт, Джеффри Д. Ульман Построение и анализ вычислительных алгоритмов. М.: Мир, 1979.
  8. .В., Курганов В. Д., Злобин В. К. Распознавание и цифровая обработка изображений. М., 1983.
  9. Э.М., Мучник ' И.Б. Структурные методы обработки эмпирических данных. М., 1983,
  10. Е.А. Обработка изображений на ЭВМ М.: Радио и связь, 1987.
  11. П.Бутаков Е. А., Островский В. И., Фадеев П. Л. Обработка изображений на1. ЭВМ. М., 1987.
  12. Д.Ю., Громов В. П. Классификация сигналов стохастического автогенератора методами распознавания образов // Известия высших учебных заведений. Прикладная нелинейная динамика, т.2, № 2, 1994 г, Саратов.
  13. Д.Ю., Громов В. П. Распознавание топографических знаков жилой застройки // Распознавание образов и анализ изображений: новые информационные технологии (РОАИ): 3 конференция, 1−7 декабря 1997 г., г. Н. Новгород, в 2 частях. Часть 2, стр. 14−17.
  14. Д.Ю., Громов В. П. Интеллектуальный редактор растровых данных // Методы и средства обработки сложной графической информации: 6 Всероссийская конференция с участием стран СНГ, 25−27 сентября 2001 г., Н. Новгород, стр. 21−23.
  15. Ю.Г., Васин Д. Ю., Громов В. П. Структурное описание растровых данных // Методы и средства обработки сложной графической информации: 6 Всероссийская конференция с участием стран СНГ, 25−27 сентября 2001 г., Н. Новгород, стр. 23−29.
  16. Д.Ю. Интеллектуальное редактирование линейной модели растрового изображения // Методы и средства обработки сложной графической информации: 7 Всероссийская конференция с участием стран СНГ, 15−18 сентября 2003 г., Н. Новгород, стр. 19−20.
  17. Ю.Г. «Хорошо приспособленные» базисы и задачи обработки экспериментальной информации: Учебное пособие / Горьк. гос. ун-т -Горький, 1979.- 129с.
  18. Ю.Г. «Хорошо приспособленные» локальные однородные методы обработки графической информации // Автоматическая обработка сложной графической информации: Межвуз. тематич. сб. науч. тр. / Горьк. гос. ун-т. -Горький, 1984.-С. 131−158.
  19. Ю.Г., Лебедев Л. И. Контурные корреляционно-экстремальные методы обнаружения и совмещения объектов видеоинформациий // Методы и средства обработки графической информации: Межвуз. сб. науч. тр. / Горьк. гос. ун-т Горький, 1987. — С. 97 — 112.
  20. Ю.Г., Башкиров О. А., Рудометова С. Б. Математические модели структурированного описания графических изображений // Автоматизация обработки сложной графической информации. Горький, 1984. С. 92−116.
  21. Ю.Г., Жерздев С. В. Эффективное кодирование усеченных двоичных деревьев в задаче сжатия изображений // Труды 6-й конференции «Методы и средства обработки сложной графической информации». Н. Новгород, 2001. С.36−38.
  22. Ю.Г., Крахнов А. Д., Утешева Т. Ш. Метод от общего к частному при решении пространственных задач дискретной геометрии // Автоматическая обработка сложной графической информации: Межвуз. сборник / Горьк. гос. ун-т Горький, 1988. — С. 73−83.
  23. В.А., Сергеев В. В., Сойфер В. А. Обработка изображений в автоматизированных системах исследований. М.: Наука, 1982.
  24. И., Люка М. Машинная графика и автоматизация конструирования. -М.: Мир, 1982 .
  25. М.В., Глумов Н. И., Сергеев В. В. Информационная технология компрессии изображений в системах оперативного дистанционного зондирования. // Известия Самарского научного центра РАН, 1999, № 1, с.99−107.
  26. ГилойВ. Интерактивная машинная графика Москва: Мир, 1981.
  27. А.Г. Автоматизация инженерно-графических работ с помощью ЭВМ: Учеб. Пособие для вузов. Мн., 1979.
  28. А.Л., Гуревич И. Б., Скрипкин В. А. Современное состояние проблем распознавания. М., 1985.
  29. У. Лекции по теории образов: В 3 т. М., 1979. Т.1. Синтез образов.
  30. Р., Харт П. Распознавание образов и анализ сцен Москва: Мир, 1976.
  31. В.А., Касьянов В. Н. Алгоритмы на деревьях Новосибирск: ВЦ, 1989.
  32. Ю.И., Гуревич И. Б. Распознавание образов и распознавание изображений // Распознавание, классификация, прогноз. Ежегодник. Москва. Наука, 1989. Вып. 2. С. 5−72.
  33. В.М., Шлезингер М. И. Выделение и кодирование линий в системе ввода в ЭВМ графических изображений // УСиМ. 1984. № 1. С. 56−59.
  34. А.С. Форматы графических файлов // К.: НИПФ «ДиаСофт Лтд.», 1995.
  35. , Р.Е. Сжатие и поиск информации М: Радио и связь, 1989.
  36. А.В., Жерздев С. В. Алгоритм RRE-кодирования технических изображений // Вестник Нижегородского университета. Математическое моделирование и оптимальное управление. Н. Новгород: Изд-во ННГУ, 1998. Вып.2~(19).
  37. А.Г., Ларкин Е. В., Ярмош Н. А. // Автоматизация проектирования в машиностроении. Мн., 1983. С. 130−133.
  38. М., Икономопулос А., Кошер М. Методы моделирования изображений второго поколения // ТИИЭР, 1985, т.73, № 4.
  39. С.Ю. Алгоритмы утоньшения графических изображений // Дискретные системы обработки информации. Ижевск: ИМИ, 1979. С. 23−27.
  40. В.Н. // Автоматизация обработки сложной графической информации. Горький, 1984. С. 78−91.
  41. М.М. Древовидная сегментация образов для ускорения анализа сцен // Прикладные проблемы искусственного интеллекта: Сб. науч. тр. М.: ИФТП, 1991.
  42. Э. Алгоритмы оптимизации на сетях и графах. М., 1981.
  43. Методы компьютерной обработки изображений / Под ред Сойфера В. А. Москва, Физматгиз, 2000. 780 с.
  44. Методы компьютерной обработки изображений / Под ред. В. А. Сойфера -М.: Физматлит, 2001.
  45. О.Р., Делп Э. Усеченное блочное кодирование многоуровневой информации // ТИИЭР, 1980, т.68, № 7.
  46. Х.Г., Пирш П., Граллерт Х. Й. Достижения в области кодирования изображений // ТИИЭР, 1985, т.73, № 4.
  47. А.Н., Лимб Дж.О. Кодирование изображений: обзор // ТИИЭР, 1980, т.68, № 3.
  48. К. Простые эффективные методы кодирования без потерь для передачи многоуровневых и двухуровневых изображений с постепенным воспроизведением // ТИИЭР, 1980, т.68, № 7.
  49. Ньюмен Ню, Спрулл Р. Основы интерактивной машинной графики. М., 1976.
  50. Т. Алгоритмы машинной графики и обработки изображений -Москва: Радио и связь, 1986 .
  51. А.И., Семенков О. И. Основы построения систем автоматизированного проектирования. Киев, 1985.
  52. О.М. О некоторых задачах обработки сложной графической информации // Автоматизация обработки сложной графической информации. Горький, 1984. С. 3−12.
  53. Ф., Шеймос М. Вычислительная геометрия. Введение. М.: Мир, 1989.
  54. У. Цифровая обработка изображений, в 2 т., Т. 1, 2. Москва: Мир, 1982.
  55. Е. //ТИИЭР. 1980.Т. 68, № 7. С.68−73.
  56. Д. Алгоритмические основы машинной графики. М.: Мир, 1989.
  57. В.Ю. Популярные форматы файлов для хранения графических изображений на IBM PC. М: Унитех, 1992.
  58. .П. Структурно-лингвистические. методы распознавания изображений в реальном времени. Киев, 1986.
  59. .Я. Сжатие информации с помощью стопки книг // Проблемы передачи информации, 1980. Т.16, № 4.
  60. О.И., Абламейко С. В. и др. Обработка и отображение информации в растровых графических системах. Минск. Наука и техника, 1989. 174 с.
  61. Р.Г. Численные методы в многоэкстремальных задачах // М.: Наука, 1978.
  62. В.И. Применение ЭВМ для решения задач распознавания образов. Л., 1983.
  63. Ту Дж., Гонсалес Р. Принципы распознавания образов. М., 1978.
  64. П.Г., Леонович Э. Н. Автоматизация преобразования сложных форм графической информации в цифровой код. Мн., 1973.
  65. М.И. Математические средства обработки изображений. Киев. Наукова думка, 1989. 200 с.
  66. Ю.В. Стуктуры данных для представления изображений. // Зарубежная радиоэлектроника, 1983, № 8.
  67. Фу К. Структурные методы в распознавании образов. М., 1977.
  68. М.А., Кревецкий А. В. и др. // Введение в контурный анализ и его приложение к обработке изображений и сигналов. Москва. Физматгиз, 2000. 612 с.
  69. Abele L. Statistische und strukturelle Texturanalyse mit Anwendungen in der Bildsegmentierung: Dokt. dissertation. Munchen. 1982
  70. Arccellin C., Sanniti di Baja G. An approach to figure decomposition using with information // Computer vision, graphics and image processing. 1984. Vol. 26. P. 61−72.
  71. D.H. Ballard Strip trees: A hierarchical representation for curves / Comm. of the ACM-1981.-May.
  72. Blum H, Nagel R. Shape description using weighted symmetric axis features // Pattern Recognition. 1978. Vol. 10. P. 167−180.
  73. Burt P.J. Tree and Pyramid Structures for Coding Hexagonally Sampled Binary Images. CGIP (14), No. 3, 1980, pp. 271−280.
  74. W. Burton Representation of many-sided polygons and polygonal lines for rapid processing / Comm. of the ACM 1977. — March.
  75. Christopher J., Van Wyk C.J. // Comput. Vision, Graphigs and Image Process 1984. № 25. P. 383−392.
  76. Cleary J.G., Witten I.H. A comparison of enumerative and adaptive codes. IEEE Trans. Inf. Theory, IT-30, 2(Mar.l984), pp.306−315.
  77. Cleary J.G., Witten I.H. Data compression using adaptive coding and partial string matching. IEEE Trans. Commun. COM-32, 4(Apr.l984), pp.396−402.
  78. Cormack G.V., Horspool R.N. Algorithms for adaptive Huffman codes. Inf. Proce'ss.Lett. 18, 3(Mar.l984), pp. 159−166.
  79. Fisher Y. editor. Fractal Image Compression. Theory and Application. Springer-Verlag, 1995.
  80. Fu K.S. // IEEE Trans, on Pattern Anal, and Mach Intell. 1986. Vol. 7, № 3. P. 394−404.
  81. Gunter Efficient structures for geometric data management// LNCS 1988. -V.337.
  82. Huffman D.A. A method for the construction of minimum redundancy codes. In Proceedings of the Institute of Electrical and Radio Engineers 40, 9(Sept.l952), pp.1098−1101.
  83. Т., Saburi К., Nagao M. // Comput. Graphigs and Image Process. 1982. Vol. 18, № 3. P. 259−278.
  84. U. // J. Assoc. Comput. 1969. Vol. 16, № 4. P. 534−549.
  85. T.A. // Comput. Graph, and Image Process. 1980. Vol. 13, № 2. P. 142 157.
  86. A. //J. Assoc. Comput. 1970. Vol. 17, № 1. P. 146−160.
  87. Rosenfeld A. A characterisation of parallel thinning algorithms // Information and Control. 1975. Vol. 29, № 3. P. 286−291.
  88. Samet H. Computing Perimeters of Regions In Images Represented By Quadtrees / Trans. Of Pattern Anal, and Math. Intell. 1982. — V.4. — P. 524 — 528.
  89. J., Gonsalez V. // Pattern Recognition. 1980. Vol. 12. P. 327−331.
  90. Stefanelli R., Rosenfeld A. Spme parallel thinning algorithms for digital pictures // J. Assoc. Comput. 1971. Vol. 18, № 2. P. 255−264.
  91. B.R. //Proc.Soc, Photo-Opt. Instrum. Eng. 1978. Vol. 155. P. 2−7.
  92. G.I., Kato U., Fukumura T. // IEEE Trans, on Systems, Man Cybernetics. 1979. Vol. SMC-9, № 10. P. 628−643.
  93. F., Shirai Y., Tsuji S., // IEEE Trans, on Pattern Anal, and Mach Intell. 1982. Vol. 4, № 2. P. 183−191.
  94. Triendl E.E. Skeletonization of noisy handdrawn symbols using parallel operations // Pattern Recognition. 1970. Vol. 2, № 3. p. 215−226.
  95. S., Tomita F. // Comput. Graphigs and Image Process. 1973. Vol. 2. P. 216 231.
  96. Wu F., Xu J, He Y. // Proc. 8-th Int. Conf. On Pattern Recognition. P, 1986. Vol. 2. P. 1210−1212.
  97. Ziv J., Lempel A. A universal algorithm for sequential data compression. IEEE Transactions on Information Theory, Vol.23, 3(May 1977), pp.337−343.1. УТВЕРЖДАЮ"
  98. Зам. руководителя Федерального *езии и картографииаген1. Н. Александров2006 г. 1. АКТо внедрении результатов диссертационной работы Васина Д. Ю. на соискание ученой степени кандидата технических наук
  99. Краткое описание и основные технические характеристики внедряемой продукции, отличительные черты, положительные качества и технико экономические преимущества.
  100. Зам. Начальника Главного управленияокеавдидафди и /Навигации МО РФ1. Г?:1. Ч- -с,
Заполнить форму текущей работой

Сессия? Спокойно!