Помощь в написании студенческих работ
Антистрессовый сервис

Метод, алгоритм и специализированное вычислительное устройство формирования панорамных изображений на основе метрических деревьев

Диссертация: Метод, алгоритм и специализированное вычислительное устройство формирования панорамных изображений на основе метрических деревьев
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время достигнут значительный прогресс в решении указанной задачи, инаибольший, вклад в, развитие методов и устройств формирования панорамных изображений, а также методов выделения, описания и сопоставления особенностей изображений, как наиболее важных этапов обработки изображений, внесли С. Harris, M. Brown, H. Moravec, M. Stephens, J. Shi, C. Tomasi, H. Wang, M. Brady, R.I. Hartley… Читать ещё >

Метод, алгоритм и специализированное вычислительное устройство формирования панорамных изображений на основе метрических деревьев (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АНАЛИЗ МЕТОДОВ И УСТРОЙСТВ ФОРМИРОВАНИЯ ПАНОРАМНЫХ ИЗОБРАЖЕНИЙ
    • 1. 1. Развитие методов и устройств формирования панорамных изображений
    • 1. 2. Наиболее распространенные подходы к формированию панорамных изображений
      • 1. 2. 1. Методы поиска и описания особенностей на изображениях
      • 1. 2. 2. Методы сопоставления и выявления наиболее схожих особенностей на основе дескрипторов
      • 1. 2. 3. Сравнение известных методов выявления, описания и сопоставления особых точек
        • 1. 2. 3. 1. Сравнительный аналнз методов выявления особых точек на изображениях
        • 1. 2. 3. 2. Сравнительный анализ методов создания дескрипторов
        • 1. 2. 3. 3. Анализ методов сопоставления особых точек
    • 1. 3. Перспективы развития методов и устройств формирования панорамных изображений
  • 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СПЕЦИАЛИЗИРОВАННОГО ВЫЧИСЛИТЕЛЬНОГО УСТРОЙСТВА ФОРМИРОВАНИЯ ПАНОРАМНЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ МЕТРИЧЕСКИХ ДЕРЕВЬЕВ
    • 2. 1. Модель ввода изображения рабочей сцены
    • 2. 2. Модель определения коэффициента радиальной дисторсии 43 2.2.1 Определение коэффициента радиальной дисторсии по одиночным линиям
      • 2. 2. 2. Определение коэффициента радиальной дисторсии на основе трех изображений
    • 2. 3. Модель коррекции радиальной дисторсии
    • 2. 4. Модель выделения особых точек на изображениях
      • 2. 4. 1. Создание карт откликов на основе расчета определителей матрицы Гессе
      • 2. 4. 2. Использование пирамид изображений
      • 2. 4. 3. Выявление особых точек на основе поиска максимумов определителей матрицы Гессе на картах откликов
      • 2. 4. 4. Использование интегральных изображений
      • 2. 4. 5. Использование квадратичной интерполяции для определения значения максимумов определителей
    • 2. 5. Модель создания дескрипторов особых точек 66 2.5.1 Формирование дескрипторов особых точек
      • 2. 5. 1. 1. Определение ориентации окрестности особой точки
      • 2. 5. 1. 2. Вычисление сумм откликов вейвлета Хаара
    • 2. 6. Модель построения метрических деревьев
      • 2. 6. 1. Структура метрического дерева для хранения дескрипторов особых точек
      • 2. 6. 2. Добавление объекта в метрическое дерево
    • 2. 7. Модель сопоставления особых точек
    • 2. 8. Модель расчета матрицы преобразования
      • 2. 8. 1. Модель вычисления матрицы преобразования на плоскости
      • 2. 8. 2. Модель расчета матрицы преобразования в пространстве
    • 2. 9. Модель соединения исходных изображений
      • 2. 9. 1. Модель преобразования второго изображения
      • 2. 9. 2. Модель соединения изображений 84 3 АНАЛИЗ ХАРАКТЕРИСТИК И РАЗРАБОТКА СПЕЦИАЛИЗИРОВАННОГО ВЫЧИСЛИТЕЛЬНОГО УСТРОЙСТВА ФОРМИРОВАНИЯ ПАНОРАМНЫХ ИЗОБРАЖЕНИЙ
    • 3. 1. Метод формирования панорамных изображений
    • 3. 2. Алгоритм формирования панорамных изображений
      • 3. 2. 1. Алгоритмы определения коэффициента радиальной дисторсии
      • 3. 2. 2. Алгоритм коррекции радиальной дисторсии
      • 3. 2. 3. Алгоритм выявления особых точек на исходных изображениях
      • 3. 2. 4. Алгоритм создания дескрипторов для особых точек и нахождения соответствующих точек на двух изображениях
    • 3. 3. Синтез специализированного вычислительного устройства формирования панорамных изображений на основе метрических деревьев
      • 3. 3. 1. Структурно-функциональная организация и описание принципов работы устро йства
      • 3. 3. 2. Повышение производительности вычислительного устройства формирования панорамных изображений на основе метрических деревьев
    • 3. 4. Анализ времени формирования панорамных изображений
    • 3. 5. Инженерная методика определения параметров устройства и количества параллельных модулей выявления и анализа особенностей на изображениях
  • 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СПЕЦИАЛИЗИРОВАННОГО ВЫЧИСЛИТЕЛЬНОГО УСТРОЙСТВА ФОРМИРОВАНИЯ ПАНОРАМНЫХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ МЕТРИЧЕСКИХ ДЕРЕВЬЕВ
    • 4. 1. Аппаратно-программный комплекс для проведения экспериментальных исследований специализированного вычислительного устройства формирования панорамных изображений
    • 4. 2. Методика проведения испытаний разработанного устройства
      • 4. 2. 1. Методика проведения экспериментальных исследований блока анализа и выявления соответствующих точек
      • 4. 2. 2. Методика проведения экспериментальных исследований производительности разработанного устройства
    • 4. 3. Экспериментальная оценка точностных характеристик разработанного устройства
    • 4. 4. Оценка производительности разработанного устройства
  • ЗАКЛЮЧЕНИЕ 138 БИБЛИОГРАФИЧЕСКИЙ
  • СПИСОК

Актуальность работы. Вычислительные устройства, преобразующие представленную в виде изображений информацию об объекте управления, являютсяосновными элементами систем управления. и находят все большее применение в различных областях науки и техники для контроля, принятия, решений, планирования и проведения расчетов. Особое значение для представления визуальной информации имеют панорамные изображения, позволяющие наблюдать непрерывную сцену целиком вместо просмотра разрозненных ее частей. Несмотря1 на бурное развитие элементной базы вычислительной техники, в частностимногоэлементных приемников изображений, существуют технологические и физические ограничения на размерность получаемого изображения, но для решения некоторых прикладных задач необходимо получение изображений значительно большей размерности. Для определенных областейприменения, например, картографии, создание панорамных изображенийявляется! неотъемлемой операцией обработки изображений. В медицине панорамные изображения используются при постановке диагнозов по онкологическим заболеваниям, при ортопантомографии в стоматологии и при других рентгеновских исследованиях.

Решение задачи формирования панорамных изображений характеризуется рядом сложностей, связанных с искажениями геометрии исходных цифровых изображений и различиями в условиях съемки рабочей сцены и^ временными ограничениями. В связи* с этим> целесообразна разработка и применение специализированных вычислительных устройств, позволяющих производить формирование панорамных изображений с коррекцией искажений геометрии, инвариантно к изменениюмасштаба, ориентации и освещенности исходных изображений, обеспечивающих высокую-производительность.

В настоящее время достигнут значительный прогресс в решении указанной задачи, инаибольший, вклад в, развитие методов и устройств формирования панорамных изображений, а также методов выделения, описания и сопоставления особенностей изображений, как наиболее важных этапов обработки изображений, внесли С. Harris, M. Brown, H. Moravec, M. Stephens, J. Shi, C. Tomasi, H. Wang, M. Brady, R.I. Hartley, A. Zisserman, P. Torr, A. Zisserman, B. Triggs, R. Szeliski, M. Irani, R. Radke, P. Ramadge, T. Echigo, S. Iisaku, T. Lindeberg, К. Mikolajczyk, С. Schmid, J. Matas, О. Chum, M. Urban, T. Pajdla, D. Capel, D. Lowe, H. Bay, T. Tuytelaars, L. Van Gool, Сойфер В.A., Потапов A. A., Пахомов A. A., Никитин С. A., Гуляев Ю. В., Фурман Я. А. Существенные результаты в данной области получены в отечественных работах, выполненных в Институте прикладной математики РАН, Московском государственном университете, Московском физико-техническом институте и в других организациях. Однако большинство из известных методов и устройств имеют существенные недостатки, такие как низкая производительность, являющаяся следствием большой вычислительной сложности алгоритмов, и низкая точность результирующих изображений, обусловленная наличием случайных искажений различной природы на исходных изображениях. Кроме того, не в полной мере решена задача сопоставления объектов изображений, имеющих схожие характеристики, что также обуславливает понижение точности панорамных изображений.

Таким образом, объективно имеет место противоречие между необходимостью повышения точности панорамных изображений и повышения производительности устройств формирования панорамных изображений и возможностями известных методов и устройств.

В этой связи актуальной научно-технической задачей является разработка методов, алгоритмов и специализированных вычислительных устройств, позволяющих формировать панорамные изображения при различных условиях съемки рабочей сцены с учетом геометрических искажений, отличающихся повышенными точностью сопоставления особенностей изображений и производительностью.

Цель работы: разработка метода, алгоритма и специализированного, характеризующегося повышенной производительностью, вычислительного устройства формирования панорамных изображений на их основе, обеспечивающих увеличение точности панорамных изображений за счет коррекции радиальной дисторсии, являющейся основным источником, геометрических искажений, и использования алгоритма сопоставления на базе метрических деревьев, который позволяет учитывать связи между особенностями изображений.

Для достижения поставленной цели требуется решение следующих задач:

1. Сравнительный анализ существующих методов и устройств формирования панорамных изображений и обоснование необходимости создания метода, алгоритма и специализированного вычислительного устройства формирования панорамных изображений высокой точности.

2. Разработка математической модели специализированного вычислительного устройства формирования панорамных изображений на основе использования метрических деревьев для хранения информации об особенностях изображений, учитывающей влияние радиальной дисторсии.

3. Создание метода и алгоритма формирования панорамных изображений с коррекцией искажений, вызванных радиальной дисторсией, инвариантного к различным условиям съемки исходных изображений.

4. Разработка структурно-функциональной организации специализированного вычислительного устройства формирования панорамных изображений.

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

Научная новизна работы состоит в следующем:

1. Разработана математическая модель специализированного вычислительного устройства формирования панорамных изображений, обеспечивающая высокую точность панорамных изображений за счет коррекции исходных изображений от влияния радиальной дисторсии и использования специальных структур данных для хранения информации об особенностях изображений при сопоставлении.

2. Разработаны метод и алгоритм формирования панорамных изображений, основанные на использовании метрических деревьев, характеризующиеся пониженной вычислительной сложностью и повышенной точностью, отличающиеся возможностью параллельной обработки данных.

3. Разработана структурно-функциональная организация специализированного вычислительного устройства формирования. панорамных изображений, особенностью которого является разработка и введение элементов, реализующих параллельную обработку данных.

Практическая ценность состоит в том, что ее результаты являются основой для разработки класса специализированных вычислительных устройств формирования панорамных изображений, применение которых возможно в следующих системах: системах управления и контроля технологических процессов, системах сбора картографической информации, системах видеонаблюдения и телемедицинских диагностических комплексах.

Разработанный метод создания панорамных изображений характеризуется возможностью реализации как на программном, так и на аппаратном уровне. Особенностью метода является наличие ряда параметров, обеспечивающих баланс точности сопоставления особенностей на исходных изображениях, производительности и аппаратных затрат в зависимости от условий применения.

На защиту выносятся следующие положения:

1. Математическая модель специализированного вычислительного устройства формирования панорамных изображений, обеспечивающая высокую точность панорамных изображений за счет коррекции исходных изображений от влияния радиальной дисторсии и использования специальных структур данных для хранения информации об особенностях изображений при сопоставлении.

2. Метод и алгоритм формирования панорамных изображений, основанные на использовании метрических деревьев, характеризующиеся пониженной вычислительной сложностью и повышенной точностью, отличающиеся возможностью параллельной обработки данных.

3. Структурно-функциональная организация специализированного вычислительного устройства формирования панорамных изображений, особенностью которого является разработка и введение элементов, реализующих параллельную обработку данных.

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 г.) — Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание 2005, 2008, 2010» (г. Курск, Курский государственный технический университет 2005, 2008, 2010 гг.) — «Молодежь и XXI век: 2005, 2006, 2007» (г. Курск, Курский государственный технический университет, 2005, 2006, 2007 гг.), Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых «Научная сессия ТУСУР — 2007» (г. Томск, 2007 г.), Международная научно-техническая конференция «Медико-экологические технологии-2007» (г. Курск, Курский государственный технический университет, 2007 г.), Международная конференция «Распознание образов и анализ изображений: новые информационные технологии» (г. Йошкар-Ола, 2007 г.), Международная научно-техническая конференция «Диагностика -2009» (г. Курск, Курский государственный технический университет, 2009 г.), а также на научно-технических семинарах кафедры вычислительной техники с 2005 по 2011 годы.

Публикации. Основные результаты выполненных исследований и разработок опубликованы в 15 печатных работах, в том числе в 3 статьях. Среди них: 3 статьи, опубликованные в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендуемых ВАК РФ, а также 3 патента Российской Федерации.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 76 наименований, изложена на 147 страницах и поясняется 65 рисунками и 8 таблицами.

Результаты работы СВУФПИ в ходе всех частей эксперимента проанализировать.

4.3 Экспериментальная оценка точностных характеристик разработанного устройства.

Точность устройства формирования панорамных изображений зависит от точности сопоставления выделенных особенностей. Соответственно для определения точности сопоставления проводят экспериментальные исследования в соответствии с методикой, описанной выше. Для оценки точности сопоставления изображений разработанным алгоритмом,.

119 1.

На изображении И1 выделено А^с1=271 особая точка, в таблице 4.1 представлены первые 10 из них:

Показать весь текст

Список литературы

  1. Пат. № 1 299 850 Европейский, МКИ G 06 Т 7/00, G 06 Т 3/00. Merging images to form a panoramic image Text. / Peterson, John № 20 010 931 133- заявлено 10.04.2001- опубл. 12.03.2008−5 с.
  2. Пат. № 1 850 583 Европейский, МКИ Н 04 N 5/232. Method of photographing panoramic image Text. / Park, Kyoung-Ju, Cho, Sung-Dae, Jeong, Young-Min -№ 20 070 106 836- заявлено 24.04.2007- опубл. 31.10.2007 7 с.
  3. Пат. № 7 095 905 США, МКИ G 06 К 9/36- Н 04 N 7/00. Merging images to form a panoramic image Text. / Peterson, John № 09/657 949- заявлено 08.09.2000- опубл. 22.08.2006 — 5 с.
  4. Пат. № 20 070 159 527 США, МКИ Н 04 N 5/253. Method and apparatus for providing panoramic view with geometric correction Text. / Kim, Keun Ho -№ 11/581 401- заявлено 17.10.2006- опубл. 12.07.2007 5 с.
  5. , Е. В. Компьютерная графика Текст. / Е. В. Шишкин, А. В. Боресков // М.: Диалог-МИФИ, 1995. 288 с.
  6. , Т.А. Компьютерная графика Текст. / Т. А. Блинова, В. Н. Пореев // Киев: Век+, 2006. 520 с.
  7. Пат. 2007/122 584 Wipo, МКИ G 06 Т 3/40. Method and device for generating a panoramic image from a video sequence Text. / Auberger, Stephane № 2007/51 479- заявлено 23.04.2007- опубл. 01.11.2007 — 9 с.
  8. Henricsson, О. Analysis of Image Structures using Color Attributes and Similarity Relations Text., PhD Thesis No. 11 663, Swiss Federal Institute of Technology. 1996. — 140 p.
  9. Jahne, B. Principles of filter design. Handbook of Computer Vision and Applications Text. / B. Jahne, H. Scharr, S. Korkel // Academic Press. 1999.
  10. Canny, J. A Computational Approach to Edge Detection Text. // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. — Vol. 8, No. 6.-P. 679−714.
  11. Deriche, R. Using Canny’s criteria to derive a recursively implemented optimal edge detector Text. // Int. J. Computer Vision. 1987. — Vol. 1. — P. 167−187.
  12. Lindeberg T. Discrete Derivative Approximations with Scale-Space Properties: A Basis for Low-Level Feature Extraction Text. // J. of Mathematical Imaging and Vision, 3(4). 1993. — P. 349−376.
  13. Harris, C. A combined corner and edge detector Text. / C. Harris, M. Stephens // In Fourth Alvey Vision Conference. Manchester, UK, 1988. — P. 147−151.
  14. Lowe, D.G. Object recognition from local scale-invariant features Text. // In Proceedings of the 7th International Conference on Computer Vision. Kerkyra, Greece, 1999.-P. 1150−1157.
  15. Bay, H. SURF: Speeded up robust features Text. / H. Bay, T. Tuytelaars, L. Van Gool // In ECCV. 2006. — 14 p.
  16. Lindeberg, T. Feature Detection with Automatic Scale Selection Text. // International Journal of Computer Vision. V.30, N.2, 1998. — P. 79−116.
  17. Matas, J. Robust wide baseline stereo from maximally stable extremal regions Text. / J. Matas, O. Chum, M. Urban, T. Pajdla / Image Vision Comput. 2004. -P. 761−767.
  18. Hartley, R. I. Multiple View Geometry in Computer Vision Text. / R. I. Hartley, A. Zisserman // Cambridge University Press, ISBN: 521 540 518, second1 edition .- 2004. 672 p.
  19. Burt, Peter J. A multiresolution spline with application to. image mosaics Text. / Peter J. Burt, Edward H. Adelson // ACM Transactions on Graphics 2(4). 1983. -P. 217−361.
  20. Moravec, H. Towards automatic visual obstacle avoidance Text. // Proc. of the 5th Intern. Joint Conf. of Artificial Intelligence. Cambridge, 1977. — P. 587−598.
  21. Schmid, C. Evaluation of interest point detectors Text. / C. Schmid, R. Mohr, C. Bauckhage // International Journal of Computer Vision. -Vol.37, No.2. 2000. -P.151−172.
  22. Rockett, P. Performance assessment of feature detection algorithms: A methodology and case study on corner detectors Text. // IEEE Transactions on Image Processing. Vol.12, No. 12. — 2003. — P.1668−1676.
  23. Beaudet, P. R. Rotationally Invariant Image Operators Text. // International Joint Conference on Pattern Recognition. 1987. — P. 579−583.
  24. Kitchen, L. Grey-level Corner Detection Text. / Kitchen, L, A. Rosenfeld // Pattern Recognition Letters. 1982. — P. 95−102.
  25. Cottier, J.C. Extraction et appariements robustes des points d’int’er’et de deux images non 'etalonn'ees Text. // Technical Report, LIFIA-IMAG-INRIA RITone-Alpes. 1994. — 140 p.
  26. Horaud, R. Finding geometric and relational structures in an image Text. / Horaud, R., Skordas, T., Veillon, F. // In Proceedings of the 1st European Conference on Computer Vision, Antibes, France. 1990. — P. 374−384.
  27. Heitger, F. Simulation of neural contour mechanism: From simple to end-stopped cells Text. / Rosenthaler L., von der Heydt R., Peterhans E., Kuebler O. // Vision Research, vol. 32(5). 1992. — P. 963−981.
  28. Fostner, W. A framework for low level feature extraction Text. / Fostner W. // 3rd European Conference on Computer Vision. Stockholm, Sweden, 1994. — P. 383−394.
  29. Paler, K. Local orderedgrey-levelsasanaid to corner detection Text. / K. Paler, J. F'oglein, J. Illingworth, J. Kittler // Pattern Recognition. Vol.17, No.5, 1984. -P. 535−543.
  30. William, T. Freeman, Edward H. Adelson. The design and use of steerable filters Text. / William, T. Freeman and Edward H. Adelson // PAMI, 13(9). -1991. -P.891 -906.
  31. Florack, L. M. J. General intensity transformations and differential invariants Text. / L. M. J. Florack, B. M. ter Haar Romeny, J. J. Koenderink, and M. A. Viergever // JMIV, 4(2). 1994. — P. 171−187.
  32. Baumberg, A. Reliable feature matching across widely separated views Text. // In CVPR. 2000. — P. 774 — 781.
  33. Carneiro G. Multi-scale phasebased local features Text. / G. Carneiro and A.D. Jepson // In CVPR (1). 2003. — P. 736 — 743.
  34. Lowe, D. Distinctive image features from scale-invariant keypoints, cascade filtering approach Text. // IJCV, 60(2). -2004. P. 91 — 110.
  35. Ke, Y. PCA-SIFT: A more distinctive representation for local image descriptors Text. / Y. Ke and R. Sukthankar // In CVPR (2). 2004. — P. 506−513.
  36. Mikolajczyk, K. A performance evaluation of local descriptors Text. / K. Mikolajczyk and C. Schmid//PAMI, 27(10). -2005. P. 1615−1630.
  37. Se, S. Vision based modeling and localization for planetary exploration rovers Text. / S. Se, H.K. Ng, P. Jasiobedzki, T.J. Moyung // Proceedings of International Astronautical Congress. 2004. — P. 356−401.
  38. Mikolajczyk, K. A performance evaluation of local descriptors Text. / K. Mikolajczyk, C. Schmid // In: CVPR. Vol. 2. — 2003. — P. 257 — 263.
  39. Beis J.S. Shape indexing using approximate nearest-neighbor search in high-dimensional spaces Text. / J.S. Beis, D.G. Lowe // In Proc. IEEE Conf. Сотр. Vision Patt. Recog. 1997. — P. 1000−1006.
  40. Bay, H. SURF: Speeded Up Robust Features Text. / H. Bay, A. Ess, T. Tuytelaars, L. V. Gool // Computer Vision and Image Understanding (CVIU). -Vol. 110, No. 3.-2008.-P. 346−359.
  41. Mikolajczyk, K. A comparison of affine region detectors Text. / Mikolajczyk, K., Tuytelaars, Т., Schmid, C., Zisserman, A., Matas, J., Schaffalitzky, F., Kadir, Т., Van Gool, L. // IJCV 65. 2005. — P. 43−72.
  42. Mikolajczyk, K. Scale and affine invariant interest point detectors Text. / K. Mikolajczyk, C. Schmid // IJCV 60. 2004. — P. 63 — 86.
  43. , А.П. Извлечение и сопоставление точечных особенностей Текст. // Электронный журнал «Исследовано в России», 2007, С. 1095−1104.
  44. Методы компьютерной обработки изображений Текст. / Под ред. В. А. Сойфера. -М.: Физматлит. 2001. — 784 с.
  45. Новейшие методы обработки изображений: монография / под ред. А.А. Потапова- М.: ФИЗМАТЛИТ, 2008. 496 с.143
  46. , Б. П. Основы вычислительной математики Текст. / Б. П. Демидович, И. А. Марон // М.: Наука, Гл. ред. физ.-мат. лит. — 1966.
  47. , С.В. Методы цифровой обработки изображений Текст.: учебное пособие 4.1. Гриф УМО / Дегтярев С. В., Садыков С. С., Тевс С. С.,
  48. Т.А. Курск: Курск, гос. тех. ун-т., 2001. — 167 с.
  49. , И.Н. Справочник по математике Текст. / И. Н. Бронштейн, К. А. Семендяев // Издание седьмое, стереотипное. М.: Гос. изд-во технико-теоретической лит-ры. -1957. 138 с.
  50. Н.Н. Цифровая обработка 2-D и 3-D изображений: учебное пособие / Красильников Н. Н. СПб.: БХВ-Петербург, 2011. — 608 с.
  51. Р.Е. Основы телевидения и видеотехники: учебное пособие / Быков Р. Е. М.: Горячая линия — Телеком, 2006. — 399 с.
  52. Burt, P. The Laplacian Pyramid as a Compact Image Code Text. / Burt P., Adelson E. // IEEE Transactions on Communications. 1983. — Vol. Com-31, No. 4. — P. 532−540.
  53. Lindeberg, T. Real-time scale selection in hybrid multi-scale representations Text. / Lindeberg Т., Bretzner L. // Scale-Space. 2003. -Ch. 2.4. — P. 148−163.
  54. Brown, M. Invariant features from interest point groups Text. / Brown M., Lowe D. // BMVC. 2002. — P. 656−665.
  55. Viola, P. Robust real-time object detection Text. / Viola P., Jones M. // IEEE ICCV Workshop on Statistical and Computational Theories of Vision. 2001. -P.123 — 145.
  56. Grabner, M. Fast approximated sift Text. / Grabner M., Grabner H., Bischof H.//ACCV.-2006.-Vol. 1.-P. 918−927.
  57. Venkateswaran, J. A Survey of Recent Multidimensional Access Methods Text. / Venkateswaran J. // Technical Report, University of Missouri-Rolla. -2004. 162 p.
  58. Gaede, V. Multidimensional access methods Text. / Gaede V., Gunther O. // ACM Computing Surveys (CSUR). 1998. — Vol. 30, n. 2. — P. 170−231.
  59. Ciaccia, P. M-tree: an efficient Access Method for Similarity Search in Metric Spaces Text. / Ciaccia P., Patella M., Zezula P. // Proc. of the 23rd Conference on Very Large Databases (VLDB'97). 1997. — P. 426—435.
  60. Longuet-Higgins, H. A computer algorithm for reconstructing a scene from two projections Text. / Longuet-Higgins H. // Nature. 1981. — Ch. 6.2−6.3. — P. 133−135.
  61. , Е.И. Способ автоматического определения и коррекции радиальной дисторсии на цифровых изображениях Текст.. / Е. И. Бугаенко, М. И. Труфанов // Известия вузов. Приборостроение. 2008. — Т. 51,№ 2. — С. -16−21.
  62. , A.E. Модели и алгоритмы принятия решений в нечетких условиях Текст. / А. Е. Алтунин, М. В. Семухин // Монография. Тюмень: Издательство Тюменского государственного университета 2000.
  63. Оптико-электронные системы распознавания и анализа трехмерных динамических объектов: монография / под ред. B.C. Титова, С. С. Тевса, М.И. Труфанова- Курск, гос. техн. ун-т. Курск, 2008. 142 с. (Параграф 2.2.4, С. 4452).
  64. Адаптивные системы технического зрения: монография / под ред. В. Н. Гридина, B.C. Титова, М.И. Труфанова- Центр информационных технологий145 В проектировании РАН. Москва, 2009. 441 с. (Разделы 3.5., 3.1.1, С. 114−128, 160−168).
  65. , Е.И. Подходы к формированию панорамных изображений Текст. / М. И. Труфанов, Е. И. Бугаенко // Материалы международной научно-технической конференции «Диагностика 2009». — Курск, 2009. — С. 145−147.
  66. , Е.И. Метод автоматического формирования панорамных изображений на основе аппарата нечеткой логики Текст. / Е. И. Бугаенко, В. Н. Гридин // Известия вузов. Приборостроение. 2009. — Т. 52, № 2. — С. 7
  67. Пат. № 2 365 998 Российская Федерация, МПК G06T9/00. Способ формирования панорамных изображений Текст. / Бугаенко Е. И., Труфанов М. И., Сорокин П. А. № 2 006 144 943- заявл. 18.12.2006- опубл. 27.08.09, Бюл. № 24. — 14 с.
  68. , Е.И. Формирование панорамных изображений на основе поиска особенностей на изображении Текст. / О. Б. Тарасова, С. В. Кузнецов, Е.И.
  69. Бугаенко // Сб. матер. 9-й Междунар. конф. «Распознавание-2010». Курск- 2010.-С. 71−73.
  70. , В.П. Аэрокосмическая фотосъемка: учебник / В. П. Савиных,
  71. A.C. Кучко, А. Ф. Стеценко. М.: «Картогеоцентр» — «Геодезиздат», 1997. -378 с.
  72. , В.К. Обработка аэрокосмических изображений: монография /
  73. B.К. Злобин, В.В. Еремеев- М.: ФИЗМАТЛИТ, 2006. 288 с.
  74. , Е.П. Проектирование элементов и узлов ЭВМ // Учеб. пособие для вузов. М.: Высшая школа. — 1987. — 320 с.
Заполнить форму текущей работой

Сессия? Спокойно!