Помощь в написании студенческих работ
Антистрессовый сервис

Разработка и исследование методов повышения достоверности информации в системах, использующих технологию оптического распознавания

Диссертация: Разработка и исследование методов повышения достоверности информации в системах, использующих технологию оптического распознавания
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Харкевич A.A. и др. Основными направлениями исследований, которыми занимаются перечисленные авторы, являются совершенствование и разработка алгоритмов распознавания образов, решение задач оптимизации при построении эталонов, разработка специализированных стилизованных шрифтов для оптического распознавания символов, подготовка и исследование структуры распознаваемого изображения, использование… Читать ещё >

Разработка и исследование методов повышения достоверности информации в системах, использующих технологию оптического распознавания (реферат, курсовая, диплом, контрольная)

Содержание

  • СОДЕРЖАНИЕ РАБОТЫ
  • Глава 1. ОБЗОР СОСТОЯНИЯ ПРОБЛЕМЫ И ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ
    • 1. 1. Понятие «новые технологии» применительно к устройствам ввода, передачи и вывода данных
      • 1. 1. 1. Определение термина «новые технологии»
      • 1. 1. 2. Проблемы, возникающие при применении новых технологий
    • 1. 2. Понятие достоверности информации и основные ее показатели
    • 1. 3. Факторы, влияющие на достоверность информации в АСУ
    • 1. 4. Анализ процессов обработки данных и повышения их достоверности
    • 1. 5. Способы контроля ошибок при обработке информации в АСУ
    • 1. 6. Оценка эффективности методов контроля
    • 1. 7. Визуальный контроль
    • 1. 8. Цель и постановка задач исследования
  • Глава 2. ИССЛЕДОВАНИЕ ОШИБОК, ВОЗНИКАЮЩИХ ПРИ ИСПОЛЬЗОВАНИИ НОВЫХ ТЕХНОЛОГИЙ ОБРАБОТКИ ДОКУМЕНТОВ
    • 2. 1. Ошибки, возникающие в процессе работы программ оптического распознавания символов
    • 2. 2. Экспериментальное исследование эффективности оптического распознавания текстовых документов
      • 2. 2. 1. Методика определения зависимости качества распознавания от параметров шрифта, раскладки, и типа символов
      • 2. 2. 2. Проведение эксперимента

      2.3 Методика оформления машиночитаемых форм документов, настройки системы оптического распознавания символов и создания машиночитаемых форм документов, с которых предполагается снятие нескольких поколений копий.

      2.3.1 Разработка форм документов, подлежащих оптическому распознаванию

      2.3.2 Настройка параметров ОСЫ-системы

      2.4 Выявление и классификация возникающих ошибок

      2.4.1 Классификация искажений

      2.4.2 Математическая модель искажения символа

      2.4.3 Доказательство адекватности предложенной математической модели искажения символа путем применения аппарата дискретных цепей Маркова

      2. 5

      Выводы.

      Глава 3. ИССЛЕДОВАНИЕ, КЛАССИФИКАЦИЯ И ПРОГРАММНОЕ МОДЕЛИРОВАНИЕ ИСКАЖЕНИЙ, ВОЗНИКАЮЩИХ ПРИ ФАКСИМИЛЬНОЙ ПЕРЕДАЧЕ ТЕКСТА.

      3.1 Основные определения

      3.2 Моделирование типичных искажений

      3.3 Модельные эксперименты

      3.4 Обработка и анализ полученных результатов

      3.5 Выводы

      Глава 4. РАСЧЕТ ДОСТОВЕРНОСТИ РЕЗУЛЬТАТОВ ОБРАБОТКИ МАШИНОЧИТАЕМЫХ ФОРМ ДОКУМЕНТАЦИИ

      4.1 Метод оценки достоверности первичной информации

      4.2 Расчет вероятности появления ошибочной информации в документе на выходе элементарной схемы 1, 2 и 3 типов

      4.3 Выводы.

      Глава 5. ПРИМЕНЕНИЕ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ К РАЗРАБОТКЕ МАШИНОЧИТАЕМЫХ ФОРМ ДОКУМЕНТОВ (применительно к подсистеме АСУ МИИТ).

      5.1 Разработка технологии автоматизированного ввода документов для подсистем АСУ МИИТа

      5.1.1 Технология создания машиночитаемой формы документа (ведомости), с использованием полей рукопечатного заполнения «HandPrint»

      5.1.2 Технология создания машиночитаемой формы документа (ведомости), с использованием полей рукопечатного заполнения «HandPrint» совместно с полями CheckBox

      5.1.3 Технология создания машиночитаемой формы документа (ведомости), с использованием полей CheckBox

      5.2 Выводы.

Актуальность темы

.

В настоящее время широкое развитие получает автоматизированный ввод текстовых документов в информационные системы. Все больше внимания уделяете?: решению проблемы автоматического распознавания образов. Идея вводить текстовые документы со сканера не нова. Этой проблеме было посвящено множество работ таких ведущих специалистов, как Шамис А. Л., Аврух М. Л., Агаджанян Ж. М., Белянкин Г. А., Бирман К. Я., В. Рыбкин, В. Тирещенко, Гвильдис И. Ю., Гришин М. П., Гудялис Л. П., Лашас A.B., Ян Д. Е., Норгрен Р, Романов В. П., Федорец Л. Л.,.

Харкевич A.A. и др. Основными направлениями исследований, которыми занимаются перечисленные авторы, являются совершенствование и разработка алгоритмов распознавания образов, решение задач оптимизации при построении эталонов, разработка специализированных стилизованных шрифтов для оптического распознавания символов, подготовка и исследование структуры распознаваемого изображения, использование лексического анализа текста для коррекции ошибок распознавания [3, 5, 6−14, 18, 19, 21, 22, 4 0, 42, 51, 59, 65, 70, 72, 77, 78, 82, 87−101]. Однако осталась незатронутой область исследования ошибок, возникающих в процессе работы систем оптического распознавания символов.

Распознаваемое изображение Лексический анализ текста.

Алгоритмы распознавания < —С^РАСПОЗНЛВАНИЕ ОБРАЗШГ^> 4.

Специализированные шрифты.

Исследование ошибок распознавания.

Систему оптического распознавания символов -(OCR — optical character recognition) можно представить как схему, которая с вероятностью р вносит ошибку при распознавании текстового документа, жесткая копия которого поступает к ней на вход. Тогда Р — вероятность ошибки на выходе этой системы, будет зависеть от гвероятности возникновения ошибки на ее входе, т. е. вероятности того, что исходный текст содержит ошибку и вероятности внесения ошибки самой системой. Таким образом, Р = г + р — гр. Предположим, что критерием оценки качества работы OCR-системы является соответствие символов исходного документа распознанным. Тогда можно исключить вероятность наличия ошибки в исходном тексте документа, приняв ее равной нулю. В этом случае объектом изучения становится вероятность внесения ошибки самой системой. Исследование этих ошибок позволит разработать методы повышения достоверности данных за счет снижения количества ошибок, возникающих в процессе работы OCR-программ.

Поскольку, прежде всего, для системы оптического распознавания символов объектом обработки является отдельно взятый символ (а не их логическое объединение в слова, предложения, и т. д.), а также не важен смысл, заложенный в распознаваемом тексте, то далее понятия данные и информация будут применяться как синонимы. Под понятием достоверности информации будет подразумеваться тоже самое, что и под понятием достоверности данных, определение которым дано в первой главе диссертации.

Цель работы.

Разработка методов повышения достоверности информации (снижения вероятности возникновения ошибок) на выходе системы оптического распознавания символов, которые заключаются в выработке практических рекомендаций, как для конечных пользователей ОСК-систем, так и для их разработчиков.

Задачи работы.

1.Анализ процедур контроля ошибок, возникающих при автоматизированном вводе.

2.Исследование природы, вероятностей и характера возникающих искажений данных при использовании программ оптического распознавания символов.

3.Разработка методов моделирования процесса «зашумления» документов.

4.Разработка технологии создания машиночитаемых документов.

Научная новизна.

Впервые за последние десять лет была накоплена и представлена современная статистика ошибок, возникающих в процессе работы программ оптического распознавания символов.

Автором разработана оригинальная методика тестирования, сбора статистики и последующей оценки эффективности систем оптического распознавания символов.

Проведен анализ экспериментальных данных, результатом которого явилась классификация ошибок, возникающих в процессе работы программ оптического распознавания символов.

Впервые с целью исследования эффективности работы OCR-программ при распознавании текста документов, переданных по линиям факсимильной связи, предложен и разработан метод программного моделирования шумов, возникающих в реальных каналах связи. Суть этого метода заключается в генерации векторного шрифта, в котором на исходный символ накладывается определяемая алгоритмом зашумления последовательность точек, моделирующая возникающие шумы в каналах связи.

Все положения, включенные в выводы, являются новыми.

Практическая ценность и реализация результатов.

Полученные результаты и разработанные методы позволили существенно повысить уровень достоверности информации, поступающей в базы данных различных подсистем АСУ, что подтверждается соответствующим актом.

В проекте нового поколения АСУ МИИТ учтены предложения, основанные на результатах экспериментального исследования, проведенного в рамках диссертационной работы. Эти предложения включают рекомендации по автоматизации процесса ввода данных в АСУ МИИТ, используя систему оптического распознавания символов, разработку машиночитаемых форм «Экзаменационной (зачетной) ведомости» и настройку автоматизированного рабочего места ввода первичных данных.

Результаты имеют практическую ценность, так как могут быть использованы разработчиками систем оптического распознавания символов, дизайнерами документов и форм для того, чтобы документы и машиночитаемые формы распознавались с наименьшим количеством ошибок. Методики настройки параметров OCR-системы также могут быть использованы конечными пользователями с целью повышения эффективности работы программы оптического распознавания символов.

Апробация работы.

Материалы диссертации рассматривались на III научнотехнической конференции «Современные технологии в информационно-библиотечном обеспечении научных исследований», г. Таруса, 1997 г.- на периодических заседаниях кафедры «Электронные вычислительные машины» МИИТа, 1997;1998 гг.

Публикации.

По теме диссертации опубликовано 5 печатных работ. Объем работы.

Диссертация состоит из введения, шести частей, заключения, списка основной литературы по теме из 103 наименований и девяти приложений. Работа изложена на 161 страницах машинописного текста, включая 32 рисунка и 12 таблиц.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

1.Разработан и исследован метод повышения достоверности информации на этапе первичного ввода и обработки данных в АСУ, включающий в себя методику оформления машиночитаемых форм, настройки параметров системы оптического распознаванияметодику создания машиночитаемых форм документов, с которых предполагается делать большое количество поколений копийметодику проведения экспериментального исследования ошибок, возникающих в процессе работы программ оптического распознавания символов.

2.Разработан метод программного моделирования «шумовых» эффектов в реальном канале связи, позволяющий создавать тестовые документы для проведения исследований качества распознавания текста, переданного по каналу факсимильной связи. Этот метод также полезен разработчикам ОСЫ-систем для создания генератора тестовых материалов, предназначенных для обучения ОСЫ-программы распознаванию факсимильных сообщений различных по степени и характеру «зашумленности» .

3.На основе разработанных методов даны практические рекомендации по автоматизации технологии ввода документов, позволяющие существенно снизить уровень ошибок, возникающих на этапе первичного ввода и обработки данных.

ЗАКЛЮЧЕНИЕ

.

На основании исследований, выполненных в диссертационной работе, получены следующие результаты:

1.Произведен анализ процедур контроля ошибок, возникающих при автоматизированном вводе;

2. Исследованы ошибки, возникающие при автоматизированном вводе с использованием программ оптического распознавания символов. На основе результатов исследований:

1) Разработана методика проведения экспериментального исследования ошибок, возникающих в процессе работы программ оптического распознавания символов.

2) Выявлены основные источники возникновения ошибок при автоматизированном вводе текста документов.

3) Исследование выявленных ошибок распознавания позволило выяснить характер возникающих ошибок, статистику искажений, характер возникающих переходов исходных символов в другие.

4) На основе полученных результатов статистической обработки экспериментальных данных выделены три основных класса ошибок, характерных для работы систем оптического распознавания.

5) Предложена математическая модель процессов возникновения ошибок распознавания символов и построены графы вероятностей переходов исходных символов в различные состояния, отражающие характер возникающих ошибок в зависимости от исходных.

— 122 параметров оригинала документа, подлежащего распознаванию.

6) Доказана адекватность предложенной математической модели при помощи ее сведения к проверенному математическому аппарату дискретных цепей Маркова.

7) Получена статистика распознавания сочетаний символов, устойчиво приводящих к ошибке распознавания.

3.Разработана методика оформления машиночитаемых форм документов, создания машиночитаемых форм документов, с которых предполагается снятие нескольких поколений копий и настройки системы оптического распознавания символов.

4.Проведено исследование эффективности автоматизированного ввода (распознавания) документов, передаваемых по каналам факсимильной связи. На основе результатов экспериментов:

1) Собрана статистика ошибок распознавания, анализ которой привел к выводу о возможности создания программной модели «шумовых» эффектов в реальном канале связи, по которому производится передача данных.

2) Создана программная модель «шумовых» эффектов в реальном канале связи, позволяющая создавать тестовые документы для проведения исследований качества распознавания текста, переданного по линиям факсимильной связи.

3) Проведено исследование соответствия модельных искажений реальным. Результат подтвердил возможность.

— 123 применения технологии моделирования в исследованиях поведения программ оптического распознавания символов.

5.В результате проведенных исследований и расчетов делается вывод о том, что и в условиях применения сканерного ввода использование в схеме технологического процесса операций контроля и исправления ошибок является эффективным способом борьбы с возникающими ошибками.

6.Разработана технология автоматизации ввода документов для подсистем АСУ МИИТа.

1) Разработаны три вида машиночитаемых форм экзаменационных ведомостей, использующих различные технологии рукописного заполнения.

2) На основе результатов исследования качества распознавания каждой из машиночитаемых форм, приведенных в главе 4, сделан вывод о том, что оптимальным вариантом машиночитаемой формы ведомости является вариант, использующий технологию CheckBox.

3) Предложен алгоритм преобразования содержимого контрольного поля ведомости «количество оценок», использующего технологию CheckBox в числовое значение.

Показать весь текст

Список литературы

  1. .М., Устройство для считывания и распознавания изображений микрообъектов «БИ»,. 1982, с. 22 б.
  2. .М. и др. Устройство для сканирования изображений микрообъектов «БИ». 1973. № 8.
  3. .М. и др., Информатика и технология. Система технического зрения Пущино: ОНТИ НЦБИ РАН, 1996.
  4. К. В., Шамис A.JI., Ян Д.Е., Доклад на бюро Отделения информатики, вычислительной техники и автоматизации РАН — М., 1995.- 126
  5. Арное Башир Али, Некоторые вопросы повышения эффективности систем обработки и распознавания изображений. диссертация на соискание ученой степени канд. тех. наук 05.13.05 — М.: Внадзаг Моск. гос. ин-т электроники и математики, 1996 г.
  6. К., Сканеры и OCR. «КомпьютерПресс», 1995 г, № 9, С. 140−144,146−148,150.
  7. A.A. и др. Оптимальные модульные системы обработки данных. Алма-Ата, Наука, 1981, 187 с.
  8. A.M., Кузин Е. С., Шамис A.JI, Целостное целенаправленное распознавание изображений в ЭВМ. — М.: Вопросы кибернетики, 1987.
  9. A.M., Кузин Е. С., Шамис A.JI., Пакет программ для распознавания рукописной символьной и графической информации ГРАФИТ. «Искусственный интеллект», кн.1. М.: Радио и связь, 1990.
  10. Бекмуратов К А., Процедуры обучения, обеспечивающие заданную надежность распознавания образов, диссертация на соискание ученой степени канд техн наук 05.13.01 Киев, Внадзаг АН Украины, Ин-т кибернетики им В Мглушкова, 1991.- 127
  11. Г. А., Исследование статистической игры распознавания. Диссертации на соискание ученой степени канд. физмат, наук 01.01.09 — М.: Внадзаг МГУ им М В Ломоносова Фак. Вычисл. математики и кибернетики, 1996
  12. Н.И., Цукерман И. И., Шерстнев И. Б., «Телевизионная система обучается узнавать простые рисунки» «Техника кино и телевидения», 1963. № 9.
  13. А.Г., Крицкая H.H. Расчет основных параметров технологического процесса обработки информации. Технологическое обеспечение АСУ, М., 1978, с. 3−16.
  14. B.JI. Достоверность экономической информации в АСУ. -Л., изд-во ЛГУ, 1984. 199 с.
  15. В.Л., Обеспечение требований к достоверности информации в АСУ по критерию средней точности. -«Управляющие системы и машины», 1984, № 1, с.34−36.
  16. В.Н., Червоненко А. Я., Теория распознавания образов. М.:Наука, 1974.
  17. В.И., Распознающие системы. Справочник. Киев: Наукова думка, 1969.
  18. Е.С., Теория вероятностей. М., Наука, 1969.
  19. В. П. и др. Устройство для прослеживания контуров изображений объектов «БИ». 1979. № 45.- 128
  20. В.П., Иваницкий Г. Р., и др.Способ сканирования произвольно-ориентированного объекта «БИ». 1973. № 24.
  21. Е.Г., Левин H.A. Оптимизация обработки информации в АСУ. М., Статистике, 1977, 232 с.
  22. М.П., Автоматический ввод изображения на ЭВМ., М. гЭнергия, 1974.
  23. A.B., Выделение и определение положения края объекта Вильнюс, Зрительные системы, 1987. С.287−305.
  24. К. Введение в системы баз данных. М., Наука, 1980, 464 с.
  25. В.И. Задача выбора методов контроля информации при временных ограничениях. в сб. «Теория и прикладные задачи проектирования АСУ», Киев, 1983, с.60−61.
  26. Н.И., Пескова Н. С. Исследование эффективности некоторых методов контроля информации в АСУ. Механизация и автоматизация производства, 1978, № 9, с. 49−51.
  27. Г. В. Надежность автоматизированных систем. Изд. 3-е, перераб. и доп. М., Энергия, 1977, 536 с.- 129
  28. Г. В. Расчет достоверности информации в человеко-машинных системах обработки данных. Вопросы проектирования и эксплуатации АСУ на транспорте. Труды МИИТ. Выпуск 601, М., 1978, с. 3−19.
  29. Г. В., Об управлении качеством данных в АСУ.- Управляющие системы и машины, 1984, № 2, с.16−17.
  30. А.Н., Литвинюк С. Б. Анализ характера ошибок, допускаемых программами оптического распознавания символов. М.: Машиностроение, — «Автоматизация и современные технологии», 1997, № 10, с.29
  31. А.Н., Резер B.C., Оценка достоверности первичной информации и эффективность схем контроля в информационных системах. Научно-техническая информация. Серия 2. Информационные процессы и системы, — М.: ВИНИТИ, 1984, № 7, с. 19−24.
  32. И.О., Куцык Б. С. Обеспечение достоверности данных в АСУ. М., Наука, 1974.- 130
  33. В.Г., Лузин В. Б. Оценка надежности метода предельных значений для контроля числовых данных. Кибернетика, 1981, № 2, с. 92−94.
  34. Г. Р., Агаджанян Ж. М., Ввод информации о микрообъектах в вычислительную машину с помощью следящей развертки «Современные проблемы машинного анализа биологических структур», М.:Наука, 1970.
  35. О.П., Бройдо В. Л., Выбор оптимальной системы методов контроля достоверности информационных процессов в АСУ. -Автоматика и телемеханика, 1983, № 5, с. 143 148.
  36. О.П., Бройдо В. Л., Эффективность некоторых методов контроля достоверности информации в АСУ. Управляющие системы и машины, 1978, № 2, с.73−78.
  37. Я.Б. и др. Автоматические системы для анализа изображений микрообъектов «Автоматизация биофизических исследований», Пущино: ОНТИ НЦБИ АН СССР. 1979. С. 16−76.
  38. Д.И., К теоретическим основам зрительных анализаторов Вильнюс, Зрительные системы, 1987. С.6−43.
  39. Н.И. Информационные основы передачи сообщений. М. Советское радио, 1966.
  40. С.А. И др. Проектирование подсистем и звеньев АСУ. М., Высшая школа, 1975, -248 с.
  41. В.В., Цвиркун А. Д. Определение оптимальной структуры первичной обработки информации. и Всесоюзное совещание по статистическим методам в технической кибернетике. Доклады, М., Наука, 1970, с. 8−10.
  42. В.В., Цвиркун А. Д. Оптимизация процесса обеспечения достоверности обработки информации в АСУ. -У Всесоюзное совещание по автоматическому управлению. Рефераты докладов, М., Наука, 1971, с. 117−119.
  43. В.В., Калиниченко И. М. Достоверность обработки данных в АСОУ. Управляющие системы и машины, 1979, №? 1, с. 3, б.- 132
  44. С.Б., Исследование и классификация искажений, возникающих при факсимильной передаче текста и попытка их программного моделирования, М.: ВИНИТИ, — «Депонированные научные работы», 1998 г., № 8(320), с. 54 .
  45. С.Б., Ошибки, возникающие в процессе работы программ оптического распознавания символов, М.: ВИНИТИ, — «Депонированные научные работы», 1998 г., № 8(320), с. 54.
  46. A.B., Федорова Н. С., Число градаций яркости, различимое глазом. «Оптико-механическая промышленность», 1973. № 10.
  47. Ю.П. Задачи обеспечения достоверности информации при проектирования и эксплуатации автоматизированных банков данных. Диссертация на канд.техн.наук по спец. 05.13.06. М., ИПУ, 1387. 261 с.
  48. А.Г., Кульба В. В., Цвиркун А. Д. Системные методы повышения качества функционирования сложных управляющих систем. 3 кн.: Анализ и проектирование АСУ. Вып. 2, М., 1972.
  49. А.Г. Проектирование АСУ. М.: Высшая школа, 1987. — 303 с.
  50. Д.А., Чернигина И. А., Информация важный фактор транспортного производства — «Железнодорожный транспорт», 1996. № 9. с.- 133
  51. Ю.Н. Достоверность информации в сложных системах. М., Советское радио, 1973.
  52. Ю.Н., Учебное пособие по курсу «Основы построения АСУ». М.: МЭИ, 1978.
  53. Ф.А., Фомин В. И., Хохлов Л. М. Проблемы повышения достоверности в информационных системах. Ленинград, Энергоиздат. Ленинградское отделение, 1982, 144 с.
  54. Ю.В., и др. Способ автоматического построения «скелета» микрообъектов с целью их комплексного анализа. V Всесоюзное совещание по проблемам автоматизации анализа изображений микроструктур. Пущино: ОНТИ НЦБИ АН СССР, 1977.
  55. В.П., Кульба В. З. Задачи анализа и синтеза систем защиты и контроля при обработке данных в АСУ. -Препринт ИПУ, М., 1980, 46 с.
  56. Э.Я. Оценка достоверности некоторых технологических вариантов подготовки и передачи данных в АСУ. В сб.: Управление сложными системами, Рига, 1976, вып. 3.
  57. А.Н. Опыт использования рациональных приемов и методов обеспечения достоверности обработки постоянной информации в АСУ. Л., 1978.- 134
  58. А.Н., К оценке искажений в реквизитах информации при обработке данных в АСУ. —"Управляющие системы и машины", 1978, № 2, с.44−47.
  59. А.Н., Методы обеспечения достоверности информации в АСУ. — М.: Радио и Связь, 1982, 144с.
  60. К., Норгрен Р. (фирма Perking-Elmaz). Распознавание образов вычислительной машиной с помощью процессора изображений «Электроника», 1972. Т.45. № 22. С.28−40.
  61. Ю.В., Розанов Ю. А., Теория вероятности. Основные понятия. М.: Наука. 1973.
  62. B.C., Рациональный выбор параметров схем обработки первичной информации в подсистемах АСУ ЖТ. -Диссертация на соискание уч. Степени Кандидата Тех. Наук М.: МИИТ, 1988.
  63. И.В., Дружинин Г. В. О безошибочности данных, обрабатываемых в ходе эксперимента с использованием ЭВМ. Труды МИИТ. Выпуск 712, М., 1982.
  64. B.C., Оценка качества функционирования АСУ. — М.: Статистика, 1976, 136с.
  65. Е.Ф., Устройства распознавания изображений символов на основе шаблонов. Диссертация на соискание ученой степени канд. Техн наук 05.13.05 — Курск, Внадзаг Курский гостехн ун-т, 1996- 135
  66. Тестовая лаборатория «Мир ПК». М.: Открытые системы — «Мир ПК», 1991. № 7, 1992. № 1, 1995 № 12.
  67. .Б., Литвинов В. А., Жолудь Л. З., Крамаренко В. З. Пакет программ контроля достоверности информации в АСУ. -Управляющие системы и машины, 1979, № 5, с.46−51.
  68. .Б., Литвинов В. А., Методы обнаружения ошибок в алфавитно-цифровых последовательностях на этапе подготовки и ввода данных в ЭЦВМ. — «Управление системы и машины», 1977, № 4, с.20−27.
  69. Р., Передача информации. Статистическая теория связи. М.: Мир, 1965.
  70. Ю.С., Рубцов A.A. Вычислительный центр железной дороги. М.: Транспорт, 1977. 208 с.
  71. A.A., Борьба с помехами. М., Наука, 1992, с. 192−195.
  72. A.A., Сравнение некоторых возможностей передачи простых рисунков «Электросвязь», 1958. № 5.
  73. В.И., и др. Устройство для поиска и считывания изображений объектов «БИ». 1982. № 14.
  74. А.Д., и др. Системные методы повышения достоверности при обработке информации в АСУ. Экономика и математические методы, 1973, № 3, с. с.07−414.- 136
  75. А.Д., Кульба В. В., Мамиконов А. Г., Автоматизация проектирования АСУ. М.: Энергоиздат, 1981, с. 328.
  76. Я.З., Алгоритмы функционирования адаптивных систем М.: Адаптивные системы. — «Вопросы кибернетики», 1974. С.5−30.
  77. A.M., Иваницкий Г. Р., Агаджанян Ж. М., Сканирующее устройство «БИ». 1973. № 6.
  78. А.Б. и др. Достоверность, защита и резервирование информации в АСУ. М.: Знергоэтомиздат, 1986, 302 с.
  79. Я., Ограничения влияния ошибок входных данных в АСУ. Podnikova organizace, 1976, V.30, #12, р44−46. (ВЦП.№—А—4 7 612) .
  80. Н.С., Достоверность работы цифровых устройств. — М.: Машиностроение, 1989. — 224 с. 86. 1. PostScript (Computer program language) 2. Adobe Type 1 font (Computer program) I. Adobe Systems. QA76.73.P67A36 1990 686.2'2 544 536-dc20 90−42 516 (англ.)
  81. Automatic object recognition 21 -23 Apr 1990 Cacoa Beach (F1)/ Ed H N Nasr et al -Bellmgham (Wa), 1991−244p ill-(Publications/Soc of photo-optical instrumentation eng. Institutes for advanced optical technologies, Vol IS 7) (англ.) — 137
  82. Doug Brotz, Bill Paxton, Jeff Walden Adobe type 1 font format / Adobe Systems Incorporated. p. cm Includes index ISBN 0−201−57 044−0 (англ.)
  83. Jovic M. OCR-Programme, M+K Computermarkt: Fachzeitscimft fur Computer und Kommunikation. Luzern, 1995. ISSN 0251−0006. — Bd 17, N 4, S. 6−13
  84. Pattern Recognition Letters -ISSN 0167−8655, 1997, №№ 1−12, 1996r, №№ 1−12, 1995, №№ 1−12 (англ.)
  85. Wilboren L.P., Meijer 0. Two calculation techniques for the correction of ende errors occurring in determinations of size distributions with linear scanning instruments J. Practical metallography. 1971. P.577−586. (англ.) — 138
  86. M.JI., Автоматическое чтение текстов. — Труды симпозиума «Комплексная механизация и автоматизация процессов обработки, поиска, выдачи и передачи на расстояние научно-технической информации» — М.:ВИНИТИ, 1966 г., с. 357.
  87. М.Л., Автоматическое чтение текстов в системах машинной обработки. — Труды III всесоюзной конференции по информационно-поисковым системам и автоматизированной обработке научно-технической информации — М.:ВИНИТИ, 1966 г., т. З, с. 5.
  88. А.И., Черный А. И., Гиляревский P.C., Основы научной информации. — М.: Наука, 1965г- 139
  89. В.П., К теории анизотропной фильтрации изображений. — Труды III всесоюзной конференции по информационно-поисковым системам и автоматизированной обработке научно-технической информации — М.?ВИНИТИ, 1966 г., т. З, с. 78.
  90. В.П., Федорец Л. Л., Сидорин Ю. М., Соболь В.А, Некоторые результаты экспериментального исследования детектора направлений элементов изображений. — Труды
  91. I всесоюзной конференции по информационно-поисковым системам и автоматизированной обработке научно-технической информации — М.: ВИНИТИ, 1966 г., т. З, с. 85.
  92. Вильям Феллер Введение в теорию вероятностей и ее приложения. М.: Мир, 1967, т.1, с. 365.
Заполнить форму текущей работой

Сессия? Спокойно!