Помощь в написании студенческих работ
Антистрессовый сервис

Разработка проблемно-ориентированного математического обеспечения систем зондирования поверхности Земли

Диссертация: Разработка проблемно-ориентированного математического обеспечения систем зондирования поверхности Земли
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время дистанционное зондирование земной поверхности является одной из важнейших проблем, решаемых с помощью космических летательных аппаратов. Дистанционное зондирование (ДЗ) проводится с целью сбора данных ареального или планетарного масштаба для научных или прикладных целей. В системе мониторинга земной поверхности данные дистанционного зондирования с самолетов и космических… Читать ещё >

Разработка проблемно-ориентированного математического обеспечения систем зондирования поверхности Земли (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АВТОМАТИЗИРОВАННЫЙ ПОИСК ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ
    • 1. 1. Постановка задачи
    • 1. 2. Задача поиска областей интереса на изображениях
    • 1. 3. Основные классы решаемых задач
      • 1. 3. 1. Задача поиска областей интереса по критерию наличия в них изменений по сравнению с базовым изображением
      • 1. 3. 2. Задача поиска областей интереса по критерию наличия в них следов антропогенной деятельности
    • 1. 4. Методы поиска изменений на изображениях. Сравнительный обзор
      • 1. 4. 1. Методы предварительной обработки
      • 1. 4. 2. Метод простого дифференцирования
      • 1. 4. 3. Методы, использующие критерии значимости и критерий гипотезы
      • 1. 4. 4. Методы, использующие прогнозирующие модели
      • 1. 4. 5. Методы, оперирующие моделью затенения
      • 1. 4. 6. Методы моделирования фона
      • 1. 4. 7. Методы обеспечения целостности маски изменений
      • 1. 4. 8. Методы, использующие интегральные характеристики изображений
      • 1. 4. 9. Принципы сравнения и ог{енки функционирования
      • 1. 4. 10. Итоги обзора методов поиска изменений
    • 1. 5. Задачи диссертационных исследований
    • 1. 6. Выводы
  • 2. МЕТОД ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ
    • 2. 1. Необходимость исследования метода поиска областей интереса на изображениях
    • 2. 2. Метод комбинированного поиска областей интереса
      • 2. 2. 1. Этапы комбинированной обработки
      • 2. 2. 2. Обоснование применения комбинированной обработки
    • 2. 3. поиск областей интереса на изображениях
    • 2. 4. Метод совмещения изображений
      • 2. 4. 1. Оценка функции преобразования
      • 2. 4. 2. Трансформирование
    • 2. 5. Фрактальный метод поиска областей интереса
      • 2. 5. 1. Описание метода вариаций
      • 2. 5. 2. Применение метода анализа ПФР для выделения антропогенных ландшафтов
    • 2. 6. Морфологический метод поиска областей интереса
      • 2. 6. 1. Введение в морфологию
      • 2. 6. 2. Форма изображения объекта
      • 2. 6. 3. Сравнение изобраэ/сений по форме
    • 2. 7. Комбинированный метод поиска
    • 2. 8. Выводы
  • 3. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА КОМБИНИРОВАННОГО МЕТОДА ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ
    • 3. 1. Вычислительные эксперименты по применению фрактального метода для поиска областей интереса
      • 3. 1. 1. Поверхность Такаги
      • 3. 1. 2. Учет погрешностей квантования при практической реализации метода
      • 3. 1. 3. Оценка устойчивости метода к изменению условий съемки и масштаба
      • 3. 1. 4. Методика принятия решения о наличии или отсутствии аномалии
      • 3. 1. 5. Применение локальных ПФР при практической реализации метода анализа ПФР
      • 3. 1. 6. Исследование и тестирование метода на различных типах объектов
      • 3. 1. 7. Сравнение разработанного метода с методом разности изображений
    • 3. 2. Вычислительные эксперименты по применению фрактального метода для поиска антропогенных объектов
    • 3. 3. Вычислительные эксперименты по применению морфологического метода для поиска областей интереса
      • 3. 3. 1. Методика принятия решения о наличии или отсутствии аномалии
      • 3. 3. 2. Оценка устойчивости метода к изменению условий съемки
      • 3. 3. 3. Тестирование работы метода на реальных изображениях
    • 3. 4. Общее тестирование комбинированного метода
      • 3. 4. 1. Оценка вычислительных затрат на реализацию
      • 3. 4. 2. Ог{енка сокращения числа обрабатываемых кадров
    • 3. 5. Определение эффективности комбинированного метода с помощью методов экспертной оценки
      • 3. 5. 1. Основные этапы процедуры экспертного оценивания
      • 3. 5. 2. Методы экспертного оценивания альтернатив
      • 3. 5. 3. Основные типы шкал
      • 3. 5. 4. Обработка экспертных оценок
      • 3. 5. 5. Описание эксперимента по оценке эффективности разработанного метода
    • 3. 6. Выводы
  • 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ КОМПЛЕКСНОГО МЕТОДА ПОИСКА ОБЛАСТЕЙ ИНТЕРЕСА НА ИЗОБРАЖЕНИЯХ
    • 4. 1. Блок-схема организации вычислительного процесса
    • 4. 2. Средства разработки и тестирования
    • 4. 3. Библиотека функций обработки изображений
    • 4. 4. Программная реализация
    • 4. 5. Выводы

Актуальность исследования.

В настоящее время дистанционное зондирование земной поверхности является одной из важнейших проблем, решаемых с помощью космических летательных аппаратов. Дистанционное зондирование (ДЗ) проводится с целью сбора данных ареального или планетарного масштаба для научных или прикладных целей. В системе мониторинга земной поверхности данные дистанционного зондирования с самолетов и космических аппаратов являются эффективным инструментом как для быстрого обновления картографических материалов и создания актуальной пространственной основы для привязки материалов мониторинга, так и непосредственно для решения задач разведки, охраны природы, экологического мониторинга, выявления и учета антропогенного влияния, аномальных явлений, оценки состояния земель и их использования для земельного кадастра, землеустройства, контроля за использованием земель и т. д.

Возможности применения космической информации, позволяющей проводить обследования больших территорий в оперативном режиме, существенно расширились в последние годы, когда широкому кругу потребителей стали доступны спутниковые данные с пространственным разрешением до 1 м — 70 см (Ikonos, QuickBird), сделавшие возможным переход к крупномасштабным съемкам на больших площадях, составив тем самым конкуренцию материалам аэрофотосъемки. Новые возможности открывает запуск в сентябре 2007 г. спутника WorldView-1, обеспечивающего съемку с разрешением менее 50 см, что позволяет получать более крупномасштабную и детализированную информацию. К преимуществам космической съемки следует отнести возможность регулярной съемки с высокой периодичностью одних и тех же участков, что позволяет вести мониторинг территорий, например, участков с интенсивными изменениями в использовании земель, территорий с сильным развитием негативных процессов и др., и синхронное получение одновременно с панхроматической съемкой данных многозональной съемки в различных спектральных диапазонах.

Интенсивное развитие средств цифровой обработки, передачи и хранения информации находит все большее применение в цикле съема и обработки данных дистанционного зондирования Земли. Это определяет необходимость разработки и внедрения новых более быстродействующих и эффективных алгоритмов и программных средств обработки и автоматизированного анализа результатов дистанционного зондирования.

При решении значительной части задач дистанционного зондирования в информационно-измерительных системах используется оперативное наблюдение за состоянием земной поверхности, цель которого — обнаружение резких изменений в структуре наблюдаемых объектов. Такими изменениями могут быть возникновение крупных очагов пожаров, крупномасштабные аварии, загрязнения водоемов, техногенные катастрофы, передислокация наблюдаемых объектов и т. п. Подобные процессы, приводящие к аномальным изменениям топологии наблюдаемой земной поверхности, фиксируются и могут быть обнаружены на изображениях земной поверхности, полученных средствами дистанционного зондирования.

Поиск изображений, содержащих такую полезную информацию, как топологические изменения и аномалии, является трудоемкой задачей, так как процент таких изображений из значительного объема поступающих снимков невелик. На данный момент для решения этой задачи отбора требуется привлечение большого штата экспертов — операторов, осуществляющих визуальный контроль и поиск информативных фрагментов, а также привлечение значительных технических ресурсов для передачи и хранения большого объема изображений.

До настоящего времени цифровой анализ разновременных изображений с целью выявления и определения на них изменений производится с помощью методов, использующих цветовые и яркостные характеристики изображений. Однако эти характеристики значительно изменяются при вариации условий съемки, например при изменении освещенности, и могут трактоваться как вариация земной поверхности. Поэтому возможности применения этих методов ограничены. На практике такие алгоритмы используются при обработке узкого класса изображений, ограниченного или параметрами снимков или параметрами наблюдаемых объектов.

Автоматизация процесса отбора снимков, содержащих топологические аномалии, а также выделение на этих изображениях областей интереса, содержащих изменения, позволит значительно сократить время анализа и обработки, затраты технических и экспертных ресурсов в информационно-измерительных системах и сделать данные оперативного наблюдения более доступными конечным потребителям. В данной работе под областями интереса понимаются информативные фрагменты изображения, т. е. такие, которые содержат необходимую информацию для решаемой задачи анализа изображения и могут быть выделены на изображениях разрабатываемыми методами. В зависимости от поставленной задачи области интереса могут быть двух видов: выделяемые в целях обзорного мониторинга (обзорная разведка, мониторинг землепользования, градостроительства и т. п.) и в целях непосредственного поиска изменений (выявление следов крупномасштабных аварий, изменений на наблюдаемых объектах разведки, мониторинг чрезвычайных ситуаций и т. п.).

Таким образом, разработка проблемно-ориентированного математического обеспечения в информационно-измерительных системах обработки данных дистанционного зондирования поверхности Земли является актуальной и ее решению в части оперативного автоматизированного цифрового анализа разновременных изображений с целью поиска областей интереса, выявления и определения на них структурных изменений и посвящается данная диссертационная работа.

Цель исследования.

Основной целью настоящей работы является разработка комбинированного метода и алгоритма поиска областей интереса на изображениях в плане разработки и построения проблемно-ориентированного математического обеспечения информационно-измерительных систем обработки данных дистанционного зондирования поверхности Земли.

Методы исследования.

Теоретические методы исследования основывались на методах цифровой обработки изображений, а именно методах морфологического анализа и анализа фрактальной размерности изображений. Экспериментальная часть исследования базировалась на анализе результатов обработки цифровых синтезированных и реальных изображений с помощью ЭВМ с последующей их численной и визуальной оценкой. Для программной реализации разработанных методов и математического обеспечения использовались методы создания программных систем и язык высокого уровня С++ в рамках среды для быстрой разработки приложений Borland С++ Builder.

Научная новизна полученных результатов.

Научная новизна заключается в том, что впервые были предложены и разработаны методы и средства комбинированного многоступенчатого анализа цифровых изображений с целью поиска областей интереса на видеоизображениях земной поверхности. К основным результатам относятся:

1. Комбинированный метод многоступенчатого поиска областей интереса при комплексном применении методов анализа показателя фрактальной размерности (ПФР) и морфологического анализа;

2. Метод поиска на изображениях антропогенных фрагментов с помощью анализа ПФР, реализуемый в рамках разработанного комбинированного метода;

3. Алгоритм объединения комбинируемых методов при создании экспериментального программного обеспечения;

4. Метод поиска разномасштабных изменений с помощью анализа ПФР.

Практическая значимость полученных результатов.

1. Разработанные методы и программное обеспечение позволяют повысить эффективность программно-технических комплексов оперативной обработки данных дистанционного зондирования поверхности Земли и производительность труда операторов-дешифровщиков. Полученные в ходе работы результаты были использованы в проектно-конструкторской деятельности Федерального государственного унитарного предприятия «Научно-исследовательский институт точных приборов» (ФГУП НИИ ТП) при выполнении ОКР «Основатель» и были внедрены в организациях-заказчиках.

2. Разработанные комбинированный метод, библиотека функций и экспериментальное программно-алгоритмическое обеспечение могут быть использованы при создании аналогичных по целевому назначению программных и программно-аппаратных комплексов мониторинга чрезвычайных ситуаций, охраны природы, экологического мониторинга, разведки, землепользования и многих других.

3. Внедрение разработанных методов и средств комбинированного многоступенчатого анализа цифровых изображений позволят проводить обработку данных дистанционного зондирования с большей эффективностью и меньшими затратами ресурсов, что сократит время на анализ и принятие решения и сделает данные ДЗ более доступными потребителю.

На защиту выносятся следующие положения:

1. Комбинированный многоступенчатый метод поиска областей интереса на видеоизображениях земной поверхности позволяет значительно сократить количество обрабатываемых изображений, выделять на них области для дальнейшей обработки и сократить пространство поиска не менее чем в 16 раз;

2. Комбинированный многоступенчатый метод поиска изменений на видеоизображениях при совместном использовании методов анализа показателя фрактальной размерности и морфологического анализа обеспечивает высокую эффективность обнаружения изменений и устойчивость результатов обработки при изменении условий съемки (более 50% по яркости и контрастности);

3. Метод поиска на видеоизображениях антропогенных объектов, основанный на анализе показателя фрактальной размерности, позволяет решать задачу их обнаружения в автоматизированном режиме;

4. Метод поиска на видеоизображениях разномасштабных изменений на основе анализа показателя фрактальной размерности повышает эффективность поиска изменений за счет возможности подбора размера области интереса, соизмеримого с размером искомой аномалии.

Апробации.

Основные теоретические положения и результаты диссертационной работы докладывались и обсуждались на 4-й Международной научно-технической конференции «Космонавтика. Радиоэлектроника. Геоинформатика» (Рязань, 2003 г.), 4-ой Международной конференции «Авиация и космонавтика-2005» (Москва, 2005 г.), 3-ей Научно-практической конференции молодых ученых и специалистов «Исследования и перспективные разработки в авиационной промышленности» (Москва, 2005 г.), Двенадцатой Международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» (Москва, 2006 г.).

Публикации.

По теме диссертационной работы опубликовано 8 печатных работ.

Структура и объем диссертации

.

Диссертация изложена на 160 страницах, состоит из введения (9 стр.), четырех глав (121 стр.), заключения (2 стр.), библиографического списка и двух приложений.

4.5. Выводы.

В рамках главы получены следующие результаты:

— определены требования к экспериментальному программному средству;

— разработана и описана блок-схема алгоритма поиска областей интереса на изображениях;

— разработана и описана библиотека функций, реализующих методы поиска областей интереса на изображенияхбиблиотека создана в виде стандартных модулей на языке С++;

— создано экспериментальное программное средство «imgdiff», дано описание его состава и функций.

Заключение

.

1. Проведен анализ актуальной прикладной задачи обработки данных дистанционного зондирования земной поверхности в информационно-измерительных системах, позволивший сформулировать проблему поиска областей интереса на видеоизображениях земной поверхности.

2. Разработан новый комбинированный метод решения задачи оперативного анализа видеоизображений, основанный на комплексном многоступенчатом применении различных методов обработки изображений, состоящий из двух этаповпредварительного и детального поиска областей интереса.

3. Для предварительной обработки видеоизображений земной поверхности предложен метод, характеризующий изменения изображений земной поверхности численной характеристикойпоказателем фрактальной размерности.

4. Для последующего детального поиска изменений на видеоизображениях предложен метод морфологического анализа, оперирующий понятием формы изображения для нахождения изменений.

5. Предложен метод решения задачи поиска антропогенных объектов, основанный на анализе ПФР и показавший эффективные результаты в ходе вычислительных экспериментов.

6. Для поиска на изображениях разномасштабных изменений предложен метод на основе анализа ПФР, эффективность которого подтверждена экспериментально.

7. Проведено тестирование вышеуказанных методов, как на модельных видеоизображениях, так и на натурных видеоизображениях земной поверхности, которое показало высокую эффективность обнаружения изменений и устойчивость результатов обработки к изменению условий съемки. Эффективность разработанного комбинированного метода подтверждена результатами проведенной экспертной оценки. 8. Для отработки взаимодействия методов и их тестирования разработано экспериментальное программное средство «imgdiff». Модули с реализациями методов обработки видеоизображений, созданные при разработке данного программного средства, могут быть использованы в дальнейшем при создании аналогичных по целевому назначению программных и программно-аппаратных комплексов информационно-измерительных систем. Таким образом, решена важная научно-техническая задача автоматизированного поиска областей интереса на видеоизображениях земной поверхности, имеющая существенное значение для развития систем дистанционного зондирования поверхности Земли.

Показать весь текст

Список литературы

  1. Hord R.M. Remote Sensing: Methods and Applications. N.Y.:Wiley, 1986. -420p.
  2. JI.M. Космическая фотография. М.:Наука, 1989. -262 с.
  3. Г. Б. Космическая фотография для изучения природных ресурсов. М.: Недра, 1980.
  4. В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998. — 288 с.
  5. Jensen J.R. Introduction Digital Image Processing. -Berlin: Springer-Verlag, 1977.- 322p.
  6. Пайтен X.-O., Рихтер П. Х. Красота фракталов. Образы комплексных динамических систем: пер. с англ. М. Мир, 1993
  7. Mandelbrot В.В. The Fractal Geometry of Nature.- N.Y.: Freerman, 1982
  8. JI., Харт П. Распознавание образов и анализ сцен: пер. с англ. -.М.:Мир, 1984−382с.
  9. У. Цифровая обработка изображений: пер. с англ. -. М. Мир, 1982.-266 с.
  10. К. Введение в статистическую теорию распознавания образов: пер. с англ. М.: Наука, 1979. — 368 с.
  11. L. G. Brown, «A survey of image registration techniques,» ACM Computer Surv., vol. 24, no. 4, 1992.
  12. S. Lavallee, Registration for computer-integrated surgery: methodology, state of the art. MIT Press, 1995.
  13. J. B. A. Maintz and M. A. Viergever, «A survey of medical image registration,» Medical Image Analysis, vol. 2, no. 1, pp. 1−36, 1998.
  14. B. Zitov’a and J. Flusser, «Image registration methods: a survey,» Image and Vision Computing, vol. 21, pp. 977−1000, 2003.
  15. L. Ibanez, W. Schroeder, L. Ng, and J. Cates, The ITK Software Guide: The Insight Segmentation and Registration Toolkit (version 1.4). Kitware Inc., 2003.
  16. D. A. Stow, «Reducing the effects of misregistration on pixel-level change detection,» Int. J. Remote sensing, vol. 20, no. 12, pp. 24 772 483, 1999.
  17. J. Townshend, C. Justice, C. Gurney, and J. McManus, «The impact of misregistration on change detection,» IEEE Trans. Geosci. Remote Sensing, vol. 30, pp. 1054−1060, September 1992.
  18. X. Dai and S. Khorram, «The effects of image misregistration on the accuracy of remotely sensed change detection,» IEEE Trans. Geoscience and Remote Sensing, vol. 36, no. 5, pp. 1566−1577, September 1998.
  19. R. Lillestrand, «Techniques for change detection,» IEEE Trans, on Computers, vol. 21, no. 7, pp. 654−659, 1972.
  20. M. S. Ulstad, «An algorithm for estimating small scale differences between two digital images,» Pattern Recognition, vol. 5, pp. 323 333, 1973.
  21. B. Phong, «Illumination for computer generated pictures,» Commun. ACM, vol. 18, pp. 311−317, 1975.
  22. T. A. D. Toth and V. Metzler, «Illumination-invariant change detection,» in The 4th IEEE Southwest Symposium on Image Analysis and Interpretation, April 2000.
  23. Т. Aach, L. Diimbgen, R. Mester, and D. Toth, «Bayesian illumination-invariant motion detection,» in Proc. IEEE International Conference on Image Processing, October 2001, pp. 640−643.
  24. B. Xie, V. Ramesh, and T. Boult, «Sudden illumination change detection using order consistency,» Image and Vision Computing, vol. 22, no. 2, pp. 117−125, February 2004.
  25. O. Pizarro and H. Singh, «Toward large-area mosaicing for underwater scientific applications,» IEEE Journal of Oceanic Engineering, vol. 28, no. 4, pp. 651−672, October 2003.
  26. A. Can and H. Singh, «Methods for correcting lighting pattern and attenuation in underwater imagery,» IEEE Journal of Oceanic Engineering, April 2004, in review.
  27. S. Negahdaripour, «Revised definition of optical flow: integration of radiometric and geometric cues for dynamic scene analysis,» IEEE Trans. Pattern Anal. Machine Intell., vol. 20, no. 9, pp. 961−979, September 1998.
  28. G. D. Hager and P. N. Belhumeur, «Efficient region tracking with parametric models of geometry and illumination,» IEEE Trans. Pattern Anal. Machine Intell., vol. 20, no. 10, pp. 1025−1039, 1998.
  29. J. Jensen, Introductory Digital Image Processing, A Remote Sensing Perspective. Prentice Hall, 1996.
  30. I. Niemeyer, M. Canty, and D. Klaus, «Unsupervised change detection techniques using multispectral satellite images,» in Proc. IEEE International Geoscience and Remote Sensing Symposium, 1999, pp. 327−329.
  31. E. P. Crist and R. C. Cicone, «A physically-based transformation of Thematic Mapper data the TM tasseled cap,» IEEE Trans. Geoscience and Remote Sensing, vol. 22, pp. 256−263, 1984.
  32. J. Morisette and S. Khorram, «An introduction to using generalized linear models to enhance satellite-based change detection,» Proc. IGARSS 1997, vol. 4, pp. 1769−1771, 1997.
  33. A. Elgammal, R. Duraiswami, D. Harwood, and L. S. Davis, «Background and foreground modeling using non-parametric kernel density estimation for visual surveillance,» Proceedings of the IEEE, vol. 90, no. 7, pp. 1151−1163, July 2002.
  34. L. M. T. Carvalho, L. M. G. Fonseca, F. Murtagh, and J. G. P. W. Clevers, «Digital change detection with the aid of multi-resolution wavelet analysis,» Int. J. Remote Sensing, vol. 22, no. 18, pp. 38 713 876, 2001.
  35. S. Fukuda and H. Hirosawa., «Suppression of speckle in synthetic aperture radar images using wavelet,» Int. J. Remote Sensing, vol. 19, no. 3, pp. 507−519, 1998.
  36. S. Quegan and J. Schou, «The principles of polarimetric filtering,» in Proc. IGARSS '97, August 1997, pp. 1041−1043.
  37. R. Touzi, «A review of speckle filtering in the context of estimation theory,» IEEE Trans. Geoscience and Remote Sensing, vol. 40, no. 11, pp. 2392−2404, November 2002.
  38. P. Rosin, «Thresholding for change detection,» Computer Vision and Image Understanding, vol. 86, no. 2, pp. 79−95, May 2002.
  39. P. Rosin and E. Ioannidis, «Evaluation of global image thresholding for change detection,» Pattern Recognition Letters, vol. 24, no. 14, pp. 2345−2356, October 2003.
  40. P. Smits and A. Annoni, «Toward specification-driven change detection,» IEEE Trans. Geoscience and Remote Sensing, vol. 38, no. 3, pp. 1484−1488, May 2000.
  41. H. V. Poor, An Introduction to Signal Detection and Estimation, 2nd ed. Springer-Verlag, 1994.
  42. L. Bruzzone and D. F. Prieto, «Automatic analysis of the difference image for unsupervised change detection,» IEEE Trans, on Geosci. Remote Sensing, vol. 38, no. 3, pp. 1171−1182, May 2000.
  43. J. E. Colwell and F. P. Weber, «Forest change detection,» in Proc. of the 15th International Symposium on Remote Sensing of Environment, 1981, pp. 839−852.
  44. W. A. Malila, «Change vector analysis: an approach for detecting forest changes with Landsat,» in Proc. of the 6th Annual Symposium on Machine Processing of Remotely Sensed Data, 1980, pp. 326−335.
  45. S. M. Kay, Fundamentals of Statistical Signal Processing: Detection Theory. Prentice-Hall, 1993.
  46. T. Aach and А. Каир, «Statistical model-based change detection in moving video,» Signal Processing, vol. 31, pp. 165−180, March 1993.
  47. T. Aach and А. Каир, «Bayesian algorithms for adaptive change detection in image sequences using Markov random fields,» Signal Processing: Image Communication, vol. 7, pp. 147−160, August 1995.
  48. A. P. Dempster, N. M. Laird, and D. B. Rubin, «Maximum likelihood from imcomplete data via the EM algorithm,» J. Royal Statist. Soc., vol. 39, no. l, pp. 1−38, 1977.
  49. M. J. Black, D. J. Fleet, and Y. Yacoob, «Robustly estimating changes in image appearance,» Computer Vision and Image Understanding, vol. 78, no. l, pp. 8−31,2000.
  50. J. Rissanen, «Minimum-description-length principle,» in Encyclopedia of Statistical Sciences, 5th ed. John Wiley, 1987, pp. 523−527.
  51. Y. Z. Hsu, H.-H. Nagel, and G. Reckers, «New likelihood test methods for change detection in image sequences,» Computer Vision, Graphics, and Image Processing, vol. 26, pp. 73−106, 1984.
  52. K. Skifstad and R. Jain, «Illumination independent change detection for real world image sequences,» Computer Vision, Graphics, and Image Processing, vol. 46, no. 3, pp. 387−399, 1989.
  53. Z. Jain and Y. Chau, «Optimum multisensor data fusion for image change detection,» IEEE Trans. Systems, Man and Cybernetics, vol. 25, no. 9, pp. 1340−1347, September 1995.
  54. K. Toyama, J. Krumm, B. Brumitt, and B. Meyers, «Wallflower: Principles and practice of background maintenance,» in Proc. ICCV '99, 1999, pp. 255−261.
  55. L. Li and M. К. H. Leung, «Integrating intensity and texture differences for robust change detection,» IEEE Trans. Image Processing, vol. 11, no. 2, pp. 105−112, February 2002.
  56. A. Cavallaro and T. Ebrahimi, «Video object extraction based on adaptive background and statistical change detection,» in Proc. SPIE Visual Communications and Image Processing, January 2001, pp. 465−475.
  57. S. Huwer and H. Niemann, «Adaptive change detection for real-time surveillance applications,» in Proc. Visual Surveillance 2000, 2000.
  58. R. M. Haralick and L. G. Shapiro, Computer and Robot Vision. Addison-Wesley, 1992, vol. 1.
  59. E. Stringa, «Morphological change detection algorithms for surveillance applications,» in British Machine Vision Conference, 2000.
  60. Т. Yamamoto, Н. Hanaizumi, and S. Chino, «A change detection method for remotely sensed multispectral and multitemporal images using 3-D segmentation,» IEEE Trans. Geoscience and Remote Sensing, vol. 39, no. 5, pp. 976−985, May 2001.
  61. J. W. Berger, T. R. Patel, D. S. Shin, J. R. Piltz, and R. A. Stone, «Computerized stereochronoscopy and alteration flicker to detect optic nerve head contour change,» Ophthalmology, vol. 107, no. 7, July 2000.
  62. J. Hu, R. Kahsi, D. Lopresti, G. Nagy, and G. Wilfong, «Why table ground-truthing is hard,» in Proc. Sixth Int. Conf. Document Analysis and Recognition, 2001, pp. 129−133.
  63. S. Watanabe, K. Miyajima, and N. Mukawa, «Detecting changes of buildings from aerial images using shadow and shading model,» in ICPR98, 1998, pp. 1408−1412.
  64. L. Bruzzone and D. F. Prieto, «An adaptive semiparametric and context-based approach to unsupervised change detection in multitemporal remote-sensing images,» IEEE Trans. Image Processing, vol. 11, no. 4, pp. 452−466, April 2002.
  65. A. Singh, «Digital change detection techniques using remotely-sensed data,» Internat. Journal of Remote Sensing, vol. 10, no. 6, pp. 9 891 003, 1989.
  66. C. R. Wren, A. Azarbayejani, T. Darrell, and A. Pentland, «Pfinder: Real-time tracking of the human body,» IEEE Trans. Pattern Anal. Machine Intell., vol. 19, no. 7, pp. 780−785, 1997.
  67. C. Stauffer and W. E. L. Grimson, «Learning patterns of activity using real-time tracking,» IEEE Trans. Pattern Anal. Machine Intell., vol. 22, no. 8, pp. 747−757, August 2000.
  68. C.B. Фотограмметрия сканерных снимков. M., Картгеоцентр-Геодезиздат, 1976.- 176 с.
  69. С.В., Гершензон В. Е. Космические системы дистанционного зондирования Земли.- М.: Издательство, А и Б, 1997.- 296 с.
  70. Г. Л. Автоматизированная межотраслевая обработка снимков земной поверхности, получаемых с ИСЗ серии LANDSAT // Зарубежная радиоэлектроника, 1988, № 8, С.56−84.
  71. Chen L.C., Rau J.Y. Geometric correction of airborne scanner imagery using orthophotos and triangulated feature point matching // International Journal of Remote Sensing.- 1993.- Vol.14.- № 16.-P.3041−3059.
  72. Ehlers M. Rectification and registration / Integration of geographic information systems and remote sensing / Eds. J.L.Star, J.E.Estes, K.C.McGwire.- Cambridge University Press, 1997.- P. 13−36.
  73. Fonseca L.M.G., Manjunath B.S. Registration techniques for multisensor remotely sensed imagery // Photogrammetric Engineering & Remote Sensing.- 1996.- Vol.62.- № 9.- P.1049−1056.
  74. Garnesson Ph., Bruckert D. Georis: a tool to overlay precisely digital imagery // Internationl archives of photogrammetry and remote sensing.- 1999.- Vol.32.- Pt 7−4-3 W6, P.33−36.
  75. Holm M. Fast rectification of satellite images into a GIS / Remote sensing for monitoring the changing environment of Europe. Ed. P. Winkler Rotterdam: Balkema. 1993.- P.147−154.
  76. Zheng Q., Chellappa R. A computational vision approach to image registration // IEEE Transactions on Image Processing.- 1993.- Vol.2.-№ 3.-P.311−326.
  77. C.B. Карта показателей фрактальной размерности и её применение в задачах мониторинга земной поверхности // Научн.тр. Вып.282. М.:МГУЛеса, 1998. — 178 с.
  78. Burrough Р.А. Fractal dimensions of landscapes and other environmental data//Nature. 1981.- 294. — N 19.- P.2240−242.
  79. Dubuc B. Et al., Evaluating the fractal dimension of surfaces // Proc. Royal Soc., 1989, V. A. 425, p. 113.
  80. Mandelbrot В., Fractals, Forms, Chance and Dimensions. — Freenman, San Francisco, 1977.
  81. P. M. Фракталы и хаос в динамических системах. Основы теории. М.: Постмаркет, 2000. — 352 с.
  82. А.А., Герман В. А. Применение фрактальных методов для обработки оптических и радиолокационных изображений земной поверхности // Радиотехника и электроника. 2000. Т. 45, № 8. С. 946−953.
  83. Carlotto M.J., Stein М.С. A method for searching for artificial objects on planetary surfaces // Journal of the British Interplanetary Society, 1990, vol. 43, N5, pp. 209−216.
  84. A.B. Руиноподобные валы на Луне // Информационный бюллетень НКЦ SETI, N14, Москва: ГАИШ, 1999, с.29−34.
  85. Ю.П. Морфологический анализ изображений. Докл. АН СССР. 1983.Т.269, N 5, с.1061−1064
  86. Ю.П. Задачи морфологического анализа изображений. В сб. Математические методы исследования природных ресурсов Земли из космоса. Под ред. В. Г. Золотухина. — М.:Наука 1984.
  87. Ю.П., Чуличков А. И. ЭВМ анализирует форму изображений. — М.: Знание, 1988 ~ 48с.
  88. Huang Q. et al., Can the fractal dimension of images be measured? // Pat-tern Recognition, 1987, V. 27, № 3.
  89. В. П. Справочник по алгоритмам и программам на языке бейсик для персональных ЭВМ: Справочник.— М.: Наука. Гл. ред. физ.-мат. лит., 1989. 240 с.
  90. Я. Теория измерений для инженеров. Пер. с польск. М.: Мир, 1989.-388с.
  91. С.В. Метод и вычислительное устройство автоматического обнаружения топологических аномалий на земной поверхности по космическим видеоизображениям: Дис.. канд. техн. наук. Москва. 2001. 115 с.
  92. Рабиндер JL, Гоулд Б. Теория и применение цифровой обработки сигнала. Пер. с анг. М.: Мир, 1978. 379с.
  93. Д.А. Информационные процессы в компьютерных сетях. М.: Кудиц-Образ, 1999. — 256с.
  94. А.Ф., Новосёлов О. Н., Плющев А. В. Отбраковка аномальных результатов измерений. М.: Энергоатомиздат, 1985. -244с.
  95. Я.Б., Мышкис А. Д. Элементы прикладной математики. М.: Наука, 1965.-382с.
  96. А.И. Экспертные оценки. Учебное пособие. М., 2002
  97. .Г. Экспертная информация: Методы получения и анализа. М.: Радио и связь, 1982. — 184 с.
  98. С. А., Косолапов М. С. Толстова Ю. Н. Шкалирование при сборе и анализе социологической информации. — М.: Наука.1978.
  99. JI. Л. Психофизический анализ. — В кн.: Проблемы и методы психофизики. — М.: МГУ, 1974.
  100. Фон Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение Пер. с англ ./Под ред. Н. Н. Воробьева. М.: Наука, 1979.
  101. Л.Г., Кутузов В. А. Экспертные оценки в управлении. М.: Экономика, 1978. 133 с.
Заполнить форму текущей работой

Сессия? Спокойно!