Помощь в написании студенческих работ
Антистрессовый сервис

Разработка субполосных методов и алгоритмов предварительной обработки изображений земной поверхности

Диссертация: Разработка субполосных методов и алгоритмов предварительной обработки изображений земной поверхности
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Применяемые в настоящее время методы повышения резкости и выделения контуров фрагментов изображений чувствительны к воздействиям флуктуационных шумов, что часто приводит к появлению лишних деталей (ложные контуры) на результирующих изображениях. Поэтому возникает необходимость разработки градиентных операторов менее чувствительных к 4 указанным искажениям исходных данных, что можно осуществить… Читать ещё >

Разработка субполосных методов и алгоритмов предварительной обработки изображений земной поверхности (реферат, курсовая, диплом, контрольная)

Содержание

  • ЕЛАВА 1. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ИЗОБРАЖЕНИЙ ЗЕМНОЙ ПОВЕРХНОСТИ. ОСНОВНЫЕ ЗАДАЧИ И СОВРЕМЕННЫЕ АЛЕОРИТМЫ ИХ
  • РЕШЕНИЯ
    • 1. 1. Дистанционное зондирование Земли из космоса в задачах мониторинга и управления
    • 1. 2. Назначение и роль предварительной обработки в задачах анализа ИЗП
    • 1. 3. Характеристика современных методов и алгоритмов предварительной обработки ИЗП
      • 1. 3. 1. Повышение резкости ИЗП
      • 1. 3. 2. Изменение масштабов фрагментов ИЗП
      • 1. 3. 3. Совмещение и комплексирование изображений, полученных в различных диапазонах частот
    • 1. 4. Основы субполосного анализа и синтеза изображений
    • 1. 5. Задачи исследования
  • ЕЛАВА 2. СУБПОЛОСНЫЕ СВОЙСТВА ИЗОБРАЖЕНИЙ
    • 2. 1. Метод повышение резкости изображений на основе оптимального субполосного выделения компонент из адаптивно определяемых интервалов ПЧ
      • 2. 1. 1. Теоретические основы повышения резкости
      • 2. 1. 2. Концептуальные основы экспериментальных исследований
      • 2. 1. 3. Планирование вычислительных экспериментов
      • 2. 1. 4. Описание результатов повышения резкости и выделения линейных структур
    • 2. 2. Алгоритмы адаптивного повышения резкости ИЗП и выделения линейных структур

Актуальность работы Изображения земной поверхности (ИЗП) широко используются для решения задач информационного обеспечения в сельском и лесном хозяйстве, экологии, мониторинге и контроле чрезвычайных ситуаций, при проведении научных и прикладных исследований окружающей среды и др.

В большинстве случаев ИЗП получают в ходе проведения дистанционного зондирования Земли (ДЗЗ) при помощи установленных на космических аппаратах различных оптико-электронных датчиков, которые реагируют на энергию в определенных диапазонах длин электромагнитных волн (разноспектральные ИЗП). Использование нескольких диапазонов длин волн обусловлено необходимостью получения дополнительной информации об изучаемых объектах. При этом возникает задача комплексирования таких изображений с целью повышения общей информативности относительно одних и тех же участков земной поверхности. Для установления закономерностей широко применяется сопоставление ИЗП или их фрагментов, полученных в различные моменты времени, что принято называть совмещением. При анализе фрагментов ИЗП часто возникает необходимость изменения их размеров (масштабирование). Достоверность результатов анализа и обоснованность выводов во многом зависят от контрастности и резкости контуров фрагментов ИЗП, что принято называть визуальным качеством.

Обработку ИЗП с целью повышения визуального качества, комплексирования и совмещения принято называть предварительной обработкой.

Применяемые в настоящее время методы повышения резкости и выделения контуров фрагментов изображений чувствительны к воздействиям флуктуационных шумов, что часто приводит к появлению лишних деталей (ложные контуры) на результирующих изображениях. Поэтому возникает необходимость разработки градиентных операторов менее чувствительных к 4 указанным искажениям исходных данных, что можно осуществить на основе создания методов оценивания производных компонент ИЗП из отдельных интервалов пространственных частот (ПЧ).

Для повышения резкости изображений обычно используют усиление компонент из области высоких ПЧ, что осуществляется на основе их выделения и добавления результата фильтрации к исходному изображению. Однако необходимо провести дополнительные исследования по уточнению области ПЧ, которые содержат компоненты изображений, дающие наибольший эффект в повышении резкости, и выбрать наилучший метод их выделения.

Масштабирование обычно реализуется на основе прореживания (уменьшение размеров) или интерполяции (увеличение размеров). Применяемые в настоящее время методы интерполяции не позволяют учесть свойства ИЗП, которые проявляются в наличии повышенных долей их энергий в областях ПЧ достаточно малых размеров.

В основе метода определения одних и тех же фрагментов земной поверхности присутствующих на разных изображениях, применяется оценивание их идентичности с использованием меры близости в виде пространственного коэффициента корреляции, который недостаточно чувствителен к различиям в значениях сравниваемых наборов пикселей. Поэтому необходимо усовершенствовать этот метод на основе разработки таких преобразований ИЗП, к результатам которых указанная мера идентичности будет более чувствительна, чем к исходным данным.

Комплексирование разноспектральных ИЗП обычно сводится к созданию (синтезу) нового изображения, на котором с повышенной резкостью были бы представлены все объекты наблюдаемой сцены, что часто реализуется на основе суммирования с некоторыми весовыми коэффициентами либо самих изображений, либо их компонент из областей высоких ПЧ. Повысить качество синтезируемого изображения можно на основе усиления соответствующих компонент из адаптивно определяемых интервалов ПЧ.

Таким образом, актуальность темы диссертационных исследований определяется тем, что информативность ИЗП в задачах их анализа может быть повышена на основе использования компонент из различных интервалов ПЧ.

Методы и алгоритмы предварительной обработки ИЗП, усовершенствованные на основе использования их компонент из адаптивно определяемых интервалов ПЧ, представляется естественным называть субполосными.

Целью данной работы является совершенствование предварительной обработки изображений земной поверхности на основе разработки и применения методов и алгоритмов субполосного анализа и синтеза их компонент в определяемых в процессе обработки (адаптивно) интервалах пространственных частот.

Методы исследований:

В работе использованы методы субполосного частного анализа/синтеза, математической статистики, цифровой обработки изображений, линейной алгебры и вычислительных экспериментов.

Научную новизну работы составляет следующее:

1. Эмпирически установленные связи резкости изображений, включая ориентацию их линейных структур, с компонентами из различных интервалов ПЧ;

2. Субполосные методы численного дифференцирования и интерполяции изображений, позволяющие учесть распределение их энергий по интервалам ПЧ;

3. Субполосный градиентный оператор на основе субполосного численного дифференцирования, обладающий большей устойчивостью к воздействиям на исходные данные флуктуационных шумов, чем операторы, применяемые в настоящее время для выделения контуров фрагментов изображений;

4. Метод повышения чувствительности пространственного коэффициента корреляции к идентичности сравниваемых фрагментов совмещаемых изображений на основе применения субполосного градиентного оператора.

Практическая значимость работы определяется алгоритмами, которые позволяют повысить качество предварительной обработки изображений.

Полученные результаты также используются при проведении НИР и ОКР ЗАО «НЛП «СПЕЦ-РАДИО», что подтверждается соответствующим актом, а так же в учебном процессе магистров факультета КНиТ НИУ БелГУ.

Положения, выносимые на защиту:

1. Субполосные методы и алгоритмы численного дифференцирования и интерполяции изображений, устойчивые к воздействию флуктуационных помех;

2. Методы и алгоритмы повышения резкости ИЗП и контрастности контуров их фрагментов на основе оптимального выделения компонент из адаптивно определяемых интервалов ПЧ и применения субполосного градиентного оператора;

3. Метод и алгоритмы совмещения изображений на основе применения субполосного градиентного оператора, повышающего чувствительность меры идентичности, а, следовательно, обоснованность результата;

4. Алгоритмы комплексирования разноспектральных изображений на основе субполосной интерполяции и оптимального выделения компонент из адаптивно определяемых интервалов ПЧ.

Достоверность выводов и рекомендаций обусловлена адекватностью субполосных методов задачам предварительной обработки ИЗП, корректностью применяемых математических преобразований, а также подтверждается результатами вычислительных экспериментов с реальными эмпирическими и модельными изображениями.

Личный вклад соискателя.

Все изложенные в диссертации результаты исследования получены либо соискателем лично, либо при его непосредственном участии.

Апробация результатов диссертационного исследования.

Результаты диссертационного исследования обсуждались на следующих научно-технических конференциях:

1. Первая Международная научно-техническая конференция, «Компьютерные науки и технологии», 2009 г., 2011 г. г., Белгород, Россия;

2. Вторая Международная научно-техническая конференция, «Компьютерные науки и технологии», 2011 г., Белгород, Россия;

3. Областная научно-практическая конференция «Белгородская область: прошлое, настоящее и будущее», 2009 г., Белгород, Россия;

4. IX международная научно-техническая конференция «Проблемы информатики и моделирования (ПИМ-2009)», 2009 г, Харьков, Украина;

5. XXIII международная научной конференция «Математические методы в технике и технологиях ММТТ-23», 2010 г, Саратов, Россия;

6. Международная научно-практическая Интернет-конференция: «Инновационные подходы к применению информационных технологий в профессиональной деятельности», 2010 г, Белгород, Россия;

7. 13 -я Международная конференция «Цифровая обработка сигналов и ее применение — ББРА — 2011», 2011 года, Москва, Россия;

8. Одиннадцатая международная научно-практическая конференция «Фундаментальные и прикладные исследования, разработка и применение высоких технологий в промышленности» 2011 г., Санкт-Петербург, Россия;

9. Международная научно-техническая интернет-конференция «Информационные системы и технологии» 2011 г., Орел, Россия;

10. XIV Международная научно-техническая конференция «Медико-экологические информационные технологии — 2011», 2011 г. Курск, Россия.

Связь с научными и инновационными программами.

Диссертационное исследование выполнялось в рамках следующих федеральных проектов: ФЦП «Научные и научно-педагогические кадры для инновационной России» на 2009;2013 годы, Госконтракт № 14.740.11.0390- аналитическая ведомственная целевая программа МОН РФ «Развитие научного потенциала высшей школы (2009;2011 годы)», проекты 2.1.2/656 и 2.1.2/9382.

Публикации.

По теме диссертационного исследования опубликовано 17 печатных работ (из них 4 в журналах из списка ВАК РФ), в том числе два Свидетельства Роспатента РФ о государственной регистрации программы для ЭВМ.

Объем и структура работы.

Диссертация состоит из Введения, четырех глав, Заключения и Приложения. Работа изложена на 155 страницах машинописного текста, включая 45 рисунков, 18 таблиц и список литературных источников из 116 наименований.

4.4 Основные результаты и выводы главы.

— родифицирован метод и разработан соответствующий алгоритм совмещения изображений на основе применения субполосного градиентного оператора, повышающего чувствительность меры идентичности совмещаемых фрагментов, а, следовательно, обоснованность результата;

— разработан алгоритм комплексирования разноспектральных ИЗП на основе субполосной интерполяции и оптимального выделения компонент из адаптивно определяемых интервалов ПЧ, что позволяет согласовать размерности комплексируемых фрагментов и синтезировать изображение высокой резкости (четкости);

— разработана программная поддержка, реализующая разработанные методы и алгоритмы предварительной субполосной обработки фрагментов изображений. Работоспособность разработанной программной поддержки подтверждена проведенными вычислительными экспериментами.

ЗАКЛЮЧЕНИЕ

.

В ходе выполнения диссертационного исследования были получены следующие результаты:

1. Созданы устойчивые к воздействиям флуктуационных помех субполосные методы численного дифференцирования и интерполяции изображений, позволяющие учесть распределение их энергий по интервалам ПЧ;

2.Разработан субполосный градиентный оператор на основе субполосного численного дифференцирования, обладающий большей устойчивостью к воздействиям на исходные данные флуктуационных шумов, чем операторы, применяемые в настоящее время для выделения контуров фрагментов изображений;

3.Разработан метод повышения чувствительности пространственного коэффициента корреляции к идентичности сравниваемых фрагментов совмещаемых изображений на основе применения субполосного градиентного оператора;

4.Разработаны метод и алгоритм повышения резкости ИЗП на основе оптимального выделения компонент из адаптивно определяемых интервалов ПЧ;

5. Разработан метод повышения контрастности контуров фрагментов ИЗП на основе применения субполосного градиентного оператора;

6.Модифицирован метод и разработан соответствующий алгоритм совмещения изображений на основе применения субполосного градиентного оператора, повышающего чувствительность меры идентичности совмещаемых фрагментов, а, следовательно, обоснованность результата;

7.Разработан алгоритм комплексирования разноспектральных ИЗП на основе субполосной интерполяции и оптимального выделения компонент из адаптивно определяемых интервалов ПЧ, что позволяет согласовать размерности комплектируемых фрагментов и синтезировать изображение высокой резкости (четкости).

8. Разработана программная поддержка созданных алгоритмов предварительной обработки ИЗП;

9. Результаты проведенных вычислительных экспериментов иллюстрируют обоснованность основных выводов о преимуществах созданных методов и алгоритмов и рекомендаций по их применениям.

Показать весь текст

Список литературы

  1. , С. В. Обработка изображений. Технология, методы, применение Текст. / С. В. Абламейко, Д. М. Лагуновский. М.: Амалфея, 2000. -304 с.
  2. , В. В. Представление и обработка изображений: Рекурсивный подход Текст. / В. В. Александров, Н. Д. Горский. М.: Наука, 1985.- 192 с.
  3. , Б. В. Распознавание и цифровая обработка изображений Текст. / Б. В. Анисимов, В. Д. Курганов, В. К. Злобин. М.: Высшая школа, 1983.-295 с.
  4. , А. Цифровые фильтры: анализ и проектирование / А. Антонью- пер. с англ.: В. А. Лексаченко, В. Г. Челпанова- под ред. С. А. Понырко. М.: Радио и связь, 1983. — 320 е.: ил.
  5. , А. Г. Обучение машины классификации объектов Текст. / А. Г. Аркадьев, Э. М. Браверманн. М.: Наука, 1971. — 192 с.
  6. , В. Л. Обработка изображений и анализ данных Текст. / В. Л. Арлазаров, Н. Е. Емельянов. Т.38, ИСА РАН, 2008. — 368 с.
  7. Бакланов А. И. Системы наблюдения и мониторинга Текст. / А. И. Бакланов. — М.: БИНОМ. 2009. — 234 с.
  8. , П. А. Сегментация изображений: Методы выделения границ областей Текст. / П. А. Бакут, Г. С. Колмогоров // Зарубежная радиоэлектроника. 1987. — № 10. — С. 25−47.
  9. , А. В. Теория фильтрации Калмана Текст. / А. В. Балакришнан. М.: Мир, 1988. — 168 с.
  10. Ю.Бейтс, Р. Восстановление и реконструкция изображений Текст. / Р. Бейтс, М. Мак-Доннелл. М.: Мир, 1989. — 332 с.
  11. , В. Г. Алгоритмы фильтрации изображений с адаптацией размеров апертуры Текст. / В. Г. Белявцев, Ю. Е. Воскобойников // Автометрия. 1998. — № 3. — С. 18 — 25.
  12. , Р. Быстрые алгоритмы цифровой обработки сигналов Текст. / Р. Блейхут- пер. с англ. И. И. Грушко. М.: Мир, 1989. — 448 е.: ил.
  13. , Р. Введение в цифровую фильтрацию Текст. / Р. Богнер, А. Константинидис. -М.: Мир, 1976. 216 с.
  14. , И. А. Прикладные задачи фильтрации и управления Текст. / И. А. Богуславский. М.: Наука, 1983. — 400 с.
  15. Бор, К. Практическое руководство по сплайнам Текст. / К. Бор. М.: Радио и связь, 1985. — 304 с.
  16. , A.B. Комбинированные алгоритмы нелинейной фильтрации зашумленных сигналов и изображений Текст. / А. В. Бронников, Ю. Б. Воскобойников // Автометрия. 1990. — № 1. — С. 21−26.
  17. , Р. Е. Анализ и обработка цветных и объемных изображений Текст. / Р. Е. Быков, С. Б. Гуревич. М.: Радио и связь, 1984. — 248 с.
  18. , Р. Е. Цифровое преобразование изображений Текст.: учеб. пособие для вузов/ Р. Е. Быков, Р. Фрайер, К. В. Иванов, А. А. Манцветов. -М.: Горячая линия Телеком, 2003. — 228 с.
  19. , А. Н. Оптическое изображение при дистанционном зондировании Текст. / А. Н. Валентюк, К. Г. Предко. Минск: Наука и техника, 1991.-360 с.
  20. , К. К. Анализ эффективности фильтрации плоских изображений Текст. / К. К. Васильев, В. Г. Герчес // Вероятностные модели и обработка случайных сигналов и полей: сб. научн. тр. Киев: УМК ВО. -1991.-С. 115−122.
  21. , В. В. Об устойчивом вычислении производной Текст. / В. В. Васин // Журн. вычисл. математики и мат. Физики. 1973. — 13, № 6. — С. 1522.
  22. , Ю. Г. К вопросу оценки разрешающей способности при масштабировании цифровых изображений Текст. / Ю. Г. Веселов, А. С. Островский. Наука и образование, МГТУ имени Н. Э. Баумана, 2010. — 29 с.
  23. , В.К. Статистическая теория радиотехнических систем дистанционного зондирования и радиолокации Текст. / В. К. Волосюк, В. Ф. Кравченко. М.: ФИЗМАТЛИТ, 2008. — 703 с.
  24. , Ф.Р. Теория матриц Текст. / Ф. Р. Гантмахер. М.: Физматлит, 2004. — 560с.
  25. C.B. Космические системы дистанционного зондирования Земли.Текст. / C.B. Гарбук, В. Е. Гершензон — М.: Издательство, А и Б, 1997. 296 с.
  26. , Б. Цифровая обработка сигналов Текст.: пер. с англ. / Б. Голд, Ч. Рейдер. М.: Сов. радио, 1973. — 376 с.
  27. A.A., Влияние последовательности алгоритмов цифровой обработки изображений на качество контуров в системах технического зрения роботов Текст. / А. А. Голенко, В. А. Клевалин, МГТУ «Станкин», Россия, Москва, 2001.
  28. , Р. Цифровая обработка изображений Текст. / Р. Гонсалес, Р. Вудс. М.: Техносфера, 2006. — 1072 с.
  29. , Р. Цифровая обработка изображений в среде Matlab Текст. / Р. Гонсалес, Р. Вудс, С. Эддинс. -М.: Техносфера, 2006. 616 с.
  30. , Д. Дж. Роль моделей зрения человека в обработке изображений Текст. / Д. Дж. Гранрат // ТИИЭР. 1981. — Т. 69. — № 5. — С. 65 — 77.
  31. , И. С. Цифровая обработка изображений в информационных системах Текст.: учебное пособие / И. С. Грузман, В. С. Киричук и др. -Новосибирск: НГТУ, 2002. 352 с.
  32. , Д. Цифровая обработка многомерных сигналов Текст. / Д. Даджион, Р. Мерсеро. М.: Мир, 1988. — 488 с.
  33. Дьяконов, В. MATLAB 6.0/6.1/6.5/6.5+SP1 + Simulink 4/5. Обработка сигналов и изображений Текст. / В. Дьяконов. М.: Солон-Пресс, 2005. -676 с.
  34. Дьяконов, В. MATL AB. Обработка сигналов и изображений Текст.: специальный справочник / В. Дьяконов, И. Абраменкова. СПб.: Питер, 2002. — 608 с.
  35. , В. Математические пакеты расширения MATL AB Текст.: специальный справочник / В. Дьяконов, В. Круглое. СПб.: Питер, 2001. -480 с.
  36. , С. В. Многокритериальные методы принятия решений Текст. / С. В. Емельянов, О. И. Ларичев. М.: Знание, 1985. — 32 с.
  37. , В. М. Оценка эффективности некоторых алгоритмов сокращения избыточности информации при абсолютной точности воспроизведения Текст. / В. М. Ефимов, Ю. Н. Золотухин, А. Н. Колесников // Автометрия. 1991. — № 6. — С. 50−55.
  38. Е. Г. Оптимальная фильтрация изображений на основе частотных представлений / д.т.н., проф. Е. Г. Жиляков, А. А. Черноморец // Вопросы радиоэлектроники, серия ЭВТ, выпуск 1 2007. Москва — С. 66−72.)
  39. , Е. Г. Вариационные методы частотного анализа звуковых сигналов Текст. / Е. Г. Жиляков, С. П. Белов, Е. И. Прохоренко // Труды учебных заведений связи. СПб. — 2006. — № 174. — С. 163−170.
  40. , Е. Г. Методы анализа и построения функций по эмпирическим данным на основе частотных представлений Текст. / Е. Г. Жиляков. Белгород: изд-во БелГУ, 2007. — 160 с.
  41. , Е. Г. Методы обработки речевых данных в информационно-телекоммуникационных системах на основе частотных представлений / Е. Г. Жиляков, С. П. Белов, Е. И. Прохоренко. Белгород: изд-во БелГУ, 2007. -136 с.
  42. , Е. Г. Об Автоматической классификации объектов Текст. / Е. Г. Жиляков, Е. М. Маматов // Математическое моделирование в научных исследованиях. Материалы Всероссийской научной конференции. 4.1. -Ставрополь: Изд-во СГУ. — 2000. — С. 36−38.
  43. , Е.Г. Вариационные алгоритмы анализа и обработки изображений на основе частотных представлений: моногр. / Е. Г. Жиляков, A.A. Черноморец. Белгород: Изд-во ГиК, 2009. — 146 с.
  44. , Е.Г. Вариационные методы анализа сигналов на основе частотных представлений Текст. / Е. Г. Жиляков, С. П. Белов, A.A. Черноморец // Вопросы радиоэлектроники, Сер. ЭВТ. 2010. — Вып. 1. — С. 1025.
  45. , Е.Г. Об эффекивности метода оптимальной фильтрации изображений Текст. / Е. Г. Жиляков, А. А. Черноморец, В. А. Голощапова // Научные ведомости БелГУ. Серия История. Политология. Экономика. Информатика. 2009. — № 15, вып. 12/1. — С. 200−205.
  46. , А. И. Метод Фурье в вычислительной математике Текст. / А. И. Жуков. М.: Наука, 1992. — 128 с. 50.3авалишин, Н. В. Модели зрительного восприятия и алгоритмы анализа изображений Текст. / Н. В. Завалишин, И. Б. Мучник. М.: Наука, 1974. -344 с.
  47. И.М.Журавель. Image Processing Toolbox. Краткий курс теории обработки изображений. Электронный ресурс.: Режим доступа: URL: http://matlab.exponenta.ru/imageprocess/book2/48.php
  48. , Д. Проблема подавления шума на изображениях и видео и различные подходы к ее решению Текст. / Д. Калинкина, Д. Ватолин // Графика и мультимедиа. 2005. — № 9. — С. 31−39.
  49. , В. Цифровые фильтры и их применение Текст. / В. Каппелини, А. Дж. Константинидис, П. Д. Эмилиани- пер. с англ. В. Н. Елисеева- под ред. Н. Н. Слепова. М.: Энегроатомиздат, 1983. — 360 с.
  50. , В. Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений Текст.: учебное пособие / В. Б. Кашкин, А. И. Сухинин. М.: Логос, 2001. — 264с.
  51. , В. Б. Цифровая обработка аэрокосмических изображений. Версия 1.0 Электронный ресурс.: конспект лекций / В. Б. Кашкин, А. И. Сухинин. Электрон, дан. (3 Мб). — Красноярск: ИПК СФУ, 2008. — 121 с.
  52. , Л. Ф. Математическое обеспечение научных исследований в автоматике и управлении Текст. / Л. Ф. Компанец, А. А. Краснопрошина, Н. Н. Малюков. К.: Вища шк., 1992. — 287 с.
  53. , Г. С. Радиовидение. Радиолокационные системы дистанционного зондирования Земли Текст. / Г. С. Кондратенков, А. Ю. Фролов. М.: «Радиотехника», 2005. — 368 с.
  54. , Н. П. Сплайны в теории приближений Текст. / Н. П. Корнейчук. М.: Наука, 1984. — 356 с.
  55. , К. Ф. Адаптивные фильтры Текст. / К. Ф. Коуэн, П. М. Грант. -М.: Мир, 1988.-392 с.
  56. , В. Ф. Цифровая обработка сигналов и изображений Текст. / В. Ф. Кравченко. М.: ФИЗМАТЛИТ, 2007. — 552 с.
  57. , Н. Н. Цифровая обработка изображений Текст. / Н. Н. Красильников. М.: Вузовская книга, 2001. — 320 с.
  58. , Р. Е. Интерполяция и децимация цифровых сигналов Текст.: метод, обзор / Р. Е. Крошьер, Л. Р. Рабинер // ТИИЭР. 1981. — Т. 69. — № 3. -С. 14−40.
  59. , Р. Курс дифференциального и интегрального исчисления. Текст.: Т. 1 / Р. Курант. М.: Наука, 1967. — 600 с.
  60. , И. А. Дешифрирование аэрокосмических снимков Текст.: учебное пособие / И. А. Лабутина. М.: Аспект Пресс, 2004. — 184с.
  61. , Д. С. Кодирование и обработка изображений Текст. / Д. С. Лебедев, В. В. Зяблов. М.: Наука, 1988. — 177 с.
  62. , В. Л. Сплайн-аппроксимация функций Текст. / В. Л. Макаров, В. В. Хлобыстов. М.: Высшая школа, 1983. — 80 с.
  63. Д. Фершильд. Модели цветового восприятия Пер. с англ. / А. Шадрин. — Санкт-Петербург.: 2006. — 439 с.
  64. , М. М. Теоретические основы оптико-электронных приборов Текст. / М. М. Мирошников. Л.: Машиностроение, 1983. — 696 с.
  65. , Р. Е. Дистанционное зондирование Земли из космоса. Комментарии законодательства и правоприменительной практики Текст. / Р. Е. Пасечник, А. Н. Чеботарева, А. А. Абдураимов, П. Ю. Дмитрюк. Из-во «Вершина», 2006. — 176 с.
  66. Поддержка принятия решений Текст. / Труды Института системного анализа Российской академии наук. М.: ЛКИ, 2008. — 128 с.
  67. М. Программные пакеты предварительной обработки данных дистанционного зондирования профессор. Электронный ресурс.: Режим доступа: URL http://loi.sscc.ru/gis/RS/chapterl06.html /
  68. А. А. Новейшие методы обработки изображений Текст. / А. А. Потапов. М.: ФИЗМАТЛИТ, 2008. — 496 с.
  69. , А. С. Распознавание образов и машинное восприятие Текст. / А. С. Потапов. СПб.: Политехника, 2007. — 552 с.
  70. , У. К. Методы передачи изображений. Сокращение избыточности Текст. / У. К. Прет, Д. Д. Сакрисон, X. Г. Д. Мусмани и др. Пер. с англ. М.: Радио и связь, 1983. — 264 с.
  71. , У. Цифровая обработка изображений Текст. / У. Прэтт: Кн. 1, 2. — М.:Мир, 1982.-792 с.
  72. , Е. П. Обработка изображений в робототехнике Текст. / Е. П. Путятин, С. И. Аверин. М.: Машиностроение, 1990. — 320 с.
  73. , Л. Теория и применение цифровой обработки сигналов Текст. / Л. Рабинер, Б. Гоулд. М.: Мир, 1978. — 327 с.
  74. Рис, У. Г. Основы дистанционного зондирования Текст. / У. Г. Рис. -М.: Техносфера, 2006. 336 с.
  75. А. Распознавание и обработка изображений с помощью вычислительных машин / Розенфельд А. // Пер. с англ. под. ред. Л. С. Лебедева. М.: Мир, 1972. — 232 с.
  76. , П. И. Обработка сигналов и изображений Текст. / П. И. Рудаков, И. В. Сафонов. М.: Диалог-МИФИ, 2000. — 416 с.
  77. , В. С. Сжатие данные, речи, звука и изображений в телекоммуникационных системах Текст.: учеб. пособие / В. С. Сергеенко, В. В. Баринов. М.: ИП «РадиоСофт», 2009. — 360 с.
  78. , А. Б. Цифровая обработка сигналов Текст. / А. Б. Сергиенко. СПб.: Питер, 2002. — 603 е.: ил.
  79. , В. А. Методы компьютерной обработки изображений Текст. / В. А. Сойфер. М.: ФИЗМАТЛИТ, 2003. — 784 с.
  80. , С. Б. Сплайны в вычислительной математике Текст. / С. Б. Стечкин, Ю. Н. Субботин. М.: Наука, 1953. — 248 с.
  81. , Е. Введение в теорию интеграла Фурье Текст. / Е. Титчмарш- пер. с англ. Д. А. Райкова. — М.: ОГИЗ Гостехиздат, 1948. 479 с.
  82. , Т. А. Геоинформационные системы и дистанционное зондирование в экологических исследованиях Текст. / Т. А. Трифонова, Н. В. Мищенко, А. Н. Краснощеков. М.: Академический Проект, 2005. — 349 с.: ил.
  83. , С. Л. Применение цифровой обработки сигналов Текст. / С. Л. Фрини, Дж. Ф. Кайзер, X. С. Макдональд и др.- пер. с англ. А. М. Рязанцева- под ред. Э. Оппенгейма. М.: Мир, 1980. — 552 с.
  84. , Я. А. Введение в контурный анализ- приложения к обработке изображений и сигналов Текст. / Я. А. Фурман, А. В. Кревецкий, А. К. Передреев и д.р. М.: ФИЗМАТЛИТ, 2003. — 592 с.
  85. , Т. Обработка изображений и цифровая фильтрация Текст. / Т. Хуанг. — М.: Мир, 1979 318 с.
  86. , Я. И. Финитные функции в физике и технике Текст. / Я. И. Хургин, В. П. Яковлев. М.: Либроком, 2010. — 414 с.
  87. , А. М. Дистанционное зондирование и географические информационные системы Текст. / А. М. Чадра, С. К. Гош. М.: Техносфера, 2008. — 312 с.
  88. , A.A. Метод удаления полосовых помех на космических снимках земной поверхности Текст. / A.A. Черноморец // Информационные системы и технологии. № 3 (59). — 2010. — С. 50−58.
  89. , A.A. О частотной концентрации энергии изображений Текст. / A.A. Черноморец, В. А. Голощапова, И. В. Лысенко, Е. В. Болгова // Научные ведомости БелГУ. Сер. История. Политология. Экономика. Информатика.-2011.-№ 1 (96).-Вып. 17/1. С. 103−108.
  90. , И. Г. Методы принятия решений Текст. / И. Г. Черноруцкий. СПб.: БХВ-Петербург, 2005. — 408 с.
  91. , М. И. Математические средства обработки изображений Текст. / М. И. Шлезингер. К.: Наукова думка, 1989. — 200 с.
  92. , Г. Ю. Цифровая обработка цветных изображений Текст. / Г. Ю. Шлихт. М.: Издательство ЭКОМ, 1997. — 336 с.
  93. , Р. А. Дистанционное зондирование. Модели и методы обработки изображений Текст. / Р. А. Шовенгердт. М.: Техносфера, 2010. — 560 с.
  94. Яне, Б. Цифровая обработка изображений Текст. / Б. Яне. М.: Техносфера, 2007. — 584 с.
  95. , В. В. Анализ и обработка изображений: принципы и алгоритмы Текст. / В. В. Яншин. — М.: Машиностроение, 1995. 112 с.
  96. An Entropy-based Objective Evaluation Method for Image Segmentation. H. Zhang, J. E. Fritts, S. A. Goldman// Storage and Retrieval Methods and Applications for Multimedia, Vol: 5307, P. 38−49, 2004.-ISBN-819 452 106
  97. Andrews H.C. Monochrome digital image enhancement // Applied Optics. -1976. vol.15, N 2. P. 495−503.
  98. Colour Imaging: Vision and Technology. Edited by L.W. MacDonald and M.R. Luo, John Wiley & Sons Ltd 1999.- ISBN 0−471−98 531−7
  99. Cosman P.C., Gray R.M., Olshe R.A. Evaluating Quality of Compressed Medical Images // Proceedings of the IEEE «SNR, Subjective Rating, and Diagnostic Accuracy». 1994. vol. 82 no. 6. — P. 919−932.
  100. Dash L., Chatterji B.N. Adaptive contrast enhancement and deenhancement // Pattern Recognition, 1992. V. 24, № 4. P.289−302.
  101. Dhawan A.P., Huang H.K., Kim D.-S. Principles And Advanced Methods In Medical Imaging And Image Analysis. World Scientific Publishing Company, 2008. — 500 p. ISBN 98 127 0535X
  102. Handbook of Medical Imaging. Edited by I.N. Bankman. Academic Press, 2000. 893p.
  103. Lee J. S. Computer Vision, Graphics and Image Processing, 1983, v. 24, № 2, P. 255−269.
  104. Maintz J. B. A. and Viergever M. A. A survey of medical image registration. Medical Image Analysis, 2(1): 1−36, 1998.
  105. Roberts L. G. In: Optical and Electrooptical Information Processing Ed. by J. Tippet, D. Berkowitz. MIT Press, 1965, P. 159−197
  106. Robinson G. S. Computer Graphics and Image Processing, 1977, v. 6, № 5, P. 492−501
Заполнить форму текущей работой

Сессия? Спокойно!