Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Статистический анализ неоднородных пространственных полей при наличии случайных возмущений

Диссертация: Статистический анализ неоднородных пространственных полей при наличии случайных возмущений
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В последнее время в различных областях науки и техники интенсивно развиваются методы и средства дистанционного наблюдения. При этом большое внимание уделяется проблемам обработки пространственных полей, что обусловлено многообразием практических задач, в которых используются либо сами изображения пространственных неоднородностей, либо результаты их анализа. Необходимость в обработке изображений… Читать ещё >

Содержание

  • ц* ВВЕДЕНИЕ
  • 1. ОБНАРУЖЕНИЕ ПРОСТРАНСТВЕННЫХ НЕОДНОРОДНОСТЕЙ С НЕИЗВЕСТНОЙ ПЛОЩАДЬЮ
    • 1. 1. Квазиправдоподобное обнаружение
    • 1. 2. Оптимальное обнаружение
    • 1. 3. Статистическое моделирование алгоритмов обнаружения
    • 1. 4. Выводы
  • 2. ОЦЕНКА ПЛОЩАДИ ПРОСТРАНСТВЕННЫХ НЕОДНОРОДНОСТЕЙ
    • 2. 1. Квазиправдоподобные оценки
    • 2. 2. Оптимальные оценки
    • 2. 3. Статистическое моделирование алгоритмов оценки
    • 2. 4. Выводы
  • 3. СОВМЕСТНЫЕ ОБНАРУЖЕНИЕ И ОЦЕНКА ПЛОЩАДИ ПРОСТРАНСТВЕННЫХ НЕОДНОРОДНОСТЕЙ
    • 3. 1. Оценка площади пропадающих пространственных неоднородностей
    • 3. 2. Совместные обнаружение и оценка площади пространственных неоднородностей
    • 3. 3. Статистическое моделирование алгоритмов совместного обнаружения оценки
    • 3. 4. Выводы
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ЛИТЕРАТУРЫ

Статистический анализ неоднородных пространственных полей при наличии случайных возмущений (реферат, курсовая, диплом, контрольная)

Актуальность темы

.

В последнее время в различных областях науки и техники интенсивно развиваются методы и средства дистанционного наблюдения. При этом большое внимание уделяется проблемам обработки пространственных полей, что обусловлено многообразием практических задач, в которых используются либо сами изображения пространственных неоднородностей, либо результаты их анализа [3, 6, 85 и т. д.]. Необходимость в обработке изображений пространственных неоднородностей возникает при изучении из космоса природных ресурсов Земли, при управлении движущимися объектами, в задачах геофизики, неразрушающего контроля и материаловедения, медицинской диагностики, автоматизации научных исследований, распознавании образов, количественной оценке параметров объектов. При этом обработка изображений превратилась в направление, целью которого стала не только передача изображений, но и извлечение информации, заключающейся в изображениях [14, 15, 77, 116 и т. д.]. Возрастающий объём задач и повышение требований к точности и скорости их решения вызвали необходимость развития средств и методов автоматизации обработки изображений [25, 114, 115].

При проектировании изображающих систем требования к идеальной системе формулируются как требования к определённым техническим характеристикам системы, таким как разрешающая способность, фотометрическая точность, уровень посторонних шумов и т. д. Характеристики реальных изображающих систем — оптических, фотографических, телевизионных — отличаются от идеальных. В результате изображения на выходе таких систем претерпевают искажения. С целью устранения такого рода искажений для обработки изображений применяют различные методы коррекции, примерами которых может служить повышение четкости расфокусированных изображений, устранение смаза, подавление шумов. Проблемам коррекции нелинейных искажений вносимых системами формирования изображения посвящены работы [3, 11, 19], в основе которых Ф лежит применение различных адаптивных методов фильтрации [1, 106].

Так же необходимо отметить, что изображения в процессе формирования обычно искажаются случайными помехами или шумом [54, 77, 113]. Для учёта этих искажений необходимо знать статистические характеристики шума. Иногда эти характеристики можно определить, исходя из структуры и характеристик изображающих систем. Например, шум зернистости фотоплёнки в фотографических системах определяется её типом и режимом фотохимической обработки, шум в радиотелевизионных системах — мощностью радиосигнала в канале связи. При отсутствии таких данных приходится <~ф оценивать характеристики шума по уже сформированному изображению или набору изображений с однородным шумом. В этих случаях статистические характеристики шума извлекаются из измерений статистических характеристики наблюдаемого видеосигнала, используя различия этих характеристик для изображения и шума. Наиболее распространённым видом помех на изображениях является аддитивный и статистически независимый от видеосигнала флюктуационный шум, который характеризуется своей дисперсией и корреляционной функцией [113]. Из других видов помех на изображении можно выделить импульсные помехи, периодические помехи и • шум квантования. Импульсные помехи — это случайные и независимые искажения отсчётов изображения, при которых значения отсчётов сигнала с некоторой вероятностью заменяются случайной величиной с равномерным распределением. Они характеризуются вероятностью искажения отсчётов. Периодические помехи создают на изображении периодические, муаровидные узоры. Шум квантования определяется числом уровней квантования видеосигнала.

Для борьбы с указанными видами помех применяются различные виды фильтрации изображений [I, 106, 113]. В частности, для подавления ^ импульсных помех используются медианная фильтрация [77], которая в отличие от линейной низкочастотной фильтрации сохраняет резкие перепады интенсивности изображения. Этот метод нелинейной обработки изображения ф оказывается полезным и при подавлении шума на изображении. Однако, при определённых условиях применение медианных фильтров может приводить к нежелательному подавлению полезного изображения [77]. Также для подавления шумов на изображении применяется винеровская фильтрация [113].

Одним из важных аспектов автоматической обработки пространственных неоднородностей является выделение признаков изображений. Признаком изображения считается его простейшая отличительная характеристика или свойство. Некоторые признаки являются естественными в том смысле, что они устанавливаются визуальным анализом изображения, тогда как другие, так ф называемые искусственные признаки, получаются в результате его специальной обработки или измерений. К естественным признакам относятся яркость и текстура различных областей изображения, форма контуров объектов. Гистограммы распределения яркости и спектры пространственных частот дают примеры искусственных признаков. Работы [15, 23, 48, 71] посвящены различным методам выделения признаков изображений. Однако необходимо отметить, что подавляющее большинство описанных в литературе способов позволяют эффективно выделять признаки изображений лишь при достаточно больших отношениях сигнал/шум.

Системы понимания изображений, предназначенные для анализа изображений, представленных функцией или массивом чисел, и составления описания изображённой сцены рассмотрены в работах [71, 105, 115]. В простейшем виде система понимания изображений может просто сообщать о том, что на изображении имеется заданный объект или же, возможно какой-нибудь неожиданный объект. В другом предельном случае такая система может создавать общее словесное описание сцены так же, как если бы человек написал о содержании данного изображения. Уже созданы системы, выполняющие относительно простые задачи описания изображений.

• ограниченного класса. В настоящее время исследования направлены на развитие обобщённых программируемых систем, которые могли бы обрабатывать широкий класс изображений возникающих в разнообразных & задачах.

Одной из важнейших в прикладном отношении задач, которая должна быть решена при обработке пространственных полей, является задача обнаружения объектов. В последнее время активно развиваются статистические методы обнаружения и выделения локальных неоднородностей на изображениях. При этом не только интенсивность, но и форма локальной неоднородности считается случайными [60, 117]. Для обнаружения локальной неоднородности (ярко освещённого элемента изображения) изображение разбивают на зоны, в результате статистического анализа которых, 4 принимается решение о принадлежности области к изображению или фону.

Работы [82, 83] посвящены оптимизации и упрощению аппаратной реализации таких алгоритмов.

Однако применение описанных выше способов обработки пространственных полей возможно лишь при достаточно больших отношениях сигнал/шум. В противном случае эффективность рассмотренных методов обработки резко падает. Также необходимо отметить, что в некоторых приложениях недопустимо применение методов фильтрации изображений из шума, так как это может привести к существенному изменению характеристик ^ неоднородности изображения и потере полезной информации.

Таким образом, для решения задач обработки изображений при низких отношениях сигнал/шум необходимо применение методов теории оценивания и статистических решений. Применение метода максимального правдоподобия достаточно подробно описано в литературе [20, 34, 46 и т. д.]. При этом показано [46], что если существует эффективная оценка, то оценка максимального правдоподобия является эффективной. Для оценки регулярных параметров доказано свойство асимптотической эффективности метода максимального правдоподобия [98]. По мере увеличения разрешающей * способности систем дистанционного наблюдения стало необходимым учитывать скачкообразное изменение интенсивности на границах изображений и тем самым стало оправданным применение в моделях изображений разрывных функций. Для оценок параметров разрывных изображений оптимальность метода максимального правдоподобия не доказана. При решения многих задач обработки изображений неизвестный параметр изображения, можно считать случайным. Это позволяет использовать байесовский подход к задаче оценки параметров изображений [51, 60].

Вопросы статистической обработки изображений с неизвестной площадью рассматривались в [67, 68, 73, 74] и других работах. При этом предполагалось, что изображения однородны, так что их интенсивность постоянна, хотя может быть и неизвестна [63, 68, 69]. Задача оценки площади ^ однородного изображения всегда присутствующего в принятой реализации рассмотрена в работе [63, 65]. В работе [64] синтезированы алгоритмы оценки площади однородного изображения с учётом возможности пропадания изображения.

Однако, с увеличением разрешающей способности систем дистанционного формирования изображений, всё большое влияние на характеристики алгоритмов обработки пространственных полей оказывает степень неоднородности изображения. Также необходимо отметить, что существует достаточно большой класс изображений, основная информация в itf которых сосредоточена именно в неоднородности изображения. К таким изображениям можно, например, отнести изображения отпечатков пальцев, при этом площадь изображения можно считать неизвестной величиной. В таких приложениях как криминалистика зачастую изображения оказывается сильно зашумлённым при этом нельзя провести его фильтрацию, так как может быть потеряна полезная информация. Описание таких изображений случайными полями так же нецелесообразно, так как различные изображения практические не будут отличаться своими статистическими свойствами. Поэтому в таких приложениях необходимо применение статистических алгоритмов обработки • пространственных неоднородностей на основе принципов описанных выше.

Задача обнаружения и оценки площади изображения также возникает в медицине при автоматической обработки изображения плазмы крови. Изображения лейкоцитов при этом можно описывать изображением с неизвестной площадью [15].

Возможности представления интенсивности изображений гауссовским случайным полем посвящена работа [72]. В [95] рассмотрено обнаружение случайного изображения с известной площадью, но неизвестными статистическими параметрами изображения и фона. Однако использование случайных полей для описания интенсивности изображения не всегда целесообразно. При этом в указанных работах не приведено количественных значений величины проигрыша в эффективности обработки из-за описания интенсивности изображения случайным полем.

Таким образом, актуальность темы диссертации обусловлена необходимостью синтеза статистических алгоритмов обработки пространственных неоднородностей с неизвестной площадью и определения характеристик алгоритмов. Целью работы является:

• синтез и анализ квазиправдоподобных, максимально правдоподобных и байесовских алгоритмов обработки пространственных неоднородностей с неизвестной площадью,.

• получение точных и асимптотических аналитических выражений для характеристик алгоритмов обработки неоднородных изображений,.

• экспериментальное определение работоспособности синтезированных алгоритмов и границ применимости найденных асимптотических выражений для характеристик алгоритмов обработки методами статистического моделирования,.

• исследование влияния незнания функции интенсивности и степени неоднородности полезного изображения на характеристики алгоритмов обработки пространственных неоднородностей.

Методы проведения исследования.

При решении задач, поставленных в диссертационной работе, использовались аналитические и вычислительные методы современного математического аппарата статистической радиофизики, а именно:

• аппарат теории вероятностей и математической статистики;

• аппарат теории марковских случайных процессов;

• методы математической физики, в частности, методы решения задач для уравнений с частными производными второго порядка параболического типа;

• методы математического анализа;

• методы моделирования на ЭВМ стохастических процессов и алгоритмов их анализа.

Научная новизна.

На защиту выносятся следующие результаты, впервые достаточно подробно развитые или впервые полученные в настоящей работе:

• Новые структуры квазиправдоподобных, максимально правдоподобных и байесовских алгоритмов обработки пространственных неоднородностей с неизвестной площадью.

• Точные аналитические выражения для характеристик максимально правдоподобных алгоритмов обработки неоднородного изображения с неизвестной площадью.

• Асимптотические выражения для расчета характеристик эффективности функционирования квазиправдоподобных алгоритмов обработки пространственных неоднородностей с неизвестной площадью.

• Исследование влияния незнания функции интенсивности и степени неоднородности полезного изображения на характеристики алгоритмов обработки пространственных неоднородностей.

Практическая ценность работы.

В работе выполнен синтез и анализ различных алгоритмов обработки пространственных неоднородностей с неизвестной площадью в зависимости от имеющейся априорной информации о параметрах изображения.

Полученные в диссертации аналитические выражения для характеристик синтезированных алгоритмов и результаты статистического моделирования позволяют обоснованно выбрать необходимый алгоритм обработки пространственных неоднородностей в соответствии с требованиями, предъявляемыми к эффективности алгоритма обработки изображения, имеющейся априорной информацией относительно параметров изображения, а также в соответствии с необходимой степенью простоты аппаратурной или программной реализаций алгоритма.

Результаты диссертационной работы могут найти практическое применение при проектировании и анализе систем диагностики, активной и пассивной локации, обнаружения и анализа объектов по их изображениям, полученным в результате дистанционного наблюдения. Внедрение научных результатов.

Полученные в диссертации результаты внедрены в научно-исследовательских работах и в учебном процессе в Воронежском государственном университете. В частности, результаты диссертации использованы при выполнении гранта РФФИ (98−01−90) и грантов Минобразования РФ (Е00−3.5−5, VZ-010−0). Апробация работы.

Основные положения диссертационной работы докладывались и.

Показать весь текст

Список литературы

  1. Адаптивные методы обработки изображений: Сборник научных трудов / под ред. В. И. Сифорова, Л. П. Ярославского. М.: Наука, 1988. — 248 с.
  2. , С. А. Прикладная статистика: Основы моделирования и первичная обработки данных / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1983. — 470 с.
  3. , В. В. Представление и обработка изображений: Рекурсивный подход / В. В. Александров, Н. Д. Горский. Л.: Наука, 1985. — 192 с.
  4. , И. Н. Избранные вопросы статистической теории связи / И. Н. Амиантов. М.: Сов. радио, 1971. — 416 с.
  5. , Т. Статистический анализ временных рядов / Т. Андерсон- перев. с англ. М.: Мир, 1976. — 756 с.
  6. , Б. В. Распознавание и цифровая обработка изображений / Б. В. Анисимов, В. Д. Курганов, В. К. Злобин. М.: Высш. шк., 1983. — 296 с.
  7. , С. А. Введение в статистическую радиофизику и оптику / С. А. Ахманов, Ю. Е. Дьяков, А. С. Чиркин. М.: Наука, 1981. — 640 с.
  8. , Й. Нелинейное оценивание параметров / Й. Бард- пер. с англ. В. С. Дуженко, Е. С. Фоминой- под ред. В. Г. Горского. М.: Статистика, 1979. — 350 с.
  9. , Н. С. Численные методы / Н. С. Бахвалов, Н. П. Жидков, Г. М. Кобельков. М.: Лаб. базовых знаний, 2000. — 624 с.
  10. , А. Е. Измерение радиотепловых и плазменных излучений в СВЧ диапазоне / А. Е. Башаринов, Л. Т. Тучков, В. М. Поляков, Н. И. Ананов. М.: Сов. радио, 1968. — 390 с.
  11. , Р. Восстановление и реконструкция изображений / Бейтс Р., Мак -Доннелл М.- пер. с англ. Б. С. Кругликова, С. Л. Ярославского- под ред. Л. П. Ярославского. М.: Мир, 1989. — 334 с.
  12. , Дж. С. Прикладной анализ случайных данных / Дж. Бендат, А. Пирсол- пер. с англ. В. Е. Привольского, А. И. Кочубинского- под ред. И. Н. Коваленко. М.: Мир, 1989. — 540 с.
  13. , А. В. Теория случайных процессов / А. В. Булинский, А. Н. Ширяев. М.: Лаб. базовых знаний, 2003. — 400 с.
  14. , Е. А. Обработка изображений на ЭВМ / Е. А. Бутаков, В. И. Островский, И. Л. Фадеев. М.: Радио и связь, 1987. — 236 с.
  15. , Р. Е. Анализ и обработка цветных и объемных изображений / Р. Е. Быков, С. Б. Гуревич. М: Радио и связь, 1984. — 248 с.
  16. , В. В. Цифровое моделирование в статистической радиотехнике / В. В. Быков. М.: Радио и связь, 1971. — 328 с.
  17. Быстрые алгоритмы в цифровой обработке изображений: преобразования и медианные фильтры / Т. С. Хуанг, Дж.-О. Эклунд, Г. Дж. Нуссбаумер и др.- под ред. Т. С. Хуанга- пер. с англ. М.: Радио и связь, 1984. — 224 с.
  18. , А. А. Обнаружение изображений пространственно протяженных затеняющих фон объектов / А. А. Бычков, В. А. Понькин // Автометрия. 1992. — № 4. — С. 33 — 40.
  19. , А. Н. Оптическое изображение при дистанционном наблюдении / А. Н. Валентюк, К. Г. Предко. Мн.: Навука i тэхншика, 1991.-360 с.
  20. Ван дер Варден, Б. Л. Математическая статистика / Б. Л. Ван дер Варден. -М.: ИЛ, I960. -434 с.
  21. Ван Трис, Г. Теория обнаружения, оценок и модуляции / Г. Ван Трис. -М.: Сов. радио, 1972. Т. 1. — 744 е.- Т. 2. — 342 с.
  22. , Г. И. Восстановление изображений / Г. И. Василенко, А. М. Тараторин. М.: Радио и связь, 1986. — 302 с.
  23. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Я. А. Фурман, А. В. Кревецкий, А. К. Передреев и др.- под ред. Я. А. Фурмана. М.: ФИЗМАТЛИТ, 2002. — 568 с.
  24. Введение в статистическую радиофизику / С. М. Рытов, Ю. А. Кравцов,
  25. B. И. Татарский- под общ. ред. С. М. Рытова. М.: Наука, 1978. — Т. 1. -494 е.- Т. 2.-463 с.
  26. , В. А. Обработка изображений в автоматизированных системах научных исследований / В. А. Виттих, В. В. Сергеев, В. А. Сойфер. М.: Наука, 1982. — 214 с.
  27. , С. А. Оценка площади оптических изображений на фоне шумов /
  28. C.А.Галун, А. В. Зюльков, А. П. Трифонов // Автометрия. 1983. — № I. -С. 81−83.
  29. , В. М. Формирование и обработка изображений в реальном времени: Методы быстрого сканирования / В. М. Гинзбург. М.: Радио и связь, 1986. — 232 с.
  30. , И. И. Введение в теорию случайных процессов / И. И. Гихман, А.
  31. B. Скороход. М.: Наука, 1977. — 568 с.
  32. , А. Ф. Статистические модели квазирегулярных радиофизических и оптических структур / А. Ф. Голубенцев, В. М. Аникин, В. Г. Клименко. Саратов: Изд-во Сарат. ун-та, 1991. — 114 с.
  33. , И. А. Пространственно временные статистические характеристики модулированных полей и процессов / И. А. Голяницкий. -М.: Изд-во МАИ, 1991. — 158 с.
  34. , И. С. Таблицы интегралов, сумм, рядов и произведений / И.
  35. C. Градштейн, И. М. Рыжик. М.: Наука, 1971. — 1108 с.
  36. , Дж. У. Статистическая оптика / Дж. У. Гудмен- пер. с англ. А. А. Кокина- под ред. Г. В. Скроцкого. М.: Мир, 1988. — 528 с.
  37. , Д. Э. Цифровая обработка многомерных сигналов / Д. Э. Даджион, Р. Мерсеро- пер. с англ. В. А. Григорьева, К. Г. Финогенова- под ред. Л. П. Ярославского. М.: Мир, 1988. — 486 с.
  38. Де Гроот, М. Оптимальные статистические решения / М. Де Гроот- пер. с англ. А. Л. Рухин- под ред. Ю. В. Линник, А. М. Каган. М.: Мир, 1974.491 с.
  39. , С. М. Метод Монте Карло и смежные вопросы / С. М. Ермаков. — М.: Наука, 1971. — 327 с.
  40. , С. М. Статистическое моделирование / С. М. Ермаков, Г. А. Михайлов. М.: Наука, 1982. — 296 с.
  41. , JI. Статистическое оценивание / JI. Закс- пер. с нем. В. Н. Варыгина- под ред. Ю. П. Алдера, В. Г. Горсокого. М.: Статистика, 1976. — 598 с.
  42. , А. В. О точности нижней границы для рассеяния оценки площади оптического изображения / А. В. Зюльков // Изв. АН СССР -Техническая кибернетика. 1980. — № 4. — С. 232.
  43. , И. А. Асимптотическая теория оценивания / И. А. Ибрагимов, Р. 3. Хасьминский. М.: Наука, 1979. — 528 с.
  44. , А. В. Обзор современных методов автоматизированного анализа изображений / А. В. Калеватых, Б. А. Павлов // Автоматика и телемеханика. 1995. — № 9. — С. 3 — 21.
  45. , В. В. Статистическая теория пассивной локации / В. В. Караваев, В. В. Сазонов. М.: Радио и связь, 1987. — 238 с.
  46. , В. Г. Математическое программирование / В. Г. Карманов. -М.: Физматлит, 2000. 264 с.
  47. , М. Многомерный статистический анализ и временные ряды / М. Кендалл, А. Стьюарт- пер. с англ. Э. JI. Пресмана, В. И. Ротаря- под ред. А. Н. Колмогорова, Ю. В. Прохорова. М.: Наука, 1976. — 736 с.
  48. , М. Статистические выводы и связи / М. Кендалл, А. Стьюарт- под ред. А. Н. Колмогорова- пер. с англ. JT. И. Гальчука, А. Т. Терехина. -М.: Наука, 1973. 900 с.
  49. , А. Н. Основные понятия теории вероятностей / А. Н. Колмогоров. М.: Фазис, 1998. — 130 с.
  50. , Г. Математические методы статистики / Г. Крамер- пер. с англ. А. С. Монина и А. А. Петрова- под ред. акад. А. Н. Колмогоров. М.:1. Мир, 1975.-648с.
  51. , Г. Стационарные случайные процессы. Свойства выборочных функций и их приложения / Г. Крамер, М. Лидбеттер- пер. с англ. М.: Мир, 1969. — 398 с.
  52. , Н. Н. Теория передачи и восприятия изображений. Теория передачи изображений и ее приложения / Н. Н. Красильников. М.: Радио и связь, 1986. — 246 с.
  53. , Е. И. Вопросы оценок параметров сигналов при наличии помех / Е. И. Куликов. М.: Сов. радио, 1969. — 244 с.
  54. , Е. И. Методы измерения случайных процессов / Е. И. Куликов. -М.: Радио и связь, 1986. 270 с.
  55. , Е. И. Оценка параметров сигналов на фоне помех / Е. И. Куликов, А. П. Трифонов. М.: Сов. радио, 1978. — 296 с.
  56. , Ю. П. Нелинейная оценка параметров негауссовских радиофизических сигналов / Ю. П. Кунченко. Киев: Вища шк., 1987. -190 с.
  57. , Б. Р. Теоретические основы статистической радиотехники / Б. Р. Левин. М.: Радио и связь, 1989. — 654 с.
  58. , В. Л. Пространственная фильтрация в оптических системах пеленгации / В. Л. Левшин. М.: Машиностроение, 1978. — 168 с.
  59. , Э. Проверка статистических гипотез / Э. Леман. М.: Наука, 1979. — 408 с.
  60. , Дж. Системы тепловидения / Дж. Ллойд- пер. с англ. Н. В. Васильченко- под ред. А. И. Горячева. М.: Мир, 1978. — 414 с.
  61. , М. Теория вероятностей / М. Лоэв- пер. с англ. Б. А. Севастьянова- под ред. Ю. В. Прохорова. М.: Изд-во иностр. лит., 1962. — 720 с.
  62. Марковская теория оценивания в радиотехнике / М. Н. Лантюхов, А. А. Сирота и др.- под ред. М. С. Ярлыкова. М.: Радиотехника, 2004. — 504 с.
  63. , Б. Г. Вероятностные модели случайных сигналов и полей в прикладной статистической радиофизике: учеб. пособие для радиотехн. спец. / Б. Г. Марченко, В. А. Омельченко. Киев: УМКВО, 1988. — 176 с.
  64. Методы статистической обработки изображений и полей: Межвуз. сб. науч. тр. / Новосиб. электротехн. ин-т- редкол.: Т. Б. Борукаев (отв. ред.) и др. Новосибирск: НЭТИ, 1986. — 134 с.
  65. , Д. Введение в статистическую теорию связи / Д. Миддлтон- пер. с анл. Б. А. Смиренина- под ред. Б. Р. Левина. М.: Сов. радио, 1962. — Т. 2. — 832 с.
  66. , В. И. Методы обработки измерений: Квазиправдоподобные оценки / В. И. Мудров, В. Л. Кушко. М.: Радио и связь, 1983. — 304 с.
  67. , Е. П. Оценка площади оптических изображений при неизвестных интенсивностях сигнала и шума / Е. П. Нечаев, А. П. Трифонов // Автометрия. 1990. — № 2. — С. 31 — 36.
  68. , Е. П. Оценка площади пропадающего оптического изображения на фоне шумов / Е. П. Нечаев, А. П. Трифонов // Автометрия. 1987. — № З.-С. 18−21.
  69. , Е. П. Эффективность алгоритмов оценки площади оптического изображения на фоне шумов / Е. П. Нечаев, А. П. Трифонов // Автометрия. 1989. — № 4. — С. 20−23.
  70. , В. А. Ортогональные разложения случайных сигналов и полей / В. А. Омельченко. Киев: УМКВО, 1991. — 140 с.
  71. , Г. А. Обнаружение оптического изображения с неизвестной площадью / Г. А. Осецкая // Радиотехника. 1994. — № 1. — С. 64 — 70.
  72. , Г. А. Обнаружение оптического изображения с неизвестными интенсивностью и площадью при наличии фона / Г. А. Осецкая // Изв. ВУЗов. Радиоэлектроника. 1992. — № 7. — С. 31 — 37.
  73. , Г. А. Обнаружение оптического изображения с неизвестными интенсивностью и площадью при наличии фона с неизвестнойинтенсивностью / Г. А. Осецкая // Автометрия. 1992. — № 4. — С. 40 — 46.
  74. , Р. В. Статистическая теория радиолокации протяженных целей / Р. В. Островитянов, Ф. А. Басалов. М.: Радио и связь, 1982. — 232 с.
  75. Патрик, Эдвард А. Основы теории распознавания образов / Эдвард А. Патрик- пер. с англ. В. М. Баронкина и др. М.: Сов. радио, 1980. — 408 с.
  76. , Т. И. Представление изображений гауссовскими случайными полями / Т. И. Перетягин // Автометрия. 1984. — № 6. — С. 36 — 42.
  77. , В. Н. Оценка качества обнаружения пространственно -протяженных объектов по их изображениям / В. Н. Поветко, В. А. Понькин // Радиотехника и электроника. 1993. — Т. 38, № 4. — С. 686 -688.
  78. , В. А. Вероятность обнаружения протяженных объектов / В. А. Понькин, И. М. Зуев // Радиотехника. 1992. — № 12. — С. 13 — 18.
  79. , Н. И. Марковские процессы / Н. И. Портенко, А. В. Скороход, В. М. Шуренков // Итоги науки и техн. Серия соврем, пробл. матем. Фундам. направления. М.: ВИНИТИ. — 1989. — Т. 46, № 4. — С. 5 — 248.
  80. , С. М. Некоторые задачи теории численного моделирования случайных процессов и полей / С. М. Пригарин- под ред. Г. А. Михайлова. Новосибирск: ВЦ СО РАН, 1994. — 164 с.
  81. , У. Цифровая обработка изображений / У. Прэтт- пер. с англ. под ред. Д. С. Лебедева. М.: Мир, 1982. — Т. 1. — 312 е.- Т. 2. — 480 с.
  82. , А. Теория вероятностей / А. Пуанкаре- пер. с фр. В. В. Шуликовской- науч. ред. А. В. Летчиков. Ижевск: Журн. «Регуляр. и хаотич. динамика», 1999. — 276 с.
  83. Рао, С. Р. Линейные статистические методы и их применение / С. Р. Рао- пер. с англ. А. М. Кагана, В. М. Калинина и К.П. Латышева- под ред. акад. Ю. В. Линника. М.: Наука, 1968. — 548 с.
  84. , В. Г. Статистический синтез при априорной неопределённости иадаптация информационных систем / В. Г. Репин, Г. П. Тартаковский. -М.: Сов. радио, 1977. 432 с.
  85. , А. К. Обнаружение, классификация и оценивание сигналов: Последовательные процедуры / А. К. Розов. СПб.: Политехника, 1999. -206 с.
  86. , Ю. Г. Теория обнаружения и оценивания стохастических сигналов / Ю. Г. Сосулин. М.: Сов. Радио, 1978. — 320 с.
  87. Теория когерентных изображений / П. А. Бакут, В. И. Мандросов, И. Н. Матвеев и др.- под ред. Н. Д. Устинова. М.: Радио и связь, 1987. — 264 с.
  88. Теория обнаружения сигналов / П. С. Акимов, П. А. Бакут, В. А. Богданович и др.- под ред. П. А. Бакута. М.: Радио и связь, 1984. — 440 с.
  89. , А. С. Распределение вероятности временного положения абсолютного максимума на выходе согласованного фильтра / А. С. Терентьев // Радиотехника и электроника. 1968. — Т. 13, № 4. — С. 652 -657.
  90. , В. И. Нелинейные преобразования случайных процессов / В. И. Тихонов. М.: Радио и связь, 1986. — 296 с.
  91. , В. И. Нелинейная фильтрация и квазикогерентный прием сигналов / В. И. Тихонов, Н. К. Кульман. М.: Сов. радио, 1975. — 704 с.
  92. , В. И. Марковские процессы / В. И. Тихонов, М. А. Миронов.
  93. М.: Сов. радио, 1977. 488 с.
  94. , В. И. Оптимальный прием сигналов / В. И. Тихонов. М.: Радио и связь, 1983. — 320 с.
  95. , В. И. Статистический анализ и синтез радиотехнических устройств и систем: учеб. пособие для вузов радиотехн. специальностей / В. И. Тихонов, В. Н. Харисов. М.: Радио и связь, 2004. — 608 с.
  96. , В. И. Статистическая радиотехника / В. И. Тихонов. М.: Радио и связь, 1982. — 624 с.
  97. , А. Н. Уравнения математической физики / А. Н. Тихонов, А. А. Самарский. М.: Мир, 1985. — 724 с.
  98. , А. П. Обнаружение стохастического изображения с неизвестными параметрами при наличии фона с неизвестными параметрами / А. П. Трифонов, Ю. Н. Прибытков // Изв. ВУЗов. Радиоэлектроника. 2002. — Т. 45, № 9. — С. 10 — 20.
  99. , А. П. Обнаружение стохастических сигналов с неизвестными параметрами / А. П. Трифонов, Е. П. Нечаев, В. И. Парфенов- под ред. А. П. Трифонова. Воронеж: ВГУ, 1991. — 246 с.
  100. , А. П. Разрывные модели сигналов и оценка их параметров / А. П. Трифонов // Прикладная теория случайных процессов и полей. -Ульяновск: Ул ГТУ. 1995. — С. 164 — 214.
  101. , А. П. Совместное различение сигналов и оценка их параметров на фоне помех / А. П. Трифонов, Ю. С. Шинаков. М.: Радио и связь, 1986. — 268 с.
  102. , А.П. Характеристики оптимальных оценок параметров оптических сигналов на фоне пространственных помех / А. П. Трифонов, А. В. Зюльков, В. К. Маршаков // Изв. ВУЗов. Радиоэлектроника. 1981. -Т. 24, № 1.-С. 14−21.
  103. , И. Н. Статистическая теория голографии / И. Н. Троицкий, Н. Д. Устинов. М.: Радио и связь, 1981. — 328 с.
  104. , В. Н. Теория вероятностей и случайных процессов. Основы математического аппарата и прикладные аспекты / В. Н. Тутубалин. М.: Изд-во МГУ, 1992. — 394 с.
  105. , С. Е. Оценка параметров сигнала / С. Е. Фалькович. М.: Сов. радио, 1970. — 334 с.
  106. , В. Введение в теорию вероятностей и ее приложения / В. Феллер. М.: Мир, 1984. — Т. 1. — 528 е.- Т. 2. — 752 с.
  107. , Я. А. Симметричные характеристики формы произвольного плоского изображения / Я. А. Фурман // Автометрия. 1998. — № 2. — С. 77 -86.
  108. , Я. А. Цифровые методы обработки и распознавания бинарных изображений / Я. А. Фурман, А. Н. Юрьев, В. В. Яншин. Красноярск: Изд-во Краснояр. ун-та, 1992. — 246 с.
  109. , Т. С. Обработка изображений и цифровая фильтрация / Т. С. Хуанг. М.: Мир, 1984. — 274 с.
  110. , Я. И. Статистическое моделирование / Я. И. Хургин, Н. О. Фастовец. М.: Нефть и газ, 2003. — 72 с.
  111. , О. И. Негауссовские процессы в радиотехнике / О. И. Шелухин. М.: Радио и связь, 1999. — 288 с.
  112. , Н. С. Выделение оптических сигналов на фоне случайных помех / Н. С. Шестов- под ред. А. А. Лебедева. М.: Сов. радио, 1967. — 347 с.
  113. , Г. Ю. Цифровая обработка цветных изображений / Г. Ю. Шлихт- пер. с нем. Е. 3. Сорока, О. Г. Носов. М.: ЭКОМ, 1997.-334 с.
  114. , JI. Введение в математическую статистику / JI. Шметтерер- пер. с нем. под ред. Ю. В. Линника. М.: Наука, 1976. — 520с.
  115. , М. С. Марковская теория оценивания случайных процессов / М. С. Ярлыков, М. А. Миронов. М.: Радио и связь, 1993. — 460 с.
  116. , Л. П. Введение в цифровую обработку изображений / Л. П. Ярославский. М.: Сов. радио, 1979. — 312 с.
  117. Amit, Yali 2D object detection and recognition: models, algorithms, and networks / Yali Amit. London: The MIT Press, 2002 — 308 p.
  118. Ballard, D. H. Computer Vision / D. H. Ballard, С. M. Brown. New Jersey: Prentice-Hall, 1982. — 528 p.
  119. Bow, Sing Tze Pattern recognition and image preprocessing: Second edition, revised and expanded / Sing — Tze Bow. — New York: Marcel Dekker, 2002. -700 p.
  120. Delignon, Y. Estimation of generalized mixtures and its application in image segmentation / Y. Delignon, A. Marzouki, W. Pieczynskib // IEEE transactions on image processing. 1997. — Vol. 6, № 10. — P. 1364−1375.
  121. , A. A. 2 D and 3-D image registration for medical, remote sensing, and industrial applications / A. A. Goshtasby. — New Jersey: John Wiley & Sons, 2005. — 262 p.
  122. Ho, Chun Та A high — speed algorithm for elliptical object detection / Chun -Та Ho, Ling — Hwei Chen // IEEE transactions on image processing. — 1996. -Vol. 5, № 3. — P. 547 — 550.
  123. Jahne, Bernd Digital image processing / Bernd Jahne. New York: Springer, 2002.-586 p.
  124. Pattichis, M. S. Fingerprint classification using an AM FM model / M. S. Pattichis, G. Panayi, A. C. Bovik, Shun — Pin Hsu // IEEE transactions on image processing. — 2001. — Vol. 10, № 6. — P. 951 — 954.
  125. Petrou, M. Image Processing: The Fundamentals / M. Petrou, P. Bosdogianni. -New York: John Wiley & Sons, 1999. 334 p.
  126. Serra, J. Image analysis and mathematical morphology / J. Serra. London: Academic Press, 1982. — 612 p.
  127. , К. А. Эффективность обнаружения неоднородного изображения на фоне шума / А. П. Трифонов, К. А. Зимовец // Автометрия, 2003. Т. 39, № 1.-С. 19−27.
  128. , К. А. Оценка площади неоднородного изображения на фоне пространственного шума / А. П. Трифонов, К. А. Зимовец // Изв. ВУЗов. Радиоэлектроника. 2003. — Т. 46, № 10. — С. 3−14.
  129. , К. А. Совместное обнаружение и оценка площади неоднородного изображения на фоне шума / А. П. Трифонов, К. А. Зимовец // Автометрия. 2004. — Т. 40, № 4. — С. 11 — 25.
  130. , К.А. Максимально правдоподобная оценка площади пропадающего изображения / А. П. Трифонов, К. А. Зимовец // Материалы X международной научно технической конференции «Радиолокация, навигация, связь». — Воронеж, 2004. — Т. 1. — С. 189 — 196.
  131. , К. А. Оценка площади неоднородного пропадающего изображения на фоне пространственного шума / А. П. Трифонов, К. А. Зимовец // Изв. ВУЗов. Радиоэлектроника. 2004. — Т. 47, № 8. — С. 3 — 14.
Заполнить форму текущей работой

Заказал и сдал!