Помощь в учёбе, очень быстро...
Работаем вместе до победы

Методы и средства обработки цифровых аэрокосмических изображений объектов промышленности для создания тематических слоев геопространственной информации

Диссертация: Методы и средства обработки цифровых аэрокосмических изображений объектов промышленности для создания тематических слоев геопространственной информации
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Векторизация цифровых аэрокосмических изображений, в большинстве случаев выполняемая операторами-фотограмметристами вручную, заключается в поэлементной «обрисовке» граничных линий промышленных объектов и представляет собой длительный и трудоемкий процесс, требующий значительного количества людских и материальных ресурсов. Автоматическое построение тематических слоев геопространственной информации… Читать ещё >

Содержание

  • Глава 1. Аналитический обзор методов и средств создания тематических электронных карт ГИС на основе аэрокосмических изображений
    • 1. 1. Методы цифровой обработки аэрокосмических изображений
    • 1. 2. Программные средства векторизации цифровых аэрокосмических изображений'
  • Выводы
  • Глава 2. Математическая модель синтеза тематического слоя объектов промышленности по аэрокосмическому изображению
    • 2. 1. Математическая модель аэрокосмического изображения
      • 2. 1. 1. Математическая модель аэрокосмического изображения как случайного поля яркостей
      • 2. 1. 2. Математическая модель изображения объекта
      • 2. 1. 3. Модель формирования теней объектов на аэрокосмическом изображении
      • 2. 1. 4. Модель теней объектов на аэрокосмическом изображении
    • 2. 2. Математическая модель процесса формирования векторных представлений объектов по аэрокосмическому изображению
      • 2. 2. 1. Математическая модель компенсации теней объектов на аэрокосмическом изображении
        • 2. 2. 1. 1. Функция вычисления азимута Солнца и оценки положения теней объектов
        • 2. 2. 1. 2. Функция локализации теней объектов
        • 2. 2. 1. 3. Функция яркостной компенсации теней объектов
      • 2. 2. 2. Математическая модель построения контуров объектов на аэрокосмическом изображении
        • 2. 2. 2. 1. Функции выделения, утончения и бинаризации контурных линий объектов на аэрокосмическом изображении
        • 2. 2. 2. 2. Функции векторного кодирования и трассировки контуров объектов

        2.2.2.3. Математическая модель идентификации контурных представлений промышленных объектов. ilpхш^дvnria i иихшисихши lvvnij^vu ii^umuii i ихииишл алгоритм обработки цифровых аэрокосмических изображений бщенный алгоритм построения векторных представлений объект< ленности. од локализации и компенсации теней объектов аэрокосмическом ении. од построения контуров объектов.

Методы и средства обработки цифровых аэрокосмических изображений объектов промышленности для создания тематических слоев геопространственной информации (реферат, курсовая, диплом, контрольная)

Цифровые аэрокосмические изображения земной поверхности наряду с топографическими картами, планами городов, аэронавигационными и морскими картами используются для создания основной составляющей геоинформационных систем (ГИС) — электронных карт, которые являют собой векторные описания пространственных объектов, сгруппированных в тематические слои [1, 2]. Наибольшую ценность аэрокосмические изображения представляют при актуализации электронных карт, поскольку, по сравнению с другими источниками, содержат наиболее точную и оперативную информацию о запечатленном на них участке местности [3].

Обработка цифровых аэрокосмических изображений находит широкое применение при создании и обновлении электронных карт ГИС, используемых в промышленности для управления инфраструктурой предприятия, решения задач оптимизации маршрутов транспортных перевозок, планирования строительства и экологического мониторинга объектов промышленности [3, 4]. Основным и наиболее трудоемким этапом создания или обновления электронной карты предприятия с помощью аэрокосмических изображений является построение и распределение по тематическим слоям векторных преставлений объектов промышленности (векторизация аэрокосмических изображений). Полученный набор тематических слоев представляет собой основу создаваемой карты, которая дополняется необходимой геопространственной и атрибутивной информацией, или же выступает источником данных для добавления недостающих объектов в актуализируемую электронную карту.

Векторизация цифровых аэрокосмических изображений, в большинстве случаев выполняемая операторами-фотограмметристами вручную, заключается в поэлементной «обрисовке» граничных линий промышленных объектов и представляет собой длительный и трудоемкий процесс, требующий значительного количества людских и материальных ресурсов [5]. Автоматическое построение тематических слоев геопространственной информации по аэрокосмическим изображениям объектов промышленности с помощью программных и аппаратно-программных средств, ориентированных на обработку сканированной картографической информации, равно как и создание специализированных средств векторизации сталкиваются с трудностями, обусловленными отсутствием математического описания аэрокосмического изображения, учитывающего его избыточную информативность и неоднородное распределение яркости в пределах содержащихся на нем объектов [6]. Кроме того, существующие средства обработки данных дистанционного зондирования не обеспечивают необходимой точности автоматически создаваемых тематических слоев, требуют длительной предварительной настройки, сопоставимой по временным затратам с ручным созданием электронной карты, и обладают низким быстродействием, обусловленным как размерами исходного изображения (не менее 100 млн. точек), так и сложностью алгоритмов его обработки.

Таким образом, актуальной научно-технической задачей является повышение точности и быстродействия средств обработки аэрокосмических изображений объектов промышленности и создания тематических слоев геопространственной информации.

Цель диссертации: разработка методов и алгоритмов обработки цифровых аэрокосмических изображений и создание на их основе быстродействующей системы синтеза тематических слоев геопространственной информации, применяемой при решении задачи построения электронных карт промышленных предприятий.

В соответствии с поставленной целью в работе решаются следующие задачи:

1. Сравнительный анализ современных методов и средств цифровой обработки аэрокосмических изображений для создания тематических слоев электронных карт ГИС.

2. Разработка математической модели синтеза тематического слоя объектов промышленности по аэрокосмическому изображению.

3. Создание методов и алгоритма обработки цифровых аэрокосмических изображений.

4. Разработка структурно-функциональной организации быстродействующей системы для формирования векторных представлений объектов промышленности.

Новыми научными результатами, выносимыми на защиту, являются:

1. Математическая модель синтеза тематического слоя объектов промышленности по аэрокосмическому изображению, которая позволяет описать процесс формирования векторных представлений объектов, учитывая избыточную информативность аэрокосмического изображения и неоднородное распределение яркости в пределах содержащихся на нем объектов.

2. Методы и алгоритм обработки цифровых аэрокосмических изображений, основанные на выделении и векторном кодировании контуров и позволяющие повысить точность построения тематического слоя объектов промышленности за счет компенсации теней, выделения объектов промышленности с учетом локальных свойств функции яркости изображения и геометрической коррекции их контуров.

3. Структурно-функциональная организация быстродействующей системы для формирования векторных представлений объектов, которая, используя естественный параллелизм операций обработки изображений, позволяет по сравнению с известными аналогами снизить временные затраты на создание тематического слоя объектов промышленности.

Объект исследований — цифровые аэрокосмические изображения как источник информации для формирования тематического слоя объектов промышленности.

Предмет исследований — методы, алгоритмы обработки цифровых аэрокосмических изображений и быстродействующие системы формирования векторных представлений объектов.

Методы исследования. В работе использованы методы цифровой обработки' и анализа сигналов и изображений, математического моделирования, теории: вероятностей, систем, параллельных вычислений, алгоритмов, проектирования ЭВМ.

Практическая ценность работы состоит в том, что ее результаты являются основой для разработки широкого спектра программных и аппаратно-программных средств, обеспечивающих цифровую обработку аэрокосмических изображений и синтез тематических слоев геопространственной информации при минимальном участии оператора и предназначенных для создания электронных карт ГИС промышленного назначения. Разработанные методы и алгоритм также могут применяться при построении тематических слоев городской застройки, дорожной сети и водных ресурсов для универсальных ГИС. Методы выделения и векторного кодирования контуров объектов применяются в медицине при построении систем бесконтактной диагностики заболеваний кровеносной системы человека (способ диагностики защищен патентом РФ № 2 314 026).

Достоверность научных результатов, полученных в работе, подтверждается экспериментальными исследованиями.

Реализация и внедрение. Методы обработки аэрокосмических изображений, разработанные в рамках диссертационной работы, использованы при создании программных продуктов ООО «Астрософт-Дубна» и ЗАО «Курсктелеком».

Результаты диссертационной работы используются в учебном процессе Курского государственного технического университета в рамках дисциплин «Цифровая обработка и анализ изображений», «Современные проблемы науки и производства» при подготовке магистров по направлению «Информатика и вычислительная техника». Внедрения подтверждены соответствующими актами.

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на международных и российских конференциях: XL всероссийской конференции по проблемам математики информатики, физики и химии (г. Москва, 2004 г.), межрегиональной итоговой научно-технической конференции «Интеллектуальные и информационные системы» (г. Тула, 2004 г.), 4-й международной конференции «Телевидение 2005», (г. Санкт-Петербург, 2005 г.), УШ международной научно-технической конференции «Медико-экологические информационные технологии 2005» (г. Курск, 2005 г.), ХХХП и ХХХШ межвузовских научно-технических конференциях «Молодежь и XXI век» (г. Курск, 2004;2005гг.), 8-й международной конференции «Распознавание образов и анализ изображений: Новые информационные технологии «РОАИ-8−2007» (г. Йошкар-Ола, 2007 г.), 5-й международной конференции по информационным и телекоммуникационным технологиям в интеллектуальных системах (Майорка, 2007 г.), IV научно-практической конференции «Перспективы развития систем управления оружием» (г. Курск, 2007 г.), 8-й международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание — 2008» (г. Курск, 2008 г.), 9-й международной конференции «Распознавание образов и анализ изображений: Новые информационные технологии «РОАИ-9−2008» (г. Нижний Новгород, 2008 г.), международной научно-технической конференции «Информационно-измерительные, диагностические и управляющие системы «Диагностика—2009» (г. Курск, 2009 г.), международной научно-технической конференции «Геодезия, картография, кадастр — XXI век» (г. Москва, 2009 г.), а также на научно-технических семинарах кафедры «Вычислительная техника» с 2004 по 2009 гг.

Награжден медалью министерства образования и науки РФ «За лучшую научную студенческую работу», медалью Российской академии наук для молодых ученых РАН, других учреждений, организаций России и для студентов высших учебных заведений России за работу «Разработка математической модели и создание автоматизированного аппаратно-программного комплекса для сегментации аэрокосмических изображений».

Публикации. Основные результаты диссертации отражены в 22 печатных работах. Среди них 7 статей, опубликованных в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендованных ВАК, 1 патент на изобретение, 1 свидетельство о регистрации программ для ЭВМ.

Объем и структура работы. Диссертационная работа состоит из введения, четырех глав, заключения и приложений. Работа содержит 150 страниц основного текста (без приложений), в том числе 53 рисунка, 5 таблиц, список использованных источников из 87 наименований, и 2 приложения.

Выводы.

1. Предложенный метод локализации и компенсации теней объектов обладает низким значением ошибки второго рода классификации теней (среднее количество правильно классифицированных теней составило 85% от их общего количества), низкой ошибкой локализации (3,5%) и яркостной компенсации (1,7%) теней объектов, что обеспечивает существенное снижение количества ложных промышленных объектов в целевом тематическом слое и повышение точности их векторного представления.

2. Созданный метод построения контуров по сравнению с аналогами обладает на 5% большей точностью выделения контуров объектов, обеспечивает в 3 раза меньшее число некорректно устраненных разрывов контуров при схожих значениях оценок количества корректно устраненных разрывов.

3. Разработанные методы по сравнению с аналогами обеспечивают на 15% большее число правильно идентифицированных и в 3 раза меньшее количество ложных объектов промышленности, а также на 25% меньшее отклонение положений векторных представлений объектов промышленности от истинных позиций.

4. Разработанная система обеспечивает в 8 раз меньшие временные затраты на построение тематического слоя объектов по сравнению с известными аналогами. Конвейерный режим функционирования разработанной системы позволяет на 15% снизить временные затраты по сравнению с последовательным режимом.

ЗАКЛЮЧЕНИЕ

.

При решении поставленной в диссертационной работе задачи были получены следующие результаты:

1.По результатам анализа существующих методов и средств цифровой обработки аэрокосмических изображений для создания тематических слоев электронных карт ГИС разработана математическая модель синтеза тематического слоя объектов промышленности по аэрокосмическому изображению, основанная на математическом представлении изображения и позволяющая описать процесс формирования векторных представлений объектов с учетом его избыточной информативности и неоднородного распределения яркости в пределах содержащихся на нем объектов.

2. Разработаны методы и алгоритм обработки цифровых аэрокосмических изображений, основанные на выделении и векторном кодировании контуров объектов и позволяющие повысить точность построения тематического слоя объектов промышленности за счет компенсации теней объектов, выделения объектов промышленности с учетом локальных свойств функции яркости изображения и геометрической коррекции их контуров.

3. Разработана структурно-функциональная организация быстродействующей системы для формирования векторных представлений объектов, которая отличается введением трех графических модулей и, используя естественный параллелизм операций обработки изображений, обеспечивает, по сравнению с известными аналогами, снижение временных затрат на создание тематического слоя объектов промышленности.

4. Сравнительный анализ разработанных методов и системы для формирования векторных представлений объектов с известными аналогами показал, что разработанные методы обладают на 15% большей точностью идентификации объектов промышленности и на 25% меньшим отклонением получаемых контурных представлений объектов от их истинной позиции, а также создают в 3 раза меньшее. число ложных объектов. Разработанная система обеспечивает в 8 раз меньшие временные затраты на синтез тематического слоя объектов промышленности по аэрокосмическому изображению.

Показать весь текст

Список литературы

  1. , Д.Е. Геоинформационные системы: исследование, анализ и разработка Текст. / Д. Е. Андрианов. М.: Государственный научный центр Российской Федерации. — ВНИИгеосистем, 2004. — 184 е.: ил.
  2. , А.И. Информатика и электронная Земля: фундаментальные научные проблемы Текст. / А. И. Мартыненко // Системы и средства информатики. Вып. 11. — М.: ИЛИ РАН, 2001. — С. 94−112.
  3. , А.Ю. Космические снимки в инфраструктуре пространственных данных РФ Текст. / А. Ю. Баринов, В. Е. Гершензон // Пространосвенные данные № 1. — 2009. — С.26−29.
  4. A.Б. Вележев // Изв. ВУЗов. Приборостроение. Т. 51, № 2. — 2008. — С. 2229.
  5. , А.В. Первоначальное наполнение обновление данных в ГИС Текст. / А. В. Булаев, М. С. Соколов // Системы и методы обработки и анализа информации, М.:Телеком, 2006. С. 63−67.
  6. , И.А. Дешифрирование аэрокосмических снимков. Учеб. пособие для студентов ВУЗов Текст. / И. А. Лабутина // М.:Аспект Пресс, 2004. — 184с.
  7. , В.А. Методы компьютерной обработки изображений / Под ред.
  8. B.А. Сойфера 2-е изд., испр. — М.: ФИЗМАТЛИТ, 2003. — 784 с.
  9. , Э. Цифровая обработка изображений Текст.: в 2 т. / Э. Претг. -[Перевод с англ. Д.С. Лебедева] -М.: Мир, 1982.
  10. , Р. Цифровая обработка изображений Текст. / Р. Гонзалес, Р. Вудс // М.: Техносфера, 2006 1072с.
  11. Alvarez, L. Axioms and Fundamental Equations of Image Processing Text. / Luis Alvarez, Frederic Guichard, Pierre-Louis Lions, Jean-Michel Morel // Arch. National Mech. Anal. 123. Springer-Verlag, 1993. — PP. 199−257.
  12. П.Дегтярев, С. В. Методы цифровой обработки изображений / С. В. Дегтярев,
  13. C.С. Садыков, С. С. Тевс, Т. А. Ширабакина. // Курск: КурскГТУ, 2001. -167с.
  14. , В.В. Искусственные нейронные сети. Теория и практика Текст. / В. В. Круглое, В. В. Борисов // 2-е изд. М.: Горячая линия-Телеком, 2002. — 382с.
  15. , В.В. Нечеткие модели и сети Текст. / В. В. Борисов, В. В. Круглов,
  16. A.С. Федулов // М.: Горячая линия-Телеком, 2007. 284с.
  17. Elder, J.H. Local Scale Control for Edge Detection and Blur Estimation Text. / James. H. Elder, Steven W. Zuckler // IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 20, No 7. — 1998. — PP. 699−716.
  18. Canny, J.F. A Computational Approach to Edge Detection Text. / J.F. Canny // IEEE Trans. Pattern Recognition and Machine Intelligence // Vol. 8, No.6. 1986. -PP. 679−698.
  19. Verbeek, P. On the Local Error of Curved Edges in Low-Pass Filtered 2-D and 3D Images Text. / P. Verbeek, L. van Vliet // IEEE Trans. Pattern Recognition and Machine Intelligence. Vol. 16, № 7. 1994. — PP.726−733.
  20. Tikhonov, A.N. Solutions of 111 Posed Problems Text. / A.N. Tikhonov, V.Y. Arsenin. WH Winston, — Washington DC, — 1977.
  21. , В.И. Системы технического зрения: Справочник Текст. /
  22. B. И. Сырямкин, В. С. Титов, Ю. Г. Якушенков и др. // Под общей редакцией В. И. Сырямкина, В. С. Титова Томск: МГП «Раско», 1992. 367 с.
  23. , А.А. Быстрые алгоритмы цифровой обработки сигналов Текст. / А. А. Ильин, B.C. Титов, Е.В. Евсюков- Учеб. пособие Тула: Изд-во ТулГУ, 2004.- 125 с.
  24. Park, D.J. Multiresolution Edge Detection Techniques Text. / D.J. Park, K.M. Nam, R.H. Park // Pattern Recognition. Vol. 20, № 2. — 1995. -PP. 211−229.
  25. Wang, J. Relative Entropy-based Methods for Image Segmentation Text. / J. Wang, Y. Du, C. Chang, P. Thouin // IEEE Int. Symp. Circ. Syst. (ISCAS) 2. -2002,-PP. 265−268.
  26. Chang, C. A Relative Entropy-based Approach to Image Thresholding Text. /
  27. C. Chang, K. Chen, J. Wang, M. Althouse // Pattern Recognition. Vol. 27, No. 9, — 1994.-PP. 1275−1289.
  28. Pal, N. Entropic Thresholding Text. /N. Pal, S. Pal // Signal Processing. No. 16.- 1989,-PP. 97−108.
  29. E1-Khamy, S.E. Minimum Entropy-Based Fuzzy Edge Detection Text. / S.E. El-Khamy et al. // IEEE Trans, on Fuzzy Systems. Vol. 9, No.3. — 2001. — PP. 467 471.
  30. , H. Алгоритмы кластеризации на службе Data Mining Электронный ресурс.: Н. Паклин. http://www.basegroup.ru/ clusterization/datamining.htm от 20.03.2009.
  31. , Г. Применение волнового алгоритма для нахождения скелета растрового изображения Электронный ресурс.: www.ocrai.narod.ru/vectory.html от 29.01.2009.
  32. Prewer, D. A Fast Table-Driven Method for Edge Thinning and Linking Text. /
  33. D. Prewer, L. Kitchen // Proceedings of Conference on Digital Image Computing: Techniques and Applications. Perth, 1999. — PP. 42−46.
  34. , Я.А. Введение в контурный анализ и его приложение к обработке изображений и сигналов Текст. / Под ред. Я. А. Фурмана. II М.:ФИЗМАТЛИТ, 2002. 592с.
  35. , И.М. Математическая модель одного класса поисковых систем Текст. / И. М. Гостев, А. В. Мирошкин // Вестник РУДН. Прикладная и компьютерная математика. Т. З, № 1. — 2004. — С. 93−98.
  36. , Ю.П. Теоретические основы быстродействующего устройства инвариантного распознавания контурных изображений Текст. / Ю. П. Забияка, А. П. Типикин, B.C. Титов // Изв. ВУЗов Приборостроение. № 2, 2005-С. 8−14.
  37. , Н.Н. Способ формирования признаков объектов в СТЗ инвариантных к повороту, переносу и изменению масштаба Текст. / Н. Н. Стулов // Системы и методы обработки и анализа информации М.: Горячая линия — Телеком, 2005. — С. 18−24.
  38. Векторизаторы. Сайт компании «Дата плюс» Электронный ресурс.: http://www.dataplus.ru/SofVYECTORIZ/Index.htm от 4.05.2009.
  39. Pitney Bowes Maplnfo: The Leading Global Provider of Location Intelligence Solutions Электронный ресурс. // http://www.mapinfo.com/ от 7.05.2009.
  40. Easy Trace. Интеллектуальное программное обеспечение для векторизации карт Электронный ресурс.: http://www.easytrace.com/site/ russian/news/news.html от 14.04.2009.
  41. ArcGIS Engine Электронный ресурс.: http://www.esri.com/software/arcgis/ arcgisengine/index.html от 7.05.2009.
  42. ERDAS IMAGINE Электронный ресурс.: http://www.erdas.com/tabid/84/ currentid/1050/default.aspx от 7.05.2009.
  43. Intergraph Products Электронный ресурс.: http://www.intergraph.com/sgi/ products/ от 28.09.2009.
  44. Feature Analyst Электронный ресурс.: http://www.dataplus.ru/soft/erdas/ erdas/featurean.html от 7.05.2009.
  45. , В.Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений Текст.: Учебн. пособие / В. Б. Кашкин, А. И. Сухинин. -М.: Логос, 2001.-264 с.
  46. , B.C. Теория вероятностей и математическая статистика: Учебное пособие. 2-е изд. Текст. / B.C. Пугачев // М.:ФИЗМАТЛИТ, 2002. — 496с.
  47. , С.Ю. Выделение контуров в телевизионных изображениях Текст. / С. Ю. Мирошниченко, B.C. Титов, В. А. Денисюк // Материалы 4-й международной конференции «Телевидение 2005». СПб: СПбЭТУ, 2005. -С. 75−76.
  48. , С.Ю. Локализация и гистограммная компенсация теней объектов на аэрокосмических изображениях Текст. / С. Ю. Мирошниченко // Сб. мат-лов. 8-й Межд. Конф. «Распознавание-2008». 4.2. Курск: КурскГТУ, 2008. — С. 189−190.
  49. Miroshnichenko, S.Yu. Adaptive Choice of Global Threshold for Binarization of Gradient Images Text. / S.Yu. Miroshnichenko, S.V. Degtyarev, Yu.A. Rukavitsin // Pattern Recognition and Image Analysis, Vol. 15, № 1. 2005.— PP. 249−251.
  50. , P. Распознавание образов и анализ сцен Текст. / Дуда Р., Харт П. // М.:Мир, 1976.-511с.
  51. , С.Ю. Распознающий аппаратно-программный диагностирующий комплекс Текст. / С. Ю. Мирошниченко, В. Н. Мишустин, С. В. Дегтярев // Изв. ВУЗов. Приборостроение. 2005. Т. 48, № 2. — С. 22−27.
  52. , М. Теория графов. Алгоритмический подход Текст. / М. Кристофидес. -М.: Мир, 1978, — 432 с.
  53. , В.А. Компьютерная графика, мультимедиа и игры на Visual С# 2005 Текст. / В. А. Жарков // М.: Жарков Пресс, 2005. 812с.
  54. , С.Ю. Выделение контуров объектов на изображении с использованием функции регуляризации Тихонова Текст. / Ко Ко Куо, С. Ю. Мирошниченко // Сб. мат-лов. 8-й Межд. Конф. «Распознавание-2008». -4.2. Курск: КурскГТУ, 2008. С. 14−16.
  55. , С.Ю. Метод устранения разрывов в контурах объектов для построения векторного описания аэрокосмических изображений Текст. /
  56. С.Ю. Мирошниченко // IV науч.-прат. Конф. «Перспективы развития систем управления оружием», М.: Бредитников иКо, 2007, — С. 109−115.
  57. Intel 64 and IA-32 Architectures Software Developer’s Manual Электронный ресурс.: Document № 253 665−030US. Vol. 1: Basic Archtecture — 2009 -http://www.intel.com/Assets/pdf/manual/253 665.pdf от 9.05.2009.
  58. AMD Family lOh Phenom II Processor Product Datasheet Электронный ресурс.: Publication № 46 878 2009 — http://support.amd.com/us /ProcessorTechDocs/46878PhenomIIPDS3.04PUB.pdf от 9.05.2009.
  59. ATI Online Manual Электронный ресурс.: Part Number 137−40 178−104 -http://support.amd.com/us/ GPU TechDocs /radeononline.pdf от 9.05.2009.
  60. NVIDIA GeForce Family Электронный ресурс.: http://www.nvidia.com/ object/geforce family. html от 9.05.2009.
  61. , С.Ю. Метод автоматического кадрирования цифровых портретных изображений для цифровых фотоаппаратов Текст. / С. В. Дегтярев, А. В. Медведев, С. Ю. Мирошниченко // Изв. ВУЗов. Приборостроение. 2008. Т. 51, № 2. — С. 5−9.
  62. Miroshnichenko, S.Yu. Automatized aerospace photoimages vectorization for digital maps creation and actualization Text. / S.V. Degtyarev,
  63. S.Yu. Miroshnichenko // Proceedings of the5. th International Conference «International Conference on Information and Telecommunication Technologies in Intelligent Systems». Mallorca, 2007. — PP. 181−182.
  64. , В.А. Численные методы II. Решение уравнений. Курс лекций Текст. // СПб.:СПбГТУ, 2001. 44с.
  65. , С.Ю. Способ адаптивного выбора глобального порога бинаризации градиентных изображений Текст. / С. Ю. Мирошниченко // Молодежь и XXI век. Тезисы докладов XXXII межвузовской науч.-техн. Конф. Курск: КурскГТУ, 2004. Т.1, — С. 25−27.
  66. Hale, D. Recursive Gaussian Filters Электронный ресурс. / H. Dale // http://www.cwp.mines.edu/Meetings/Project06/cwp546.pdf от 30.03.2009.
  67. , С.Ю. Телевизионное устройство выделения контуров Текст. / С. В. Дегтярев, С. Ю. Мирошниченко, B.C. Титов // Изв. ВУЗов. Приборостроение. 2005. Т. 48, № 11. — С. 60−63.
  68. , С.Ю. Свидетельство о регистрации программы для ЭВМ № 2 005 613 008. Универсальная программная система для обработки изображений / Мирошниченко С.Ю.- Заявитель и правообладатель КурскГТУ. № 2 005 612 488- заявл. 3.10.2005- зарег. 21.11.2005.
  69. , С.Ю. Параллельно-конвейерное устройство для векторизации аэрокосмических изображений земной поверхности Текст. / С. Ю. Мирошниченко, B.C. Титов // Изв. ВУЗов. Приборостроение. 2009. Т. 52, № 2.-С. 45−51.
  70. AMD Phenom Х4 9850 Black Edition Review Электронный ресурс.: http://www.firingsquad.com/hardware/amdphenom9850blackeditionreview от 10.04.2009.
  71. GeForce GTX 280 Электронный ресурс.: http://www.nvidia.com/object/ productgeforcegtx280us. html от 10.04.2009.
  72. NVIDIA CUDA Reference Manual Электронный ресурс.: 2009 -http://developer.download.nvidia.com/compute/cuda/22/toolkit/docs/NVIDIAC UDAProgrammingGuide2.2.pdf от 5.05.2009.
  73. , С.Ю. Программная оптимизация оператора Собела с использованием SIMD-расширений процессоров семейства х86 Текст. / Э. И. Ватутин, С. Ю. Мирошниченко, B.C. Титов // Телекоммуникации. 2006. -№б.-С.12−16.
  74. , Г. И. Архитектура параллельных ЭВМ Текст. / Г. И. Шпаковский // Учеб. пособие для вузов. Мн.: Университетское, 1989. — 192 с.
  75. Гома, X. UML. Проектирование систем реального времени, параллельных и распределенных приложений Текст. / X. Гома // Пер. с англ. М.:ДМК Пресс, 2002. — 704 с.
  76. , А.В. Современные микропроцессоры Текст. / В. В. Корнеев, А. В. Киселев // М.: Нолидж, 2000. 320 с.
  77. Developing Multithreaded Applications: A Platform Consistent Approach Text. // March 2003, Intel Corporation 2003.
Заполнить форму текущей работой

Пора сдавать?