Модели и методы распознавания динамических образов на основе пространственно-временного анализа последовательностей изображений
Диссертация
Апробация работы. Основные положения и результаты диссертационных исследований докладывались и обсуждались на 10 международной конференции «Pattern Recognition and Image Analysis: Modern Information Technologies», (S.-Petersburg, 2010), международном конгрессе «Ultra Modern Telecommunications and Control Systems ICUMT2010» (Moscow, 2010) — XII международном симпозиума по непараметрическим методам… Читать ещё >
Содержание
- ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ И СИСТЕМ ОБРАБОТКИ И РАСПОЗНАВАНИЯ ДИНАМИЧЕСКИХ ОБЪЕКТОВ ПО ПОСЛЕДОВАТЕЛЬНОСТЯМ ИЗОБРАЖЕНИЙ
- 1. 1. Изображение как носитель разнородной информации
- 1. 2. Классификация задач распознавания изображений
- 1. 3. Классификация методов оценки движения
- 1. 3. 1. Анализ сопоставительных методов оценки движения
- 1. 3. 2. Анализ градиентных методов оценки движения
- 1. 4. Классификация групп признаков
- 1. 5. Анализ методов сегментации движущихся объектов
- 1. 6. Методы интерпретации событий и определения жанра сцены
- 1. 7. Системы обработки и распознавания динамических объектов
- 1. 7. 1. Коммерческие аппаратно-программные комплексы
- 1. 7. 2. Экспериментально-исследовательские программные комплексы
- 1. 8. Постановка задачи пространственно-временной обработки последовательностей изображений
- 1. 9. Выводы по главе
- ГЛАВА 2. МОДЕЛИ ОБРАБОТКИ И РАСПОЗНАВАНИЯ СТАТИЧЕСКИХ И ДИНАМИЧЕСКИХ ОБРАЗОВ
- 2. 1. Модель обработки и распознавания статических образов
- 2. 2. Модель обработки и распознавания динамических образов
- 2. 3. Дескриптивная теория распознавания изображений
- 2. 4. Расширение дескриптивной теории распознавания изображений
- 2. 5. Обобщенные модели поиска целевых признаков при обработке и распознавании динамических объектов в сложных сценах. ИЗ
- 2. 6. Выводы по главе
- ГЛАВА 3. НАХОЖДЕНИЕ И ОЦЕНКА ЛОКАЛЬНЫХ ПРИЗНАКОВ ДВИЖЕНИЯ5 ДИНАМИЧЕСКИХ РЕГИОНОВ
- 3. 1. Условия и ограничения усовершенствованного метода обработки последовательностей изображений
- 3. 2. Оценка локальных признаков движения
- 3. 2. 1. Стадия инициализации
- 3. 2. 2. Оценка пространственно-временного объема данных
- 3. 2. 3. Классификация динамических регионов
- 3. 3. Способы нахождения локальных движений регионов
- 3. 3. 1. Нахождение и отслеживание особых точек сцены
- 3. 3. 2. Оценка движения на основе 3D тензора потока
- 3. 4. Уточнение границ движущихся регионов
- 3. 5. Выводы по главе
- ГЛАВА 4. СЕГМЕНТАЦИЯ ДИНАМИЧЕСКИХ ОБЪЕКТОВ В СЛОЖНЫХ СЦЕНАХ
- 4. 1. Модель многоуровневого движения в сложных сценах
- 4. 2. Модели оценки движения на плоскости
- 4. 3. Исследование свойств группы Ли
- 4. 4. Изоморфизмы и гомоморфизмы группы
- 4. 5. Модель предыстории движения объектов в последовательностях изображений
- 4. 6. Сегментация сложной сцены на пространственные объекты
- 4. 6. 1. Предсегментация
- 4. 6. 2. Сегментация
- 4. 6. 3. Пост-сегментация
- 4. 7. Отображение ЗБ движения точки на видеопоследовательностях
- 4. 8. Выводы по главе
- ГЛАВА 5. РАСПОЗНАВАНИЕ ДИНАМИЧЕСКИХ ОБЪЕКТОВ, АКТИВНЫХ ДЕЙСТВИЙ И СОБЫТИЙ СЛОЖНОЙ СЦЕНЫ
- 5. 1. Построение контекстной грамматики
- 5. 1. 1. Формирование деревьев грамматического разбора
- 5. 1. 2. Синтаксический анализ последовательности изображений
- 5. 1. 3. Синтаксический анализ сцены
- 5. 2. Построение видеографа сложной сцены
- 5. 3. Распознавание динамических образов
- 5. 4. Распознавание событий сцены
- 5. 4. 1. Способ выявления активных действий
- 5. 4. 2. Построение видеографа событий
- 5. 5. Распознавание событий и жанра сцены
- 5. 5. 1. Распознавание событий сцены
- 5. 5. 2. Распознавание жанра сцены
- 5. 6. Выводы по главе
- 5. 1. Построение контекстной грамматики
- ГЛАВА 6. ПОСТРОЕНИЕ СИСТЕМ ОБРАБОТКИ И РАСПОЗНАВАНИЯ ПОСЛЕДОВАТЕЛЬНОСТЕЙ ИЗОБРАЖЕНИЙ И ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ
- 6. 1. Экспериментальный программный комплекс «ЗРОЕЯ»
- 6. 2. Работа модулей экспериментальной системы «ЭРОЕИ.»
- 6. 2. 1. Модуль предварительной обработки.'
- 6. 2. 2. Модуль оценки движения
- 6. 2. 3. Модуль сегментации
- 6. 2. 4. Модуль распознавания объектов
- 6. 2. 5. Модуль распознавания активных действий
- 6. 3. Результаты экспериментальных исследований
- 6. 4. Прикладной проект «Визуальная регистрация государственных номерных знаков автотранспортных средств при многопоточном движении»
- 6. 5. Прикладной проект «Система идентификации моделей кор-пусов холодильников по изображениям»
- 6. 6. Программная система «Алгоритмы обработки и сегментации ландшафтных изображений. Идентификация объектов»
- 6. 7. Выводы по главе
Список литературы
- Автоматический анализ сложных изображений / Под ред. Э.М. Бра-вермана. М.: Мир, 1969. — 309 с. Бонгард М. М. Проблемы узнавания. — М.: Наука, 1967.-320 с.
- Алпатов, Б.А., Обнаружение движущегося объекта в последовательности изображений при наличии ограничений на площадь и скорость движения объекта / Б. А. Алпатов, A.A. Китаев // Цифровая обработка изображений, № 1, 2007. с. 11−16.
- Алпатов, Б.А., Выделение движущихся объектов в условиях геометрических искажений изображения / Б. А. Алпатов, П. В. Бабаян // Цифровая обработка сигналов, № 45 2004. с. 9−14.
- Алпатов, Б.А., Бабаян П. В. Методы обработки и анализа изображений' в бортовых системах обнаружения и сопровождения объектов / Б. А. Алпатов, П. В. Бабаян // Цифровая обработка сигналов, № 2, 2006. 45−51 с.
- Большаков, A.A., Методы обработки многомерных данных и временных рядов: Учебное пособие для вузов / A.A. Большаков, Р. И. Каримов / М.: Горячая линия-Телеком, 2007. 522 с.6: Бонгард, М. М. Проблемы узнавания / М. М. Бонгард / М.: Наука, 1967.-320 с.
- Булинский, A.B. Теория случайных процессов1 / A.B. Булинский, А. Н. Ширяев / М.: ФИЗМАТЛИТ, 2005. 408 с.
- Вайнцвайг, М.Н. Архитектура системы представления зрительных динамических сцен в терминах понятий / М. Н. Вайнцвайг, М. Н. Полякова // Сб. тр. 11-й всеросс. конф. «Математические методы распознавания образов (ММРО-11)», М., 2003. с.261−263.
- Вапник, В.Н. Задача обучения распознаванию образов / В. Н. Вапник / М.: Знание, 1970. — 384 с.
- П.Вапник, В. Н. Теория распознавания образов (статистические проблемы обучения) / В. Н. Вапник, А. Я. Червоненкис / М.: Наука, 1974. 416 с.
- Васильев, В.И. Распознавание движущихся тел / В. И. Васильев, А. Г. Ивахненко, В. Е. Реуцкий и др. // Автоматика, 1967, № 6, с. 47−52.
- Васильев, В.И. Распознающие системы / В. И. Васильев / Киев: Наук. Думка, 1969. 292 с.
- Васильев, В.И. Распознающие системы. Справочник / В. И. Васильев / Киев, Наук, думка, 1983. 422 с.
- Визильтер, Ю.В. Применение метода анализа морфологических свидетельств в задачах машинного зрения>/ Ю. В. Визильтер // Вестник компьютерных и информационных технологий, № 9, 2007 с. 11−18.
- Визильтер, Ю.В. Проективные морфологии на базе интерполяции / Ю. В. Визильтер // Вестник компьютерных и информационных технологий, № 4, 2008.-с. 11−18.
- Визильтер, Ю.В., Проективные морфологии и их применение в структурном анализе цифровых изображений / Ю. В. Визильтер, С. Ю. Желтов // Изв. РАН. ТиСУ, № 6, 2008. с. 113−128.
- Визильтер, Ю.В. Исследование поведения авторегрессионных фильтров в задаче выделения и анализа движения на цифровых видеопоследовательностях / Ю. В. Визильтер, Б. В. Вишняков // Вестник компьютерных и информационных технологий, № 8, 2008. — с. 2−8.
- Визильтер, Ю.В. Проективные морфологии изображений на базе моделей, описываемых структурирующими функционалами /Ю.В. Визильтер, С. Ю. Желтов // Вестник компьютерных и информационных технологий, № 11, 2009.-с. 12−21.
- Вишняков, Б.В. Использование модифицированного метода оптических потоков в задаче обнаружения и межкадрового прослеживания движуs.
- Ганебных, С.Н. Анализ сцен на основе применения древовидных представлений изображений / С. Н. Ганебных, М. М. Ланге // Сб. тр. 11-й все-росс. конф. «Математические методы распознавания образов (ММРО-11)», М., 2003.-с. 271−275.
- Глушков, В.М. Введение в кибернетику / В. М. Глушков / Киев: изд-во АН УССР, 1964. 324 с.
- Гонсалес, Р., Вудс Р. Цифровая обработка изображений. Пер. с англ. под ред. П. А. Чочиа / Р. Гонсалес, Р. Вудс / М.: Техносфера, 2006. 1072 с.
- Горошкин, А.Н., Сегментация изображений рукописного текста (SegPic) / А. Н. Горошкин, М. Н. Фаворская // Свидетельство № 2 008 614 243. Зарегистрировано в Реестре программ для ЭВМ г. Москва, 5 сентября 2008 г.
- Гренандер, У. Лекции по теории образов / У. Гренандер / В 3 т. / Пер. с англ. Под ред. Ю. И. Журавлева. М.: Мир, 1979−1983. 130 с.
- Грузман, И.С. Цифровая обработка изображений в информационных системах: Учебн. Пособие / И. С. Грузман, B.C. Киричук, В. П. Косых, Г. И. Перетягин, A.A. Спектор / Новосибирск, изд-во НГТУ, 2003. с. 352.
- Достоверный и правдоподобный вывод в интеллектуальных системах / Под ред. В. Н. Вагина, Д. А. Поспелова. 2-е изд., испр. и доп. — М.: ФИЗМАТЛИТ, 2008. — 712 с.
- Дуда, Р. Распознавание образов и анализ сцен / Р. Дуда, П. Харт / М.: изд-во «Мир», 1978. 512 с.
- Журавлев, Ю.И. Об алгебраическом подходе к решению задач распознавания и классификации / Ю. И. Журавлев // Проблемы кибернетики: Сб. ст., вып. 33, М.: Наука, 1978. с. 5−68.
- Журавлев, Ю.И. Об алгебраической коррекции процедур обработки (преобразования) информации / Ю. И. Журавлев, К. В. Рудаков // Проблемы прикладной математики и информатики, М.: Наука, 1987. с. 187−198.
- Журавлев, Ю.И. Распознавание образов и распознавание изображений / Ю. И. Журавлев, И. Б. Гуревич // Ежегодник «Распознавание. Классификация. Прогноз. Математические методы и их применение», вып. 2, М.: Наука, 1989.-72 с.
- Журавлев, Ю.И. Распознавание образов и анализ изображений / Ю. И. Журавлев, И. Б. Гуревич / Искусственный интеллект в 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д. А. Поспелова, М.: изд-во «Радио и связь», 1990. — с.149−190.
- Загоруйко, Н.Г. Методы распознавания и их применение / Н.Г. За-горуйко / М.: Сов. радио, 1972. 206 с.
- Загоруйко, Н.Г. Искусственный интеллект и эмпирическое предсказание / Н. Г. Загоруйко / Новосибирск: изд. НГУ, 1975. 82 с.
- Ивахненко, А.Г. О применении теории инвариантности и комбинированного управления к синтезу и анализу обучающихся систем / А. Г. Ивахненко // Автоматика, 1961, № 5, с. 11−19.
- Ивахненко, Г. И. Самообучающиеся системы распознавания и автоматического управления / А. Г. Ивахненко / Киев: Техника, 1969. 302 с.
- Кашкин, В.Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учебное пособие / В. Б. Кашкин, А.И. Су-хинин / М.: Логос, 2001. 264 с.
- Кобзарь, А.И. Прикладная математическая статистика. Для инженеров и научных работников / А. И. Кобзарь / М.: ФИЗМАТЛИТ, 2006. 816 с.
- Ковалевский, В.А. Корреляционный метод распознавания изображений / В. А. Ковалевский // Журн. вычисл. математики и мат. физики, 1962, 2, № 4, с. 684−690.
- Колмогоров, А. Н: Эпсилон-энтропия и эпсилон-емкость множеств в функциональных пространствах / А. Н. Колмогоров, В. М. Тихомиров // Теория информации и теория алгоритмов. М.: Наука, 1987. с. 119−198.
- Корн, Г. Справочник по математике для научных работников и инженеров / Г. Корн, Т. Корн // М.: Наука, Гл. ред. физ.-мат. лит., 1984. 832 с.
- Кроновер, Р. Фракталы и хаос в динамических системах / Р. Кроно-вер // М.: Техносфера, 2006. 488 с.
- Лапко, A.B. Непараметрические*и гибридные системы классификации разнотипных данных / А. В. Лапко, BlA. Лапко // Тр. 12-й всеросс. конф. «Математические методы и модели распознавания образов» (ММРО-12), М., 2005.-с. 159−162.
- Левтин, К.Э. Визуальное детектирование дыма (SmokeDetection) / К. Э. Левтин, М. Н. Фаворская // Свидетельство № 2 009 612 795. Зарегистрировано в Реестре программ для ЭВМ г. Москва, ЗО июля 2009 г.
- Луцив, В.Р. Принципы унификации оптических систем роботов / В. Р. Луцив, М. Н. Фаворская // В- кн. «Унификация и стандартизация промышленных роботов», Ташкент, 1984. с. 93−94.
- Луцив, В.Р. Универсальная оптическая система для ГАП / В. Р. Луцив, М. Н. Фаворская // В кн. «Опыт создания, внедрения и использования АСУТП в объединениях и на предприятиях», Л., ЛДНТП, 1984. с. 44−47.
- Медведева, Е.В. Метод оценки векторов движения в видеоизображениях / Е. В. Медведева, Б. О. Тимофеев // В материалах 12-й международной конференции и выставки «Цифровая обработка сигналов и ее применение», М.: В 2 т. Т. 2, 2010. с. 158−161.
- Методы компьютерной обработки изображений / Под ред. В. А. Сойфера. 2-е изд., исп. — М.: ФИЗМАТЛИТ, 2003. — 784 с.
- Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление / Б. А. Алпатов, П. В. Бабаян, O.E. Балашов, А. И. Степашкин. -М.: Радиотехника, 2008. — 176 с.
- Методы компьютерной оптики / Под ред. В. А. Сойфера. М.: ФИЗМАТЛИТ, 2003. — 688 с.
- Мудров, А.Е. Численные методы для ПЭВМ на языках Бейсик, Фортран и Паскаль / А. Е. Мудров / Томск: МП «РАСКО», 1991. 272 с.
- Пахирка, А.И. Локализация лица (FaceDetection) / А. И. Пахирка, М. Н. Фаворская // Свидетельство № 2 009 611 010. Зарегистрировано в Реестре программ для ЭВМ г. Москва, 16 февраля 2009 г.
- Пахирка, А.И. Нелинейное улучшение изображений (Nonlinear image enhancement) / А. И. Пахирка, М. Н. Фаворская // Свидетельство № 2 010 610 658. Зарегистрировано в Реестре программ для ЭВМ г. Москва, 31 марта 2010 г.
- Понтрягин, Л. С. Непрерывные группы J Л. С. Понтрягин // 4-е изд., М.: Наука, 1984.-520 с.
- Потапов, A.A. Фракталы в радиофизике и радиолокации: Топология выборки / A.A. Потапов // Изд. 2-е, перераб. и доп. — М.: Университетская книга, 2005. 848 с.
- Радченко, Ю.С. Исследование спектрального алгоритма обнаружения' изменений в видеопоследовательности / Ю. С. Радченко, А. В. Булыгин, Т. А. Радченко // Изв. ВУЗОВ. Радиоэлектроника, -№ 7, 2009. с. 49−59.
- Сальников, И.И. Растровые пространственно-временные сигналы в системах анализа изображений / И. И. Сальников // М.: ФИЗМАТЛИТ, 2009. -248 с.
- Сергунин, С.Ю. Схема динамического построения многоуровнего описания изображений / С. Ю. Сергунин, К. М. Квашнин, М. И. Кумсков // Сб. тр. 11-й всеросс. конф: «Математические методы распознавания образов (ММРО-11)», М., 2003. с. 436−439:
- Слынько, Ю.В. Решение задачи одновременного сопровождения и оконтуривания методом максимального правдоподобия / Ю. В. Слынько // Цифровая обработка сигналов, № 4, 2008. с. 7−10
- Солсо, Р. Когнитивная психология / Р. Солсо / СПб.: Питер, 6-е изд., 2006. 590 с.
- Тарасов, И.Е. Разработка цифровых устройств на основе ПЛИС «Xi-linx"c применением языка VHDL / И. Е. Тарасов / М.: Горячая линия-Телеком, 2005. — 252 с.
- Фаворская, М.Н. Разработка алгоритмов цифрового распознавания изображений в адаптивных робототехнических комплексах / М. Н*. Фаворская // Л!, Ленинградский ин-т авйац. приборостр., 1985. Рукопись деп: в ВИНИТИ 23.01.85. № 659−85 Деп.
- Фаворская- М. Н. Применение спектральных методов для нормализации и распознавания изображений в адаптивных робототехнических комплексах / М.Н.*.Фаворская // Л., Ленинградский, ин-т авиац. приборостр., 1985. Рукопись деп. в ВИНИТИ23.01.85. № 660−85 Деп.
- Фаворская, М.Н. Опыт разработки алгоритмов распознавания объектов для штамповочного производства / М. Н. Фаворская // В кн. «Состояние, опыт и направления работ по комплексной автоматизации на основе ГПС, РТК и ПР», Пенза, 1985. с. 64−66.
- Фаворская, М.Н. Исследование проективных свойств групп объектов / М. Н. Фаворская, Ю. Б. Козлова // Вестник Сибирского государственного аэрокосмического университета. Вып. 3, Красноярск, 2002. — с. 99−105.
- Фаворская, М.Н. Определение аффинной структуры объекта по движению / М. Н. Фаворская // Вестник Сибирского государственного аэрокосмического университета, Вып. 6, Красноярск, 2005. — с. 86−89.
- Фаворская- М. Н. Общая классификация подходов к распознаванию изображений / М-.Н. Фаворская // В< материалах X междунар. научн. конф. «Решетневские чтения» СибГАУ, Красноярск, 2006. с. 54−55.
- Фаворская М.Н. Инвариантные решающие функции в задачах распознавания статических изображений / М. Н. Фаворская // Вестник Сибирского государственного аэрокосмического университета. Вып. 1 (14), Красноярск, 2007. с. 65−70.
- Фаворская, М.Н. Вероятностные методы сегментации видеопотока как задача с недостающими данными / М. Н. Фаворская // Вестник Сибирского государственного аэрокосмического университета. Вып. 3 (16), Красноярск, 2007. с. 4−8.
- Фаворская, М.Н. Выбор целевых информативных признаков в системах распознавания изображений / М. Н. Фаворская // В материалах XI меж-дунар. научн. конф. «Решетневские чтения» СибГАУ, Красноярск, 2007 с. 306−307.
- Фаворская, М.Н. Стратегии сегментации двумерных изображений / М. Н. Фаворская // В материалах всероссийской научной конференции «Модели и методы обработки изображений ММОИ-2007», Красноярск, 2007. с. 136−140.
- Фаворская, М.Н. Сегментация ландшафтных изображений на основе фрактального подхода / М. Н. Фаворская // В материалах 10-й международной конференции и выставке «Цифровая обработка сигналов и ее применение», М., 2008. с. 498−501.
- Фаворская, М.Н. Модель распознавания изображений рукописного текста / М. Н. Фаворская, А. Н. Горошкин // Вестник Сибирского государст4 i, венного аэрокосмического университета. Вып. 2' (19), Красноярск, 2008. с. 52−58.
- Фаворская, М.Н. Алгоритмы реализации оценки движения в системах видеонаблюдения / М. Н. Фаворская, A.C. Шилов // Системы управленияи информационные технологии. Перспективные исследования / ИПУ РАН- ВГТУ, № 3.3(33), М.-Воронеж, 2008. с. 40812.
- Фаворская, М.Н. К вопросу об использовании формальных грамматик при распознавании объектов в сложных сценах // М. Н. Фаворская / В материалах XIII междунар.научн.конф. «Решетневские чтения». В 2 ч. 4.2, Красноярск, 2009. с. 540−541.
- Фаворская, М.Н. Распознавание динамических образов на основе предсказывающих фильтров / М. Н. Фаворская // Вестник Сибирского государственного аэрокосмического университета. Вып. 1(22) в 2 ч. 4f. 1, Красноярск, 20 091 с. 64−68.
- Фаворская, М.Н., Методы, поиска движения в.видеопоследовательностях / М. Н. Фаворская, А. И. Пахирка, A.C. Шилов- М. В. Дамов // Вестник. Сибирского государственного аэрокосмического университета. Вып. 1 (22) в 2 ч. Ч. 2, Красноярск, 2009. с. 69−74.
- Фаворская, М.Н. Нахождение движущихся видео объектов, с применением- локальных 3D структурных тензоров / М. Н. Фаворская // Вестник Сибирского государственного аэрокосмического университета. Вып. 2 (23), Красноярск, 2009. с. 141−146.
- Фаворская, М.Н. Оценка движения объектов в сложных сценах на основе тензорного подхода / М. Н. Фаворская // Цифровая обработка сигналов, № 1,2010.-с. 2−9.
- Фаворская, М.Н. Комплексный расчет характеристик ландшафтных изображений / М. Н. Фаворская, Н. Ю. Петухов // Оптический журнал, 77, 8, 2010.-с. 54−60.
- Файн, B.C. Опознавание изображений / B.C. Файн // М.: Наука, 1970.-284 с.
- Форсайт, Д.А. Компьютерное зрение. Современный подход / Д. А. Форсайт, Дж. Понс // М.: издательский дом «Вильяме», 2004. 928 с.
- Фу, К. Последовательные методы в распознавании образов и обучение машин / К. Фу / М.: Наука, 1971. 320 с.
- Фу, К. Структурные методы в распознавании образов / К. Фу / М.: Мир, 1977.-320 с.
- Фукунага, К. Введение в статистическую теорию распознавания образов / К. Фукунага / М.: Наука, 1979. 368 с.
- Шелухин, О.И. Самоподобие и фракталы. Телекоммуникационные приложения / О. И. Шелухин, А. В. Осин, С. М. Смольский / Под ред. О. И. Шелухина. М.: ФИЗМАТЛИТ, 2008. 368 с.
- Шилов, А.С. Определение движения (MotionEstimation) / А. С. Шилов, М. Н. Фаворская // Свидетельство № 2 009 611 014. Зарегистрировано в Реестре программ для ЭВМ г. Москва, 16 февраля 2009 г.
- Ш. Шлезингер, М. И. Корреляционный метод распознавания последовательностей изображений / М. И. Шлезингер / В кн.: Читающие автоматы. Киев: Наук. думка, 1965. с. 62−70.
- Шлезингер, М.И. Синтаксический анализ двумерных зрительных сигналов в условиях помех / М. И. Шлезингер // Кибернетика, № 4, 1976. — с.76−82.
- Штарк, Г.-Г. Применение вейвлетов для ЦОС / Г.-Г. Штарк / Ml: Техносфера, 2007. 192 с.
- Шуп, Т. Прикладные численные методы в физике и технике: Пер. с англ. / Т. Шуп / Под ред. С.П.Меркурьева- М.: Высш. Шк., 19 901 — 255 с.11'5. Электр, ресурс: http:// www.cse.ohio-state.edu/otcbvs-bench
- Электр, ресурс: http://www.textures.forrest.cz/ электронный ресурс (база текстурных изображений textures library forrest).
- Электр, ресурс: http://www.ux.uis.no/~tranden/brodatz.html электронный ресурс (база текстурных изображений Brodatz).
- Allili M.S., Ziou D. Active contours for video object tracking using region, boundary and shape information // SIViP, Vol. 1, no. 2, 2007. pp. 101−117.
- Almeida J., Minetto R., Almeida T.A., Da S. Torres R., Leite N.J. Robust estimation of camera motion using optical flow models // Lecture Notes in
- Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) 5875 LNCS (PART 1), 2009. pp. 435−446.
- Ballan L., Bertini M., Bimbo A. D., Serra G. Video Event Classification using String Kernels // Multimed. Tools Appl., Vol. 48, no. 1, 2009. pp. 6987.
- Ballan L. Bertini M. Del Bimbo A., Serra G. Action categorization in soccer videos using string kernels // In: Proc. of IEEE Int’l Workshop on Content-Based Multimedia Indexing (CBMI). Chania, Crete, 2009. pp. 13−18.
- Barnard K., Fan Q. F., Swaminathan R., Hoogs A., Collins R, Rondot P., and Kaufhold J. Evaluation of localized semantics: Data, methodology, and experiments // International Journal of Computer Vision, IJCV 2008, Vol. 77, no. 1−3,2008.-pp. 199−217.
- Bertini M., Del Bimbo A., Serra G. Learning rules for semantic video event annotation // Lecture Notes In Computer Science- In: Proc. of Int’l Conference on Visual Information Systems (VISUAL), Vol. 5188, 2008. pp. 192−203.
- Bobick A.F., Davis J.W. The recognition of human-movement using temporal templates // IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, no. 3, 2001. pp. 257−267.
- Boiman O., Irani M. Detecting irregularities in images and in video // International Journal of Computer Vision, Vol. 74, no. 1, 2007. pp. 17−31.
- Bresson X., Vandergheynst P., Thiran J.-P. A Variational Model for Object Segmentation Using Boundary Information and Shape Prior Driven4 by the Mumford-Shah Functional // International Journal of Computer Vision, vol. 68, no. 2, 2006.-pp. 145−162.
- Cavallaro A., Salvador E., Ebrahimi T. Shadow-aware object-based video processing // IEEE Vision- Image and Signal Processing, Vol. 152, no. 4, 2005.-pp. 14−22.
- Chen J., Ye J. Training SVM with indefinite kernels // In: Proc. of the 25th international conference on Machine learning (ICML), Vol. 307, 2008. pp. 136−143.
- Cheung S.-M., Moon Y.-S. Detection of Approaching Pedestrians from a Distance Using Temporal Intensity Patterns // MVA2009, Vol. 10, no. 5, 2009. -pp. 354−357.
- Dalai N., Triggs B., and Schmid G. Human detection using oriented histograms of flow and appearance // In ECCV, vol. II, 2006. pp. 428141.
- Dalai N., Triggs B. Histograms of Oriented Gradients for Human Detection // IEEE Conference on Computer Vision and Pattern Recognition (CVPR), vol. II, 2005-pp. 886−893.
- Dani A.P., Dixon W.E. Single camera structure and motion estimation // Lecture Notes in Control and Information Sciences, 401, 2010. pp. 209−229.
- Datta Ri, Joshi D-, Li J., and Wang J. Z1 Image retrieval: Ideas, influences, and trends of the new age // ACM'-Computing Surveys, Vol. 40, no: 2, 2008. ¦ -pp. 1−60.
- Dikbas S., Arici T., Altunbasak Y. Fast motion estimation with interpolation-free sub-sample accuracy // IEEE Transactions on Circuits and Systems for Video Technology 20 (7), 2010. -pp. 1047−1051.
- Dollar P., Rabaud V., Cottrell G., Belongie S. Behavior recognition via sparse spatio-temporal features // In: Proc. 2nd Joint IEEE International Workshop on Evaluation of Tracking and Surveillance, VS-PETS, 2005. pp. 65−72.
- Donatini P. and Frosini P. Natural pseudodistances between closed surfaces // Journal of the European Mathematical Society, Vol. 9, no. 2, 2007 pp. 231−253.
- Donatini P. and Frosini P. Natural pseudodistances between closed curves // Forum Mathematicum, Vol. 21, no. 6, 2009. pp. 981−999.
- Ebadollahi S., L., X., Chang S.F., Smith J.R. Visual event detection using multi-dimensional concept dynamics // In: Proc. of IEEE Int’l Conference on Multimedia and Expo (ICME), 2006. pp. 239−248.
- Favorskaya M., Zotin A., Danilin I., Smolentcheva S. Realistic 3D-modeling of Forest Growth with Natural Effect // Proceedings of the Second KES International Symposium IDT 2010, Baltimore. USA. Springer-Verlag, Berlin, Heidelberg. 2010.-pp. 191−199.
- Francois A.R.J., Nevatia R., Hobbs J.R., Bolles R.C. VERL: An ontology framework for representing and annotating video events // IEEE Multimedia, Vol: 12- no. 4, 2005. pp. 76−86.
- Gao J., Kosaka A, Kak A.C. A Multi-Kalman Filtering Approach for Video Tracking of Human-Delineated Objects in Cluttered' Environments // IEEE Com-puter Vision and Image Understanding, 2005, V. 1, no. 1. pp. 1−57.
- Gui L., Thiran J.-P., Paragios N. Joint Object Segmentation and Behavior Classification in Image Sequences // IEEE Conf. on Computer Vision and Pattern Recognition, 17−22 June 2007. pp. 1−8.
- Haasdonk B. Feature space interpretation of SVMs with indefinite kernels // IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 27, no. 4, 2005. pp. 482−492.
- Harris C. and Stephens M. A combined corner and edge detector // In Fourth Alvey Vision Conference, Manchester, UK, 1988. pp. 147−151.
- Haubold A., Naphade M. Classification of video events using 4-dimensional- time-compressed motion features // In CIVR '07: Proceedings of the6th ACM international confcrcnce on Image and video retrieval, NY, USA, 2007. -pp. 178−185.
- Haykin S. Neural Networks: A Comprehensive Introduction. / N.Y.: Prentice-Hall, 1999-.— 658 pi.
- Hoynck M., Unger M., Wellhausen J. and Ohm J.-R. A Robust Approach to Global Motion Estimation for Content-based Video Analysis // Proceedings of SPIE Vol. 5601, Bellingham, WA, 2004. pp. 36−45.
- Huang Q., Zhao D., Ma S., Gao W., Sun H. Deinterlacing using hierarchical motion analysis // IEEE Transactions on Circuits and Systems for Video Technology 20 (5), 2010. pp. 673−686.
- Jackins C.L., Tanimoto S.L. Quad-trees, Oct-trees and K-trees: A Generalized Approach to Recursive Decomposition of Euclidean Space // IEEE Transactions onPAMI, Vol. 5, no. 5, 1983.-pp. 533−539.
- Ke Y., Sukthankar R, Hebert Mi. Efficient visual event detection using volumetric features // In: Proc. of Int’l Conference on Computer Vision (ICCV), vol.1, 2005.-pp. 166−173.
- Klaser A., Marszalek M., and Schmid C. A Spatio-Temporal Descriptor Based on 3D-Gradients // In BMVC, British Machine Vision, Conference, 2008. -pp. 995−1004.
- Kovashka, A., Grauman, К Learning a hierarchy of discriminative space-time neighborhood features for human action recognition // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2010. pp.2046−2053 .
- Kumskov M.I. Calculation Scheme of the Image Analysis Controlled by the Models of the Objects to be Recognized // Pattern Recognition and Image Analysis, Vol. 11, no. 2, 2001. p. 446−449:
- Kwang-Kyu S. Content-based image retrieval by combining genetic algorithm and support vector machine // In ICANN (2), 2007. pp. 537−545.
- Lai C.-L., Tsai S.-T., Hung Y.-P. A study on the three-dimensional coordinate calibration using fuzzy system // International Symposium on Computer, Communication, Control and Automation 1, 2010. — pp. 358−362.
- Laptev I. On space-time interest points // International Journal of Computer Vision, Vol. 64, no. 23, 2005. pp. 107−123.
- Leibe B., Seemann E., Schiele B. Pedestrian Detection in- Crowded* Scenes // IEEE Conference on Computer Vision and’Pattern Recognition, Vol. 1, 2005.-pp. 878- 885.
- Lew M. S., Sebe N., Djeraba C., and Jain R. Content-based multimedia information1 retrieval: State of the art and challenges // ACM Transactions on Multimedia Computing, Communications, and Applications, Vol. 2, no. 1, 2006. pp. 1−19.
- Li J. and Wang J. Z. Real-time computerized annotation of pictures // IEEE Trans. PAMI, Vol. 30, 2008. pp. 985−1002.
- Li L., Luo R., Ma R., Huang W., and Leman K. Evaluation of An IVS System for Abandoned Object Detection on PETS 2006 Datasets // Proc. 9 IEEE Intern. Workshop on PETS, New York, 2006. pp. 91−98.
- Li L., Socher R., and Fei-Fei L. Towards Total Scene Understanding: Classification, Annotation and Segmentation in an Automatic Framework // IEEE Conference on Computer Vision and Pattern Recognition, CVPR, 2009. pp. 2036−2043.
- Li Q., Wang G., Zhang G.} Chen S. Accurate global motion estimation based on pyramid with mask // Jisuanji Fuzhu Sheji Yu Tuxingxue Xuebao/Journal of Computer-Aided Design and Computer Graphics, Vol: 21, no. 6, 2009. pp. 758−762.
- Lindeberg T., Akbarzadeh A. and Laptev I. Galilean-diagonalized spatio-temporal interest operators // Proceedings of the 17th International Conference on Pattern Recognition (ICPR'04), 2004. pp. 1051−1057.
- Lim J., Barnes, N. Estimation of the epipole using optical flow at antipodal points // Computer Vision and Image Understanding 114, no. 2, 2010. pp. 245−253.
- Lowe D. G. Distinctive Image Features from Scale-Invariant Keypoints // International Journal of Computer Vision, Vol. 60, no. 2, 2004. pp. 91−110.
- Lucas B.D., Kanade T. An Iterative Image Registration Technique with an Application to Stereo Vision // International Joint Conference on Artificial Intelligence, 1981. pp. 674−679.
- Mandelbrot B-B. The Fractal Geometry of Nature / N.Y.: Freeman^ 1982. 468 p.- русс, пер.: Мандельброт Б. Фрактальная, геометрия природы: Пер. с англ. / М.: Институт компьютерных исследований, 202. — 658 с.
- Mandelbrot В.В., Frame M.L. Fractals, Graphics, and Mathematics Education/N. Y.: Springer-Verlag, 2002. 654 p.
- Mandelbrot B.B. Fractals and Chaos: The Mandelbrot Set. and Beyond / N.Y.: Springer-Verlag, 2004. 308 p.
- Memoli F. On the use of Gromov-Hausdorff distances for shape comparison // Proceedings of the Eurographics Symposium on Point-Based Graphics. Prague, Czech Republic, 2007. pp. 81−90.
- Mercer J. Functions of positive and negative type and their connection with the theory of integral equations // Transactions of the London Philosophical Society (A), vol. 209, 1909. pp. 415−446.
- Mikolajczyk K. Detection of local features invariant to affine transformations, Ph.D.thesis, Institut National Polytechnique de Grenoble, France. 2002.171 p.
- Mikolajczyk K. and Schmid G. An Affine Invariant Interest Point Detector // Proceedings of ECCV. Vol. 1. 2002. pp. 128−142.
- Minhas R., Baradarani A., Seifzadeh S., Jonathan Wu, Q.M. Human action recognition using extreme learning machine based on visual vocabularies // Neurocomputing, Vol. 73 (10−12), 2010. pp. 1906−1917.
- Mladenic D., Skowron A., eds.: ECML. Vol. 4701 of Lecture Notes in Computer Science, Springer, 2007. pp. 164−175.
- Moshe Y., Hel-Or H. Video block motion estimation based on gray-code kernels // IEEE Transactions on Image Processing 18 (10), 2009. pp. 22 432 254.
- Nakada T., Kagami S-, Mizoguchi H. Pedestrian Detection using 3D Optical Flow Sequences for- afMobile Robot // IEEE Sensors, 2008. pp: 116−119:
- Needleman, S. B,. Wunsch C. D- A general method applicable to the search for similarities in the* amino acid sequence of two proteins // Journal’of Molecular Biology Vol. 48, no: 3, 1970. pp. 443−453.
- Neuhaus M., Bunke H. Edit distance-based kernel functions-for structural pattern classification // Pattern Recognition. Vol. 39, no. 10, 2006. pp: 1852−1863.
- Nevatia R., Hobbs J., and Bolles B. An ontology for video event representation // In Workshop on Event Detection and Recognition. IEEE, Vol.12, no. 4, 2004. pp. 76−86.
- Nguyen.N.-T., Laurendeau D, Branzan-Albu A. A robust method for camera motion estimation in movies based on optical flow // The 6th International