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

Применение обработки видеоизображений для автоматизации учета круглого лесоматериала на предприятиях деревообрабатывающей промышленности

Диссертация: Применение обработки видеоизображений для автоматизации учета круглого лесоматериала на предприятиях деревообрабатывающей промышленности
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Задаче определения геометрических параметров твердых тел с использованием систем технического зрения уделялось много внимания такими исследователями, как Левин, Кайзер, Потмесил, Чэн и Ме-диони, Агарвал, Диматео, Торлегард, Ге и другими. Однако их реализация в указанных выше условиях промышленного производства не позволяет получить удовлетворительных результатов, либо затраты на их реализацию… Читать ещё >

Содержание

  • 1. Бесконтактные измерения геометрических размеров круглого лесоматериала
    • 1. 1. Особенности бесконтактных измерителей геометрических размеров круглого лесоматериала
    • 1. 2. Вычисление геометрических размеров объекта контроля на основе обработки видеоинформации
    • 1. 3. Структура системы измерения объема круглого лесоматериала на основе обработки видеоизображений
    • 1. 4. Выводы
  • 2. Разработка и оптимизация алгоритма многокритериальной нечеткой фильтрации видеоизображения
    • 2. 1. Анализ методов фильтрации шумов на изображении
    • 2. 2. Проектирование структуры комбинированного многокритериального нечеткого фильтра
    • 2. 3. Разработка алгоритма определения принадлежности пикселей потенциальной границе
    • 2. 4. Оценка качества фильтрации видеоизображений комбинированным нечетким фильтром
    • 2. 5. Выводы
  • 3. Локализация контура объекта алгоритмом нечеткого маркерного водораздела
    • 3. 1. Особенности методов выделения контуров объекта
    • 3. 2. Модификация метода сегментации маркерным водоразделом с применением нечеткой решающей процедуры
    • 3. 3. Разработка алгоритма фильтрации ошибочных контуров с использованием априорной информации о форме объекта
    • 3. 4. Выводы
  • 4. Разработка алгоритма расчета объема объекта по геометрическим параметрам
    • 4. 1. Использование вариаций количества ракурсов видеосъемки для определения объема тела вращения
    • 4. 2. Расчет объема при аппроксимации объекта цилиндрами с постоянным и переменным радиусом
    • 4. 3. Оценка точности измерений объема
    • 4. 4. Выводы
  • 5. Реализация системы расчета объема твердых тел в реальном масштабе времени
    • 5. 1. Основные характеристики системы измерения объема
    • 5. 2. Методика проведения и результаты эксперимента
    • 5. 3. Программно-аппаратная реализация системы
    • 5. 4. Выводы

Применение обработки видеоизображений для автоматизации учета круглого лесоматериала на предприятиях деревообрабатывающей промышленности (реферат, курсовая, диплом, контрольная)

В деревообрабатывающей промышленности, особенно в системах учета сырья, одной из важных задач является определение геометрических характеристик круглого лесоматериала, включая длину, диаметры вершины и комля, объем.

Согласно экспертной оценке, выполненной специалистами Счетной палаты Российской Федерации (http://www.ach.qov.ru). при поставке на экспорт в 1999 году 27,7 млн. куб. м круглого леса объем не учтенной и не оплаченной древесины составил 4,7 млн. куб. м (17%). Экономический ущерб, нанесенный государству только за счет недополучения таможенных пошлин, составил 9 млн долл. США, или 252 млн. рублей, поставщики продукции недополучили 204 млн долл. США, или 5712 млн. рублей.

Из-за отсутствия надлежащего контроля за учетом круглых лесоматериалов происходит занижение объема продукции со стороны потребителя на 13% -17%, в том числе за счет допустимых погрешностей в измерении — 5%, за счет занижения объемов таблицами ОСТ 13 303−92 и РД 13−2-3−97 — до 8% -12 процентов.

Для небольших мелкосерийных предприятий использование дорогих узкоспециализированных систем контроля является экономически невыгодным. В основном операцию контроля в таких случаях выполняет непосредственно человек. Следствием этого является сильное влияние психо-физиологического состояния контролера на технологический процесс, которое меняется в течение рабочего дня (человек устает, теряет бдительность и т. д.), что является одним из основных недостатков. В таких случаях обычно используются ручные табличные методы вычисления объема по выборкам по правилам ГОСТ 2708–75 и ОСТ 13−303−92, характеризующиеся высокой трудоемкостью и значительной погрешностью определения объема (до 30%).

Для повышения точности и производительности операции учета сырья и снижения травматизма одной из основных задач является автоматизация процесса измерений.

В настоящее время разработаны такие автоматические системы как «Вектор» и «Фотоскан». Эти установки показывают хорошие результаты при измерении объема, однако имеют некоторые недостатки и высокую стоимость (от 4 тыс. долларов США в зависимости от модели). Учитывая специфические условия производства — значительная масса заготовок, скорость движения около 0,75 м/с автоматизация определения объема круглого лесоматериала является комплексной задачей.

Для решения задачи автоматического определения объема круглого лесоматериала одним из наиболее перспективных методов является использование обработки видеоинформации.

Задаче определения геометрических параметров твердых тел с использованием систем технического зрения уделялось много внимания такими исследователями, как Левин, Кайзер, Потмесил, Чэн и Ме-диони, Агарвал, Диматео, Торлегард, Ге и другими [1−12]. Однако их реализация в указанных выше условиях промышленного производства не позволяет получить удовлетворительных результатов, либо затраты на их реализацию оказываются слишком велики.

Выполнение поставленной задачи на основе обработки видеоизображений в указанных условиях требует решения целого ряда специфических задач, связанных с обработкой изображений, особенно с выделением и анализом контура объекта. Этому вопросу посвящено большое число монографий и научных работ Надя, Хуанга, Борисова, Грузмана, Садыкова, Себестиана, Спевакова и других авторов [14−18, 55, 85, 89, 108].

Если учесть, что объекты контроля находятся в поле зрения видеокамеры непродолжительное время (1,5−2 с), то задача автоматизации определения объема сырья в указанных условиях еще более усложняется и становится актуальной и необходимой для улучшения экономики предприятия.

Цель диссертационной работы заключается в разработке алгоритма автоматизированного определения объема круглого лесоматериала в условиях производства на основе обработки видеоизображений в реальном масштабе времени.

В соответствии с поставленной целью в работе решаются следующие задачи:

• анализ методов построения систем бесконтактного определения объема движущихся тел по видеоизображениям;

• оптимизация методов обработки видеоизображений для выделения контура бревна в условиях неоднородной подстилающей поверхности;

• разработка структуры системы бесконтактного вычисления объема бревна, движущегося по конвейеру, в реальном масштабе времени путем измерения его геометрических параметров;

• разработка экспериментальной установки определения значений объема круглого лесоматериала, выделение наиболее значимых дестабилизирующих факторов и мер по уменьшению их влияния.

Методы исследования.

• теория нечетких множеств;

• теория распознавания образов;

• методы математической статистики.

Новые научные результаты диссертационной работы.

• предложен алгоритм нечеткого комбинированного фильтра видеоизображения, сочетающего в себе функции сглаживающей фильтрации изображения и детектора границ, использующего многокритериальную нечеткую оценку границы;

• разработан усовершенствованный алгоритм сегментации методом маркерного водораздела с использованием нечеткой решающей процедуры, позволяющий предотвратить эффект чрезмерной сегментации и объединить области, представляющие участки объекта с различной текстурой для более полного восстановления контура объекта;

• разработан алгоритм определения радиуса вращения объекта с использованием упрощенной скелетизации по вертикали, позволившей увеличить быстродействие системы;

• разработан алгоритм определения объема движущегося объекта цилиндрической формы по последовательности видеоизображений с одного ракурса;

• разработана структурная схема системы бесконтактного измерения объема движущихся тел цилиндрической формы по видеоизображениям с одного ракурса.

Практическая ценность.

• предложенный алгоритм позволяет бесконтактно измерять объем движущихся тел вращения с достаточной для промышленности точностью (погрешность определения объема не более 4%);

• реализованная система может использоваться как отдельно, так и в составе автоматизированных систем управления сортировкой круглых лесоматериалов, систем учета круглого леса и других подобных систем;

• разработанные алгоритмы нашли применение:

1) в деревообрабатывающей промышленности для учета объема сырья, позволив повысить точность и автоматизировать процесс;

2) в медицине при повышении информативности видеоизображений, получаемых с установки УЗД, а именно, позволили увеличить контраст изображения и выделить наиболее важную для врача информацию, уменьшив вероятность неправильной оценки результатов УЗД- 3) в радиолокации в составе программного обеспечения рабочего места оператора РЛС, а именно, позволили повысить достоверность и эффективность операции анализа и селекции цели.

Реализация и внедрение результатов.

Исследования и практические разработки, выполненные в диссертационной работе, являются частью научно-исследовательских работ, выполняемых в рамках Г/Б НИР. Результаты исследований и их практической проработки были внедрены:

1) в системе учета сырья на деревообрабатывающем предприятии ОАО «Муром» г. Муром;

2) в здравоохранении в системе УЗД г. Муром;

3) в составе программного обеспечения рабочего места оператора РЛС на ОАО «МЗ РИП» г. Муром;

4) в учебном процессе МИ ВлГУ в дисциплинах «Интегрированные автоматизированные производственные системы», «Проектирование и эксплуатация автоматизированных комплексов» .

Апробация работы.

Работа в целом и ее отдельные результаты докладывались и обсуждались в период с 2000 по 2003 гг. на конференциях:

• XXVI Гагаринские чтения — Москва, 2000.

• Проблемы передачи и обработки информации в сетях и системах телекоммуникаций — Рязань, 2001.

• Аэрокосмические методы и геоинформационные технологии в лесоведении и лесном хозяйстве — Москва, 2002.

• XXVII Гагаринские чтения — Москва, 2001.

• XXVIII Гагаринские чтения — Москва, 2002.

• Актуальные проблемы анализа и обеспечения надежности и качества приборов, устройств и систем — Пенза, 1998.

• Дистанционное зондирование земных покровов и атмосферы аэрокосмическими методами. — Муром, 2001. и ежегодных научно-технических семинарах кафедры «Конструирование и производство радиоэлектронной аппаратуры» МИ ВлГУ (2000 — 2003).

Публикации.

Основные результаты исследований опубликованы в 10 работах (3 статьи, 7 докладов) и научно-техническом отчете ГБ № 377/01 01.200.108 490.

Структура и объем диссертационной работы.

Диссертация состоит из введения, пяти глав и заключения, изложенных на 131 странице и иллюстрированных 67 рисунками и 19 таблицами, а также списка литературы из 118 наименований.

Основные результаты работы заключаются в следующем:

• предложен алгоритм нечеткого комбинированного фильтра видеоизображения, сочетающего в себе функции сглаживающей фильтрации изображения и детектора границ, использующего многокритериальную нечеткую оценку границы;

• разработан усовершенствованный алгоритм сегментации методом маркерного водораздела с использованием нечеткой решающей процедуры, позволяющий предотвратить эффект чрезмерной сегментации и объединить области, представляющие участки объекта с различной текстурой для более полного восстановления контура объекта;

• разработан алгоритм определения радиуса вращения объекта с использованием упрощенной скелетизации по вертикали, позволившей увеличить быстродействие системыразработан алгоритм определения объема движущегося объекта цилиндрической формы по последовательности видеоизображений с одного ракурсаразработана структурная схема и экспериментальная модель системы бесконтактного измерения объема движущихся тел цилиндрической формы по видеоизображениям с одного ракурсаэкспериментальное исследование результатов обработки реальных и моделированных объектов позволило выделить факторы, оказывающие наиболее сильное влияние на точность результатов, а также предложить меры по уменьшению ошибки определения объемаэкспериментальная модель системы имеет простой в управлении графический интерфейс пользователя и поддержку аппаратного интерфейса с распространенными 118В-видеокамерами.

119 Заключение.

Рассмотренные в диссертационной работе вопросы построения бесконтактных измерительных систем и обработки видеоизображений, разработанные на их основе методики детектирования границ, сегментации, вычисления геометрических параметров (длины, радиуса вращения, объема) позволили предложить структурную схему системы, позволяющей измерять геометрические параметры движущегося по конвейеру круглого лесоматериала с достаточной для промышленности точностью (погрешность не более 4%).

Система построена на базе современного 1ВМ-совместимого персонального компьютера и и8В-видеокамеры, не требует специализированного оборудования и проводит измерения в реальном масштабе времени.

Показать весь текст

Список литературы

  1. B.F. Alexander and К.С. Ng. 3D Shape Measurement by Active Triangulation Using an Array of Coded Light Stripes. In Proc. SPIE: Optics, Illumination and Image Sensing for Machine Vision II, vol. 850, pp. 199−209, 1987.
  2. R.R.Martin. Methodology of Wound Volume Estimation from Scanner Data. 1996.
  3. Ge Y. Noncontact 3D Biological Shape Measurement from Multiple Views, PhD thesis, 1994.
  4. A.K.I. Torlegard. Body Measuring System with Analitical Stereophoto-grammetry through Mirrors. In Symp. on Close-Range Photogrammet-ric Systems, pp. 236−244, Champaign, Illinois, 1975.
  5. R.L. Keizer. A Structured Light System and its Use for Noncontact 3D Measurement of the Human Body Surface. PhD thesis, Rutgers The University of New Jersey, 1991.
  6. M. W. Vannier, T. Pilgram, G. Bhatia, B. Brunsden, and P. Commean. Facial Surface Scanner. IEEE Computers and Applications, 72 80 pp., November 1991.
  7. J.L. Posdamer and M.D. Altschuler. Surface Measurement by Space-encoded Projected Beam System. Computer Graphics and Image Processing, 18:1−17, 1982.
  8. B.F. Alexander. High Accuracy Non-Contact Three Dimensional Shape Measurement. PhD thesis, Monash University, Australia, 1989.
  9. P. L. Dimatteo, J. A. Ross, and H. K. Stern. Arrangement for Sensing the Geometric Characterisitcs of an Object. United States Patent, November 1979.
  10. M. Potmesil. Generating Three-Dimensional Surface Models of Solid Objects from Multiple Projections. PhD thesis, Rensselaer Polytechnic Institute, 1982.
  11. B.C. Vemuri and J. K. Aggarwal. 3-D Model Construction from Multiple Views and Intensity Data. In Proceedings of CVPR'86, 435 437 pp., Miami Beach, Florida, June 1986.
  12. M. Oshima and Y. Shirai. Object Recognition Using Three-Dimensional Information. IEEE Trans, on Pattern Analysis and Mach. Intell., 5(4):353−361, 1983.
  13. М.Я. Справочник по элементарной математике. М.: Наука, 1967 г., 416 с.
  14. Т., Шрейбер В., Третьяк О. Обработка изображений. В кн. Обработка изображений при помощи цифровых вычислительных машин. // Под. ред. Г. Эндрюса и J1. Инло. Москва, 1973.
  15. С.С. Цифровая обработка и анализ изображений. Ташкент: НПО «Кибернетика» АН РУз, — 1994. 193 с.
  16. A.A., Гуревич И. Б., Скрипкин В. А. Современное состояние проблемы распознавания. Некоторые аспекты. М.: Радио и связь, 1985. 158 с.
  17. Распознавание образов. Обзор, Г. Надь, ТИИЭР, т.56, № 5, 1968.
  18. Себестиан. Процессы принятия решений при распознавании образов. Киев.: Техника, 1965.
  19. Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений. В кн.: Математика сегодня. М.: Знание, 1974, с. 5−49.
  20. Р., Заде Л. А. Принятие решений в расплывчатых условиях. В кн.: Вопросы анализа и процедуры принятия решений. -М.: Мир, 1976, с. 172−215.
  21. А.И., Кокле Э. А. Распознавание размытых образов по признакам. Кибернетика и диагностика, Рига, 1970, № 4, с. 135 147.
  22. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ./ Под ред. Р. Р. Ягера. М.: Радио и связь, 1986.-408 с.
  23. В.В., Власов О. В., Дудник П. И. и др. Радиолокационные устройства (теория и принципы построения), М., «Советское радио», 1970, стр. 680.
  24. Р. Анализ радио- и гидролокационных сигналов. Пер. с англ. — М.: Воениздат, 1969. — 255 с.
  25. И.Н. Теория и практика ультразвукового контроля. М.: Машиностроение, 1981. — 240 с.
  26. Дж., Пирсол А. Применения корреляционного и спектрального анализа: Пер. с англ. — М.: Мир, 1983. — 312 с.
  27. Interavia Air Letter, 1958, № 3978, 3989.
  28. Неразрушающий контроль. В 5 кн. Кн. 2. Акустические методы контроля: Практ. пособие/ И. Н. Ермолов, Н. П. Алешин, А. И. Потапов- Под. ред. В. В. Сухорукова. -М.:Высш. шк., 1991. -283 с.
  29. Н.П., Усачёв М. В. Применение ЭВМ при идентификации сложных сигналов: XXVI Гагаринские чтения // Материалы международной молодежной науч.-техн. конф. Москва, 2000. — 532 с.
  30. Ю.В. Акустические низкочастотные методы неразрушающе-го контроля многослойных конструкций.- М.: Машиностроение, 1991.
  31. Физическая акустика. В 4 т. Под ред. У. Мэзона. Т.1. Методы и приборы ультразвуковых исследований.- М.: Мир, 1966. 592 с.
  32. М.А.Гладштейн, М. А. Шаров. Акустический датчик для охранной сигнализации//Датчики и системы. 2001. № 12. стр. 20−22.
  33. В.Н., Гуров И. П. Компьютерная обработка сигналов в приложении к интерферометрическим системам СПб.: БХВ -Санкт-Петербург, 1998. — 240 с.
  34. Е.И. Интерференционные методы построения тройной корреляционной функции удаленного объекта в одной экспозиции // Оптика атмосферы и океана. № 4, том 8, 1995 год, стр. 602
  35. Korolenko P.V., Embaukhov S.V. Laser interferometr with a multibeam cavity. // SPIE Proceedings, V.3574, p.791−797, 1999
  36. Г. И. Исследование волновых полей океана и литосферы лазерно-интерференционными методами. Владивосток: Дальнау-ка, 2000.
  37. Дж., Манджини С., Оттонелло П., Пьяно Е. Измерения теплового расширения при помощи спекл-интерферометра // Приборы для научных исследований. № 1, 1987, стр. 81−85.
  38. В. К. P. Horn. Robot Vision. The MIT Press, 1986.
  39. M. Rioux. Laser Range Finder based on Synchronized Scanners. Applied Optics, 23(21):3837−3844, 1984.
  40. L.A. Gerhardt and W.I. Kwak. An Improved Adaptive Stereo Ranging Method for Three-Dimensional Measurements. In Proceedings of CVPR'86, pp. 21−26, Miami Beach, Florida, 1986.
  41. P.J. Besl. Active optical Range Imaging. In J.L.G.Savz, editor, Advances in Machine Vision, pp. 1−63, Springer-Verlag, 1989.
  42. I. Reid and M. Brady. Model-based Recognition and Range Imaging for a Guided Vehicle. Image and Vision Computing, 10 (3): 197−207, 1992.
  43. Y. Shirai and M. Suwa. Recognition of Polyhedrons with a Range Finder. In Second International Joint Conference on Artificial Intelligence, pp. 80−87, Imperial College, London, 1971.
  44. P. R. M. Jones, G. M. West, D.H. Harris, and J. B. Read. The Loughborough Anthropometric Shadow Scanner (LASS). Endeavour, New Series, 13(4): 162 168, 1989.
  45. P. Saint-Mark, J. L. Jezouin, and G. Medioni. A Versatile PC-Based Ranging Finding System. IEEE Transactions on Robotics and Automation, 7(2): 250−256, April, 1991
  46. E.L. Hall, J.K.B. Tio, C.A. McPherson and F.A. Sadjadi. Measuring Curved Surfaces for Robot Vision. Computer, pp. 42−54, 1982.
  47. A. Blake, D. McCowen, H.R. Lo and P.J. Lindsey. Trinocular Active Range-Sensing. IEEE Trans, on Pattern Analysis and Mach. Intell., 15(5):477−483, 1993.
  48. G. Loopuyt and M.BIaustein. A New Equipment for Photogrammetric Acquisition of Facial Data. In PROC. Biostereometrics'85, vol. 602, pp. 31−39, 1985.
  49. F. P. Ferrie and M. D. Levine. Integrating Information from Multiple Views. In Proceedings of IEEE Workshop on Computer Vision, 117 -122 pp., Miami Beach, Florida, November, 1987.
  50. Y. Chen and G. Medioni. Object Modelling by Registration of Multiple Range Images. Image and Vision Computing, 10(3): 145 155, April 1992.
  51. B. Bhanu. Representation and Shape Matching of 3D Objects. IEEE Transactions of Pattern Analysis and Machine Intelligence, 6(3): 340 -351, May 1984.
  52. C. H. Chen, Y. B. Sim, and J. K. Aggarwal. Generation of Volume/Surface Octree from Range Data. In Proceedings of CVPR'88, 254 260 pp., Ann Arbor, Michigan, June, 1988.
  53. N. Ahuja and J. Veenstra. Generating Octrees from Object Silhouettes in Orthographic Views. IEEE Transactions of Pattern Analysis and Machine Intelligence, 11(2): 137−149, February 1989.
  54. T. D. Pham, H. Yan. Color image segmentation using fuzzy integral and mountain clustering. Fuzzy Sets and Systems 107, 121 -130 pp., 1999.
  55. С. Т. Lin, I. F. Chung, L. K. Martin Sheu. A neural fuzzy system for image motion estimation. Fuzzy Sets and Systems 114, 281 304 pp., 2000.
  56. Обработка изображений и цифровая фильтрация. Под редакцией Т. Хуанга, М., «Мир», 1979.
  57. Fundamentals of Image Processing. Ian Т. Young, Jan J. Gerbrands, Lucas J. van Vliet. Delft University of Technology. 1998
  58. T.S. Huang, G.J. Yang, and G.Y. Tang, A Fast Two-Dimensional Median Filtering Algorithm. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1979. ASSP-27: p. 13−18.
  59. F. Zahedi, R. Thomas, A Maximum Homogeneity Based Median Filter. http://www.researchindex.com
  60. H. Shi, P. Gader, and W. Chen, Fuzzy Integral Filters: Properties and Parallel Implementation. Real Time Imaging, 4(2): 233−241, April 1998.
  61. M. Grabish. Fuzzy integrals as a generalized class of order filters. In Proceedings of European Symposium of Satellite Remote Sensing, Rome, Italy, 1994.
  62. Н.П., Усачёв M.B. Использование нечеткого анализа при фильтрации изображений: Проблемы передачи и обработки информации в сетях и системах телекоммуникаций // Материалы 10-й Международной науч.-техн. конф. Рязань, 2001. — 264 с.
  63. P. Bauer, U. Bodenhofer, Е.Р. Klement. A Fuzzy Algorithm for Pixel Classification based on the Discrepancy Norm. Proc. FUZZ-IEEE'96, Vol. Ill, pp. 2007−2012, New Orleans, September 1996.
  64. P. Bauer, U. Bodenhofer, E.P. Klement. A Fuzzy Method for Image Pixel Classification and its Application to Print Inspection. Proc. IPMU'96 Vol. Ill, pp. 1301−1305, Granada, July 1996.
  65. U. Bodenhofer, E.P. Klement. Pixel Classification: A Fuzzy-Genetic Approach. Proc. IFSA'97, Vol. IV, pp. 38−43, Prague, June 1997.
  66. U. Bodenhofer. Genetic Algorithms: Theory and Applications. Lecture Notes, Johannes Kepler University Linz, February 2000.
  67. M. Fleck. Practical Edge Finding with a Robust Estimator. http://www.researchindex.com
  68. Н.П., Усачёв M.B. Использование нечеткого анализа для повышения информативности полутоновых изображений: Методы и устройства передачи и обработки информации // Межвузовский сборник научных трудов. С.-Петербург, 2001. — 208 с.
  69. R. L. Rao, L. Prasad, «Segmentation by Multiresolution Histogram Decomposition». http://www.researchindex.com
  70. Zack, G. W., W. E. Rogers, and S. A. Latt, Automatic Measurement of Sister Chromatid Exchange Frequency. 1977. 25(7): p. 741−753.
  71. Ridler, T.W. and S. Calvard, Picture thresholding using an iterative selection method. IEEE Trans, on Systems, Man, and Cybernetics, 1978. SMC-8(8): p. 630−632.
  72. S. Wang and R. M. Haralick, Automatic multithreshold Selection, Comput. Vision Graphics Image Process. 25, 1984, 46−67.
  73. N. Papamarkos and B. Gatos, A new approach for multithreshold selection, CVGIP: Graph. Models Image Process. 56, 1994, 357−370.
  74. M. J. Carlotto, Histogram analysis using scale-space approach, IEEE Trans. Pattern Anal. Mach. Intell. 9(1), 1987, 121−129.
  75. N. Otsu, A threshold selection method from gray-level histograms, IEEE Trans. Systems Man Cybernet. 9(1), 1979, 62−69.
  76. А. P. Witkin, «Scale space filtering: a new approach to multy-scale description» Image understanding, S. Ullman and W. Richards, Eds., pp. 79−95, Ablex Publishing, N. J., 1984.
  77. Chow, C.K. and T. Kaneko, Automatic boundary detection of the left ventricle from cineangiograms. Computers and Biomedical Research, 1972. 5: p. 388−410.
  78. Mamdani, E.H. and S. Assilian, «An experiment in linguistic synthesis with a fuzzy logic controller,» International Journal of Man-Machine Studies, Vol. 7, No. 1, pp. 1−13, 1975.
  79. Sugeno M., Industrial applications of fuzzy control, Elsevier Science Pub. Co., 1985.
  80. Fuzzy Logic Toolbox User’s Guide, http://www.mathworks.com
  81. M.B., Мольков Н. П. К вопросу выбора вида функции принадлежности при идентификации объектов на основе нечеткого анализа: XXVII Гагаринские чтения // Материалы международной молодежной науч.-техн. конф. Москва, 2001. — Том 4, 142 с.
  82. Image Processing Toolbox User’s Guide, http://www.mathworks.com
  83. Baraldi A., Blonda P. Image segmentation through contextual clustering. http://www.researchindex.com
  84. A.P.Dempster, N.M.Laird and D.B.Rubin, «Maximum likelihood from incomplete data via the EM algorithm», J. Royal Statist. Soc. Ser. B, vol. 39, pp. 1−38, 1977.
  85. T.N.Pappas, «An adaptive clustering algorithm for image segmentation», IEEE Trans. On Signal Processing. Vol. 40, no. 4, pp.901−914,1992.
  86. Г. Н., Сафонов И. В. Алгоритм маркерного водораздела для сегментации зерен металлов/ DSPA2000, СПб, 2000.
  87. Soille P. and Vincent L., «Determining watersheds in digital pictures via flooding simulations», Proceeding SPIE, Vol. 1360, Visual Communications and Image Processing '90, Oct. 1990.
  88. С.С., Кан В.Н., Самандаров И. Р. Методы выделения структурных признаков изображений. Ташкент: Фан, 1990. 104 с.
  89. Beucher S. The watershed transformation applied to image segmentation. http://www.researchindex.com
  90. Ziou D., Tabbone S. Edge Detection Techniques An Overview. http://www.researchindex.com
  91. J.M.S.Prewitt. Object Enhancement and Extraction. In Picture Processing and Psychopictorics, B.S.Lipkin and al., Eds. Academic Press, New York, 1970.
  92. E.P.Lyvres and O.R.Mitchell. Precision Edge Contrast and Orientation Estimation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 10(6):927−937, 1988.
  93. D.Marr and E.C.Hildreth. Theory of Edge Detection. Proceedings of the Royal Society of London B207, pp. 187−217, 1980.
  94. J.F.Canny. Finding Edges and Lines in Images. Technical report no. 720, Massachusetts Institute of Technology, 1983.
  95. J.F.Canny. A Computational Approach to Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8(6):679−698, 1986.
  96. L., Soille P., «Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulations,» IEEE Transactions of Pattern Analysis and Machine Intelligence, vol. 13, no. 6, June 1991, pp. 583 598.
  97. M.B., Мольков Н. П. Использование нечеткого анализа при сегментации яркостных изображений: XXVIII Гагаринские чтения // Материалы международной молодежной науч.-техн. конф. Москва, 2002. — Том 6, 121 с.
  98. Я.А. Основы теории обработки контуров изображений: Учебное пособие. Йошкар-Ола: МарГТУ, 1997. -255 с.
  99. L.G.Brown. A Survey of Image Registration Techniques. 1992.
  100. L.Quan R. Mohr, F.Veillon. Relative 3d reconstruction using multiple uncalibrated images. In Proc. of the IEEE CVPR, pp. 543−548, 1993.
  101. E. Grossmann, J. Santos-Victor. The precision of 3D Reconstruction from Uncalibrated Views. In British Machine Vision Conference, Southampton 1998.
  102. E. Grossmann, J. Santos-Victor. Uncertainty analysis of 3D reconstruction from uncalibrated views. Image and Vision Computing 18 (2000) 685−696.
  103. C. Dorai, G. Wang, A. K. Jain, and C. Mercer. From Images to Models: Automatic 3D Object Model Construction From Multiple Views. Technical report, Department of Computer Science, Michigan State University, East Lansing, January, 1996.
  104. R.Pito. Automated Surface Acquisition Using Range Cameras, Dissertation Thesis, 1996.
  105. J.E.Banta, Y. Zhen, X.Z.Wang, G. Zhang, M.T.Smith and M.A.Abidi. A «best-next-view» algorithm for 3D scene reconstruction using range cameras. In Intel. Robotics and Сотр. Vision XIV session of Intel. Sys. And Advanced Manufacturing Symp. SPIE, 1995.
  106. И. Анализ и обработка данных: специальный справочник СПб: Питер, 2001. — 752 с.
  107. И.С., Спектор А. А., Киричук B.C., Косых В. П., Перетягин Г. И. Цифровая обработка изображений в информационных системах: Учебное пособие.- Новосибирск: Изд-во НГТУ, 2000. -168.
  108. А.В., Боресков А. В. Компьютерная графика. Полигональные модели. М.:ДИАЛОГ-МИФИ, 2000. — 464 с.
  109. Дж. Компьютерная графика: Секреты и решения: Пер. с англ. М.: Энтроп, 1995. — 352 с.
  110. Ю.В.Новиков, О. А. Калашников, С. Э. Гуляев. Разработка устройств сопряжения для персонального компьютера типа IBM PC. Под общей редакцией Ю. В. Новикова. Практ. Пособие М.:ЭКОМ., 1998−224 е.: ил.
  111. Universal Serial Bus Specification, (http://www.usb.org) Revision 2.0, April 27, 2000−621 pp.
  112. IA-32 Intel ® Architecture Software Developer’s Manual Volume 3: System Programming Guide. http://developer.intel.com/design/processors/), 2001 696 pp.
  113. Зубков C.B. Assembler для DOS, Windows и UNIX. 2-е изд., испр. и доп. — M.: ДМК, 2000. — 608 е.: ил. (Серия «Для программистов»).
  114. Н.П., Усачёв М. В., Полулях Г. Л. Использование априорной информации при вычислении геометрических параметров тел вращения: Методы и устройства передачи и обработки информации // Межвузовский сборник научных трудов. С.-Петербург, 2003.
  115. Н.П., Усачёв М. В., Полулях Г. Л. Реализация системы вычисления объема тел вращения в реальном масштабе времени: Методы и устройства передачи и обработки информации // Межвузовский сборник научных трудов. С.-Петербург, 2003.
Заполнить форму текущей работой

Пора сдавать?