Алгоритмы вейвлет-анализа и компенсации геометрических шумов сигналов тепловизионных систем с матричными фотоприемниками тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Баранцев, Александр Александрович

  • Баранцев, Александр Александрович
  • кандидат технических науккандидат технических наук
  • 2012, РязаньРязань
  • Специальность ВАК РФ05.13.01
  • Количество страниц 167
Баранцев, Александр Александрович. Алгоритмы вейвлет-анализа и компенсации геометрических шумов сигналов тепловизионных систем с матричными фотоприемниками: дис. кандидат технических наук: 05.13.01 - Системный анализ, управление и обработка информации (по отраслям). Рязань. 2012. 167 с.

Оглавление диссертации кандидат технических наук Баранцев, Александр Александрович

ВВЕДЕНИЕ.

Глава 1. СРАВНИТЕЛЬНЫЙ ОБЗОР СУЩЕСТВУЮЩИХ ТЕХНОЛОГИЙ, МЕТОДОВ, СПОСОБОВ И АЛГОРИТМОВ АНАЛИЗА И ОБРАБОТКИ ТЕПЛОВИЗИОННЫХ ИЗОБРАЖЕНИЙ, ИСКАЖЕННЫХ ГЕОМЕТРИЧЕСКИМ ШУМОМ . 0 МНОГОЭЛЕМЕНТНЫХ ФОТОПРИЕМНИКА.

1.1. Общая характеристика проблемы.

1.2. Методы и алгоритмы подавления геометрического шума.

1.3. Математическая модель канала МФП.

1.4. Статистическая обработка тепловизионных изображений.

1.4.1. Краткая характеристика методов фильтрации.

1.4.2. Текстурные признаки, коэффициенты вариации.

1.4.3. Алгоритмы пространственной обработки.

1.4.4. Обоснование выбора вейвлет-преобразования.

1.4.5. Математические основы вейвлет-преобразования.

1.4.6. Выбор типа вейвлета (базиса).

1.4.7. Пороговая обработка вейвлет-коэффициентов.

1.4.8. Сравнительная характеристика методов и алгоритмов пространственной фильтрации.

1.5. Алгоритмы комплексирования мультиспектральных изображений.

1.6. Постановка задачи.

ВЫВОДЫ.

Глава 2. РАЗРАБОТКА АЛГОРИТМОВ ВЕЙВЛЕТ-ОБРАБОТКИ

ТЕПЛОВИЗИОННОГО ИЗОБРАЖЕНИЯ С ИСПОЛЬЗОВАНИЕМ ТЕКСТУРНО-ЗАВИСИМОГО АНАЛИЗА И ОТБОРА

КОГЕРЕНТНЫХ СТРУКТУР.

2.1. Текстурно-зависимый аналзи и обработка выходного сигнала МФП после быстрого вейвлетпреобразования.

2.1.1. Разработка алгоритма текстурно-зависимого анализа сигналов МФП.

2.1.2 Поиск оценок вейвлет-коэффициентов при неоднородной текстуре.

2.1.3. Экспериментальные исследования.

2.2. Компенсация геометрического шума с использованием когерентных структур.

2.2.1. Когерентные структуры и геометрический

2.2.2. Результаты статистического моделирования.

2.3. Комплексирование тепловизионных изображений разных участков ИК-спектра с ^ остаточным геометрическим шумом.

2.3.1. Комплексирование с отделением когерентных структур.

2.3.2. Алгоритм комплексирования.

2.3.3. Результаты моделирования.

ВЫВОДЫ.

Глава 3. АЛГОРИТМЫ ВЕЙВЛЕТ-ФИЛЬТРАЦИИ И

КОМПЛЕКСИРОВАНИЯ ТЕПЛОВИЗИОННЫХ ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЕЙ, УЧИТЫВАЮЩИХ 103 ДРЕЙФ ПАРАМЕТРОВ ГЕОМЕТРИЧЕСКОГО ШУМА ЧУВСТВИТЕЛЬНОСТИ ВО ВРЕМЕНИ, НА ОСНОВЕ ПРОСТРАНСТВЕННО-ОРИЕНТИРОВАННЫХ ДЕРЕВЬЕВ БЫСТРОГО ВЕЙВЛЕТ

ПРЕОБРАЗОВАНИЯ.

3.1. Вейвлет-фильтрация тепловизионных видеопоследовательностей с дрейфом параметров геометрического шума чувствительности во времени на основе пространственно-ориентированных деревьев быстрого вейвлет преобразования.

3.1.1. Пространственно-ориентированные деревья (ПОД) для БВП.

3.1.2 Оценка величины порога для обработки вейвлеткоэффициентов.

3.1.3. Алгоритм компенсации ГШЧ на основе ПОД

3.1.4. Результаты моделирования.

3.2. Комплексирование тепловизионных видеопоследовательностей на основе логической ^ обработки вейвлет-коэффициентов ПОД БВП.

ВЫВОДЫ.

Глава 4. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПОЛУЧЕННЫХ АЛГОРИТМОВ ВЕЙВЛЕТ-АНАЛИЗА И ОБРАБОТКИ ТЕПЛОВИЗИОННЫХ ИЗОБРАЖЕНИЙ С ОСТАТОЧНЫМ ГЕОМЕТРИЧЕСКИМ ШУМОМ.

4.1. Характеристика аппаратно-программного комплекса.

4.2. Техническая реализация устройства сопряжения на плате цифрового ввода-вывода.

4.3. Техническая реализация устройства сопряжения на плате аналого-цифрового ввода-вывода.

4.4. Алгоритмическое обеспечение АПК для калибровки

4.5. Программный комплекс обработки зашумленных изображений на основе вейвлет-преобразований 1МР1ЮС.

ВЫВОДЫ.

Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Алгоритмы вейвлет-анализа и компенсации геометрических шумов сигналов тепловизионных систем с матричными фотоприемниками»

Актуальность темы. В последнее время в промышленном производстве, медицине, военном деле наблюдается интенсивное внедрение разнообразных тепловизионных систем, обеспечивающих видеонаблюдение в инфракрасной области спектра. Такие системы отличаются наборами многоэлементных фотоприемников (МФП), которые имеют различную структуру расположения и соединения фоточувствительных элементов (ФЧЭ) (например, в виде линеек, матриц, с имитацией режима временной задержки и накопления заряда (ВЗН) и т.п.), работающих в разных участках инфракрасной области спектра и содержащих различные тепловые излучатели (ТИ) для калибровки. В тепловизионных системах с матричными МФП отечественного производства до сих пор острой остается проблема компенсации т.н. геометрических шумов (структурных помех, fixed pattern noise), обусловленных неоднородностью параметров ФЧЭ (до ±30 %).

Традиционные подходы к компенсации геометрических шумов дефектов (пробои /?-и-переходов ФЧЭ), темнового тока (проявляется в наличии пьедестальных напряжений на выходе ФЧЭ), чувствительности (разброса коэффициентов передачи электронного тракта ФЧЭ) основаны на применении ТИ с различной радиационной температурой излучающих поверхностей с целью формирования в электронных трактах МФП опорных электрических сигналов. Двухуровневая калибровка (с «низкой» и «высокой» температурами) позволяет вычислить и записать в память оценки пьедестальных напряжений и коэффициентов передачи ФЧЭ с точностью 5 - 7 %, что неприемлемо для современных требований в 0,05-2,5 %. Причем даже такое качество коррекции геометрического шума обеспечивается только при наличии в составе тепловизионной системы высокостабильных ТИ. Кроме того, любой МФП обладает некоторой нестабильностью параметров ФЧЭ, которая проявляется в дрейфе интенсивности геометрического шума темнового тока и чувствительности с течением времени. Очевидно, что применение периодической калибровки, приемлемое для одного МФП, нарушает синхронную работу всей тепловизионной системы в рабочем (смотрящем) режиме, поскольку различные МФП с разными холодильниками (или без них) имеют разные временные пределы работоспособности.

Таким образом, исследование и разработка методов и средств вторичной обработки формируемых на выходе МФП изображений для компенсации остаточного геометрического шума представляются необходимыми и актуальными при создании как тепловизионных систем на базе МФП, так и систем для их автоматизированного исследования, измерения и контроля.

Степень разработанности темы. Один из подходов компенсации геометрического шума, похожий на калибровку от встроенного ТИ, ориентирован на использование источника внешнего эталонного опорного сигнала. Однако получение на входе объектива МФП неискаженных уровней оптического сигнала является сложной задачей из-за изменения состояния атмосферы, условий и времени коррекции, характеристик внешнего ТИ и т.п.

Альтернативным подходом решения проблемы компенсации геометрического шума считается статистическая обработка формируемых на выходе МФП изображений. Здесь можно выделить два направления. Первое основано на анализе и использовании статистических характеристик тепловизионных изображений, в частности гистограмм выделяемых объектов, кластеризации, автокорреляционных функций и т.п. Данное направление представлено работами Алпатова Б.А., Еремеева В.В., Злобина В.К., Новикова М.В., Якушенкова Ю.Г., Рогег Б., У1ПегН М. и др. Предложенные в данных работах методы и алгоритмы, преимущественно эмпирического характера, предполагают наличие МФП со сканирующими линейками ФЧЭ на базе ПЗС, стабильность анализируемой видеопоследовательности и основаны на сопоставлении статистических характеристик выходных сигналов МФП во временной, частотной и вероятностной областях. Если тепловизионная система содержит матричные МФП, то внутрикадровой статистики оказывается недостаточно, что значительно снижает эффективность известных методов и алгоритмов, а при существенной неоднородности сцен и дрейфе геометрического шума чувствительности они оказываются неработоспособными.

Второе направление связано с фильтрацией тепловизионных изображений на выходе МФП с остаточным геометрическим шумом. Данное направление представлено работами Бехтина Ю.С., Винецкого Ю.Р., Коршунова Ю.М., Тришенкова М.А., Филатова Ю.А., Якушенкова Ю.Г. и др. Классические решения основаны на одномерной и двумерной фильтрации выходных сигналов каждого ФЧЭ МФП во временной и частотной областях (фильтры Калмана, Винера, Ли, Куана, Фроста, медианные, билатеральные и т.п.), что обуславливает внесение таких «болезненных» искажений в ИК-изображение, как дополнительное размытие контуров объектов, сглаживание перепадов яркостей. Другим существенным недостатком известных решений является необходимость подбора «своего» фильтра и его параметров для каждого МФП.

Таким образом, необходимо использовать такую общую схему обработки тепловизионных изображений МФП, которая не зависит от типа и структуры МФП, вида ТИ, неоднородностей сцен формируемых видеопоследовательностей и которая позволит одновременно решить задачи фильтрации и комплексирования искаженных остаточным геометрическим шумом изображений, полученных в разных участках ИК-спектра.

Такой схемой является вейвлет-преобразование, где трансформация выходного сигнала МФП позволяет провести его детальный время-частотный анализ с эффективным разделением аддитивной и мультипликативной составляющих, обусловленных действием остаточных геометрических шумов темнового тока и чувствительности соответственно. Значительный вклад в теорию вейвлет-преобразования, и в частности, вейвлет-фильтрации внесли зарубежные ученые: С.Бюррус (Burrus); П.Вайдьянатан (Vaidianathan), М.Веттерли (Vetterli), И.Добеши (Daubechies), Д.Донохо (Donoho), С.Малла (Mallat), И.Мейер (Meyer), Р.Куафман (Coifman), Н.Саито (Saito), Б.Видакович (Vidakovic) и др. Некоторыми теоретическими аспектами вейвлет-преобразования и его практическими приложениями занимались отечественные ученые: К.А.Алексеев, Б.А.Алпатов, Ю.С.Бехтин, Ю.А.Брюханов, В.В.Витязев, Ю.В.Гуляев, В.П.Дворкович, А.В.Дворкович, Ю.К.Демьянович, Ю.Б.Зубарев, С.Н.Кириллов, В.Ф.Кравченко, Л.В.Новиков, А.П.Петухов, А.Л.Приоров, М.К.Чобану и др. Однако в их работах задачи фильтрации решаются, как правило, для сигналов и изображений радио- и оптического диапазона. Работ, посвященных применению вейвлет-преобразования для компенсации геометрического шума в тепловизионных системах, практически не встречается. Также в литературе не находят достаточного освещения вопросы комплексирования тепловизионных изображений, полученных в различных участках спектра ИК-излучения.

Цель и задачи диссертации. Целью диссертации является разработка алгоритмов и аппаратно-программного обеспечения вейвлет-анализа и обработки выходных сигналов (изображений) МФП разных ИК-диапазонов тепловизионной системы для компенсации геометрических шумов ФЧЭ и последующего комплексирования.

Для достижения поставленной цели решаются следующие задачи.

1. Разработка и исследование алгоритмов компенсации остаточного геометрического шума темнового тока и чувствительности МФП на основе покадровой пороговой обработки вейвлет-коэффициентов.

2. Разработка и исследование алгоритмов компенсации геометрического шума в выходном сигнале (видеопоследовательности) МФП с использованием вейвлет-анализа и обработки когерентных структур и пространственно-ориентированных деревьев (ПОД).

3. Разработка алгоритмов комплексирования тепловизионных изображений, искаженных остаточным геометрическим шумом, с учетом дрейфа его параметров во времени на основе вейвлет-анализа и обработки когерентных структур и ПОД.

4. Разработка аппаратно-программных комплексов и программного обеспечения тепловизионных систем, реализующих полученные алгоритмы вейвлет-анализа и обработки сигналов матричных МФП.

Научная новизна. В диссертационной работе получены следующие новые научные результаты.

1. Получены и исследованы алгоритмы текстурно-зависимой обработки вейвлет-коэффициентов тепловизионных изображений с остаточным геометрическим шумом с использованием локальных коэффициентов вариации и оценок по максимуму апостериорной плотности вероятности на основе обобщенного распределения Гаусса.

2. Разработаны алгоритмы вейвлет-анализа и обработки искаженных геометрическим шумом тепловизионных изображений на основе поиска и отделения в них когерентных структур в субполосах быстрого вейвлет-преобразования.

3. Разработаны и исследованы алгоритмы компенсации геометрического шума матричных МФП на основе пространственно-ориентированных деревьев (ПОД) быстрого вейвлет-преобразования.

4. Разработаны и исследованы алгоритмы комплексирования тепловизионных изображений различных ИК-поддиапазонов с использованием когерентных структур и ПОД быстрого вейвлет-преобразования, учитывающих как стабильность, так и нестабильность параметров геометрического шума чувствительности во времени.

5. Предложены варианты построения аппаратно-программных комплексов обработки сигналов матричных МФП на базе персонального компьютера (ПК) и их программного обеспечения с использованием специализированных плат ввода-вывода, функционирующих в реальном масштабе времени.

Практическая ценность. Полученные алгоритмы вейвлет-анализа и компенсации геометрического шума матричных МФП обеспечивают построение специализированных аппаратно-программных комплексов и/или разработку пакетов прикладных программ для ЭВМ, с помощью которых производится эффективное подавление геометрического шума и комплексирование тепловизионных изображений с относительно высоким качеством. Данное обстоятельство обеспечивает пролонгацию работы тепловизионной системы в смотрящем режиме до нескольких часов и снимает проблему периодических калибровок МФП. Универсальность предложенных алгоритмов позволяет использовать их не только при эксплуатации существующих тепловизионных систем, но и на стадии производства для экспресс-оценки и настройки (калибровки) параметров МФП.

Методы и достоверность исследования. Для решения поставленных задач в работе использовались элементы теории вейвлет-преобразования, теории вероятностей и математической статистики, теории оптимального оценивания и фильтрации, численные методы вычислений. Для практической проверки правильности теоретических выводов диссертации применялось статистическое моделирование на ЭВМ в среде Ма11аЬ (вместе с разработанными программами на языке С++) на тестовых и реальных тепловизионных изображениях, а также проводились экспериментальные исследования на разработанном аппаратно-программном комплексе, состоящем из измерительного стенда, персонального компьютера и болометра. Достоверность полученных результатов подтверждается сравнением с известными методами и алгоритмами, данными протоколов приемо-сдаточных испытаний образца аппаратно-программного комплекса обработки сигналов матричного МФП.

Личный вклад автора. Основные теоретические положения диссертации получены в соавторстве; разработка представленных алгоритмов, статистическое моделирование на ЭВМ, разработка и отладка аппаратного и программного обеспечения выполнялись автором лично.

Реализация и внедрение. Диссертационная работа включает в себя исследования, выполненные в Рязанском государственном радиотехническом университете в рамках госбюджетных и хоздоговорных НИР № 30-03, № 9-08Г, №41-10 (по ФЦП «Научные и научно-педагогические кадры инновационной России на 2009-2013 годы», номер контракта 16.740.11.0086), в которых автор являлся исполнителем и ответственным исполнителем.

Для лабораторного практикума применяется разработанный в соавторстве учебный программный комплекс «IMPROC», версия 1.0, содержащий, в том числе, полученные в диссертации алгоритмы вейвлет-обработки зашумленных изображений на основе текстурно-зависимого анализа.

Разработанные алгоритмы предварительной калибровки, компенсации дрейфа коэффициентов передачи ФЧЭ матричных МФП внедрены в ФГУП НПО «Орион» (г.Москва). Алгоритмы комплексирования мультиспектральных изображений на основе вейвлет-обработки внедрены в ОАО «Рязанский государственный приборный завод».

Апробация работы. Материалы работы докладывались и обсуждались на МНТК по фотоэлектронике и приборам ночного видения (г. Москва, 2004, 2006, 2010, 2012 гг.); МНТК «Цифровая обработка сигналов и ее применение» (г.Москва, 2004 г.), МНТК «Распознавание», (г. Курск, 2005 г.), на трех международных и всероссийских научно-технических конференциях и семинарах кафедры РГРТУ (г.Рязань) за 2004-2012 гг.

Публикации. По теме диссертации опубликовано 14 научных работ, из них четыре статьи в журналах из списка ВАК РФ, 9 тезисов докладов на научных конференциях, 1 статья на английском языке в Proceedings of SPIE.

Структура диссертации. Диссертация общим объемом 167 с. состоит из введения, четырех глав, заключения, содержит 145 с. основного текста, перечень используемой научно-технической литературы из 122 наименований на 11 е., 4 приложений на 10 е., 80 рис. и 6 табл.

Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Баранцев, Александр Александрович

выводы

1. Проанализированы и разработаны варианты сопряжения МФП и ПК на базе плат цифрового и/или аналого-цифрового ввода-вывода.

2. Разработано оригинальное программное обеспечение покадровой обработки ИК-изображений, формируемых на выходе МФП и искаженных дрейфом коэффициентов передачи ФЧЭ матриц тепловизора, использующее алгоритмы вейвлет-анализа и обработки с помощью нормированных пространственно-ориентированных деревьев, увеличивающие интервал между калибровками с 20-30 мин до 2-3 часов.

3. Выполнено статистическое моделирование на тестовых изображениях и проведены экспериментальные исследования на аппаратно-программном комплексе обработки сигналов МФП, подтвердившие правильность теоретических выводов диссертации.

4. Разработан учебно-программный комплекс 1МР1ШС, содержащий алгоритмы вейвлет-обработки зашумленных изображений из 2 и 3 глав диссертации.

ЗАКЛЮЧЕНИЕ

В ходе исследований решена важная научно-техническая задача, связанная с разработкой эффективных алгоритмов вторичной обработки тепловизионных изображений матричных МФП с остаточным геометрическим шумом.

1. Проведен сравнительный обзор методов, алгоритмов и технических решений компенсации геометрического шума в тепловизионных системах с матричными МФП. Показана перспективность вторичной обработки тепловизионных изображений с остаточным геометрическим шумом на основе вейвлет-преобразования.

2. Обоснованы математические модели сигналов МФП (до и после вейвлет-преобразования), учитывающие действие геометрического шума чувствительности и темнового тока (напряжения), а также теплового шума в ФЧЭ, путем статистической обработки данных испытаний образцов матричных МФП.

3. Разработаны алгоритмы фильтрации искаженных остаточным геометрическим шумом тепловизионных изображений с использованием текстурно-зависимого анализа на уровне вейвлет-преобразования и поиска оценок вейвлет-коэффициентов по критерию максимума апостериорной плотности вероятности на неоднородной текстуре с помощью обобщенного распределения Гаусса. Алгоритм обеспечивает повышение ПОСШ в среднем на 3-5 дБ, а значение критерия 881М на 10-15 %.

4. Разработаны алгоритмы фильтрации искаженных остаточным геометрическим шумом тепловизионных изображений с отделением когерентных структур на основе грубой пороговой обработки вейвлет-коэффициентов. Алгоритмы обеспечивают повышение ПОСШ в среднем на 5-7 дБ, а значение критерия 881М на 20-25 %.

5. Разработаны алгоритмы комплексирования искаженных остаточным геометрическим шумом тепловизионных изображений разных участков ИК-спектра с отделением когерентных структур, обеспечивающие погрешность компенсации геометрического шума чувствительности до 2 %.

6. Разработан алгоритм вейвлет-анализа и фильтрации искаженных тепловизионных видеопоследовательностей МФП на основе ПОД с мягкой пороговой обработкой вейвлет-коэффициентов, обеспечивающие пролонгацию работы МФП в смотрящем режиме до нескольких часов.

7. Получен эвристический алгоритм вейвлет-анализа и фильтрации искаженных тепловизионных видеопоследовательностей МФП на основе ПОД, применяющий логическую обработку вейвлет-коэффициентов и характеризующиеся относительно высоким быстродействием и отсутствием блочных артефактов в восстановленных кадрах видеопоследовательности.

8. Получен эвристический алгоритм вейвлет-анализа и комплексирования искаженных тепловизионных видеопоследовательностей МФП разных участков ИК-спектра на основе ПОД, применяющий логическую обработку вейвлет-коэффициентов и характеризующиеся относительно высоким быстродействием и отсутствием блочных артефактов в комплексированных видеопоследовательностях.

9. Разработано и внедрено специализированное аппаратное, алгоритмическое и программное обеспечение тепловизионных систем с матричными МФП ближнего ИК-диапазона, а также учебного программного комплекса 1МРЯОС.

10. Выполнено статистическое моделирование на тестовых и реальных тепловизионных изображениях, проведены экспериментальные исследования на аппаратно-программном комплексе обработки сигналов матричного МФП, подтвердившие правильность теоретических выводов диссертации.

Список литературы диссертационного исследования кандидат технических наук Баранцев, Александр Александрович, 2012 год

1. Полупроводниковые формирователи сигналов изображения.-Сб. статей под ред. П.Йеспрерса и др., М.: Мир, 1979, 578 с.

2. Opt. Eng., 1986, Т.25, №3, с.688

3. Приборы с зарядовой связью. Сб. статей под ред. Д.Ф.Барба, М.:Мир, 1982, 240 с.

4. Аигина Н.Р. и др. Новое поколение фотоприемных устройств ИК-диапазона. Заруб, электр. Техника, 1982, №5, 81 с.

5. Аигина Н.Р. и др. Военнные области применения инфракрасной техники.-Заруб, электр. Техника, 1982, №9, 35 с.

6. Красильников H.H. Теория передачи и восприятия изображений. М.: Радио и связь, 1986, 248 с

7. IEEE Journ., 1970, т.5, 250 с.

8. Proc. SPIE, 1981,т.311, 102 с.

9. Мирошников М.М. Теоретические основы оптико-электронных приборов.-Л.: Машиностроение, 1983, 696 с.

10. Кругликов C.B. Методы и средства подавления структурных помех многоэлементных фотоприемников. // Аналитический обзор №4628 за 1970-1987 гг. М., 1989.

11. Претт У. Цифровая обработка изображений: Пер. с англ.- М.: Мир,1982

12. Ахмед Н., Pao K.P. Ортогональные преобразования при обработке цифровых сигналов. М.: Связь, 1980.

13. Воробьев, В.И., Грибунин, В.Г. Теория и практика вейвлет-преобразования. С.-Петербург: ВУС, 1999. - 204 с.

14. Гонсалес, Р., Вудс, Р. Цифровая обработка изображений. М.: Техносфера, 2006. - 1072 с.

15. Гонсалес, Р., Вудс, Р., Эддингс, С. Цифровая обработка изображений в среде Matlab. M.: Техносфера, 2006.

16. Даджион, Д., Мерсеро, Р. Цифровая обработка многомерных сигналов. -М.: Мир, 1988.

17. Кравченко, В.Ф., Рвачев, B.J1. «Шауе1еЪ>-системы и их применение в обработке сигналов//Зарубежная радиоэлектроника. 1996. - № 4. - С.З-20.

18. Малла, С. Вейвлеты в обработке сигналов. М.: Мир, 2005. - 671 с.

19. Столниц, Э., ДеРоуз, Т., Салезин, Д. Вейвлеты в компьютерной графике. Теория и приложения. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2002.

20. Пирамидальное кодирование изображений. / Харатишвили Н.Г., Чхеидзе И.М., Ронсен Д. и др. М.: Радио и связь, 1986.

21. Strang, G. and Nguyen, Т. Wavelets and Filter Banks. //Wellesley-Cambridge Press. Wellesley, Massachusetts, 1996.

22. Chang Т., Kuo C.-CJ. "Texture Analysis and Classification with Tree-Structured Wavelet Transform," // IEEE Trans. On Image Processing, 1993. -Vol.2, No.4. pp.429-441.

23. Бехтин, Ю.С., Брянцев, А.А. Предварительная текстурная сегментация при сжатии данных зашумленных изображений на основе вейвлет-преобразований // Вестник РГРТУ. 2007. - № 19. - С.45-50.

24. Bekhtin Yu., Bryantsev A. "Texture-and-speckle-pdf-based filtering of SAR images" //Digital Signal Processing and its Applications. The 8th International Conference. Moscow, Russia, 2006. - 1 c.

25. Cho K., and Meer P. "Image Segmentation from Consensus information" // Computer Vision and Image Understanding, 1997. Article No. IV970546. -Vol. 68, No. 1. - pp. 72-89.

26. Yoo Y., Ortega A., and Yu B. "Image subband coding using context-based classification and adaptive quantization" //IEEE Trans, on Image Proc. 1999. -Vol. 8.-pp. 1702-1715.

27. Бехтин, Ю.С., Титов, Д.В. Вейвлет-обработка ИК-изображений для компенсации дрейфа вольтовой чувствительности элементов фотоэлектронных модулей. // Известия вузов: Приборостроение. 2008. -Т. 51, № 2. - С.10-15.

28. Schutte K. "Multi-Scale Adaptive Gain Control of IR Images" //SPIE. Vol. 3061.-p.906.

29. Бехтин, Ю.С. Алгоритм вейвлет-фильтрации зашумленных изображений. // Вестник РГРТА. 2004. - № 15. - С.22-27.

30. Foucher S., Benie G.B., Boucher J.-M. "Multiscale MAP Filtering of SAR Images," // IEEE Trans, on Image Processing. -2001. Vol.18, No. 1. - pp. 4960, 2001.

31. Chan T.C.L., Hsung T.C., Lun D.P.K. "Improved MPEG-4 Still Texture Image Coding under Noisy Environment" //IEEE Trans, on Image Processing, 2003. -Vol.12.-pp.500-508.

32. Злобин, B.K., Еремеев, B.B. Обработка аэрокосмических изображений. -М.: Физматлит, 2006. 288 с.

33. Цифровая обработка телевизионных и компьютерных изображений / Дворкович А.В., Дворкович В.П., Зубарев Ю.Б. и др. М.: МЦНТИ, 1997.

34. Lee J.S. "Speckle Suppression and Analysis for Synthetic Aperture Radar Images," //Optical Engineering. 1986. - No. 25.

35. Forchhammer S., Wu X., and Andersen J.D. "Lossless image data sequence compression using optimal context quantization" // IEEE Trans, on Image Processing, December. 2001. - 1. - pp. 53-62.

36. Natarajan В. K. "Filtering random noise from deterministic signals via data compression," // IEEE Trans, on Image Processing. Vol. 43, no. 11. - pp. 2595-2605.

37. Rosenfeld A. and Thurston M. "Edge and curve detection for visual scene analysis" //IEEE Trans, on Comput. 1971. - 0-29.

38. Sayeed A.M. and Jones D.L. "Optimal kernels for nonstationary spectral estimation" /ЛЕЕЕ Transactions on Signal Processing. 1995. - 43(2). -pp.478-491.

39. Witkin A. "Scale space filtering" //in Proc. Int. Joint. Conf. Artificial Intell. -Espoo, Finland, 1983.49. "Adaptive denoising at infrared wireless receivers" / Xavier N. Fernando, Sridar Krishnan, Hongbo Sun and others //in Aerosense Denoise, 1999.

40. Zong X., Laine A., and Geiser E. "Speckle reduction and contrast enhancement of echocardiograms via multiscale nonlinear processing" /ЛЕЕЕ Transactions on Medical Imaging. 1998. - Vol. 17, No. 4.

41. Дремин, И.М., Иванов, O.B., Нечитайло, B.A. Вейвлеты и их использование // Успехи физических наук. 2001. - Т. 171, № 5. - С. 465501.

42. Добеши, И. Десять лекций по вейвлетам. М.: Регулярная и хаотическая динамика, 2001.

43. Петухов, А.П. Введение в теорию базисов всплесков. СПб.: Изд-во СПбГТУ, 1999. - 132 с.

44. Поликар, Р. Введение в вейвлет-преобразование. СПб.: АВТЭКС, 2001.

45. Чуй, К. Введение в вейвлеты. М.: Наука, 2001.

46. Burrus, С. S.; Gopinath, R. A.; and Guo, Н., Introduction to Wavelets and Wavelet Transforms: A Primer. // Prentice Hall Inc., Upper Saddle River, New Jersey, 1998.

47. Holschneider M. Wavelets: An Analysis Tool. // Oxford Mathematical Monographs, Clarendon Press, Oxford, 1995.58. "Wavelets and turbulence" / Farge M., Kevlahan N., Perrier Y., and others // Proc. IEEE. 1996. - 84(4). -pp.639-669.

48. Meyer Y. Wavelets: Algorithms and Applications. // SLAM, 1993. Translated and revised by R.D. Ryan.60. "Noise reduction using an undecimated discrete wavelet transform," / Lang M.,

49. Guo H., Odegard J. and others // IEEE SP Letters. 1995. - Vol. 3, no.l.150

50. Woods J.W. and O'Neil S.D. "Subband coding of images" //IEEE Trans, on Acoust., Speech and Signal Proc. 1986. - 34(5). - pp. 1278-1288.

51. Daubechies I. "Orthonormal bases of compactly supported wavelets" //Comm. Pure Appl. Math. 1988.-41. - pp. 909-996.

52. Rissanen J. "Universal coding, information, prediction, and estimation" //IEEE Trans, on Info. Theory. 1984. - 30(4). - pp. 629-636.

53. Donoho D.L. "Interpolating wavelet transforms" // J. of Appl. and Comput. Harronic Analysis, 1994.

54. Cohen A., Daubechies I., and Vial P. "Wavelet bases on the interval and fast algorithms" //J. Appl. and CoTput. Harronie Analysis. 1993. - pp. 54-81.

55. Vidakovic В., "Statistical Modeling by Wavelets". //John Wiley & Sons, 1999.

56. Bruce A. and Gao H. -Y. "WaveShrink: Shrinkage Functions and Thresholds" // Proc. of SPIE, San Diego, CA, 1995.

57. Алексеев, K.A. Теория и практика шумоподавления в задаче обработки сейсмоакустических сигналов. // Опубл. на сайте "Matlab & Toolboxes" (Wavelet Toolbox), адресhttp://matlab.exponenta.ru/wavelet/book5/index.php.

58. Вейвлеты, аппроксимация и статистические приложения / Хардле В., Крекьячарян Ж., Пикар Д. и др. / Перевод К.А.Алексеева. Электронная книга на сайте http://www.quantlet.de/scripts/wav/html.

59. Donoho D.L. "De-noising by Soft-Thresholding," // IEEE Trans, on Info. Theory, Vol.41, No. 3, 1995, pp. 613-627.

60. Donoho D.L. "Nonlinear solution of linear inverse problems by wavelet-vaguelette decomposition" // J. of Appl. and Comput. Harronic Analysis. -1995,-2(2).-pp.101-127.

61. Donoho D.L. "Unconditional bases and bit-level compression" // J. of Appl. and Comput. Haironic Analysis. 1996. - 3. - pp.388-392.

62. Donoho D.L. "Wedgelets: nearly-minimax estimation of edges" // Tech. Report. Statist. Depart., Stanford University, 1997.

63. Donoho D., Johnstone I. "Ideal De-noising in an Orthonormal Basis chosen from a Library of Bases" // C.R. Acad. Sci. Paris, Série I, 1994. - 319. - pp. 1317-1322.

64. Donoho D.L. and Johnston I.M. "Ideal spatial adaptation via wavelet shrinkage" // Biometrika. 1994. - Vol. 81. - pp. 425-455.

65. Donoho D. and Johnstone I. "Adapting to unknown smoothness via wavelet shrinkage" // J. American Statist. Assoc. 1995. - 90. - pp. 1200-1224.

66. Donoho D. and Johnstone I. "Minimax estimation via wavelet shrinkage" // Annals of Statistics, 1998.

67. Stein C. "Estimation of the mean of a multivariate normal distribution" //Ann. Statistics. 1981.-No. 9.-pp.1135-1151.

68. Mallat S. "A theory for multiresolution signal decomposition: the wavelet representation" // IEEE Trans. Patt. Anal, and Mach. Intell. 1989. - 11(7). -pp.674-693.

69. Mallat S. "An efficient image representation for multiscale analysis" // In Proc. of Machine Vision Confennce, Lake Taho, February 1987.

70. Chang S.G., Yu В., Vetterli M. "Adaptive wavelet thresholding for image denoising and compression" // IEEE Trans, on Image Processing, 2000. Vol. 9, No. 9. - pp.1532-1546.

71. Алексеев, K.A. Вейвлет-ряды в задаче оценивания собственных частот датчиков // Датчики и системы. 2001. - №12. - С. 2 - 5.

72. Марчук, В.И., Воронин, В.В., Шерстобитов, А.И. Исследование методов обработки изображений при ограниченном объеме априорных данных // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. -Москва, 2007. С.354-357.

73. Chang S. G., Yu B. and Vetterli M. "Spatially adaptive wavelet thresholding with context modeling for image denoising" // IEEE Transactions on Image Processing, 2000. Vol. 9, no. 9. - pp. 1522-1531.

74. Fletcher A.K., Ramchandran K., and Goyal V.K. "Recursive Wavelet Denoising" // Digital Images and Acoustics, 2002.

75. Fletcher A.K., Ramchandran K., and Goyal V.K. "Wavelet denoising by recursive cycle spinning" // Proc. IEEE Int. Conf. Image Proc. Rochester, NY, 2002.

76. Miller E. and Willsky A.S. "A multiscale approach to sensor fusion and the solution of linear inverse problems" // J. of Appl. and Comput. Harmonic Analysis. 1995. - 2(2). - pp. 127-147.

77. Mintzer F. "Filters for distortion-free two-band multirate filter banks" //IEEE Intnl. Conf. on Acoust., Speech, and Signal Proc. 1985. - 33(3). - pp.626630.

78. Rissanen J. "MDL Denoising" //IEEE Trans, on Info. Theory. 2000. - Vol.46, No.7.

79. Sachs R. von and Schneider K. "Wavelet smoothing of evolutionary spectra by nonlinear thresholding" //J. of Appl. and Comput. Harronic Analysis. 1996. -3(3). -pp.268-282.

80. Saito N. and Beylkin G. Multiresolution representation using the autocorrelation functions of compactly supported wavelets. //IEEE Trans, on Signal Proc. 1993. - 41(12). - pp.3584 - 3590.

81. Solbo S., Eltoff T. "Г-WMAP: A Statistical Speckle Filter Operating in Wavelet Domain," //Int. J. Remote Sens. 2004. - Vol. 25, No. 5. - pp. 10191036.

82. Алпатов, Б.А. Методы и алгоритмы обработки изображений в системах управления // Учеб. пособие. Рязань: РГРТУ, 1999. 64 с.

83. Berger J., Coifman R., and Goldberg M. "Removing Noise from Music using Local Trigonometric bases and Wavelet Packets" //J. Audio Eng. Sci., 1994. -42(10).-pp. 808-818.

84. Argenti F., Bianchi Т., Alparone L. "Multiresolution MAP Despeckling of SAR Images Based on Locally Adaptive Generalized Gaussian pdf Modeling," //IEEE Trans, on Image Processing, 2006. Vol.15, No.l 1. - pp. 3385-3399.

85. Mallat S., Zhang Z., and Papanicolaou A. "Adaptive covariance estimation of locally stationary processes" // Annals of Stat. 1998. - 26(1). - pp. 1-47.

86. Компенсация дрейфа коэффициентов передачи фотоэлементов тепловизионных матриц / Бехтин Ю.С., Баранцев А.А., Соляков В.Н. и др. // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций.: Тез. докл. МНТК. Рязань, 2004. - 2 с.

87. Методы и алгоритмы цифровой обработки ИК-изображений болометра без калибровки по геометрическому шуму / Бехтин Ю.С., Баранцев А.А., Соляков В.Н. и др. // Тез. докл. МНТК по фотоэлектронике и приборам ночного видения. Москва, 2006.

88. Mallat S. and Zhang Z. "Matching pursuits with time-frequency dictionaries" // IEEE Transactions on Signal Processing. 1993. - 41(12). -pp.3397-3415.

89. Бехтин Ю.С. Теоретические основы вейвлет-кодирования зашумленных сигналов / Монография, изд-во РГРТУ, Рязань, 2009. 124 с.

90. Бехтин, Ю.С. Обработка зашумленных изображений на основе вейвлет-преобразований. // Вестник РГРТУ. 2006. - № 18. - С.141-144.

91. Бехтин, Ю.С., Баранцев, А.А. Улучшение качества изображений многоэлементных фотоприемных устройств // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. Москва, 2004. - 3 с.

92. Бехтин, Ю.С., Баранцев, А.А. Компенсация разброса вольтовой чувствительности элементов смотрящих матриц оптико-электронных приборов при кадровой обработке видеоданных // Тез. докл. МНТК «Распознавание 2005». Курск, 2005. - 2 с.

93. Image Fusion: Algorithms and Applications / Ed. Tania Stathaki. Academic Press, 2008.

94. Rockinger, O. and Fechner, T. Pixel-level image fusion: The case of image sequences. SPIE Proceeding, vol.3374, 1998. pp.378-388.

95. Базовый модуль аналогового ввода/вывода AMBPCI. Руководство пользователя // Сост. Соколов A.M. М.: АО «Инструментальные системы», 2000.

96. Драйвер субмодуля аналогового ввода ADM214x1 ОМ. Руководство пользователя. М.: АО «Инструментальные системы», 2000.

97. Интерфейс ADM. Классическая реализация. Руководство пользователя // Сост. Соколов A.M. М.: АО «Инструментальные системы», 2001.

98. Бехтин, Ю.С., Баранцев, A.A. Отчет по НИР "Аппаратно-программный комплекс обработки сигналов фотоэлектронных модулей" / РГРТА. Руководитель НИР Ю.С. Бехтин. НИР № 30-03. Рязань, 2003. 25 с.

99. Бехтин, Ю.С., Баранцев, A.A., Мызин, М.В. Сопряжение многоэлементных фотоприемных устройств с персональным компьютером на базе аналого-цифровых модулей ввода-вывода. // Известия ТРТУ, Тематический выпуск. 2006. - № 5 (60).

100. Построение аппаратно-программных комплексов цифровой обработки изображений фотоэлектронных модулей / Бехтин Ю.С., Баранцев A.A., Соляков В.Н. и др. // Тез. докл. МНТК по фотоэлектронике и приборам ночного видения. Москва, 2004. - 1 с.

101. Аппаратно-программный комплекс цифровой обработки сигналов многорядных матричных фотоприемных устройств. / Бехтин Ю.С., Баранцев A.A., Соляков В.Н. и др. // Прикладная физика. 2007. - № 3. -С.77-82. (Статья поступила в редакцию 13 октября 2004 г.)

102. Бехтин, Ю.С., Рычков, А.Н. Программный комплекс обработки зашумленных изображений на основе вейвлет-преобразований // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. -Москва, 2003.

103. Алгоритмы цифровой обработки ИК-изображений без калибровки по геометрическому шуму. / Бехтин Ю.С., Баранцев A.A., Брянцев A.A. и др. // Прикладная физика. 2008. - № 1. - С.110-113. (Статья поступила в редакцию 11 октября 2006 г.)

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.