РСПЗ Суконкин Илья Николаевич 222

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ РОССИЙСКОЙ ФЕДЕРАЦИИ
Государственное образовательное учреждение высшего профессионального
образования
МОСКОВСКИЙ ИНЖЕНЕРНО-ФИЗИЧЕСКИЙ ИНСТИТУТ
(ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ)
Факультет Кибернетики
Кафедра № 22
РАСШИРЕННОЕ СОДЕРЖАНИЕ
ПОЯСНИТЕЛЬНОЙ ЗАПИСКИ
к дипломной работе на тему:
РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ И ПРОГРАМНОЙ
СИСТЕМЫ ДЛЯ НОВОГО МЕТОДА АНАЛИЗА ИЗОБРАЖЕНИЙ,
ОСНОВАННОГО НА АДАПТИВНОЙ СЕГМЕНТНОЙ МОДЕЛИ
Группа K10-222
Студент _______________________________ (Суконкин Илья Николаевич)
(подпись)
(фио)
Руководитель __________________________ (Мишулина Ольга Александровна)
(подпись)
(фио)
Консультант-рецензент ___________________ (_________________________)
(подпись)
(фио)
Секретарь ГЭК / рецензент _________________(_________________________)
(подпись)
(фио)
Москва 2009
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ РОССИЙСКОЙ ФЕДЕРАЦИИ
Государственное образовательное учреждение высшего профессионального
образования
МОСКОВСКИЙ ИНЖЕНЕРНО-ФИЗИЧЕСКИЙ ИНСТИТУТ
(ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ)
ФАКУЛЬТЕТ КИБЕРНЕТИКИ
КАФЕДРА КИБЕРНЕТИКИ
«Утверждаю»
Заведующий кафедрой 22
____________Синицын С.В.
ЗАДАНИЕ НА ДИПЛОМНУЮ
РАБОТУ
Тема работы
РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ И ПРОГРАМНОЙ
СИСТЕМЫ ДЛЯ НОВОГО МЕТОДА АНАЛИЗА ИЗОБРАЖЕНИЙ,
ОСНОВАННОГО НА АДАПТИВНОЙ СЕГМЕНТНОЙ МОДЕЛИ
Студент-дипломник Суконкин Илья Николаевич
(Подпись)
Группа студента
К10-222
Руководитель дипломной работы
Мишулина Ольга Александровна
(Подпись)
Место работы
Каф. 22 МИФИ
Занимаемая должность
доцент
Консультант-рецензент работы
(Подпись)
Место работы
Каф. 22 МИФИ
Занимаемая должность
За время дипломного проектирования студент должен качественно и в срок в рамках заданной темы
провести анализ отечественных и зарубежных разработок и публикаций; выбрать, обосновать и/или
разработать необходимые методы и технологии проектирования; разработать необходимые модели и
алгоритмы решения задач по теме работы; провести проектирование и реализацию необходимого
информационного, программного и методического обеспечения; провести исследование выполненной
реализации; оформить результаты работы в виде пояснительной записки, графического и
демонстрационного материала.
Срок предоставления полностью готовой работы – до 25 июня 2009 г.
1. Аналитическая часть
Изучить литературу по известным математическим моделям представления изображения.
Систематизировать классы задач, решаемых в рамках проблемы анализа изображений. Исследовать
модификации методов анализа изображений, адаптированные для решения определенных классов задач с
использованием различных моделей представления изображений. Определить классы задач, на решение
которых ориентированы конкретные модели. Обосновать целесообразность разработки нового подхода к
решению задач разных классов. Изучить литературу по теории преобразований Хафа для оптимального
построения представления изображения на базе сегментной модели.
2. Теоретическая часть

Разработать алгоритм формирования адаптивного представления изображения, определяемого
сегментной моделью.

Построить логическую модель хранения сегментного представления изображения.

В качестве примера применения адаптивной сегментной модели для анализа изображений разработать
алгоритм сжатия изображения, сохраняющего информативные структурные элементы для обеспечения
заданного уровня точности.

Разработать алгоритм кодирования сегментного представления, обеспечивающий его сжатие.
3. Технологическая часть
3.1. Технологии проектирования и реализации
Выбрать способ декомпозиции системы на отдельные функциональные единицы, для обеспечения
возможности их раздельной разработки. Определить цикл разработки программной системы сегментного
анализа изображений. Определить состав проектной документации разрабатываемой системы, выбрать
способ документирования программного кода. Выбрать технологию взаимодействия с подключаемыми,
расширяющими функциональные возможности модулями системы.
3.2. Инструментальные средства проектирования и реализации
Выбрать язык реализации, компилятор, позволяющий проводить низкоуровневую оптимизацию алгоритмов
обработки матричных вычислений. Выбрать ряд библиотек, обеспечивающих интерфейс для работы с
графическими процессорами. Выбрать систему автоматической генерации документации. Выбрать систему
разработки графического интерфейса пользователя.
4. Практическая часть
Разработать ядро системы анализа и обработки изображений на основе их адаптивного сегментного
представления. В ядро системы должны быть включены реализации алгоритмов конструирования
адаптивного сегментного представления изображения, его обработки и анализа. Определить программные
интерфейсы между ядром системы и подключаемыми модулями, расширяющими её функциональность.
Разработать подключаемый модуль сжатия изображения на базе его адаптивного сегментного
представления. Создать техническую документацию системы и документацию исходных кодов. Создать
и/или подобрать шаблонные изображения для проведения экспериментальных исследований с
разработанными алгоритмами.
5. Апробация результатов
Провести экспериментальные исследования разработанного алгоритма сжатия изображений на основе
адаптивного сегментного представления с использованием полученных шаблонных изображений. Оценить
рациональность применения сегментной модели для решения данной задачи.
Подготовить и подать заявку на участие в тематической конференции. Подготовить статью, посвященную
адаптивной сегментной модели изображения и области её эффективного практического использования.
Дата выдачи задания «____»________________2009 г.
Введение
Изображения, зрительные образы – с ними человек имеет дело на протяжении всей жизни,
они составляют неотъемлемую часть воспринимаемого мира. Оперируя зрительными
образами, человек узнает знакомых, выбирает покупки в магазине и т.д. Эти бытовые
примеры демонстрируют роль визуальной информации в нашей жизни. Во всех
описанных ситуациях мы имеем дело с качественным анализом изображений. Такой же
качественный анализ используется и для решения серьезных практических
задач,
например при изучении отпечатков пальцев, их сравнении с имеющимися в базе данных с
целью идентификации, или при исследовании характера излома детали для установления
причины разрушения и так далее. Визуальная информация в этих случая позволяет прийти
к определенным выводам и заключениям.
Однако, в ряде случаев простого качественного анализа изображений недостаточно, и
необходимым является получение количественной информации. Такая информация
нужна,
например,
при
оценке
соответствия
структуры
стали,
выплавляемой
металлургическим предприятием, требованиям стандартов, при изучении патологических
изменений клеток в диагностических целях, а также во многих других ситуациях. В
подобных случаях кроме простого визуального наблюдения и сравнения обязательными
становятся
операции
подсчета,
измерения,
статистического
анализа
полученной
информации. Здесь уже не возможно обойтись без привлечения дополнительных
вычислительных мощностей, а именно, использование компьютерных систем анализа
изображений. Ввиду дискретности вычислительной техники, ограниченности ресурсов
памяти и процессора, эти системы анализа работают с некоторыми приближенными к
оригиналу представлениями изображений. В зависимости от поставленных перед
системой задач представления изображений могут базироваться на разных моделях:
растровая модель, контурная модель, спектральная модель и т.д.
В настоящей работе предлагается использование новой модели изображения – адаптивной
сегментной. Ключевым понятием для этой модели является понятие сегмента, как отрезка
условно постоянной яркости, массив которых неравномерно покрывают площадь
изображения и несут всю необходимую для анализа изображения информацию. В
зависимости от требуемой точности и быстродействия алгоритмов анализа сегментная
модель позволяет генерировать сегментные представления с разной детализацией.
Принятые сокращения
В тексте РСПЗ используются следующие сокращения:

ИХ – информационное хранилище

СП – сегментное представление

МРФ – модуль расширения функциональности
1. Модели представления изображений
В разделе приводится описание различных моделей представления изображения,
алгоритмов, предназначенных для работы с ними. Производится сравнение моделей по
областям применения.
1.1. Обзор существующих моделей представления изображений
Рассматриваются различные модели изображений, плюсы и минусы, назначения.
1.2. Анализ и обработка изображений
В подразделе рассматриваются вопросы анализа и обработки изображений.
1.2.1. Классы изображений
Приводится принятое деление множества изображений на различные классы.
1.2.2. Классы решаемых задач
Приводится набор классов задач решаемых в рамках вопроса анализа
изображений.
1.2.3. Классические методы анализа
Описываются традиционные методы, применяемые для решения задач обработки
и анализа изображений
1.2.4. Особенности методов при использовании различных моделей
Детализируются особенности методов обработки изображений возникающие при
использовании различных моделей представления изображений.
1.3. Обоснование целесообразности разработки нового подхода
Определяется круг задач, для решений которых возможно и целесообразно
производить поиск новых подходов.
1.4. Преобразование Хафа
В подразделе описываются особенности преобразования Хафа для получения прямых
аппроксимирующих линий по множеству точек.
1.5. Ассоциативная память на базе нейронной сети Хопфилда
Приводится описание нейронной сети Хопфилда применительно к кодированию
битовых масок изображений.
1.6. Постановка задачи дипломной работы
 Изучить литературу по известным математическим моделям представления
изображения.
 Систематизировать классы задач, решаемых в рамках проблемы анализа
изображений.
 Обосновать целесообразность разработки нового подхода к решению задач разных
классов.
 Разработать алгоритм формирования адаптивного представления изображения,
определяемого сегментной моделью.
 Построить логическую модель хранения сегментного представления изображения.
 В качестве примера применения адаптивной сегментной модели для анализа
изображений
разработать
алгоритм
сжатия
изображения,
сохраняющего
информативные структурные элементы для обеспечения заданного уровня
точности.
 Разработать алгоритм кодирования сегментного представления, обеспечивающий
его сжатие.
 Выбрать способ декомпозиции системы на отдельные функциональные единицы с
возможностью «горячего» подключения модулей расширения функциональности
 Определить состав проектной и эксплутационной документации.
 Выбрать инструментальные средства разработки.
 Разработать ядро программной системы анализа и обработки изображений на
основе их адаптивного сегментного представления.
 Определить программные интерфейсы между ядром системы и подключаемыми
модулями.
 Разработать подключаемый модуль сжатия изображения на базе его адаптивного
сегментного представления.
 Создать
и/или
подобрать
шаблонные
изображения
для
проведения
экспериментальных исследований с разработанными алгоритмами.
 Провести экспериментальные исследования разработанного алгоритма сжатия
изображений на основе адаптивного сегментного представления с использованием
полученных шаблонных изображений.
2. Адаптивная сегментная модель изображения
2.1. Сегментная модель изображения
2.1.1. Основные понятия
Приводятся основные понятия используемые в рамках обсуждения задачи
сегментного анализа изображения.
2.1.2. Способы построения секущих
Описаны различные способы построения секущих и проведен их сравнительный
анализ.
2.1.3. Данные сегментного представления
Определяется полный набор данных, характеризующих сегментное представление
изображения. Приводятся возможные минимальные наборы.
2.1.4. Алгоритмы выделения сегментов
Рассматриваются несколько алгоритмов анализа функции яркости вдоль секущей
линии и выделения на ней фрагментов на которых функция яркости принимает
заданный вид.
2.1.5. Настраиваемые параметры алгоритма генерации сегментного представления
Приводятся все возможные настраиваемые параметры алгоритма генерации
сегментного представления. Описывается их влияние на качество (детализацию)
сегментного представления.
2.2. Адаптивная сегментная модель изображения
2.2.1. Задача построения адаптивной сегментной модели изображения
Ставится задача получения адаптивного сегментного представления на базе
классического.
2.2.2. Преобразование Хафа. Поиск эффективных секущих
Описывается модификация преобразования Хафа и способ её применения для
решения задачи построения эффективных секущих по простому сегментному
представлению.
2.2.3. Алгоритм сравнения информативности сегментный представлений
Рассматривается алгоритм сравнения различных сегментных представлений по
нескольким критериям (представление границ, представление площадей и т.д.)
2.3. Восстановление изображения из сегментного представления
2.3.1. Алгоритм “растекающейся краски”
Приводится описание разработанного алгоритма заполнения «пустот»
сегментного представления, основанного на модели процесса растекания краски.
2.3.2. Алгоритм “обратной растекающейся краски”
Приводится описание разработанного алгоритма заполнения «пустот»
сегментного представления, основанного на инвертированной модели процесса
растекания краски.
2.3.3. Алгоритм “взвешенного среднего”
Детально рассматривается разработанный алгоритм заполнения «пустот»
сегментного представления, основанный на методике расчета взвешенного
среднего.
2.3.4. Алгоритм корректировки заливки изображения при помощи битовой маски
Описывается алгоритм корректировки восстановленного изображения с
использованием битовой маски, скорректированной при помощи нейронной сети
Хопфилда.
2.3.5. Алгоритм “сегментной заливки”
Приводится описание разработанного алгоритма заполнения «пустот»
сегментного представления, основанного на модели сегментной заливки.
2.3.6. Модификации алгоритмов с учетом информативности
областей изображения
Указывается информация, которая может быть использована для повышения
качества работы выше описанных алгоритмов. Рассматриваются модификации
этих алгоритмов.
2.3.7. Алгоритм оценки качества восстановленного изображения
Рассматривается предложенный алгоритм оценки качества восстановленного из
сегментного представления изображения для сравнения различных процедур
восстановления и постобработки.
2.4. Сжатие изображений при помощи адаптивной сегментной модели
2.4.1. Процедура сжатия изображения
Детализируется набор данных сегментного представления подлежащий
кодированию. Приводится метод применения кодирования по Хаффману для
получения оптимально упакованного сегментного представления.
2.4.2. Распаковка изображений из сегментного представления
Описывается процедура последовательной отрисовки сегментов на поле
изображения. Рассматривается дополнительная статистическая
информация, которая может быть сохранена и использована при
восстановлении изображения.
2.5. Статистические характеристики изображения
2.5.1.Алгоритм сбора статистических показателей изображения по сегментному
представлению
Определяется алгоритм оценки распределения статистических показателей в
поле изображения с помощью его сегментного представления
2.5.2. Оценка точности полученных статистик
Производится
сравнение
точности
статистических
изображения, полученных традиционным путем
характеристик
и на базе
сегментного
представления.
2.6. Сложность вычислений
В подразделе проводится анализ сложности алгоритмов сегментного анализа и
сравнение со сложностью классических алгоритмов.
3. Система анализа и обработки изображений
3.1. Архитектура системы
В подразделе описывается модульная структура системы, состоящая из модуля-ядра
и модулей расширения функциональности (МРФ).
3.2. Ядро системы
Приводится подробное описание модуля-ядра
3.2.1. Функциональность ядра
Рассматриваются функциональные возможности ядра системы
3.2.2. Средства работы ядра с информационным хранилищем (ИХ)
Описываются средства и режимы работы ядра системы с информационным
хранилищем.
3.2.3. Логика работы ядра системы
Приводятся описание основных алгоритмов работы ядра системы, связанные с
созданием и обработкой сегментного представления изображения.
3.2.4. Порядок загрузки ядром МРФ
Описывается способ и порядок загрузки модулей расширения функциональности
ядром системы при её запуске.
3.3. Модули расширения функциональности
В подразделе рассматриваются конкретные реализованные модули системы,
приводится их назначение, описание и особенности реализации.
3.3.1. Модуль статистического анализа сегментного представления
Приводится описание работы алгоритмов статистического анализа сегментного
представления. Описываются особенности реализации модуля. Определяются
схемы взаимодействия модуля с ядром системы. Отображается реализуемый
модулем графический интерфейс пользователя.
3.3.2. Модуль фильтрации изображений
Приводится описание работы алгоритмов фильтрации изображений, таких как
линейная фильтрация, медианный фильтр и т.д. Описываются особенности
реализации модуля. Определяются схемы взаимодействия модуля с ядром
системы.
Отображается
реализуемый
модулем
графический
интерфейс
пользователя.
3.3.3. Модуль анализа Фурье спектра изображения
Приводится описание работы модуля анализа Фурье спектра изображения и его
корректировки (удаление шумов и т.д.). Описываются особенности реализации
модуля. Определяются схемы взаимодействия модуля с ядром системы.
Отображается реализуемый модулем графический интерфейс пользователя.
3.3.4. Модуль «Сегментная заливка»
Приводится описание работы модуля, реализующего методику «сегментной
заливки» для заполнения пустот на изображении после его восстановления из
сегментного представления. Описываются особенности реализации модуля.
Определяются схемы взаимодействия модуля с ядром системы. Отображается
реализуемый модулем графический интерфейс пользователя.
3.3.5. Модуль «Заливка прослеживанием контуров»
Рассматривается порядок работы модуля, реализующего методику заливки при
помощи прослеживания контуров на изображении для заполнения пустот на
изображении
после
Описываются
его
восстановления
особенности
из
реализации
сегментного
модуля.
представления.
Определяются
схемы
взаимодействия модуля с ядром системы. Отображается реализуемый модулем
графический интерфейс пользователя.
3.3.6. Модуль «Заливка средним взвешенным»
Рассматривается порядок работы модуля, реализующего способ заполнения
пустот
по
методу
взвешенного
среднего
на
изображении
после
его
восстановления из сегментного представления. Описываются особенности
реализации модуля. Определяются схемы взаимодействия модуля с ядром
системы.
Отображается
реализуемый
модулем
графический
интерфейс
пользователя.
3.3.7. Модуль корректировки заливки
Описывается
модуль,
позволяющий
при
использовании
дополнительной
информации из исходного изображения и нейронной сети Хопфилда произвести
корректировку
восстановленного
изображения,
с
целью
повышения
его
достоверности.
3.3.8. Модуль «Заливка по методу растекающейся краски»
Приводится описание работы модуля, реализующего методику заливки по методу
«растекающейся краски» для заполнения пустот на изображении после его
восстановления из сегментного представления. Описываются особенности
реализации модуля. Определяются схемы взаимодействия модуля с ядром
системы.
Отображается
реализуемый
модулем
графический
интерфейс
пользователя.
3.3.9. Модуль архивации/распаковки сегментного представления
Рассматривается модуль, позволяющий архивировать сегментное представление
изображения при помощи его оптимизации и кодирования по Хаффману.
Приводится описание алгоритмов распаковки сегментного представления и
восстановления изображения.
3.3.10. Модуль оценки качества восстановленного изображения
Описывается
модуль
позволяющий
сравнить
качество
изображений,
восстановленных при помощи различных алгоритмов.
3.4. Программные интерфейсы МРФ
В подразделе описываются программные интерфейсы, посредством которых модули
должны взаимодействовать с ядром системы.
3.5. Графический интерфейс пользователя ядра системы
Приводится описание и схема графического интерфейса пользователя, который
позволяет запустить процедуры ядра системы.
3.5.1. Обеспечение работы с несколькими документами
Описывается схема работы мультидокументной составляющей интерфейса.
3.5.2. Функциональное назначение элементов интерфейса
Рассматриваются функциональные назначения различных элементов интерфейса,
приводится их влияние на работу алгоритмов ядра.
3.6. Информационное хранилище
В подразделе рассматривается информационное хранилище, используемое для
хранения сегментных представлений изображений.
3.6.1. Назначение информационного хранилища
Приводится
описание
назначения
информационного
хранилища
в
рамках
разрабатываемой системы.
3.6.2. Структура хранилища
Приводится структура информационного хранилища с указанием типов данных и
взаимосвязей между элементами ИХ.
3.7. Используемые инструментальные средства разработки
Приводится список используемых средств разработки.
3.7.1. Среда разработки
3.7.2. Язык программирования / компилятор
3.7.3. Средства отладки
3.7.4. Средства просмотра и редактирования ИХ
3.7.5. Средства документирования исходного кода
3.7.6. Средство контроля версий исходного кода
3.7.7. Используемые дополнительные библиотеки
3.7.8. Используемые лицензии
3.8. Стили оформления материалов разрабатываемого программного средства
Приводится описание норм и стандартов оформления, принятых при разработке
настоящей системы
3.8.1. Стиль оформления исходного кода
3.8.2. Стиль комментирования исходного кода
3.8.3. Стиль оформления экспортируемых заголовков МРФ
Приводится структура заголовочных файлов и объявления обязательных
экспортируемых функций МРФ.
3.9. Документальное обеспечение разработки
В подразделе описывается состав проектной и эксплуатационной документации,
которой сопровождается система.
3.9.1. Документирование исходных кодов системы
3.9.2. Состав проектной документации
3.9.3. Состав эксплуатационной документации
4. Экспериментальные исследования
4.1. Набор тестовых изображений
Описывается набор изображений разных классов подобранных для проведения
экспериментальной оценки работы разработанных алгоритмов.
4.2. Проверка точности статистических показателей сегментного представления
Приводятся
реальные
показатели
точности
статистических
показателей,
полученных из сегментного представления изображения и их сравнение с
соответствующими показателями, полученными классическим путем.
4.3. Апробация алгоритма сжатия
В подразделе приведены реальные показатели степени сжатия и быстродействия для
алгоритма сжатия основанного на сегментной модели изображения.
4.3.1. Фактические показатели сжатия
4.3.2. Фактические показатели быстродействия
4.4. Сравнение
качества
восстановленных
при
помощи
разных
алгоритмов
изображений посредством разработанного модуля системы.
Производится сравнение качества изображений, полученных при помощи разных
алгоритмов заполнения пустот изображения.
Заключение
В рамках дипломного проекта проведен комплекс работ по исследованию задачи анализа
и обработки изображения и предложены новые алгоритмические подходы к её решению.
Были
проанализированы
различные
модели
представления
изображений.
Рассмотрены классы изображений, на представление которых ориентированы те или иные
модели. Исследованы алгоритмы обработки и анализа изображений применяемые вместе с
этими моделями. Произведен анализ особенностей преобразования Хафа в свете задачи
построения адаптивной сегментной модели изображения. На основании проведенной
аналитической работы сделаны выводы о целесообразности разработки новых алгоритмов
анализа изображений при помощи адаптивной сегментной модели.
В работе разработана методика построения адаптивной сегментной модели
изображения. Предложены новые алгоритмы анализа и обработки изображений,
основанные на сегментной модели, проведена теоретическая оценка точности и
сложности этих алгоритмов. Разработан алгоритм архивации и распаковки сегментных
представлений, а равно и самих изображений. Разработаны алгоритмы заполнения пустот
изображения, возникающих после его восстановления из сегментного представления.
Создан алгоритм оценки качества восстановленного изображения.
Спроектирована
и
разработана
система
сегментного
анализа
изображений.
Определены технологические аспекты разработки. Определена структура системы с
возможностью
подключения
модулей
расширения
функциональности.
Выбраны
необходимые инструментальные средства, определены создаваемые эксплуатационные и
проектные документальные материалы.
Проведены испытания созданных алгоритмов на подготовленной базе тестовых
изображений. Осуществлено сравнение показателей их точности и быстродействия с
аналогичными показателями классических алгоритмов.
Литература
1. Куликов А.И. Сжатие растровых изображений нейронными сетями Цао Ена /А.И.
Куликов, Н.В. Михальченко – Новосибирск: International Conference Graphicon, 2006.
2. Программирование №4, 1992, стр. 4-16
3. Горбань А.Н. Обучение нейронных сетей /А.Н. Горбань М:.- СП ПараГраф, 1990.
4. Atkins C. B. Optimal image scaling using pixel classification /C. B. Atkins, C. A. Bouman, and
J. P. Allebach - In IEEE International Conference on Image Processing, volume 3, pages 864867, September 2001.
5. Staelin C. Neural Network Image Scaling Using Spatial Errors / C.Staelin Carl, G.Darryl,
F.Mani, M.Ron - Technical Report HPL-2003-26R1 20031110
6. Горбань А.Н. Нейроинформатика /А.Н. Горбань, В.Л. Дунин-Барковский, А.Н. Кирдин и
др. - Новосибирск: Наука. Сибирское отделение, 1998. 296 с.
7. Сбродов В.В. Цифровой коррелятор /В.В. Сбродов, В.П.Свиридов, С.А.Шанин,
Ю.В.Мамаев. Опубл. В Б.И. 1983, №36.
8. William H. Numerical Recipes In C: The art of scientific computing /William H. Press, Saul A.
Teukolsky, William T. Vetterling, Brian P. Flannery - Cambridge University Press, 1992,
pp.504-509, ISBN 0-521-43108-5
9. Toft P.A. The Radon Transform: Theory and Implementation /P.A.Toft - Technical University of
Denmark,1996
10. Брэйсуэлл Р. Преобразование Хартли. Теория и приложения /Р.Брэйсуэлл – М.: "Мир",
1990, ISBN 5-03-001632-5
11. Форсайт Дэвид, Понс Жан, “Компьютерное зрение. Современный подход”, Издательский
Дом "Вильямс", 2004,ISBN 0-13-085198-1
12. Princen J.P. A Formal Definition of the Hough Transform: Properties and Relationships /Princen
J.P., Illingworth, J. and Kittler, J.V. - Journal of Mathematical Imaging and Vision, 1992, vol.1,
num.1, pp.153-168
13. Cheyne Gaw Ho. A Fast Hough Transform for the Parametrisation of Straight Lines using
Fourier Methods /Cheyne Gaw Ho, Rupert C. D. Young, Chris D. Bradfield, Chris R. Chatwin Real-Time Imaging, 2000, vol.6, num.2, pp.113-127
14. Волегов, Д.Б. Обнаружение прямых линий на изображениях на основе преобразования
Хартли. Быстрое преобразование Хафа /Д.Б. Волегов, В.В. Гусев, Д.В. Юрин –
Новосибирск: International Conference Graphicon 2006
Приложения
Приложение А. Набор тестовых изображений
Приводится
набор
подобранных/созданных
изображений,
необходимых
для
экспериментальной проверки разработанных алгоритмов.
Приложение Б. Исходные коды системы
Приводятся исходные коды разработанной системы.
Приложение В. Обработанные тестовые примеры
В приложении представлены результаты экспериментов, проведенных при помощи
разработанной системы.
Приложение Г. Документальное обеспечение проекта.
В приложение включена проектная и эксплуатационная документация системы.