Методы эффективной декомпозиции вычислительных процедур линейной локальной фильтрации изображений

Определение 11. Частной задачей построения эффективного ЛЛП называется следующая задача: для заданных параметров и производящего функционала построить ЛЛП , в котором:- последовательность отсчетов КИХ является НМС-последовательностью семейства с минимальным значением производящего функционала:

.

- алгоритм является алгоритмом модели CR, порождаемым НМС-последовательностью отсчетов КИХ .

В данном определении под производящим функционалом понимается функция, которая для каждого M-мерного вектора над K указывает числовую величину - степень «пригодности»: вектор считается «лучше», если значение функционала на нем меньше. Доказывается следующее предложение.

Предложение 2. Пусть - взаимнооднозначный производящий функционал. Если решение частной задачи синтеза эффективного ЛЛП существует, то: - оно единственно, и - является строго эффективным алгоритмом над .

В дополнении к сформулированной частной задаче построения эффективного ЛЛП в работе предложены следующие методы построения эффективных ЛЛП:

Методы построения отдельного эффективного ЛЛП

прямой метод построения НМС-последовательности;

метод построения НМС-последовательности, согласованной с заданным производящим функционалом (путем решения частной задачи).

Методы построения множества эффективных ЛЛП

прямой метод построения -семейства НМС-последовательностей;

метод отбора множества НМС-последовательностей, согласованных с заданным обобщенным производящим функционалом.

В диссертации также представлены постановка и решение задачи построения набора эффективных ЛЛП. Общая задача построения набора из R эффективных ЛЛП заключается в конструировании отображения . Этот процесс в целом аналогичен рассмотренному, обобщенному на случай решения задачи множественной корреляции . Он приводит к введению понятия НМС-набора последовательностей, который для задачи множественной корреляции имеет тот же смысл, что и НМС-последовательность для задачи (1).

В тексте диссертации приводятся примеры различных НМС-последовательностей, НМС-наборов последовательностей, семейств этих последовательностей и наборов. Некоторые примеры для случая 1D приведены на рисунке 3.

В третьем разделе подробно рассмотрены удобные для практического использования и апробированные автором в реальных задачах НМС-наборы последовательностей и порождаемые ими эффективные алгоритмы вычисления наборов ЛЛП:

- НМС-набор последовательностей в виде полиномов четных степеней (1D и 2D),

- НМС-набор последовательностей в виде полиномов нечетных степеней (1D и 2D),

- НМС-набор последовательностей бинарных (одномерных) шаблонов.

В четвертом разделе диссертации рассматривается применение эффективных алгоритмов ЛЛФ для решения задач обработки изображений и компьютерного зрения. Условно этот раздел можно разделить на две части.

В первой части раздела рассматриваются вопросы построения методов и алгоритмов обнаружения, локализации и распознавания, использующих эффективные алгоритмы. В частности, предлагается модификация известного алгоритма Петерсона-Маттсона настройки линейного классификатора, которая позволяет находить параметры линейной дискриминантной функции при совпадающих средних в классах, в случае использования критерия Неймана-Пирсона и др.

Предлагается процедура расчета параметров линейной дискриминантной функции, используемой в процедуре совместного обнаружения и локализации (СОЛ) объектов на изображении. Процедура строится в предположении независимости отсчетов изображения дискриминантной функции в окне локализации. Показано, что в случае, когда можно допустить нормальность распределения дискриминантной функции, ее параметры также могут быть получены с использованием известного алгоритма Петерсона-Маттсона и его модификации, указанной выше.

В качестве удобного и в значительной степени универсального способа построения вычислительных процедур локальной нелинейной обработки и анализа изображений, использующих предложенные в диссертации эффективные алгоритмы ЛЛФ, в работе рассматривается класс двухэтапных процедур обработки.

фильтрация изображение алгоритм сигнал

Предлагается метод, позволяющий решить задачу настройки таких двухэтапных процедур для ряда типовых задач. Приводится общее формальное описание предлагаемого метода, названного методом согласованной оптимизации двухэтапных процедур обработки, а также указаны его ограничения. Предлагается базовая итерационная процедура (БИП) метода согласованной оптимизации, приводится доказательство сходимости БИП при некоторых гипотезах. Предлагается ряд модификаций БИП, которые можно использовать в ситуациях, когда обозначенные гипотезы не выполняются.

Предлагаемый метод обосновывает принцип построения процедур оптимизации. Этот принцип и БИП необходимо конкретизировать под решаемую задачу обработки. В четвертом разделе выполнена конкретизация метода согласованной оптимизации и БИП для наиболее важных задач обработки и анализа изображений.

Во-первых, метод согласованной оптимизации и БИП конкретизированы для задачи настройки процедуры СОЛ объектов на изображении; приводится сравнение результатов работы процедуры СОЛ после настройки с использованием: метода согласованной оптимизации; процедуры настройки, построенной в предположении независимости отсчетов изображения дискриминантной функции; известных алгоритмов. Показано преимущество предложенного метода согласованной оптимизации.

Во-вторых, метод согласованной оптимизации и БИП конкретизированы для задачи настройки двухэтапной процедуры распознавания локальных объектов на изображениях. Приводятся результаты исследования эффективности использования предложенного метода на примере решения конкретной задачи распознавания локальных объектов, показано его преимущество по сравнению с известными методами настройки. Детальное исследование метода приводится в диссертации в приложении В.

Важным выводом по результатам исследований является то, что при использовании метода согласованной оптимизации удается не просто достигнуть разумного компромисса между сложностью и качеством конструируемой двухэтапной процедуры обработки, но и получить лучшие качественные характеристики при меньшем времени обработки изображения по сравнению с первоначальной (одноуровневой) процедурой.

Во второй части четвертого раздела приведены примеры реальных практических задач обработки изображений и компьютерного зрения, при решении которых были использованы результаты настоящей диссертации. Учитывая ограниченный объем автореферата, ниже приводится только их список:

- выделение контуров и углов на изображении;

- синтез локального нелинейного преобразования изображения «по прецеденту»;

- моделирование видеоинформационого тракта;

- GRID-система обработки данных дистанционного зондирования;

- распознавание дактилоскопических изображений;

- поиск изображений, видео- и аудио- данных в коллекциях;

- поиск личности по фотоизображению лица в БД;

- распознавание номеров автотранспортных средств на видеоизображениях;

- обнаружение транспортных средств на аэрофотоснимках, полученных с низколетящего летательного аппарата.

Решение приведенных задач выполнялось либо под руководством автора диссертации, либо при непосредственном его участии.

В приложениях к основному тексту диссертации приводятся:

- документы, подтверждающие использование результатов диссертации;

- результаты сравнения аналитической вычислительной сложности эффективного алгоритма вычисления локального ДВП и сложности вычисления локального ДВП с использованием известного алгоритма быстрого ортогонального ДВП (С.Малла); cравнение выполнено для вейвлетов в виде базиса Хаара;

- результаты исследования метода согласованной оптимизации двухэтапной процедуры обнаружения и распознавания локальных объектов на изображении;

- основные известные понятия, методы и алгоритмы, используемые в работе.

В диссертационной работе разработаны и исследованы методы эффективной декомпозиции вычислительных процедур линейной локальной фильтрации (ЛЛФ) цифровых сигналов и изображений, направленные на снижение вычислительной сложности таких процедур за счет учета априорных сведений о задаче ЛЛФ.

В диссертационной работе получены следующие основные результаты:

1. Разработана алгебраическая система алгоритмов ЛЛФ сигналов и изображений, включающая отношения и операции с алгоритмами ЛЛФ, а также построение распространения множества алгоритмов ЛЛФ. Введено определение алгоритма, индуцированного априорной информацией о задаче ЛЛФ, как наилучшего алгоритма в распространении.

2. Разработан метод построения индуцированного алгоритма над множеством алгоритмов постоянной сложности ЛЛФ, состоящий из трех операций: построения компетентного алгоритма, приведенного компетентного алгоритма и нахождения параметров индуцированного алгоритма над приведенным компетентным алгоритмом.

3. Дано теоретическое обоснование метода построения индуцированного алгоритма, которое включает в себя ряд доказанных лемм и теорем, которые: - устанавливают факт эффективности и условия строгой эффективности индуцированного алгоритма в общем случае; - устанавливают условия эффективности и строгой эффективности индуцированного алгоритма над конкретными опорными множествами алгоритмов ЛЛФ;- дают обоснование последовательности и состава операций, требуемых для построения эффективного алгоритма над опорным множеством алгоритмов постоянной сложности;- устанавливают условия строгой эффективности индуцированного алгоритма, построенного над единственным приведенным компетентным алгоритмов над множеством алгоритмов постоянной сложности;- устанавливают свойства приведенного компетентного алгоритма над множеством алгоритмов постоянной сложности и операции его распространения.

4. Разработана численная процедура определения параметров индуцированного алгоритма, построенного над приведенным компетентным алгоритмом, которая дает точное решение за конечное время.

5. Разработан метод прямого построения эффективного алгоритма для сплайн-представления конечной импульсной характеристики.

6. Выделен класс конечных последовательностей, которые порождают эффективные алгоритмы ЛЛФ с предельно низкой вычислительной сложностью: НМС-последовательности и НМС-наборы последовательностей.

7. Доказаны положения (предложения, леммы и теоремы), устанавливающие факты существования и единственности НМС-последовательностей и НМС-наборов последовательностей.

8. Разработаны эффективные алгоритм ЛЛФ, порождаемые НМС-последовательностями и НМС-наборами последовательностей. Получены аналитические выражения для сложности этих алгоритмов.

9. Предложено производить построение эффективных локальных линейных признаков и их наборов путем решения задач построения, соответственно, НМС-последовательностей и НМС-наборов последовательностей, согласованных с заданным производящим функционалом. Доказана единственность решения этих задач для взаимнооднозначного производящего функционала.

10. Разработан метод согласованной оптимизации двухэтапной процедуры локальной нелинейной обработки сигналов и изображений. Разработана базовая итерационная процедура метода согласованной оптимизации и дано доказательство ее сходимости при определенных условиях; предложены модификации базовой итерационной процедуры, используемые при невыполнении таких условий.

11. Приведена конкретизация метода согласованной оптимизации для задач настройки: - процедуры совместного обнаружения и локализации объектов на изображениях,- процедуры распознавания локальных объектов на изображениях.

Основные результаты диссертации отражены в следующих публикациях

Монография

1. Мясников, В.В. Теоретические основы цифровой обработки изображений [Текст] / В.В. Мясников, C.Б.Попов, В.В.Сергеев, В.А.Сойфер // Методы компьютерной обработки изображений. Под редакцией В.А. Сойфера / М.В. Гашников, Н.И. Глумов, Н.Ю.Ильясова, В.В. Мясников и др., под общей редакцией В.А. Сойфера. - 2-е изд., испр. - М.: Физматлит, 2003. - Часть I. - C.13-298.

2. Глумов, Н.И. Параллельно-рекурсивные методы локальной обработки изображений [Текст] / Н.И.Глумов, В.В. Мясников, В.В.Сергеев, А.В.Чернов // Методы компьютерной обработки изображений. Под редакцией В.А. Сойфера / М.В. Гашников, Н.И. Глумов, Н.Ю.Ильясова, В.В. Мясников и др., под общей редакцией В.А. Сойфера. - 2-е изд., испр. - М.: Физматлит, 2003. - Часть II, Глава 8. - C.527-600.

3. Глумов, Н.И. Обнаружение и распознавание объектов на изображениях [Текст] / Н.И.Глумов, В.В. Мясников, В.В.Сергеев // Методы компьютерной обработки изображений. Под редакцией В.А. Сойфера / М.В. Гашников, Н.И. Глумов, Н.Ю.Ильясова, В.В. Мясников и др., под общей редакцией В.А. Сойфера. - 2-е изд., испр. - М.: Физматлит, 2003. - Часть II, Глава 9. - C.601-691.

Статьи в ведущих рецензируемых научных журналах и изданиях, входящих в перечень ВАК

4. Glumov, N.I. Polynomial bases for image processing in a sliding window [Текст] / N.I. Glumov, V.V. Myasnikov, V.V. Sergeyev // Pattern Recognition and Image Analysis. - 1994. - Vol. 4, No. 4. - pp. 408-413.

5. Глумов, Н.И. Применение полиномиальных базисов для обработки изображений в скользящем окне [Текст] / Н.И. Глумов, В.В. Мясников, В.В. Сергеев // Компьютерная оптика. - 1995. - Выпуск 14-15, Часть 1. - С. 55-68.

6. Мясников, В.В. Четные полиномиальные базисы для обработки изображений фильтрами с осесимметричными импульсными характеристиками [Текст] / В.В. Мясников // Автометрия. - 1996. - № 1. - С. 80-87.

7. Glumov, N.I. Optimization of Information Technology for Detection of Local Objects on an Image [Текст] / N.I. Glumov, I.P. Egunov, E.I. Kolomiets, V.V. Myasnikov, V.V. Sergeyev // Pattern Recognition and Image Analysis. - 1996. - Vol. 6, No. 1. - pp. 120-121.

8. Glumov, N.I. Recursive Filters with Even Polynomial Impulse Responses for Processing Images by a Sliding Window [Текст] / N.I. Glumov, V.V. Myasnikov, V.V. Sergeyev // Pattern Recognition and Image Analysis. - 1996. - Vol. 6, No. 1. - pp. 122-123.

9. Glumov, N.I. Some Application Shells of Image Processing for IBM PCs [Текст] / N.I. Glumov, V.V. Myasnikov, S.B. Popov, P.V. Raudin, V.V. Sergeyev, N.I. Frolova, A.V.Chernov // Pattern Recognition and Image Analysis. - 1996. - Vol. 6, No. 2. - p. 372.

10. Myasnikov, V.V. Optimization of a Two-Step Technology for Recognition of Objects in an Image [Текст] / V.V. Myasnikov // Pattern Recognition and Image Analysis. - 1998. - Vol. 8, No. 2. - pp. 220-222.

11. Gashnikov, M.V. Rapid Realization of Digital Filters with Impulse-Response Characteristics of a Gaussian Type [Текст] / M.V. Gashnikov, V.V. Myasnikov // Pattern Recognition and Image Analysis. - 1998. - Vol. 8, No. 3. - pp. 344-346.

12. Glumov, N.I. Analysis of Parameters of Parallel-Recursive Algorithms of Convolution Calculations [Текст] / N.I. Glumov, V.V. Myasnikov, V.V. Sergeyev // Pattern Recognition and Image Analysis. - 1998. - Vol. 8, No. 3. - pp. 347-349.

13. Myasnikov, V.V. Optimization Algorithms of the Two-Stage Pattern Detection and Recognition Procedure [Текст] / V.V.Myasnikov // Pattern Recognition and Image Analysis. - 1999. - Vol. 9, No. 1. - pp. 81-83.

14. Gashnikov, M.V. Fast Implementation of Time-Varying Digital Filters in Problems of Modeling of a Video Channel and Image Restoration [Текст] / M.V. Gashnikov, V.V. Myasnikov // Pattern Recognition and Image Analysis. - 1999. - Vol. 9, No. 2. - pp. 254-256.

15. Chernov, A.V. Fast Method for Local Image Processing and Analysis [Текст] / A.V.Chernov, V.V.Myasnikov, V.V.Sergeyev // Pattern Recognition and Image Analysis. - 1999. - Vol. 9, No. 2. - p.237.

16. Myasnikov, V.V. Algorithms for the Optimization of the Two-Stage Procedure of the Detection and the Recognition of Objects in an Image [Текст] / V.V. Myasnikov // Pattern Recognition and Image Analysis. - 1999. - Vol. 9, No. 4. - pp. 702-707.

17. Chernov, A.V. Fast Method for Local Image Processing and Analysis [Текст] / A.V.Chernov, V.V.Myasnikov, V.V.Sergeyev // Pattern Recognition and Image Analysis. - 1999. - Vol.9, No. 4. - pp.572-577.

18. Сергеев, В.В. Алгоритм быстрой реализации фильтра Габора [Текст] / В.В.Сергеев, В.В.Мясников // Автометрия. - 1999. - №6. - C. 51-55.

19. Myasnikov, V.V. Fast Realization of a Binary Correlator [Текст] / V.V. Myasnikov // Pattern Recognition and Image Analysis. - 2003. - Vol. 13, No. 1. - pp. 150-151.

20. Myasnikov, V.V. Program System for Distributed Image Processing [Текст] / V.V. Myasnikov, E.V. Myasnikov, V.V. Sergeyev, A.V. Chernov // Pattern Recognition and Image Analysis. - 2003. - Vol. 13, No. 2. - pp. 228-230.

21. Мясников, В.В. О модификациях метода построения линейной дискриминантной функции, основанного на процедуре Петерсона-Маттсона [Текст] / В.В. Мясников // Компьютерная оптика. - 2004. - Выпуск 26. - С. 73-79.

22. Мясников, В.В. Рекурсивный алгоритм вычисления свертки изображения с неразделимым двумерным полиномиальным КИХ-фильтром [Текст] / В.В. Мясников // Компьютерная оптика. - 2004. - Выпуск 26. - С. 80-82.

23. Myasnikov, V.V. Modification of the Peterson-Mattson Algorithm for Constructing Linear Classifiers for Classes with Coinciding Mean Features [Текст] / V.V. Myasnikov // Pattern Recognition and Image Analysis. - 2005. - Vol. 15, No. 1. - pp. 90-93.

24. Myasnikov, V.V. A Recursive Algorithm for Computing the Convolution of an Image with a Two-Dimensional Indecomposable Polynomial FIR Filter [Текст] / V.V. Myasnikov // Pattern Recognition and Image Analysis. - 2005. - Vol. 15, No. 1. - pp. 260-263.

25. Myasnikov, V.V. Construction of Integer-Valued Polynomials for Recursive Calculation of Convolution with an FIR Filter [Текст] / V.V. Myasnikov // Pattern Recognition and Image Analysis. - 2005. - Vol. 15, No. 1. - pp. 264-267.

26. Мясников, В.В. О рекурсивном вычислении свертки изображения и двумерного неразделимого КИХ-фильтра [Текст] / В.В. Мясников // Компьютерная оптика. - 2005. - Выпуск 27. - С. 117-122.

27. Мясников, В.В. Эффективный алгоритм над множеством алгоритмов вычисления свертки [Текст] / В.В. Мясников // Компьютерная оптика. - 2006. - Выпуск 29. - С. 78-117.

28. Мясников, В.В. Сплайны как средство построения эффективных алгоритмов локального линейного преобразования [Текст] / В.В. Мясников // Компьютерная оптика. - 2007. - Том 31, № 2. - С. 52-68.

29. Мясников, В.В. Эффективные локальные линейные признаки цифровых сигналов и изображений [Текст] / В.В. Мясников // Компьютерная оптика. - 2007. - Том 31, № 4. - С. 58-76.

30. Мясников, В.В. Эффективные алгоритмы вычисления локального дискретного вейвлет-преобразования [Текст] / В.В. Мясников // Компьютерная оптика. - 2007. - Том 31, № 4. - С. 86-94.

Материалы и тезисы конференций, статьи в сборниках

29. Glumov, N.I. Application of polynomial bases for image processing using sliding window [Текст] / N.I. Glumov, V.V. Myasnikov, V.V. Sergeyev // Proceedings of SPIE: Image Processing and Computer Optics. - 1994. - vol.2363. - pp. 40-49.

30. Glumov, N.I. Polynomial bases in image processing using sliding window [Текст] / N.I. Glumov, V.V. Myasnikov, V.V. Sergeyev // Theses of the 5th International Workshop on Digital Image Processing and Computer Graphics “Image Processing and Computer Optics” / Samara State Aerospace University. - Samara, 1994. - pp. 2.

31. Мясников, В.В. Использование сигнального процессора в задачах обработки изображения [Текст] / В.В. Мясников, С.Б. Попов // 1-ая Поволжская научно-тех. конференция «Научно-исследовательские разработки и высокие технологии двойного применения»: материалы конференции в 2 ч. Часть 1 / Самарский гос. аэрокос. университет. - 1995, Самара. - C. 100.

32. Глумов, Н.И. Применение полиномиальных базисов для обработки изображений в скользящем окне [Текст] / Глумов Н.И., Мясников В.В., Сергеев В.В. // 1-ая Поволжская научно-техническая конференция «Научно-исследовательские разработки и высокие технологии двойного применения»: материалы конференции в 2-х ч. Часть 1 / Самарский гос. аэрокос. университет. - 1995, Самара. - C. 103-104.

33. Глумов, Н.И. Оптимизация информационной технологии обнаружения локальных объектов на изображении [Текст] / Н.И. Глумов, И.П. Егунов, Э.И. Коломиец, В.В. Мясников, В.В. Сергеев // 2-ая Всероссийская с участием стран СНГ конференция «Распознавание образов и анализ изображений: новые информационные технологии»: сб. трудов конференции в 4-х ч. Часть 2 / Ульян. гос. тех. ун-т. - Ульяновск, 1995. - C. 91-93.

34. Глумов, Н.И. Рекурсивные фильтры с четными полиномиальными импульсными характеристиками для обработки изображений скользящим окном [Текст] / Н.И. Глумов, В.В. Мясников, В.В. Сергеев // 2-ая Всероссийская с участием стран СНГ конференция «Распознавание образов и анализ изображений: новые информационные технологии»: сб. трудов конф. в 4-х ч. Часть 2 / Ульян. гос. тех. ун-т. - Ульяновск, 1995. - C. 94-96.

35. Глумов, Н.И. Некоторые прикладные оболочки обработки изображений для IBM PC [Текст] / Н.И. Глумов, В.В. Мясников, С.Б. Попов, П.В. Раудин, В.В. Сергеев, Н.И. Фролова, А.В. Чернов // 2-ая Всероссийская с участием стран СНГ конференция «Распознавание образов и анализ изображений: новые информационные технологии»: сб. трудов конф. в 4-х ч. Часть 4 / Ульян. гос. тех. ун-т. - Ульяновск, 1995. - C. 68-69.

36. Мясников, В.В. Локализация объектов в задаче их распознавании на изображении [Текст] / В.В. Мясников // 2-ой международной конференции "Распознавание 95": сборник материалов конференции / Курский гос. тех. ун-т. - Курск, 1995. - C. 88-89.

37. Глумов, Н.И. Параллельно-рекурсивные алгоритмы вычисления полиномиальных признаков изображения в скользящем окне [Текст] / Н.И. Глумов, В.В. Мясников, В.В. Сергеев // Пятый Международный семинар "Распределенная обработка информации": труды / Институт физики полупроводников СО РАН. - Новосибирск, 1995. - C. 272-275.

38. Glumov, N.I. Parallel-Recursive Local Image Processing and Polynomial Bases [Текст] / N.I. Glumov, V.V. Myasnikov, V.V. Sergeyev // Proceedings of the Third IEEE International Conference on Electronics, Circuits, and Systems ICECS'96, in 2 Volumes. Vol.2 / by P. Voskakis, Publisher. - Rodos, Greece, 1996. - pp. 696-699.

39. Myasnikov, V.V. On the modified quality criterion for a procedure to detect objects in spatially-extended fields [Текст] / V.V. Myasnikov // Proceedings of the 10th Scandinavian Conference on Image Analysis SCIA'97, in 2 Volumes. Vol. 1 / Pattern Recognition Society of Finland. - Lappeenranta, Finland, 1997. - pp. 405-410.

40. Glumov, N.I. Analysis of characteristics of parallel-recursive algorithms of convolution calculation [Текст] / N.I. Glumov, V.V. Myasnikov, V.V. Sergeyev // International Symposium “Optical Information Science and Technology” (OIST'97): программа и аннотации докладов / Произв.- изд-ий комбинат ВИНИТИ. - Москва, 1997. - С.61.

41. Мясников, В.В. Оптимизация двухэтапной технологии распознавания объектов на изображении [Текст] / В.В. Мясников // 3-я Всероссийская с участием стран СНГ конференция "Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-3-97): сборник трудов в 2-х ч. Часть 1 / НИИ прикладной математики и кибернетики ННГУ. - Нижний Новгород, 1997. - C. 203-207.

42. Гашников, М.В. Быстрая реализация цифровых фильтров с импульсными характеристиками гауссовского типа [Текст] / М.В. Гашников, В.В. Мясников // 3-я Всерос. с участием стран СНГ конф-я "Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-3-97): сборник трудов в 2-х ч. Часть 2 / НИИ прикладной математики и кибернетики ННГУ. - Нижний Новгород, 1997. - C. 103-107.

43. Глумов, Н.И. Анализ характеристик параллельно рекурсивных алгоритмов вычисления свертки [Текст] / Н.И. Глумов, В.В. Мясников, В.В. Сергеев // 3-я Всероссийская с участием стран СНГ конференция "Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-3-97): сборник трудов в 2-х ч. Часть 2 / НИИ прикладной математики и кибернетики ННГУ. - Нижний Новгород, 1997. - C. 108-112.

44. Chernov, A.V. Fast method of the local processing and analysis of images [Текст] / A.V. Chernov, V.V. Myasnikov, V.V. Sergeyev // Proceedings of the 5-th Open German-Russian Workshop «Pattern Recognition and Image Understanding», Ed. B. Radig, etc. / Sankt Augustin: Infix. - Herrsching, Germany, 1998. - pp. 84-91.

45. Myasnikov, V.V. Algorithms of optimization of a two-stage procedure for objects detection and recognition [Текст] / V.V. Myasnikov // Proceedings of the 5-th Open German-Russian Workshop «Pattern Recognition and Image Understanding», Ed. B. Radig etc. / Sankt Augustin: Infix. - Herrsching, Germany, 1998. - pp. 306-313.

46. Мясников, В.В. Алгоритмы оптимизации двухэтапной процедуры обнаружения и распознавания объектов [Текст] / В.В. Мясников // 4-ая Всероссийская с международным участием конференция "Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-4-98): труды конференции в 2-х ч. Часть I / Институт автоматики и электрометрии СО РАН. - Новосибирск, 1998. - C. 148-152.

47. Гашников, М.В. Быстрая реализация нестационарных цифровых фильтров в задачах моделирования видеоинформационного тракта и восстановления изображений [Текст] / М.В. Гашников, В.В. Мясников // 4-ая Всероссийская с международным участием конференция "Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-4-98): труды конференции в 2-х ч. Часть I / Институт автоматики и электрометрии СО РАН. - Новосибирск, 1998. - C. 269-273.

48. Чернов, А.В. Быстрый метод локальной обработки и анализа изображений [Текст] / А.В. Чернов, В.В. Мясников, В.В. Сергеев // 4-ая Всероссийская с международным участием конференция "Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-4-98): труды конференции в 2-х ч. Часть 1 / Институт автоматики и электрометрии СО РАН. - Новосибирск, 1998. - C. 401-402.

49. Glumov, N.I. Characteristics of parallel-recursive algorithms for convolution calculation [Текст] / N.I. Glumov, V.V. Myasnikov, V.V. Sergeyev // Proceedings of SPIE: Computer and Holographic Optics and Image Processing, Ed. A.Mikaelian. - 1998. - Vol. 3348. - pp. 267-274.

50. Мясников, В.В. О байесовском классификаторе с дискретными независимыми признаками [Текст] / В.В. Мясников // Доклады 10-й Всероссийской конференции «Математические методы распознавания образов» (ММРО-10) / ВЦ РАН. - Москва, 2001. - С. 91-92.

51. Мясников, В.В. Быстрая реализация бинарного коррелятора [Текст] / В.В. Мясников // VI международная конференция “Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-6-2002): труды конференции в 2-х т. Том 2 / Новгор. гос. университет. - Великий Новгород, 2002. - С. 394-396.

52. Мясников, В.В. Программная система распределенной обработки изображений [Текст] / В.В. Мясников, Е.В. Мясников, В.В. Сергеев, А.В. Чернов // VI международная конференция “Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-6-2002): труды конференции в 2-х т. Том 2 / Новгор. гос. университет. - Великий Новгород, 2002. - С. 397-400.

53. Myasnikov, V.V. Methods for Designing Recursive FIR Filters [Текст] / V.V. Myasnikov // International Conference “Computer Vision and Graphics” (ICCVG 2004): proceedings / Springer. - Warsaw, Poland, 2004. - pp. 845-850.

54. Belov, А. Samara region system territorial cadastre construction principles [Текст] / А. Belov, K. Ivanova, V. Kopenkov, V. Myasnikov, A. Popov, A. Chernov // 7-th International conference on Pattern Recognition and Image Analysis: New information Technologies (PRIA'2004): Conference Proceedings (vol.1-3). Vol. 2 / St. Petersburg Electrotechnical University. - St. Petersburg, 2004. - pp. 434-437.

55. Myasnikov, V.V. Modification of the Peterson-Mattson's Algorithm of Linear Classifier Construction for Coincided Means of the Features [Текст] / V.V. Myasnikov // 7-th International conference on Pattern Recognition and Image Analysis: New information Technologies (PRIA'2004): Conference Proceedings (vol.1-3). Vol. 1 / St. Petersburg Electrotechnical University. - St. Petersburg, 2004. - pp. 102-105.

56. Myasnikov, V.V. Construction of Integer-Value Polynomials for Recursive Calculation of the Convolution with FIR-Filter [Текст] / V.V. Myasnikov // 7-th International conference on Pattern Recognition and Image Analysis: New information Technologies (PRIA'2004): Conference Proceedings (vol.1-3). Vol. 1 / St. Petersburg Electrotechnical University. - St. Petersburg, 2004. - pp. 331-334.

57. Myasnikov, V.V. Recursive Algorithm of Calculation the Convolution of Image and Inseparable 2-D Polynomial FIR-Filter [Текст] / V.V. Myasnikov // 7-th International conference on Pattern Recognition and Image Analysis: New information Technologies (PRIA'2004): Conference Proceedings (vol.1-3). Vol. 1 / St. Petersburg Electrotechnical University. - St. Petersburg, 2004. - pp. 327-330.

58. Myasnikov, V.V. On the Solution of the Recurrent Equation Used for the FIR-Filter Implementation [Текст] / V.V. Myasnikov // Proceedings of The 2-nd IASTED International Multi-Conference on Automation, Control and Information Technology (ACIT 2005), conference «Signal and Image Processing» / ACTA Press. - Novosibirsk, 2005. - pp. 158-163.

59. Myasnikov, V.V. On Recursive Computation of the Convolution of Image and 2-D Inseparable FIR-Filter [Текст] / V.V. Myasnikov // Proceedings of the 9th World Multi-Conference on Systemics, Cybernetics and Informatics / International Institute of Informatics and Systemics - Orlando, Florida, USA, 2005. - pp. 268-272.

60. Мясников, В.В. Быстрые алгоритмы локального дискретного вейвлет-преобразования с базисом Хаара [Текст] / В.В. Мясников, В.Н. Копенков // Труды научно-технической конференции с международным участием «Перспективные информационные технологии в научных исследованиях, проектировании и обучении» / Самарский гос. аэрокосмический университет. - Самара, 2006. - C. 113-118.

61. Bavrina, A. Yu. Investigation of the reduced wise algorithm under the set of convolution algorithms [Текст] / A. Yu. Bavrina, V.V. Myasnikov // 8-th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-8'2007): Conference Proceedings in 3 volumes. Vol. 1 / Mari State Technical University. - Yoshkar-Ola, the Russian Federation, 2007. - pp. 72-75.

62. Myasnikov, V.V. Efficient Algorithm under the set of convolution algorithms [Текст] / V.V. Myasnikov // 8-th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-8'2007): Conference Proceedings in 3 volumes. Vol. 2 / Mari State Technical University. - Yoshkar-Ola, the Russian Federation, 2007. - pp. 128-132.

63. Myasnikov, V.V. Research of convolution calculation effective algorithms with representation of FIR in the form of spline [Текст] / V.V. Myasnikov, O.A. Titova // 8-th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-8'2007): Conference Proceedings in 3 volumes. Vol. 1 / Mari State Technical University. - Yoshkar-Ola, the Russian Federation, 2007. - pp. 133-137.

Размещено на Allbest.ru