Радиофизические методы оперативного формирования и анализа многочастотных сигналов со сложной структурой тема автореферата и диссертации по физике, 01.04.03 ВАК РФ

Введение

Глава 1.Классификация принципов формирования и методов анализа сложноструктурных двумерных сигналов.'.

1.1. Принцип формирования изображений двумерных пространственных сигналов в различных диапазонах электромагнитного спектра.

1.2.Классификация методов анализа сложноструктурных изображений.

1.3 Возможности повышения эффективности принципов и методов анализа многочастотных сложноструктурных двумерных сигналов.

Глава 2. Принципы и теоретические основы параллельного формирования изображений многочастотных двумерных сигналов.^.

2.1.Особенности формирования и обработки многочастотных двумерных сигналов в различных диапазонах.

2.2. Теория и принципы построения дифференциальных зонированных апертур.

2.3.Теоретические основы формирования многочастотных изображений на базе дифференциальных зонированных апертур.

2.4.Экспериментальная проверка дифференциальных характеристик зонированных апертур.

Глава 3.Предельные информационные характеристики многочастотных многомерных сигналов.

3.1.Особенности рассеяния одночастотных и многочастотных сигналов телами сложной формы.

3.2.Предельные возможности пространственного разрешения.

3.3.Дифракционно-статистический критерий разрешения зашумлённых сложноструктурных пространственных сигналов.

3.4. Возможности сверхразрешения точечных источников.

З.б.Информационная ёмкость многочастотного двумерного сигнала.

3.6.Особенности функционирования решающей системы.

3.7.Вероятность распознавания сложноструктурных изображений многочастотных сигналов.

Глава 4.Эвристические методы оперативного анализа и классификации текстурных фрагментов сложноструктурного двумерного сигнала.

4.1.Методы анализа текстурных свойств двумерного сигнала.

4.2.Система признаков для оперативной классификации однородных текстурных фрагментов сложноструктурного сигнала.

4.3.Экспериментальные результаты классификации и сегментации текстурных фрагментов сложноструктурного сигнала.

4.4.Принципы оперативной цифровой обработки текстурной информации в динамическом режиме.

4.5.Детальная сегментация изображений сложноструктурных сигналов.

Глава 5. Оперативная квазиоптимальная классификация сегментированных двумерных сигналов.

5.1.Цифровые и оптико - электронные методы оперативного корреляционного анализа двумерных сигналов.

5.2.Квазиоптимальный корреляционный анализ сегментированных фрагментов двумерного сигнала.

5.3.Корреляционные методы классификации пространственных сигналов, инвариантные к искажениям относительно эталона.

5.4. Принципы построения адаптивного телевизионно-оптического коррелятора для оперативной классификации сегментированных фрагментов сложноструктурного сигнала.

5.5.Экспериментальное исследование функций неопределённости искажённых сигналов и их квазиоптимальная классификация.

5.6.Система признаков и способ их измерения для оперативной классификации сложноструктурного сигнала.

5.7.Принципы и схемы совместной обработки многочастотных сложноструктурных сигналов.

5.8.Принципы многочастотного голографирования с борта летательных аппаратов.

Глава 6. Эффективность систем дистанционного зондирования местности.

6.1.Атмосферное ослабление многочастотного сигнала в различных диапазонах электромагнитного спектра.

6.2.Статистическое распределение метеоэлементов для различных климатических регионов.

6.3.Вероятность получения изображений местности в различных климатических регионах и окнах прозрачности атмосферы.

Вопросы формирования и обработки многочастотных сигналов со сложной структурой являются предметом изучения статистической радиофизики и представляют интерес для задач радиолокации, гидроакустики, сейсмологии, систем дистанционного зондирования в различных диапазонах электромагнитного спектра, систем технического зрения и других областей науки и техники.

На первом этапе развития этих вопросов применялись простые одно-частотные сигналы. Однако практические задачи, появившиеся в радиолокации и гидроакустике, привели к использованию сигналов со всё более сложной структурой [1-3]. Следует отметить, что излучаемые сигналы предполагались известными, а структура отражающих объектов достаточно простой.

Иначе обстоит дело в системах дистанционного зондирования, когда объектом анализа является изображение двумерной сцены. Примером может служить задача получения и анализа аэрокосмической информации при исследовании Земли с помощью авиационных носителей и из космоса. Получаемая информация используется для анализа природных ресурсов, в навигационных целях, при решении экологических проблем, в разведывательных и спасательных целях.

Большая часть изображений реальных сцен является по своей природе сложноструктурными. В этом случае отражённый сигнал также будет иметь сложную структуру, даже при использовании простых зондирующих сигналов. Под структурой отражённого двумерного сигнала будем понимать пространственную взаимосвязь статистически однородных фрагментов сцены и связных детерминированных объектов различных классов. Эта взаимосвязь может быть случайной, функциональной или комбинированной. Последние два случая появляются, как правило, в результате деятельности человека. Анализ сложноструктурных сигналов не может осуществляться с использованием только оптимальных алгоритмов [1-5], так как многообразие реальных сцен настолько велико, что задать достаточно общую статистическую модель практически невозможно [6-8]. Поэтому главной задачей, возникающей при анализе сложноструктурных двумерных сигналов, является сжатие информации, содержащейся в сигнале, за счёт её преобразования из пространства координат в пространство признаков. Такие нелинейные преобразования не являются оптимальными и их эффективность оценивается только на практике [9]. Однако переход в пространство признаков позволяет существенно уменьшить количество анализируемой информации. Уменьшение информационной ёмкости изображения сцены открывает возможность использования конечного числа эталонов для обнаружения заданных классов объектов, что позволяет применять оптимальные методы обработки сигнала.

Другой особенностью систем дистанционного зондирования является существенное различие условий отражения зондирующего сигнала элементами сцены на различных частотах, а также различное затухание спектральных составляющих многочастотного сигнала в среде распространения. То есть многочастотность зондирующего сигнала увеличивает информационную ёмкость принимаемого сложноструктурного сигнала, что затрудняет искусственную маскировку объектов даже в сложных метеоусловиях. Информационная ёмкость сигнала существенно увеличивается при значительном отличии частот, когда наблюдается существенная декорреляция получаемых изображений сцены. То есть желательно произвести съёмку сцены в нескольких диапазонах электромагнитного спектра, например, оптическом, инфракрасном и радиочастотном. Сравнивая эти изображения, можно существенно повысить эффективность работы системы дистанционного зондирования в сложных метеоусловиях [7].

Отметим огромное количество информации, содержащейся в многочастотном двумерном сигнале со сложной структурой, что требует значительных затрат времени на его обработку, даже при использовании мощных вычислительных комплексов [ 84 ]. Однако практические задачи, решаемые системами дистанционного зондирования, часто требуют принятия решения о наличии объектов заданного класса на анализируемой сцене в масштабе времени, близком к реальному. Поэтому алгоритмы обработки принятого сигнала должны быть оперативными и реализуемыми на борту летательных аппаратов, чтобы исключить операцию передачи на землю всего объёма получаемой информации.

Требование оперативной обработки сложноструктурного многочастотного сигнала предполагает наличие оперативных методов формирования его изображения. Классическим примером многочастотной системы формирования изображения является глаз человека, недостатком которого можно считать частотное интегрирование сигнала на сетчатке. В результате дополнительной информацией является только цвет отдельных элементов сцены. Гораздо больше информации можно было бы получить, имея дифференциальную систему формирования изображения, которая могла бы раздельно формировать пространственные сигналы различных частот в различных плоскостях с последующим интегрированием их в случае необходимости.

Сходные проблемы возникают при анализе биомедицинских изображений и системах технического зрения, используемых в промышленности. Однако информационная ёмкость сигнала в этих системах значительно меньшая, что связано с решением узко специализированных задач. При этом требования к набору алгоритмов существенно снижаются, и они могут быть более специализированными. Тем не менее, чем выше степень универсальности методов формирования и анализа двумерных сигналов, тем выше их эффективность.

В настоящее время достаточно хорошо разработаны интегральные принципы формирования изображений многочастотных сигналов, а также оптимальные методы их обработки. Эвристические методы анализа сложно-структурных сигналов развиты гораздо хуже, что связано с интуитивным подбором подходящих методов для решения конкретных задач. Обзор и классификация принципов формирования и методов анализа сложнострук-турных двумерных сигналов будут даны в первой главе.

Для разработки эффективных радиофизических методов оперативного формирования и анализа многочастотных двумерных сигналов со сложной структурой необходимо решение двух принципиальных задач:

1. Разработать принципы и теоретические основы параллельного формирования пространственно разнесённых одночастотных изображений многочастотного двумерного сигнала;

2.Разработать иерархический комплекс оперативных алгоритмов и устройств анализа изображений сложноструктурных сигналов, реализующий на первом этапе неоптимальную обработку, уменьшающую информационную ёмкость сигнала, а на втором - квазиоптимальную, с целью обнаружения заданных классов объектов. С учётом научной и практической важности комплексного совершенствования принципов, алгоритмов и систем формирования и анализа многочастотных сигналов со сложной структурой решения вышеуказанных задач представляется весьма актуальным.

Основой для решения этих двух взаимосвязанных задач являются : 1) синтез методов радиофизики, оптики и голографии, развитый в работах Дж.Гудмена, Л.Д.Бахраха, А.Папулиса, О.Н.Литвтненко, В.А.Зверева и других учёных; 2) методы обработки сигналов и распознавания образов, полученные в работах В.И. Тихонова, Д.Кейсесента, Е.И.Куликова, А.П.Трифонова, Я.Д.Ширмана, С.М.Рытова, Г.И.Василенко, П.А.Бакута, В.А.Ковалевского, Н.Н.Красильникова и других учёных.

Как правило, для решения задач формирования изображений многочастотных сигналов со сложной структурой использовались интегрирующие приёмные апертуры (линзы,зеркала) , которые не позволяют осуществлять оперативный анализ изображения по его частотным составляющим. Кроме того, при оценке предельных информационных характеристик сигналов анализировались в основном только дифракционные ограничения. Статистический подход, учитывающий сложную структуру сигнала и шумовые ограничения приёмника, не был достаточно развит. Существующие эвристические методы анализа двумерных сигналов были либо не достаточно эффективными для сигналов со сложной структурой, либо очень сложны в вычислительном плане, и не могли быть реализованы в масштабе времени, близком к реальному. Оптимальные методы обработки изображений двумерных сигналов не инвариантны к геометрическим и масштабным искажениям относительно эталона, что также препятствовало оперативной обработке сигнала.

В настоящей работе развиваются новые принципы и теоретические основы дифференциальных зонированных апертур, использование которых позволяет параллельно формировать ряд одночастотных изображений многочастотного сигнала с неизменным разрешением, которые разнесены вдоль оптической оси. Развит статистический подход к оценке предельных информационных характеристик многочастотных сигналов со сложной структурой. Разработан иерархический комплекс алгоритмов и устройств анализа слож-ноструктурного сигнала, сочетающий неоптимальные и оптимальные методы обработки в масштабе времени, близком к реальному.

Цель работы. Анализ состояния проблемы оперативного формирования и классификации многочастотных сигналов со сложной структурой в системах дистанционного зондирования позволил поставить следующие задачи исследования:

1.Сформулировать оптимальный принцип распараллеливания информации, содержащейся в многочастотном сложноструктурном сигнале, получаемом в системах дистанционного зондирования.

2. Разработать принципы построения и теорию дифференциальных апертур, позволяющих параллельно формировать ряд одночастотных изображений многочастотного сигнала с постоянным разрешением.

3. Развить и обобщить статистический подход к оценке информационной ёмкости многочастотных двумерных сигналов со сложной структурой.

4. Рассчитать вероятность распознавания изображений сложнострук-турных многочастотных сигналов.

5. Построить. эвристическую систему признаков и создать устройства неоптимальной оперативной обработки сигналов со сложной структурой с целью сегментации изображения на статистически однородные фрагменты и их классификации.

6. Выполнить синтезирование квазиоптимальных алгоритмов оперативного анализа связных структурных фрагментов изображения, инвариантных к его геометрическим и масштабным искажениям относительно эталона. Создать устройства, реализующие такую обработку в масштабе времени, близком к реальному.

7. Определить структурные схемы совместной обработки изображений многочастотных сигналов со сложной структурой и принципы многочастотного голографирования с борта летательных аппаратов.

8. Исследовать эффективность разработанных методов формирования и анализа многочастотных двумерных сигналов со сложной структурой для систем дистанционного зондирования, а также оценить эффективность функционирования таких систем в различных климатических регионах и окнах прозрачности атмосферы.

Методы исследований. При достижении поставленных целей использовались методы теории вероятностей и статистической радиофизики, оптики и голографии, обработки и распознавания образов, методы машинного моделирования.

Научная новизна работы.

1. Сформулирован оптимальный принцип распараллеливания информации, содержащейся в изображении многочастотного сигнала со сложной структурой. При этом по одной координате изображение формируется одномерной апертурой, а по второй синтезируется за счёт движения летательного аппарата. Изображение полосы обзора разбивается на ряд областей, обработка которых реализуется параллельно, синхронно с движением летательного аппарата.

2.Показано, что для оперативной классификации изображений сигналов со сложной структурой принцип их обработки должен быть иерархическим. На первом этапе реализуется неоптимальная обработка с помощью системы эвристических признаков, которая позволяет произвести сегментацию и классификацию сложноструктурного изображения на статистически однородные фрагменты. На втором этапе осуществляется квазиоптимальная обработка не классифицированных фрагментов изображения на наличие объектов заданного класса.

3.Для вскрытия слабо контрастных и замаскированных объектов предложено использовать многочастотный зондирующий сигнал и три базовых системы формирования изображений в окнах прозрачности оптического, инфракрасного и микроволнового диапазонов. При этом существенно повышается вероятность обнаружения заданных классов объектов при решении как глобальной, так и локальной задач распознавания.

4.Для формирования изображений многочастотных сигналов предложены зонированные апертуры, позволяющие параллельно формировать ряд одно-частотных изображений с постоянным разрешением. Развита теория и проведены экспериментальные исследования характеристик зонированных апертур. Показано, что с использованием таких апертур и многочастотного сигнала возможно организовать оперативное сканирование по дальности, а эллиптическая зонированная апертура позволяет реализовать боковой обзор местности в широком диапазоне углов.

5.0ценены предельные информационные характеристики многочастотных сигналов со сложной структурой. Развита статистическая теория пространственного разрешения, учитывающая не только дифракционные ограничения апертуры, но и пространственную организацию элементов сцены, условия отражения сигнала, а также свойства приёмника. Проанализированы возможности сверхразрешения точечных источников. Оценена информационная ёмкость многочастотного двумерного сигнала.

6.Теоретически и экспериментально проанализированы особенности функционирования оптимальной решающей системы. С учётом информационной базы многочастотного сигнала построен критерий для оценки вероятности распознавания сложноструктурных изображений.

7.Разработаны система признаков для оперативной классификации однородных текстурных фрагментов аэрокосмических изображений и бортовые цифровые анализаторы, позволяющие осуществлять сегментацию сложно-структурного изображения в реальном масштабе времени. При этом производится существенное сжатие информации в двумерном или трёхмерном пространстве признаков и достигается высокая вероятность правильной классификации текстурных фрагментов до 99%. Возможно надёжное обнаружение естественных и искусственных неоднородностей на текстурном фоне, если их площадь составляет более 15% области анализа. Текстурная классификация фрагментов фона позволяет значительно уменьшить объём информации, предназначенный для последующей обработки в оптико-электронном процессоре.

8.Развита теория квазиоптимального обнаружения двумерных сигналов, искажённых относительно эталона. Разработан и исследован алгоритм полярно-логарифмического преобразования связных фрагментов, инвариантный к искажениям аэрокосмических изображений. Для оперативной классификации связных фрагментов изображений рассчитан и построен адаптивный телевизионно-оптический коррелятор, экспериментальные исследования которого показали, что возможно надёжное решение как локальной, так и глобальной задачи распознавания заданных классов объектов, искажённых относительно эталона.

9. Разработаны система признаков и способ их измерения для лингвистической классификации сложноструктуроного изображения в целом, что позволяет выявлять организованные структуры с функциональным типом связей между элементами.

Ю.Предложен принцип многочастотного голографирования местности с борта летательных аппаратов, а также схемы совместной параллельной обработки изображений, получаемых в различных диапазонах электромагнитного спектра.

11 .Оценена эффективность работы систем дистанционного зондирования местности в окнах прозрачности оптического, инфракрасного и микроволнового диапазонов для различных климатических регионов. Рассчитаны вероятности получения изображений местности при заданном энергетическом потенциале системы дистанционного зондирования, что позволяет давать рекомендации по надёжности выполнения поставленных задач.

Таким образом, в диссертации разработаны теоретические положения и предложены устройства для их реализации, совокупность которых можно квалифицировать как новое крупное достижение в развитии перспективного направления радиофизики - оперативного формирования и анализа многочастотных двумерных сигналов со сложной структурой.

Практическая ценность работы. Полученные теоретические результаты и разработанные устройства для оперативного формирования и анализа многочастотных сигналов со сложной структурой позволяют осуществлять проектирование и опытно-конструкторские разработки комплексных аэрокосмических систем дистанционного зондирования нового поколения, оценивать их тактико-технические характеристики и эффективность. Результаты работы также могут быть использованы для разработки промышленных систем технического зрения. Синтезированный иерархический комплекс алгоритмов применим для анализа сигналов со сложной структурой и большой информационной ёмкостью в радио и гидролокации, в сейсмологии, при обработке биомедицинских изображений. Ряд результатов, полученных в работе, может быть использован для проектирования систем неразрущающего контроля.

Структура и объём работы. Диссертационная работа состоит из введения, шести глав, заключения и списка литературы. Общий объём работы 236 страниц, включая 113 рисунков и список литературы из 269 наименований.

ЗАКЛЮЧЕНИЕ

Настоящая работа посвящена исследованию радиофизических методов оперативного формирования и анализа многочастотных двумерных сигналов, получаемых при дистанционном зондировании местности в различных диапазонах длин волн, разработке иерархического комплекса алгоритмов и бортовых устройств для классификации сложноструктурных аэрокосмических изображений, а также оценке информационных характеристик и эффективности систем дистанционного зондирования нового поколения.

На основании проделанной работы можно сформулировать следующие основные выводы и рекомендации:

1.Наибольшей эффективностью с точки зрения тактико-технических характеристик бортовых аэрокосмических систем обладает последовательно-параллельный способ получения изображений, когда по одной координате изображение формируется одномерной апертурой, а по второй синтезируется за счёт движения летательного аппарата. Изображение полосы обзора разбивается на ряд областей, обработка которых реализуется параллельно, синхронно с движением летательного аппарата.

2. Показано, что для оперативной классификации сложноструктурных изображений местности на борту летательного аппарата принцип обработки сигнала должен быть иерархическим, со сжатием и редуцированием информации в вычислительном процессоре с использованием эвристических признаков, и параллельной квазиоптимальной обработкой информативных фрагментов изображения в оптико-электронном процессоре.

3.Для вскрытия слабо контрастных и замаскированных объектов целесообразно использование многочастотного зондирующего сигнала и трёх базовых систем формирования изображений в окнах прозрачности оптического, инфракрасного и микроволнового диапазонов. При этом существенно повышается вероятность обнаружения заданного класса объектов при решении как глобальной, так и локальной задач распознавания.

4.Для формирования изображений многочастотных сигналов предложены зонированные апертуры, позволяющие параллельно формировать ряд одно-частотных изображений с постоянным разрешением. Развита теория и проведены экспериментальные исследования характеристик зонированных апертур. Показано, что с использованием зонированных апертур и многочастотного сигнала возможно организовать оперативное сканирование по дальности, а эллиптическая зонированная апертура позволяет реализовать боковой обзор местности в широком диапазоне углов.

5.Оценены предельные информационные характеристики многочастотных сигналов. Развита статистическая теория пространственного разрешения, учитывающая не только дифракционные ограничения апертуры, но и пространственную организацию элементов сцены, условия отражения сигнала, а также свойства приёмника. Проанализированы возможности сверхразрешения точечных источников. Оценена информационная ёмкость многочастотного двумерного сигнала. б.Теоретически и экспериментально проанализированы особенности функционирования оптимальной решающей системы. С учётом информационной базы многочастотного сигнала построен критерий для оценки вероятности распознавания сложноструктурных изображений.

7.Разработана система признаков для оперативной классификации однородных текстурных фрагментов аэрокосмических изображений и бортовые цифровые анализаторы, позволяющие осуществлять сегментацию сложноструктурно-го изображения в реальном масштабе времени. При этом производится существенное сжатие информации в двумерном или трёхмерном пространстве признаков и достигается высокая вероятность правильной классификации текстурных фрагментов до 99%. Возможно надёжное обнаружение естественных и искусственных неоднородностей на текстурном фоне, если их площадь составляет более 15% области анализа. Текстурная классификация фрагментов фона позволяет значительно уменьшить объём информации, предназначенный для обработки в оптико-электронном процессоре.

8.Развита теория квазиоптимального обнаружения двумерных сигналов, искажённых относительно эталона. Разработан и исследован алгоритм полярно-логарифмического преобразования связных фрагментов, инвариантный к искажениям аэрокосмических изображений.

9.Для оперативной классификации связных фрагментов изображений рассчитан и построен адаптивный телевизионно-оптический коррелятор, экспериментальные исследования которого показали, что возможно надёжное решение как локальной, так и глобальной задачи распознавания заданных классов объектов, искажённых относительно эталона.

10. Разработана система признаков и способ их измерения для лингвистической классификации сложноструктуроного изображения в целом, что позволяет выявлять организованные структуры с функциональным типом связей между элементами.

11. Предложены принципы и схемы совместной параллельной обработки многочастотных изображений, получаемых в различных диапазонах электромагнитного спектра, что позволяет повысить надёжность их классификации.

12. Оценены перспективы и предложены схемы многочастотного голографирования местности с борта летательных аппаратов в различных диапазонах электромагнитного спектра.

13.0ценена эффективность работы систем дистанционного зондирования местности в окнах прозрачности оптического, инфракрасного и микроволнового диапазонов для различных климатических регионов. Рассчитаны вероятности получения изображений местности при заданном энергетическом потенциале системы дистанционного зондирования, что позволяет давать рекомендации по надёжности выполнения поставленных задач.

Полученные результаты позволяют осуществлять проектирование и опытно-конструкторские разработки комплексных аэрокосмических систем дистанционного зондирования местности нового поколения, оценивать их тактико - технические характеристики и эффективность

1. Тихонов В.И. Оптимальный приём сигналов. М.: Радио и связь,1983.

2. Куликов Е.И., Трифонов А.П. Оценка параметров сигналов на фоне помех. М.: Советское радио, 1978.

3. Ширман Я. Д., Горисков С.А., Лещенко С.П. и др. Методы радиолокационного распознавания и их моделирование // Зарубежная радиоэлектроника: 1996, №11,с.З-14.

4. Красильников Н.Н. Теория передачи и восприятия изображений. М.: Радио и связь, 1986.б.Лебедев Д.С. Статистическая модель изображения // Иконика. Пространственная фильтрация изображения. Фотографические системы: Сб.статей. М.: Наука, 1970,с.53-65.

5. Афанасьев Н.Ф. Статистический анализ изображений // Исследование оптических свойств природных объектов и их аэрофотографических изображений: Сб.статей: М.: Наука, 1970,с. 114-123.

6. Потапов А.А. Синтез изображений земных покровов в оптическом и миллиметровом диапазонах волн. Диссертация на соискание учёной степени доктора физико-математических наук. М.: ИРЭ РАН,1994.

7. Миркин Л.И. Измерение статистических характеристик изображений // Иконика. Цифровая обработка и фильтрация изображений: Сб.статей. М.: Наука, 1978, с.73-96.

8. Ковалевский В.А. Методы оптимальных решений в распознавании изображений. М.: Наука, 1976.

9. Криксунов Л.З. Справочник по основам инфракрасной техники. М.: Советское радио, 1978.

10. Климков Ю.М. Основы расчёта оптико-электронных приборов с лазерами. М.: Советское радио, 1978.

11. Папулис А. Теория систем и преобразований в оптике. М.: Мир, 1971.

12. Литвиненко О.Н. Основы радиооптики. Киев: Техника, 1974.

13. Гудмен Дж. Введение в Фурье-оптику. М.: Мир, 1970.

14. Применение методов Фурье-оптики. Под редакцией Г. Старка. М.: Радио и связь, 1988.

15. Справочник по радиолокации. Под редакцией М.Сколника т.1. М.: Советское радио, 1976.

16. Справочник по радиолокации. Под редакцией М.Сколника, т.2. М.: Советское радио, 1977.

17. Справочник по радиолокации. Под редакцией М.Сколника, т.З. М.: Советское радио, 1979.

18. Справочник по радиолокации. Под редакцией М.Сколника, т.4. М.: Советское радио, 1978.

19. Реутов А.П., Михайлов Б.А., Кондратенков Г.С. и др. Радиолокационные станции бокового обзора. М.: Советское радио, 1970.

20. Николаев А.Г., Перцов С.В. Радиолокация. М.: Советское радио, 1964.

21. Zalesny A.U. Homogeneity and texture general approach // Int. I. Remote Sens: 1994, vol.15,N11, c.2285-2289.

22. Крученицкий C.M. Методы анализа текстурных изображений // Техника средств связи. Серия техника телевидения: 1984, вып.1,с.115-121.

23. Хомяков Ю.Н., Саушкин В.А. Методы классификации текстур // Зарубежная радиоэлектроника: 1986, №2, с.33-46.

24. Авдеев В.П., Горьян И.С., Фисенко В.Г. Сокращённое описание некоторых текстурных характеристик изображения // Техника средств связи. Серия техника телевидения: 1980, вып.4, с.33-40.

25. Шейнин Р.Л. Лингвистический подход к обработке сложных текстурных изображений //Автоматика и телемеханика: 1975, №3, с. 112-122.

26. Горьян И.С. О распознавании текстур II Вопросы радиоэлектроники. Серия техника телевидения: 1968, вып.1, с.82-89.

27. Харалик P.M. Статистический и структурный подходы к описанию текстур // ТИИЭР: 1979, т.67, №5, с.98-120.

28. Lan A.S.K. Knowledge based and statistical techniques applied to textural image classifications II Pattern recognition lett.: 1987, v.6,N2, p.95-100.

29. Watanabe Takashi, Suzuki Hitashi. Classification of complex images using the textures. // Trans. Inst. Electron Ins. and Commun. Eng. Jap.: 1987, D-70, N4, p.750-759.

30. Коржик Ю.В., Костылев В.И. Эксперименты по параметризации текстурных изображений // Известия вузов «Радиоэлектроника»: 1997, №11, с.72-78.

31. Верхаген К., Дейн Р.,Грун Ф. Распознавание образов. Состояние и перспективы. М.: Радио исвязь,1985.

32. Julesz В. The role of termination in preattentive perception of line textures II Lecture Notes in Bioma-thematics: 1981,vol.44,p.33-58.

33. Julesz B. Textons the elements of texture perception and their interactions // Nature 129: vol.12, N3, p.91-97.

34. ПрэтУ. Цифровая обработка изображений. М.: Мир, 1982.

35. Розенфельд А., Дейвис Л.С. Сегментация и модели изображения //ТИИЭР: 1979, т.67,№5,с.71-81.

36. Коулмэн Г.Б., Эндрюс Х.С. Сегментация изображения при помощи автоматической классификации // ТИИЭР: 1979, т.67,№5, с.82-97. ?

37. Златопольский А.А. Сегментация изображения по границам с разрывами II Автоматика и телемеханика: 1985,№9,с.109-117.

38. Горелик А.Л., Гуревич И.Б., Скрипкин В.А. Современное состояние проблемы распознавания. М.: Радио и связь, 1985.

39. Системы технического зрения. Под редакцией Писаревского А.Н., Чернявского А. Ф. Л.: Машиностроение, 1988.

40. Фу К., Гонсалес Р., Ли К. Робототехника. М.: Мир, 1989.

41. Хорн Б.К. Зрение роботов. М.: Мир, 1989.

42. Справочник «Искусственный интеллект», т.2,»Модели и методы». М.: Радио и связь, 1990.

43. Preston К., Michael J.В. Modern cellular automata. Theory and application. New York and London: Plenum Press, 1984.

44. Todd-Pokropek A. Medical image processing // Pictorial Data Anal., Berlin: 1983, p.295-320.

45. KittlerJ. A review of pattern recognition and image processing in the UK academic institutions II CG 83: Comput. Graph. Int. Conf. Proc., London: 1983, Pinner, 1983, p.531-554.

46. Preston K., Pagan L.M., Huang H.K., Pryor ТА Computing in Medicine // IEEE, CS Press., Los Alamos, Calif.: 1984, p.294-313.

47. Davis L.S. Image texture analysis techniques. A survey // Proc. NATO, Digital Image processing, Adv. Study Inst., Bonas: June 23-July 4, 1980, Dordrecht e. a., 1981, p. 189-201.

48. Weszka J.S., Dyer C.R., Rosenfeld A. A Comparative study of texture measures for terrain classification // IEEE Trans.: 1976, vol.SMC -6, N4, p.269-285.

49. Haralick R.M., Shanmugan К., Dinstein I. Textural Features for Image classification // IEEE Trans.: 1973, vol.SMC -3, N6, p.610-621.

50. Rosenfeld A. Image analysis: problems, progress and prospects // Pattern Rec-ogn.: 1984, vol.17, N1, p.3-12.

51. Tang H.W., Srinivasan V., Ong S.H. texture segmentation via nonlinear interaction among gabar feature pairs // Opt. Eng: 1985, vol.3,4, N 1, p. 125-134.

52. Reed Т., Wechsler H. Tracking of nonstationarities for texture fields // Signal Process: 1988, vol.14, N1, p.95-102.

53. Калеватых A.B., Павлов Б.А. Обзор современных методов автоматизированного анализа изображений // Автоматика и телемеханика: 1985, №9, с.3-21.

54. Sanderson Н., Grebbin G. Image segmentation for compression of image and image sequences // I EE Pros. Vision, Image and Signal Process.: 1995, vol.142, N1, p.15-21.

55. Иванов B.A., Киричук B.C., Перепрягин Т.И. Сегментация изображений //Автометрия: 1980, №3, с.48-54.

56. Conners R.W., Trivedi М.М., Harlow С.А. Segmentation of a high-resolution urban scene using texture opera-tons // Comput. Vision, Graph, and Image Process.: 1984, vol.25,N3, p.273-310.

57. Therrien C.W. an estimation-theoretic approach to terrain image segmentation // Comput. Vision., Graph. And Image Process.: 1983, vol.22, N3, p.313-326.

58. Cohen F.S., Cooper D.B. Real-time textured-image segmentation based on non casual markovian field models // Robot Vision and Sens. Contr.: 3-d Int.Conf., Cambridge, Mass.: 6-10 Nov., 1983, Bedford, Amsterdam, 1983, p.27-28.

59. Rosenfeld A. Picture processing 1983 // Comput., Vision., Graph. And Image Processing: 1984, vol.26,N3, p.347-393.

60. Jayaramamurthy S.N. , Jain R. An approach to the segmentation of textured dynamic scenes // Comput. Vision, Graph, and Image Process.: 1983, vol.21, N2, p.239-261.

61. Chen P.C., Pavlidis T. Segmentation by texture using correlation // IEEE Trans.: 1983, vol.PAMI-5, N1, p.64-69.

62. Белоглазов И.Н., Тарасенко В.П. Корреляционно-экстремальные системы. М.: Советское радио, 1974.

63. Рытов С.М. Введение в статистическую радиофизику. М.: Наука, 1966.

64. Memon Naris D., Sayood Khalid. Lossless compression of RGB color images // Opt. Eng.: 1995, vol.34, N6, p.1711-1717.

65. Левшин В.Л. Пространственная фильтрация в оптических системах пеленгации. М.: Советское радио, 1971.

66. Протасов К.Т. Распознавание образов и автоматическая классификация многокомпонентных видеоданных в условиях статистической неопределённости // Оптика атмосферы и океана: 1995, т.8, №6, с.831-840.

67. Тихомиров В.А., Троицкий И.Н., Харитонова О.И. Автоматическое распознавание изображений , полученных от объектов с зеркальной и шероховатой поверхностями // Автометрия: 1980, №5, с. 15-19.

68. Duvernoy J. Optical digital processing of directional terrain texture invariant under translation rotation and change of seal //Appl. Opt.: 1984, vol.23, N6, p.828-837.

69. Ярославский Jl.П. Анализ оптимальных линейных измерителей координат объектов на изображениях // Иконика. Цифровая обработка и фильтрация изображений: Сб. статей. М.: Наука, 1978, с.32-49.

70. Александров А.А., Венециан Р.А., Славин Р.Б. и др. Корреляционное обнаружение и распознавание в оптико-электронных системах 115 всесоюзная школа по оптической обработке информации: Тезисы докладов. Киев: 1984, с.303-304.

71. Chin Chinchuan, Oki Toru, Paolelia Phil. A novel pattern searching method using newral networks and correlation. // Proc. Int. in Conf. Newral Networks, Nagoya, Oct. 1993: IJENN'93- Nagoya. Vol.2 Nagoya, 1993, p. 1277-1280.

72. Аристархов Ю.Н., Валышков В.И., Горьян И.С. и др. Определение эффективности работы контурных операторов // Техника средств связи. Серия техника телевидения: 1985. Вып.1,с.51-59.

73. Yacoub S. Ben, Jolion J.M. Hierarchical line extraction //IEE Proc. Vision, Image and Signal Process: 1995, Vol.142, N1,p.7-14.

74. Franklin Steven E., Peddle Derek R. Texture analysis of digital image data using spatial cooccurrence.//Comput.and Geosic: 1987, vol.13, N3, p.293-311.

75. Doner Jonathan, Adams Ann, Merickol Michael. An organisational approach to texture analysis // Prs. CVPR'86:IEEE Comut. Soc. Const. Comput. Vision and Pattern Recogn. Miami Beach: 1986, p.431-434.

76. He Dang-Chen, Wang Li, Guilbert Jean. Texture feature extraction // Pattern recogn. Lett.: 1987, vol.6, N4, p.269-273.

77. Kushuaha S P.S., Kunts S., Olsten G. // Int. J. Remote Sens: 1994, vol.15, N1, p.2273-2284.

78. Мазуренко Ю. Т. Спектральная когерентная оптика // Оптический журнал: 1998, т.65, №10, с.6-12.

79. Судариков В.А. Топологическая классификация аэрофотоснимка с помощью самоорганизующейся нейронной сети.// Приборостроение: 1997, №6, с.66-72.

80. Image processing and Pattern recognition.// Adv. Image Process and Pattern Recognit.: Proc. Int. Conf. Pisa: 1985,p. 148-151.

81. Kroupa R.F., Schachter B.J. // Proc. IEEE Nat. Aerosp. And Electron Conf. New-York: 1986, p.210-214.

82. Борн M., Вольф Э. Основы оптики. M.: Наука, 1970.

83. Кюн Р. Микроволновые антенны. М.: Судостроение, 1967.

84. Пейсахсон И.В. Оптика спектральных приборов. Л.: Машиностроение, 1975.

85. Живачкин A.M., Соколов B.C. Дешифрирование фотографических изображений. М.: Недра, 1980.

86. Зелкин Е.Г., Петрова Р.А. Линзовые антенны. М.: Советское радио, 1974.

87. Франсон М. Голография. М.: Мир, 1972.

88. Голография. Методы и аппаратура. Под редакцией Гинзбург В.М., Степанова Б.М. М.: Советское радио, 1974.

89. Armstrong L.A. // IBM J. Res. and Devel. 1966, v.9, N3, p.502-503.

90. ЭЗ.Холин И.В. Статистика отражения естественных и искусственных объектов //Зарубежная радиоэлектроника: 1998, №4,с.318.

91. Басс Ф.Г., Фукс И.М. Рассеяние волн на статистически неровной поверхности. М.: Наука, 1972.

92. Зубкович С.Г. Статистические характеристики радиосигналов, отражённых от земной поверхности. М.: Советское радио, 1968.

93. Эб.Штагер Е.А., Чаевский Е.В. Рассеяние волн на телах сложной формы. М.: Советское радио, 1974.

94. Майзельс Е.Н., Торгованов В.А. Измерение характеристик рассеяния радиолокационных целей. М.: Советское радио, 1972.

95. Delano R.H., Pfeffer J. The effect of AGS on radar tracking noise// Pros.lRE:v.44,N6, 1956, p.32-43,

96. Рыфтин Я.Л. Телевизионная система. Теория. М.: Советское радио, 1967.

97. Хургин Я.И.Яковлев В.П. Методы теории целых функций в радиофизике, теории связи и оптике. М.:Физметгиз, 1962.

98. Хургин Я.И.Яковлев В.П. Финитные функции в физике и технике. М.: Наука, 1971.

99. Ю2.Сороко Л.М. Основы голографии и когерентной оптики. М.: Наука, 1971.

100. Патрик Э. Основы теории распознавания образов. М.: Сов.радио, 1980.

101. Сивков С.И. Методы расчёта солнечной радиации. Л.: Гидрометеоиздат, 1968.

102. Лазарев А.И., Коваленок В.В. Атмосфера Земли с «Салюта-6». Л.: Гидрометеоиздат, 1981.

103. Бусыгин В.П., Дмитриева P.A., Евстратов H.A. О статической связи между оптической толщиной атмосферы и метеорологической дальностью видимости //Труды ГГО: Сборник статей, М.: 1981, вып.448, с.64-68.

104. Якубов П.В. Сверхразрешение и пространственная фильтрация помех в многолучевых полях// Радиотехника и электроника: 1995, т.40, №5, с.766-770.

105. Бакут П.А., Шульц C.B., Шумилов Ю.П. О теоретико-информационной оценке точности восстановления сигналов // Радиотехника и электроника: 1995, т.40, №5, с.797-803.

106. Котельников Л.В. Разрешение обнаружение протяжённых источников // Радиотехника и электроника: 1994, т.39, №3, с.401-405.

107. Гершман В.Н., Ефименко К.Э. О механизме сверхразрешения системы источников волновых полей при цифровом восстановлении когерентных радиоизображений // Радиотехника и электроника : 1993, т.38, №1, с.25-30.

108. Габриэлян Д.Д., Звездин М.Ю. Решение задачи дифракции на телах сложной формы больших электрических размеров методом интегральных уравнений // Радиотехника и электроника: 1993, т.38, №4, с.636-642.

109. Андреев Г.А., Заенцев Л.В., Тхабисимов Д.К. Стохастический анализ радиотепловых изображений земных покровов по оптическим // Радиотехника и электроника: 1993, т.38, №4, с.678-686.

110. Поветко В.Н., Понькин В.А. Оценка качества обнаружения пространственно протяжённых объектов по их изображениям // Радиотехника и электроника: 1993, т.38, №4, с.686-700.

111. Rossi M., Kunz R.T. Focusing fan-out elements based on phase matched Fres-nel lenses // Opt. Commun.: 1994, vol.112, N56, p.258-264.

112. Слюсар В.И. Методика пересчёта результатов сверхразрешения в оценки других параметров сигналов // Известия ВУЗов «Радиоэлектроника»: 1997, т.40, №5, с.74-82.

113. Lindenbaum M. On the amount of data required for reliable recognition. // Proc. 12th I APR Int. Conf Pattern Recogn. Jerusalem: Oct. 1994, vol.1, Los Alamitos (Calif.), eet.1994, p.726-729.

114. Sweeney D.W., Sommargeren G.E. Harmonic diffractive lenses. //Appl. Opt.: 1995, vol.34, N14, p.2469-2475.

115. Силинг M.M., Эмдин B.C. Формирование признаков для классификации текстур с помощью масок бинарных случайных функций // Техника средств связи. Серия техника телевидения: 1983, вып.2, с.51-55.

116. Васюков В.Н. Алгоритм различения текстур // Методы цифровой обработки изображений: Сборник статей. Новосибирск: 1984, с.32-37.

117. Бачевский Р.С., Куц А.Г., Муравский Л.И. Автоматизированный оптико-электронный спецпроцессор для анализа крупномасштабных космоаэроизоб-ражений // 5 Всесоюзная школа по оптической обработке информации: Тезисы докладов. Киев: 1984, с. 167-168.

118. Мучник И.Б., Поморозский Е.И., Эльман Р.И. Автоматическая обработка полутоновых изображений //Автоматика и телемеханика: 1980, №2, с. 102-105.

119. Горьян И.С., Цукерман И.И. Распознавание изображений по их статистическим свойствам //Техника кино и телевидения: 1966, №2, с.57-59.

120. Авдеев В.П., Горьян И.С., Фйсенко В.Г. Сокращённое описание некоторых текстурных характеристик изображений // Техника средств связи. Серия техника телевидения: 1980, вып.4, с.33-40.

121. Diverney J. Optical-digital processing of directional terrain textures invariant under translation, rotation and change of scale. // Applied Optics: 1984, vol.23, N6, p.826-837.

122. Poleg S., Naor J., Hartley R., Avnir D. Multiple resolution texture analysis and classification. // IEEE Trans.: 1984, vol.PAMI-6, N4, p.518-523.

123. Винокуров Д.И., Старовойтов В.В., Абламейко С.В. Алгоритмы обработки изображений, состоящих из областей структурных текстур // 2 Всесоюзная конференция «Методы и средства обработки сложной графической информации»: Тезисы докладов. Горький: 1985, с.22.

124. Tsuji S., Tomita F. A structural analyzer for a class of textures. // Comput., Graph, and Image Process.: 1973, N2, p.216-232.

125. Haralick R.M. Ridges and vales on digital images. // Comput., Vision, Graph.,, and Image Process. : 1983, vol.22,N1,p.28-38.

126. Haralick R.M. Structural pattern recognition, homomorphisms and arrangements. // Pattern Recognition: 1978, vol.10, N3.

127. Mitchell O.R., Myers C.R., Boyne W. A max-min measure for image texture analysis // IEEE Trans., 1977, vol.C-26, N4, p.408-414.

128. Хусу А.П., Витенберг Ю.Р., Пальмов В.А. Шероховатость поверхностей. Теоретико-вероятностный подход: М.: Наука, 1975.

129. Shin-yi Hsn. Texture-tone analysis for automated band-use mapping// Photo-grammetric Engineering and remote Sensing: 1978, vol.44, N 11, p.42.

130. Kender J.R. A computational paradigm foe deriving local surface orientation from local textural properties. // Proc. Workshop Comput. Vision represent. And Contr., Ringe, N.H., 23-25 Aug., 1982,Silver Spring Md.: 1982, p.143-152.

131. Laffey T.J., Haralick R.M., Watson L.T. Topographic classification of digital image intensity surfaces. //, Proc. Workshop Comput. Vision represent. And Contr., Ringe, N.H.,23-25 Aug., Silver Spring Md.: 1982, p.171-177.

132. Troy E.B., Deutsch E.S., Rosenfeld A. Gray-level manipulation experiments for texture analysis. // IEEE Trans.1973, vol.SMC-3, p.91-98.

133. Galloway M.M. Texture classification using gray-level run lengths. // Comput., Graph, and Image Process.: 1975, vol.4, p. 172-179.

134. Ehrich R., Foith J.P. Topology and Semantics of intensity arrays. // Computer vision / Eds. Riseman E., Hanson A. N.Y.: Academic Press, 1978.

135. Ширбан Я. Д. Сверхразрешение сигналов: возможности, ограничения, неавторегрессионный подход II Радиотехника и электроника: 1998, т.43, №3, с.282-292.

136. Davis L.S., Johns S., Aggarwal J.К. Texture Analysis using Generalized cooccurrence matrices. // IEEE Trans.: 1979, vol.PAMI-1, N3, p.251-259.

137. Zucker S.W., Rosenfeld A., Davis L.S. Picture segmentation by texture discrimination. // IEEE Trans.: 1975, vol.4, p.172-179.

138. Pietikainen M., Rosenfeld A., Davis L.S. Experiments with teature classification using averages of local pattern matches. // IEEE Trans.: 1983,vol.SMC-13, N3, p.421-426.

139. Коржик Ю.В. Исследования и разработка телевизионных устройств анализа изображений методом текстурной сегментации. Диссертация на соискание учёной степени кандидата технических наук. Л.: ЛЭТИ, 1986.

140. Jayaramamurthy S.N., Jain R. An approach to the segmentation of textured dynamic scenes. // Comput. Vision, Graph, and Image Process.: 1983, vol.21, N2, p.239-261.

141. Киретчук B.C., Коршевер И.И., Синельников В.В. Анализ изображений динамических сцен: модели, алгоритмы и системы реального времени // Автометрия: 1998, №3, с.3-17.

142. Фомин Я.А. Теория выбросов случайных процессов. М.: Связь, 1980.

143. Палагин Ю.И. Математическое моделирование многомерных случайных полей на основе параметрических представлений // Радиотехника и электроника: 1983,т.28, №4, с.709-719.

144. Перетягин Т.И. Представление изображений гаусовскими случайными полями //Автометрия: 1984, №6, с.36-42.

145. Террайен Ч.У., Куатьери Г.Ф., Даджон Д.Е. Алгоритмы анализа изображений, основанные на статистических моделях//ТИИЭР: 1986, т.74, №4, с.4-14.

146. Захор А., Израэлевич Д. О выборе числа пересечений нуля двумерными сигналами // ТИИЭР: 1986, т.74, №9, с. 131.

147. Шалыгин А.С., Палагин Ю.И. Прикладные методы статистического моделирования. Л.: Машиностроение, 1986.

148. Асламус В.В., Сажин С.М. Сравнительный анализ алгоритмов сжатия видеоинформации//Труды ГосНИЦИПР. М.:1980, №8, с.93-105.

149. Фараго Т. Сравнительный анализ методов сжатия спектрофотометрической информации при оценке гидрологических параметров // Исследования Земли из космоса: 1988, №2, с.3-12.

150. Тематический выпуск. Аппаратные и програмные средства обработки сигналов//ТИИЭР: 1987, т.75, №9.

151. Нуссбаумер Г. Быстрое преобразование Фурье и алгоритмы вычисления свёрток // М.: Радио и связь, 1985.

152. Тихонов В.И., Хименко В.И. Проблемы пересечения уровней случайными процессами. Радиофизические приложения // Радиотехника и электроника: 1998, т.43, №5, с.501-513.

153. Быков Р.Е.и др. Телевидение. М.: Высшая школа, 1988.

154. Ceholl Marija S. Architecture for object identification incorporating an optical correlator and digital processing for display and recording of optical data // Opt. Eng.:1995, vol.34, N3, p.887-895.

155. Minemoto Takumi, Tsuchimoto Izumi, Imi Satashi. Hybrid patter recognition using the Frannhofor diffraction pattern II Opt. Commun.: 1984, vol.51, N4, p.221-226.

156. Casasent D. Optical signal processing // Electro-Opt. Syst. Ses.: 1981, vol.13, N6, p.39-46.

157. Зверев В.А. Радиооптика. M.: Сов. Радио, 1975.

158. Alam M.S., Gu Y. Sobel operator based multiobject joint transform correlation // Optic: 1995, vol.100, n1, p.28-32.

159. Washwell E.R., Gheen G.O., Huanh Ghao H. Optical correlators for space applications: prospects and problems, // IEEE Micro: 1994, vol.14,N6, p.42-47. 165.Экспериментальная радиооптика. Под редакцией В.А.Зверева, Н.С.Степанова. М.: Наука,1979.

160. Yu F. Recent advances in white-light image processing. // Adv. Electron. And Electron. Phys.: Orlando, 1985, vol.63, p. 1-72.

161. Juntamutia S., Asakura T. A general approach to noncoherent correlations. // J. Opt.: 1985, vol.16, N3, p.121-125.

162. Potaturkin o.l., Khotskin V.I. Diffraction correlators invariant to the shift optical elements. // Opt. Commun.: 1980, vol.34, N2, p. 159-163.

163. Yu F. Principles of optical processing with partially coherent light. // Progr. Opt.: Amsterdam, 1986, vol.23, p.221-275.

164. Коржов В.И., Опарин О.М., Полежаев В.В., Потатуркин О.И. Многоканальный голографический коррелятор интенсивности с квазимонохроматической ЭПТ//Автометрия: 1987, №2, с. 12-19.

165. Flannery D.L., е.a. Real-time correlator using binary magnetooptic spatial light modulators at input and Fourier planes. //Appl.Opt.: 1986, vol.25, N4, p.466.

166. Козик В.И., Опарин O.M., Потатуркин О.И. Исследования характеристик го-лографического коррелятора, сопряжённого с видеопроцессором // Автометрия: 1988, №6, с.99-107.

167. Yu F., Ludman J. Microcomputer based programmable optical correlator for automatic pattern recognition and identification. // Opt. Lett.: 1986, vol.11, N6, p.395-397.

168. Chin Chinchuan, Oki Torn, Paollelia Phil. A novel pattern searching method using neural networks and correlation. // Proc. Int. It. Conf. Newral Networks: Nagoya, Oct. 1993 / ICNN'93 Nagoya, 1992, vol.2, p.1277-1280.

169. Теория обнаружения сигналов. Под редакцией Бакута П.А. М.: Радио и связь, 1984.

170. Василенко Г.И. Голографическое опознавание образов. М.: Советское радио, 1977.

171. Акаев А.А., Майоров С.А. Когерентные оптические вычислительные машины. Л.: Машиностроение, 1977.

172. Оптическая обработка информации. Под редакцией Д. Кейсесента. М.: Мир, 1980.

173. Ginsberg R. Image rotation. //Appl.Opt.: 1994, v/33, N34, p.8105-8108.

174. Гуревич Г.Б. Основы теории алгебраических инвариантов. Л.-М.: ОГИЗ, 1948.

175. Файн B.C. Опознавание изображений. М.: Наука, 1970.

176. Липкин Л. Статистические задачи и алгебраические методы // М.: ВЦ АН СССР, 1985 (препринт).

177. Гладум В.Д., Зайцев В.И., Корчинский В.И. Инвариантно-корреляционные методы классификации изображений // ВИНИТИ №7656-В 87, депонирована 30.10.1987.

178. Yang Luren, Albregtsen Fritz. Fast computation of invariant geometric moments. // Proc. 12th I APR Int. Conf. Pattern Recogn. Jerusalem: Oct. 1994, vol.1; Los Alami-tos (Calif.), 1994, p.201-204.

179. Базарский A.O. Анализ эффективности применения метода алгебраических инвариантов в системах технического зрения. Дипломная работа. Воронеж: ВГУ, 1994.

180. Sheng Yunlong, Shen Lixin. Ortogonal Fourier-Mellin moments for invariant pattern recognition. //J. Opt. Soc. Amer. A.: 1994, vol.11, N6, p. 1548-1557.

181. Cheng Yih-Shyang, Liang Tsair-Chum. // Rotation invariant pattern recognition, using a composite circular harmonic filter. // Opt. Commun.: 1994, vol.112, N1-2, p.9-15.

182. Кейсесент Д., Псалтис Д. Новые методы оптических преобразований для распознавания //ТИИЭР: 1977, т.65, №1, с.92-100.

183. Мустель Е.Р., Парыгин В.Н. Методы модуляции и сканирования света, М.: Наука, 1970.

184. Сафронов Г.С., Сафронова А.П. Введение в радиоголографию. М.: Советское радио, 1973.191 .Зуев В.Е. Прозрачность атмосферы для видимых и инфракрасных лучей. М.: Советское радио, 1966.

185. Шанда Э. Физические основы дистанционного зондирования. М.: Недра, 1990.

186. Итоги науки и техники. Серия радиотехника. Под редакцией Р.Мариманова. М.: 1980, т.20.

187. Данные по климату СССР. Карты климатических характеристик осадков по месяцам. Т.2, Обнинск: 1977.

188. Руководство по прогнозированию метеорологических явлений для авиации. П.: Гидрометеоиздат, 1982.

189. Лифанов Ю.С., Саблин В.Н., Федоринов А.Н., Шапошников В.И. Направления развития современных радиолокационных средств и систем разведки наземных целей // Зарубежная радиоэлектроника: 1998, №5-7, с.З.

190. Кононов И.А., Потапенко A.M., Хахулин В.Г., Ющенко С.П. Нейросетевые технологии в задачах обработки аэрокосмических изображений местности // Зарубежная радиоэлектроника: 1998, №1, с.52-60.

191. Сергеев В. В. Применение методологии распознавания образов в задачах цифровой обработки изображений //Автометрия, 1998, №2, с.63-76.

192. Фурман Я.А. Симметричные характеристики формы произвольного плоского изображения //Автометрия: 1998, №2, с.77-86.

193. Котосонов Н.В., Хлявич Я.Л., Базарский О.В. Исследование пространственной когерентности излучения некоторых антенн СВЧ диапазона // Известия ВУЗов «Радиофизика»: 1972, №1, с. 150-152

194. Котосонов Н.В., Базарский О.В., Вислянский В.И., Хлявич Я.Л. Запись и восстановление микроволновых голограмм с несколькими градациями интерференционной картины //Радиотехника и электроника: 1972, т. 17, №8, с. 17311732

195. Котосонов Н.В., Базарский О.В., Хлявич Я.Л. Исследование голографиче-ского метода получения изображений фазовых объектов в микроволновом диапазоне // Радиотехника и электроника: 1972, т. 17, №8, с. 1733-1734.

196. Вагнер Э.Г. Говоров В.П., Базарский О.В. Производственные вибрации и точность контрольных работ//Авиационная промышленность: 1975, №9,с.87-92.

197. Базарский О.В., Хлявич Я.Л. Голографическая интерферометрия в СВЧ диапазоне // Радиотехника и электроника: 1975, т.20, №12, с.2604-2605

198. Глауберман А.С., Базарский О.В., Гибкий волновод // Приборы и техника эксперимента : 1976, №3, с.246-247.

199. Базарский О.В.«, Орлова Т.И., Хлявич Я.Л. Получение сверхразрешения методом аналитического продолжения // Радиотехника и электроника: 1976, т.21, №12, с.2630-2643.

200. Базарский О.В., Колесников А.И., Хлявич Я.Л. О выборе растра неоптических голограмм // Радиотехника и электроника: 1977, т.22, №6, с. 1276-1277.

201. Базарский O.B. Схемы записи и восстановления длинноволновых Фурье-голограмм со сжатием спектра // Радиотехника и электроника: 1977, т.22, №9, с. 1973-1976

202. Базарский О.В., Кадашов Н.Г., Хлявич Я.Л. О построении бинарных зонных пластинок Френеля // Радиотехника и электроника: 1979, т.24, №4, с.834-836

203. Базарский О.В. Особенности и возможности применения зонной пластинки Френеля, облучаемой широкополосными частотно-модулируемыми колебаниями // Радиотехника и электроника: 1980, т.25, №2, с.409-412.

204. Базарский О.В., Коржик Ю.В. Автоматический текстурный анализ изображений земной поверхности II Исследование Земли из космоса: 1980, №3, с. 115120.

205. Базарский О.В., Колесников А.И., Хлявич Я.Л. Частотные свойства зонированных линз Френеля // Радиотехника и электроника: 1980, т.25, №12, с.2491-2497.

206. Базарский О.В. Вероятность правильного распознавания изображений как критерий качества систем распознавания образов // Радиотехника и электроника: 1981, т.29, №3, с. 1860-1864.

207. Андреев Г.А., Базарский О.В., Колесников А.И., Хлявич Я.Л. Формирующие свойства зонированных линз Френеля в миллиметровом диапазоне // Радиотехника и электроника: 1982, т.27, № 10, с.2027-2030.

208. Мазуров Г.И., Базарский О.В., Жучков В.В. Атмосфера- линза // Авиация и космонавтика: 1983, №1, с.43.

209. Андреев Г.А., Базарский О.В., Глауберман A.C. и др. Анализ и синтез случайных пространственных текстур // Зарубежная радиоэлектроника: 1984, №2, с. 3-33.

210. Базарский О.В. О возможности получения изображений с частотным сканированием по дальности // Радиотехника и электроника: 1984, т.29, №3, с.597-598.

211. Андреев Г.А. Базарский О.В., Глауберман A.C., Хлявич Я.Л. Визуализация и преобразование электромагнитных полей миллиметрового диапазона // Зарубежная радиоэлектроника: 1984, №11, с.3-27.

212. Базарский О.В., Коржик Ю.В. Система признаков для анализа и распознавания изображений случайных пространственных текстур // Исследования Земли из космоса: 1985, №2, с. 108-110.

213. Базарский О.В., Коржик Ю.В. Метод опорных изображений при обработке зашумлённых изображений квазипериодических поверхностей // Автометрия: 1985, №5, с. 106-110.

214. Базарский О.В. Вероятность распознавания малоразмерных объектов из космоса II Исследование Земли из космоса: 1Э85, №6, с. 101-105.

215. Базарский О.В.,Коржик Ю.В. Об оптимальной протяжённости зашумлённых источников, разрешаемых пространственной апертурой // Радиотехника и электроника: 1987,т.32, №8,с. 1626-1632.

216. Базарский О.В., Глауберман A.C., Колесников А.И., Хлявич Я.Л. Многочастотная голография со сжатием спектра // Радиотехника и электроника: 1988, т.ЗЗ, №11, с.2452-2455.

217. Базарский О.В. Аберрационные ограничения зонированных линз Френеля при формировании изображений с частотным сканированием // Радиотехника и электроника: 1989,т.34, №5, с.927-931.

218. Базарский О.В., Котосонов Н.В., Хлявич Я.Л., Шевченко A.M. О формировании радиоизображения в СВЧ диапазоне одиночной линзой и системой двухлинз // Радиотехника и электроника: Сборник статей. Воронеж: ВГУ, 1971, с. 161166.

219. Базарский О.В., Котосонов Н.В., Хлявич Я.Л., Колесников А.И. Исследование возможности идентификации объектов в микроволновом диапазоне II Проблемы голографии: Сборник статей. М.: МИРЭА, 1973, т.1, с.46-51.

220. Котосонов Н.В., Базарский О.В., Хлявич Я.Л. Оценка оптимального коэффициента уменьшения радиоголограмм. // Проблемы голографии: Сб.статей. М.: МИРЭА,1973,т.1,с.93-96.

221. Котосонов Н.В., Базарский О.В., Вислянский В.И., Хлявич Я.Л. Влияние конечности размеров зонда и выборок на изображение // Проблемы голографии: Сб.статей, М.:МИРЭА, 1973,т.1,с.88-93.

222. Котосонов Н.В., Базарский О.В., Хлявич Я.Л. Влияние аберраций на качество восстановленного изображения масштабно-трансформированных радиоголограмм // Радиоэлектроника: Сб статей. Воронеж: ВГУ, 1973,с.60-66.

223. Базарский О.В. Зонная пластинка Френеля с переменным фокусным расстоянием // Радиоэлектроника: Сб.статей. Воронеж: ВГУ, 1975, с.22-26.

224. Базарский О.В., Хлявич Я.Л. Метод повышения разрешения квазиоптических систем и СВЧ голограмм // Проблемы голографии: Сб. статей. М.: МИРЭА, 1976, вып.6, с.85-91.

225. Базарский О.В., Орлова Т.И., Кадашов Н.Г., Хлявич Я.Л. О пространственном разрешении источников на фоне помех // Топографические способы обработки сложных электрических сигналов: Сб.статей. М.: МИРЭА, 1977, с.133-138.

226. Базарский О.В., Хлявич Я.Л. Разрешающая способность радиоголограмм и пути её повышения // Радиоголография и оптическая обработка информации в микроволновой технике: Сб.статей. Л.: Наука, 1980, с.50-56.

227. Базарский О.В., Колесников А.И., Коржик Ю.В. Определение пространственной частоты квазипериодических поверхностей методом оптической фильтрации // Межвузовский сборник статей, Воронеж: ВГУ, 1983, с.29-37.

228. Базарский О.В., Коржик Ю.В. Метод оценки взаимного расположения статистически однородных фрагментов двумерного физического поля // Статистические проблемы управления, Сборник статей, вып.90, Вильнюс: 1990,с.49-53.

229. Глауберман A.C., Базарский О.В., Кустов М.Ф. Гибкий волновод. A.c. №507907, СССР, Б.И. 1976, №11.

230. Базарский О.В. Фокусирующее устройство. А.с.№673019, СССР, Б.И. 1979, №22.

231. Базарский О.В. Фокусирующее устройство. А.с.№673019, СССР, Б.И. 1979, №22.

232. Базарский О.В., Кадашов Н.Г. Способ измерения расстояний. A.C. №852066,СССР, Б.Н.1981, №26.

233. Базарский О.В., Коржик Ю.В. оптический коррелятор. A.C. №1101855, СССР, Б.И., 1984, №25.

234. Базарский О.В., Коржик Ю.В. Способ формирования признаков для распознавания изображений однородных структур. A.c. №1119042, СССР, Б.И. 1984, №38.

235. Базарский О.В., Коржик Ю.В. Оптический коррелятор. A.c. №1159044, СССР, Б.И. 1985, №20.

236. Базарский О.В., Коржик Ю.В. Статистический анализатор изображений. A.c. №1173427, СССР, Б.И. 1985, №30.

237. Базарский О.В. Устройство для синтезирования спектрозональных и цветных изображений. А.с.№ 1304534, СССР.Б.И.1987, №12.

238. Базарский О.В., Коржик Ю.В. Способ формирования признаков для распознавания сегментированных изображений. A.c. №1374260, СССР, Б.И. 1988, №6.

239. Базарский О.В., Глауберман A.C., Колесников А.И., Хлявич Я.Л. Устройство для передачи сигналов радиоизображения. A.C. №1544155,СССР, Б.И 1989 №36.

240. Базарский О.В. Голографический коррелятор. А.с.№1676368,СССР, Б.И.1992,№14.

241. Базарский О.В., Хлявич Я.Л. Особенности и перспективы голографирования в милиметрово диапазоне // Всесоюзный симпозиум по приборам, технике и распространению субмиллиметровых и миллиметровых волн в атмосфере: Тезисы докладов. М.: 1976, с. 132-133.

242. Базарский О.В., Глауберман а.С., Кустов М.Ф. Гибкий волновод мм диапазона./^ Всесоюзный симпозиум по приборам, технике и распространению субмм и мм волн: Тезисы докладов, М.: АН СССР, 1976, с.206.

243. Базарский О.В., Вагнер Э.А., Хлявич Я.Л. Голографический метод контроля расстояния //1 Всесоюзный симпозиум "Оптическое приборостроение и голография": Тезисы докладов, Львов, 1976, т.4., с. 139.

244. Базарский О.В., Колесников А.И., Хлявич Я.Л. Оптическая обработка широкополосных сигналов с использованием зонированных линз Френеля //3 Всесоюзная школа по оптической обработке информации: Тезисы докладов. Рига: 1980, т. 1, с. 102-103.

245. Базарский О.В., Коржик Ю.В. Информационная ёмкость зашумлённых изображений // 5 Всесоюзная школа по оптической обработке информации: Тезисы докладов. Минск: 1982, ч. 1, с.35-36.

246. Базарский О.В., Коржик Ю.В. Оценка параметров изображений при наличии помех // 4 Всесоюзная школа по оптической обработке информации: Тезисы докладов. Минск: 1982, с.76-77.

247. Базарский О.В., Колесников А.И., Хлявич Я.Л. Особенности корреляционного метода распознавания детерминированных объектов на фоне местности // 5 Всесоюзная конференция по голографии: Тезисы докладов. Ереван: 1982, с.59-60.

248. Базарский О.В., Хлявич Я.Л., Колесников А.И. Визуализация объёмных неоднородностей // 5 Всесоюзная конференция по голографии: Витебск. Тезисы докладов. 1990,с. 192.

249. Базарский О.В., Колесников А.И., Хлявич Я.Л. Выделение детерминированных и статистических объектов на фоне местности // 5 Всесоюзная школа по оптической обработке информации: Тезисы докладов. Киев: 1984, с. 114.

250. Базарский О.В., Колесников А.И., Хлявич Я.Л. Телевизионно-оптический коррелятор для оперативной обработки сигналов и изображений // 2 Всесоюзная конференция «Проблемы развития радиооптики»: Тезисы докладов. М.: 1985, с.98-100.

251. Базарский О.В., Коржик Ю.В. Адаптивный оптический коррелятор //1 Всесоюзная конференция по оптической обработке информации: Тезисы докладов. Л.: 1988, с.68-70.

252. Базарский О.В., Сидоркин А.Ф. Климатические оценки потенциала радиоэлектронных средств мм диапазона. //Труды ВИРЭ, вып.З, ч.1: Тезисы докладов, Воронеж, 1996,с.36.

253. Базарский О.В. Вероятность распознавания малоинформативных изображений //Труды ВИРЭ: Тезисы докладов. Воронеж: ВИРЭ, 1996. Вып.З, ч.1, с.42.

254. Базарский О.В., Сидоркин А.Ф., Щукин И.И. Оценка энергетического потенциала систем мм диапазона для различных климатических регионов. //Сб.военной академии связи «Приоритетные пути развития военной связи»: Тезисы докладов, С-Петербург, 1996,с.47.

255. Базарский О.В.,Сидоркин А.Ф., Щукин И.И. Вероятность приёма радиоволн мм диапазона в различных климатических регионах. //Сб.военной академии связи «Приоритетные пути развития военной связи»:Тезисы докладов, С-Петербург, 1996,с.48.

256. Базарский О.В. Некогерентный телевизионно-оптический коррелятор // Всероссийская конференция «Современные методы подготовки специалистов и совершенствования систем обеспечения авиации»: Тезисы докладов. Воронеж, ВВВАИУ, 1997, с.224.

257. Базарский О.В., Коржик Ю.В. Методы автоматического распознавания многозональных текстурных изображений // Всероссийская научная конференция: Тезисы докладов. Воронеж: ВВВАИУ, 1997, с.8-14.