Теоретические основы и автоматизированные технологии анализа и синтеза изображений и сигналов в исследованиях природно-социальных систем тема автореферата и диссертации по физике, 01.04.01 ВАК РФ

На правах рукописи

СМЕТАНИН Анатолий Михайлович

Ькг • - _ „

^ ол

2 4 «!пп ??т

УДК 50.24:534.4:621.391

ТЕОРЕТИЧЕСКИЕ ОСНОВЫ И АВТОМАТИЗИРОВАННЫЕ

ТЕХНОЛОГИИ АНАЛИЗА И СИНТЕЗА ИЗОБРАЖЕНИЙ И СИГНАЛОВ В ИССЛЕДОВАНИЯХ ПРИРОДНО-СОЦИАЛЬНЫХ

СИСТЕМ

Специальность 01.04.01 - Техника физического эксперимента, физика приборов, автоматизация физических исследований

Автореферат диссертации на соискание ученой степени доктора технических наук

Ижевск - 2000

Работа выполнена в Ижевском Государственнбм техническом университете

Научный консультант:

Ведущая организация: Государственный научно-исследовательский и производственный центр «Природа» Федеральной службы геодезии и картографии РФ

Защита состоится 14 апреля 2000 г. в 14 часов на заседании диссертационного совета Д 064. 47. 02 при Удмуртском Государственном университете по адресу: 426034, г. Ижевск, ул. Университетская, д. 1

С диссертацией можно ознакомится в библиотеке УдГУ

Автореферат разослан « » марта 2000 г. Ученый секретарь диссертационного совета

доктор технических наук, профессор П.Г. Кузнецов

Официальные оппоненты:

член-корреспондент РАН А.М. Липанов (Институт прикладной механики УрО РАН)

член-корреспондент РАН В.В. Кондратьев (Нижегородский Государственный технический университет)

доктор технических наук, профессор В.А. Алексеев (Физико-технический институт УрО РАН)

д.т.н.

В.Я. Баянкин

¿ОУ-ГУ САР/у 0

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

Современное - - человеческое общество представляет собой взаимосвязанную и взаимозависимую совокупность систем различного уровня, сложности, генезиса (природная среда, население, государственная власть, предпринимательство, наука, культура, криминал и т.п.).

Значительный интерес в этом контексте представляет рассмотрение во взаимосвязи двух типов (видов) систем: природных и социальных. В независимости друг от друга в реальном мире природные и социальные системы, как правило, не существуют, поскольку их физически невозможно отделить друг от друга. Более того, эти два типа систем активно взаимодействуют друг с другом, особенно в последние несколько десятилетий. В частности, именно с их взаимодействием связано обострение глобальных и локальных экологических проблем на планете в последние несколько лет. Проблемы эти не только не решены, но и все более обостряются, что, в конечном итоге, может привести, а кое-где уже приводит, к глобальным катастрофам (Чернобыль, Арал, Чердынь, «желтые дети» в г. Черновцы, на Алтае).

Назовем природно-социальной системой (ПСС) взаимосвязанную и взаимозависимую пространственную совокупность конечного количества природтгых и социальных систем. Примерами ПСС могут являться предприятия, учреждения (от мелких до крупных), населенные пункты (с любым конечным количеством населения и степенью урбанизации), субъекты государства и, в конечном итоге, само государство. Первые - это ПСС низшего уровня, последние - ПСС высшего уровня.

Очевидно, что целью существования ПСС любого уровня является сохранение ее существования, что достигается в основном эффективным управлением ПСС всех уровней. В настоящее время управление ПСС осуществляется с использованием так называемых автоматизированных (информационных) технологий (ИТ), работающих с такими предметными объектами как сигналы, изображения и символьные последовательности. Существующие методы анализа и синтеза данных объектов ИТ не могут полностью удовлетворить потребностей ПСС различного уровня.

При построении модели управления ПСС, особенно высших уровней, возникает вопрос определения номенклатурного состава входящих в нее систем низшего уровня, который достаточен для достижения адекватности модели. Обычно в точных науках данная проблема решается определением функционально-полного набора составляющих систем (подсистем). В условиях неопределенности такого набора, достаточного для построения адекватной модели управления, в настоящей работе принят подход создания максимально возможного набора ИТ исследования ПСС.

ПСС имеют своей естественной базой поверхность Земли. Очевидно и естественно использовать в их исследованиях современное представление модели земной поверхности - цифровую модель местности (ЦММ), одним из основых

способов формирования которой в настоящее время является автоматизированное дешифрирование материалов аэрокосмической съемки (МКС). Здесь наиболее известны работы A.C. Алексеева, В.П. Пяткина, Н.Ф. Афанасьева, B.C. Бирюкова, Ю.П. Киенко и др.

В результате мы приходим к важной, в целом не решенной до настоящего времени проблеме - разработке и реализации автоматизированной произюдственной технологии дешифрирования МКС с целью создания ЦММ со всеми необходимыми ее атрибутами: исходными данными, математическим аппаратом, аппаратными средствами, программными системами, информационным обеспечением (базами данных).

Задачу создания максимально возможного набора ИТ исследования ПСС эффективно решать в одном «русле» с разработкой ИТ создания ЦММ, выбрав последнюю в качестве «базовой» ИТ. Элементы максимально возможного набора ИТ, опирающиеся на базовую ИТ и использующие полученные при ее разработке результаты, здесь могут явиться своеобразными «островками», опорными пунктами ИТ исследования ПСС, которые в дальнейшем стали бы основой для последующего расширения исследований в данном направлении. Отсюда и возникает очередная проблема - разработка ИТ в едином подходе, охватив как важнейшие из основных ПСС, так и возможно большую часть менее важных (фоновых) ПСС, на основе базовой ИТ создания ЦММ.

Остановимся еще на одном аспекте исследований, проводимых в данной работе. Основным связующим звеном («стержнем») для них является понятие ПСС - природно-социальной системы. Вместе с тем, исследования имеют еще одно связующее звено - обработку, анализ и распознавание одномерных и двумерных сигналов, которым уделялось и уделяется до сих пор значительное внимание как в теоретических, так и в прикладных работах. Причем если одномерный случай достаточно хорошо изучен и реализован в многочисленных технических системах, то двумерный, характеризующийся значительной вычислительной трудоемкостью даже для современных вычислительных платформ, применяется в чистом виде достаточно редко. Чаще его сводят к одномерному случаю путем построчного сканирования. Именно методология анализа всех видов сигналов на основе одномерного случая становится вторым «стержнем», объединяющим внешне достаточно разнородные области исследований настоящей работы.

В рамках сформулированного выше подхода рассмотрим задачу речевого управления, поскольку она не потеряла актуальности до настоящего времени. По исследованиям одного из основателей автоматического распознавания слуховых образов (АРСО) Н.Г. Загоруйко с каждым годом окончательное решение данной проблемы отодвигается в направлении дальней перспективы. С научной точки зрения это достаточно противоречивая проблема, но исключительно интересная благодаря своей физической природе и есть достаточно оснований для того, чтобы она получила определенное место и в настоящей работе.

Целью работы является создание максимально возможного набора информационных технологий исследования природно-социальных систем на ос-

нове автоматизированного дешифрирования объектов цифровой модели местности по материалам аэрокосмической съемки.

Для достижения поставленной цели определены и решены следующие основные научно-технические задачи:

1. Разработать и реализовать базовую информационную технологию (БИТ) создания цифровой модели местности (ЦММ) по результатам дешифрирования материалов аэрокосмической съемки (МКС).

2. Разработать новые и более эффективные методы анализа и синтеза одномерных сигналов и изображений, опираясь на их обобщающее описание на основе построчного сканирования. Рассмотреть вопросы распознавания символьных последовательностей.

3. Разработать и создать информационные технологии исследования основных природно-социальных систем (ПСС), охватив наиболее важные из них: природоохранные; силовые структуры; предпринимательство; наука; транспорт; связь и т.д.

4. Разработать и создать информационные технологии исследования возможно большего числа фоновых ПСС, дополняющих основные ПСС до максимально возможного набора.

5. Исследовать теоретические и практические вопросы речевого управления в ПСС, связанные в первую очередь с недостаточно высокой надежностью речевого распознавания.

6. Разработать и создать аппаратные средства и программные системы поддержки всех рассматриваемых информационных технологий (ИТ) анализа и синтеза сигналов и изображений при исследовании ПСС.

7. Создать информационное обеспечение (базы данных) аппаратно-программных систем и технологий анализа и синтеза сигналов и изображений при исследовании ПСС.

Методы исследования основаны на математическом моделировании, численных методах, цифровой обработке изображений и сигналов, математической статистике, теории распознавания образов, теории автоматического управления, экспериментальных исследованиях реальных физических изображений и сигналов.

Научная новизна проведенных исследований заключается в нижеследующем.

1. В достаточно широкой постановке задач управления системами, вплоть до уровня государства, сформулировано понятие прнродно-социальной системы с привязкой к местности (модели местности, цифровой модели местности), на которой она функционирует.

2. При решении задач обработки материалов аэрокосмической съемки показана возможность автоматизированного дешифрирования объектов местности, перекрытых растительным покровом, по структуре фотоизображения.

3. Разработан эффективный метод индикационного дешифрирования объектов местности с использованием логических решающих правил. Новизна метода защищена авторским свидетельством на изобретение.

4. При дешифрировании объектов местности по материалам аэрокосмической съемки получена достаточно высокая надежность дешифрирования на основе описания фотоизображения одномерными моделями авторегрессии. Новизна методов защищена двумя авторскими свидетельствами на изобретения.

5. Создан максимально возможный набор информационных технологий исследования природно-социальных систем (ПСС), охватывающий ряд важнейших ПСС: предпринимательство, науку, образование, здравоохранение, промышленность, силовые структуры, геологию, экологию, транспорт.

6. На основе многолетних систематических исследований удалось объяснить физические механизмы работы голосового источника человека при генерировании вокализованных звуков речи.

Практическая полезность н реализация результатов работы

1. В ПГО «Гидроспецгеология», г. Москва внедрены аппаратно-программный комплекс автоматизированного дешифрирования материалов аэрокосмической съемки и тематического картографирования с соответствующей автоматизированной технологией. Созданы аппаратные средства, две программные системы дешифрирования материалов крупномасштабной аэрокосмической съемки, две базы данных, а также серия инженерно-геологических тематических карт.

2. В Государственном научно-исследовательском и производственном центре «Природа» Роскартографии внедрены аппаратно-программный комплекс автоматизированного дешифрирования материалов аэрокосмической съемки и тематического картографирования с соответствующей ИТ. Созданы аппаратные средства, две программные системы, три базы данных, а также серия природохранных тематических карт масштабов от 1:50 ООО до 1:1 000 000. По результатм многолетних разработок выполнена опытно-конструкторская работа (ОКР).

3. В ряде отделов Управления вневедомственной охраны при МВД УР внедрены и находятся в эксплуатации информационно-вычислительные системы автоматизации пунктов централизованной охраны. Созданы аппаратные средства, три программные системы, три базы данных, обучен личный состав.

4. В интересах МВД Удмуртии проведены работы по определению направлений автоматизации, постановки задач и путей решения проблем автоматизированной дактилоскопической информационной системы (АДИС), что позволило сократить время ее внедрения и ускорить обучение специалистов.

5. В ГУЛ «Удмуртавтодор» и Удмуртском республиканском отделении Ространсинспекции внедрена и находится в эксплуатации цифровая карта дорог Удмуртии масштаба 1:100 000 и база данных линейных планов дорог с соответствующей ИТ.

6. В ОАО «Ижевскгаз» внедрена и находится в опытной эксплуатации информационная вычислительная система автоматизированной эксплуатации газовых сетей г. Ижевска. Агрегатированы аппаратные средства, созданы четыре программные системы, четыре базы данных.

7. На Ижевском заводе тяжелых бумагоделательных машин внедрена информационная технология обработки диагностических сигналов бумагоделательного оборудования.

На защиту выносятся:

1. Производственная базовая информационная технология

дешифрирования широкого класса объектов топографического и темаигческого картографирования по материалам аэрокосмической съемки, использующая методы прямого и индикационного автоматизированного дешифрирования.

2. Методика индикационного дешифрирования материалов аэрокосмической съемки. Алгоритмы распознавания условных знаков топографических и тематических карт, как символьных последовательностей.

3. Методика автоматизированного дешифрирования по структуре фотоизображения космических фотоснимков (КФС) объектов картографирования, перекрытых растительным покровом. Методика на основе динамического программирования для целей автоматизированного дешифрирования КФС.

4. Принципы дешифрирования объектов местности по структуре фотоизображения одномерными и двумерными моделями авторегрессии. Описание данных дистанционного зондирования Земли параметрами одномерной модели авторегрессии и устройство на ее основе, обоснованные на большом экспериментальном материале.

5. Описание данных дистанционного зондирования Земли частотами полюсов передаточной функции тракта форм1грования изображения и устройство на их основе.

6. Опытно-методические работы по автоматизированному дешифрированию объектов топографического и тематического картофафирования и поэтапное доведение средней надежности автоматизированного дешифрирования до уровня, в 1,5-2 раза превосходящего надежность визуального дешифрирования.

7. Принципы создания природоохранных информационных технологий на основе производственной базовой технологии дешифрирования объектов топографического и тематического картографирования по материалам аэрокосмической съемки.

8. Принципы прогнозирования месторождений нефти на территории Удмуртии на основе автоматизированной технологии индикационного дешифрирования материалов аэрокосмической съемки. Основы информационной технологии цифрового картографирования дорог Удмуртии.

9. Основы информационных технологий эксплуатации городских газовых сетей. Методики и аппаратно-программные средства автоматизации центральных пунктов вневедомственной охраны при МВД Удмуртии.

10. Информационная технология объективной оценки качества речи при лечении врожденных расщелин неба. Основы автоматизированных процедур для периферийных медицинских учреждений детской травматологии и ортопедии.

11. Информационная технология оценки точности измерений в системе: «Спортсмен - тензоплатформа - регистрирующий прибор» и методика динамической калибровки тензометрических приборов.

12. Основы речевого управления в системах распознавания и синтеза сигналов, идентификации и верификации дикторов по частотам формант. Модель голосового источника человека при генерировании вокализованных звуков речи.

Апробация работы

Олювные результаты работы представлялись, докладывались и обсуждались: на III Всесоюзной научно-технической конференции «Электроника и спорт - III», Ленинград, 1972 г.; на Втором Всесоюзном совещании по космической антропоэкологии, Ленинград, 1984 г.; на трех Всесоюзных конференциях «Методы и средства обработки сложной графической информации», Горький, 1985, 1988, 1998 гг.; на XI междушфодном конгрессе фонетических наук (Xlth ICPhS), Tallinn, 1987; на II Всесоюзной конференции «Автоматизированные системы обработки изображений (АСОИз-86), Львов, 1986 г.; на двух Всесоюзных конференциях «Математические методы распознавания образов» (ММРО), Львов, 1987 г., Рига, 1989 г.; на II Республиканском семинаре «Проблемы создания систем обработки, анализа и распознавания изображений», Ташкент, 1989 г.; на научно-ирактической конференции «Системный наземно-

аэрокосиоэкологический мониторинг природной среды», Свердловск, 1991 г.; на семи Всесоюзных школах-семинарах по автоматическому распознаванию речи АРСО-11 - АРСО-17 в 1980-92 гг.; на Совещании по планированию НИОКР ГИЦ МВД СССР, Москва, 14.03.90 г.; на научно-практической конференции Российской транспортной инспекции, Киров, март 1995 г.; на Всероссийском семинаре по детству и семье , Минздрав Удмуртии, с. Варзи-Ятчи; 5-7 июня 1998 г.; на Российском симпозиуме детских ортопедов травматологов, Ижевск, 2-5 июня 1998 г.; на IY Всероссийской конференции «Распознавание образов и . анализ изображений: новые информационные технологии», Новосибирск, i 1-18 октября 1998 г.

' Публикации. По теме диссертации опубликовано более 50 работ.

Личный вклад автора

Диссертационная работа, предметом которой стали автоматизированные технологии в различных областях науки и производства, создаваемые по принцииу «под ключ», явилась результатом многолетней работы автора в качестве научного руководителя разработок. Автор искренне считает, что полноценную автоматизированную технологию можно создать только при непосредственном участии в разработке, начиная от постановки общих и конкретных задач до обобщен™ полученных результатов, часто выполняя работу рядового исполнителя для более глубокого погружения в проблему. Например, понимание ряда природных закономерностей, воплотившееся в создание уникальной автоматизированной технологии дешифрирования космических фотоснимков высокого разрешения, которой до сих пор не имеют даже США, пришло к автору только после участия в полевых работах в 1983 и 1986 гг.

Научное руководство автором НИОКР подтверждены рукописными терновиками Технических заданий, научно-технических отчетов в (докомпьютерную эпоху», либо в настоящее время оригиналами в (омпьютерном архиве автора.

Структура и объем работы. Диссертационная работа состоит из ¡ведения, шести глав, заключения и приложений. Основной текст изложен на >88 машинописных страницах с иллюстрациями. Список литературы включает >57 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы цель и )ешаемые задачи. Кратко изложено содержание работы, сформулированы мучная новизна и практическая полезность, приведены основные юрмативные документы, в соответствии с которыми выполнена щссертационная работа.

Глава 1. Проблемы создания информационных технологий в «следовании природно-социальных систем.

В первой главе рассмотрена обобщенная модель управления природно-юциалыгыми системами. Формулируются основные положения, на основе которых для дальнейших исследований определяется примерный состав ПСС. На основе обширного литературного обзора анализируются методы и технологии юздания (составления) моделей местности по материалам аэрокосмической гьемки. Делается вывод о том, что эффективность получения и обработки шформации зависят как от вида съемки, так и от особенностей объектов 5ешифрирования в тесной взаимосвязи с географической средой и конечной ]рикладной целью обработки. Это приводит к необходимости применения вы-:окопроизводительных вычислительных систем и совместного использования [ерно-белых интегральных и многозональных снимков. Рассматриваются та-сие аспекты проблемы как индикационное дешифрирование, физико-географи-геское районирование, выделение контуров (контурное дешифрирование), совмещение разновременных, разномасштабных и разнодиапазонных изображе-шй, целью которого является точная географическая привязка, приведение габора снимков к единой картографической основе.

Рассматриваются алгоритмы обработки сигналов, использовапие в тематическом дешифрировании экспертных систем (ЭС). Анализируются ¡звестные аппаратно-программные комплексы для обработки изображений, еоинформационные системы (ГИС): Arc/Info, Maplnfo, Caddy, ArcCad, >течественная GeoDraw/GeoGraph.

Делается вывод о необходимости разработки и реализации автоматизи-юванной производственной технологии дешифрирования материалов аэрокосмической съемки с целью создания ЦММ. Причем здесь имеется в виду имен-ю узко ориентированная технология для конкретного пользователя, которому >бычно требуется не только широкий набор функций, но, в первую очередь, ффективность и производительность дешифрирования. В противном случае

аппаратно-программный продукт превращается в исследовательскую систему, непригодную для производства.

Кратко рассматриваются автоматизированные методы картографирования, где значительное место принадлежит работам Ю.Г. Васина. Отмечается важная непосредственная связь между технологиями дешифрирования и картографирования.

Далее в первой главе кратко анализируются проблемы, возникающие при распространении результатов разработки базовой информационной технологии дешифрирования материалов аэрокосмической съемки в целом на обработку, анализ и синтез сигналов и изображений в интересах широкого круга ПСС - органов государственного управления, силовых структур, науки, окружающей среды, транспорта, связи и т.п.

Результатом первой главы является формулировка основных задач, стоящих перед диссертационной работой.

Глава 2. Цифровая модель местности как основа исследования природно-социальных систем.

В данной главе разрабатываются теоретические основы информационных технологий дешифрирования материалов аэрокосмической съемки (МКС) для целей создания топографических и тематических карт (ТК) и, в частности, ЦММ.

В п. 2.1 рассматривается процесс получения изображений дистанционного зондирования Земли в виде растра

5(п,^/г = 1,...,Лг;т = 1,...,М, (2.1)

который представляет из себя совокупность линейных рядов

{5(и),= 1 = 1 ,...,М. (2.2)

При этом каждое из звеньев системы, формирующей изображение (источник излучения, атмосфера, поверхность Земли, приемники излучения, оптические и электронные тракты и т.п.), имеют свою передаточную функцию Щ{р)- В результате может быть записана общая передаточная функция системы, на выходе которой и получается цифровой растр (2.1).

В п. 2.2. рассматриваются исходные данные для создания ЦММ, к которым относятся фотографические, картографические, фондовые и литературные материалы, а также основные принципы ландшафтного районирования и составления ландшафтной карты.

П. 2.3 посвящен постановке задачи создания ЦММ по результатам дешифрирования материалов аэрокосмической съемки в следующем виде:

Пусть для полигона Pg имеются следующие исходные носители информации: 1) материалы аэрокосмической съемки С: черно-белые интегральные фотоснимки высокого разрешения Сг; многозональные фотоснимки Ст; 2) обновляемая модель местности (ММ), заданная с помощью: цифровой модели местности или топоосновы То; ландшафтной карты Ьк; 3) полевые описания эталонных участков Рое, привязанные к топооснове; 4) дополнительные материалы Вт (справочники, атласы и т.п.).

\

Цельго автоматизированного дешифрирования является получение элементов цифровой модели номенклатурного листа топографической или тематической карты (ТК)

Mn = {Ar, L, Lu, К}, (2.3)

в виде набора N площадных Ar, линейных L, усяовно-лтаейных Lu и точечных (компактных) К объектов с описанием для каждого объекта: (I;, Gi'i, Sj) i=l,...,N, где I - имя; Gr - замкнутая граница, линейное или компактное изображение объекта; S = (Z, Р) - семантика объекта, представляющая собой условный знак Z и совокупность Р = (pi,p2, ... р.м) параметров (числовых характеристик) объекта.

IIa исходную информацию накладываются следующие ограничения: 1) изображение С представляет из себя совокупность однородных текстурных областей {Т(Х)} на неоднородном естественном или антропогенном фоне Фп (гидрография, линейные, компактные объекты и т.п.); здесь X = (х1? х2,...,хк) -признаки изображения, которые являются либо числовыми, либо задаются в более слабых шкалах; 2) отдельному эталонному участку Ei может соответствовать конечное число однородных текстурных областей Т(Х); 3) ландшафтная карта Lk также имеет вид (2.3), при этом Arj = LSj, где Lsj - вид ландшафта.

Тогда создание цифровой модели ТК (2.3) выполняется следующим технологическим описанием: 1) по совокупности {EJ, относящейся к отдельному объекту дешифрирования DO(q), формируется решатель Rq; исходной информацией при этом служат Т(Х), ММ, РОе; {Е*} и соответствующий Rq принадлежат одному ландшафту Lsj; 2) по Cr, с привлечением Cm, MM, Dm формируются векторные представления {Vgr} границ областей или линейного изображения объекта {Gr;}; 3) решателями {Rq} по Cr, с привлечением Cm, ММ дешифрируется семантика {Sj} объектов; 4) по семантике {S}, векторному представлению {Vgr}, местоположению условно-линейных Lu и компактных К объектов, условным знакам {Z}, модели местности ММ создается или обновляется модель ТК (2.3).

Технологическое описание 1)-4) полностью определяет структуру и динамику процессов информационной технологии создания ЦММ.

В п. 2.4. рассматриваются теоретические основы прямого дешифрирования элементов ЦММ. Анализируются существующие методы и системы, такие как LAND SAT и SPOT, программное обеспечение фирмы ERDAS, предшествующие автоматизированные технологии АРМ-Д и АРМ-Г, так называемая структурно-статистическая технология (ССТ) (руководит разработками на протяжении 25 лет Ю.Л. Липовецкий). По состоянию на 1983 г. ССТ имела надежность дешифрирования порядка 50-60 %. Повысить надежность ССТ до 70-80 % удалось лишь после использования ландшафтного районирования, которое на настоящее время и является методической основой данной технологии.

Изучение литературных источников, визуальный анализ МКС позволили выдвинуть гипотезу о возможности автоматизированного дешифрирования непосредственно по фотоизображению тех объектов тематического картографи-

рования, которые перекрыты растительным покровом, в частности, объектов инженерной геологии.

По КФС масштаба 1:200 ООО с использованием ССТ (версия РП42) дешифрировались следующие типы (классы) литологического состава грунтов в толщз 0-3 м: ГЛИМ - супеси, суглинки, мягкие глины; ГЛИГ - глинистые с содержанием гальки; СУГС - суглинки засоленные; ПЕСЧ - песчаные; ПЕСГ -песчаные с содержанием гальки; ЩЕБН - щебнистые; ЛАВА - скальные. Средние значения надежности дешифрирования по выборке с 90% - ми доверительными интервалами составили: для района Зайсан-1 - 86 ± 13 %; для района. Зайсан-2 - 67 ± 14 % (обычная надежность визуального дешифрирования составляет величину порядка 30-40 %).

Для более строгой статистической проверки затем были выполнены аналогичные экспериментальные исследования для четырех полигонов: 1) «оз. Зайсанг>; 2) «Кавказ»; 3) «Полесье»; 4) «Прибалтика». Объекты дешифрирования: 1) литологический состав грунтов в толще 0-3 м - 8 типов; 2) уровни залегания грунтовых вод - 4 типа. Масштаб КФС - 1:200 000.

Средняя надежность дешифрирования с 90%-ми доверительными интервалами составляет: 1) «оз. Зайсан» - 51 ± 11 %; 2) «Кавказ» - 72 ± 17 %; 3) «Полесье» - 62+17 %; 4) «Прибалтика» - 75 ± 8 %.

В результате выполнения данных экспериментальных работ впервые была показана возможность автоматизированного дешифрирования по КФС объектов картографирования, перекрытых растительным покровом, и были заложены теоретические основы дешифрирования этих объектов по структуре фотоизображения.

Далее рассматривается процедура дешифрирования «рисунка» физико-географического комплекса (ФПС), как составная часть иерархической структуры системы распознавания: на первых этапах определяется группа близких по структуре изображений объектов, а дальнейшее распознавание (дешифрирование) ведется уже внутри выделенных групп объектов. Здесь «рисунок» ФГК выступает в качестве низшей структуры в иерархии. ФГК представляет из себя область (ареал) А, имеющую замкнутую границу Сг (контур) и описание X. В данной работе принят следующий подход к описанию и дешифрированию «рисунка» ФГК, который формулируется на основании двух следующих положений:

• описание «рисунка» ФГК X должно иметь невысокую вычислительную трудоемкость и затраты памяти на хранение эталонов и реализаций;

• дешифровочное решающее правило должно учитывать вид описания «рисунка» и компенсировать ошибки описания.

В качестве описания «рисунка» ФГК выбрана нормированная к максимуму гистограмма яркости (может использоваться и оптическая плотность).

Для процедуры обучения описания эталонов

{£■,}.'= 1.-./ (2-4)

образуют алфавит классов (типов) ФГК.

В качестве решающего правила (решателя) Яц для распознавания

«рисунка» ФГК при данном описании выбран алгоритм динамического

программирования (ДП) с основным функциональным уравиением (уравнением Беллмана):

/„(*) = шах ^п(хп)+ Л,-\(х-хп)] ' (2.5)

0<хп<х

для шагов N=2, 3,..., х>0, причем

/К*) = £](*) (2-6)

При сравнении эталона

Е = }./ = !,..., Т (2.7)

с контрольной реализацией

К={х,},1 = \,...,Т (2.8)

рассчитываются элементарные меры сходства между сегментами (отсчетами гистограмм) е5 и

(2.9)

Затем по матрице

= ' (2.10)

вычисляется максимум функционала сходства (2.5) между реализациями.

В экспериментах исследовались 4 варианта описания: 16, 32, 64 и 128 -точечные гистограммы контуров ФГК. Для вычисления меры сходства между выборками использовался алгоритм Загоруйко-Величко. Для кантроля использовалась линейная процедура сравнения выборок. Условия экспериментов: полигон «Полесье»; применялось ландшафтное районирование; использовались ФГК полигона следующих типов (классов): 1) ЬС>ГУ - биогенные отложения, литологический состав - торф; 2) еС)1У - эоловые отложения, литологический состав - пески; 3) аС2Г\/ - аллювиальные отложения, литологический состав - пески, супеси, суглинки; 4) 1аСЩ1-У -озерно-аллювиальные отложения, литологический состав - пески, супеси, суглинки. По фрагментам КФС для каждого ландшафта были сформированы эталоны ФГК. Общее количество эталонов - 16, контрольных реализаций - 32. Изображения ФГК вводились планшетным сканером. Надежность дешифрирования (в %) для двух описаний (32 и 64 - точечных гистограмм) с 90% - ми доверительными интервалами приведены в таблице 2.1. В результате экспериментов в целом удалось повысить среднюю надежность дешифрирования на величину порядка 10 % и значительно сузить доверительный интервал.

Таблица 2.1

Надежность дешифрирования, %

№ Кол. отсчетов Сравнение выборок

п/п гистограммы Нелинейное Линейное

1 32 56 ±14 52 ±20

2 64 66 ± 16 62 ±24

Затем в п. 2.5. рассматриваются теоретические основы индикационного дешифрирования элементов ЦММ, применение которого определено тем, что при их дешифрировании значительная часть признаков X задана в слабых шкалах. Выбор здесь был сделан в пользу так называемых логических решающих правил (ЛРП) (Г.С. Лбов, А.Н. Манохин), которые определяются следующим образом. Назовем элементарными выражения вида:

Х(а)=х, Х(а)*х (2.11)

для признаков в шкале наименований;

X (а)< х, X (а) > х (2.12)

для признаков в шкале порядка и более сильных.

Обозначим элементарное выражение символом с, а дополняющее его выражение - с. Конъюнкцию элементарных выражений будем называть ветвью, т.е.

В=с1Пс2П...Пс/. (2.13)

Тогда логическое дерево (ЛРП) есть набор ветвей

(ад,...,^) (2.14)

Предложено устройство индикационного дешифрирования на базе ЛРП (индикационный решатель).

Разработан алгоритм оценки объема обучающей выборки л на основе непараметрических оценок границ доверительной области:

¿С?рт(1-р)"-т=^-, (2.15)

т=к 2

%с?рта-р)я-т=±^-, (2.16)

т= 0 2

где к = пр* - число появления реализации; п - объем выборки; р - значение частоты (в нашем случае надежности дешифрирования); /? - доверительная вероятность.

Приведены результаты поэтапных исследований надежности индикационного дешифрирования для двух полигонов. Приведенные оценки показали, что надежность дешифрирования повышалась от этапа к этапу,, достигнув следующих величин: для полигона «Карелия» - 54 ± 19%; для полигона «Полесье» - 71 ± 19 %. Это связано в основном с совершенствованием методического

обеспечения и самой информационной технологии индикационного дешифрирования.

В п. 2.6. рассматриваются процедуры сегментации, формирующие векторное представление {У§п} границ областей (на практике часто используется термин «контуров») или линейного изображения объекта {Сп}.

В общей постановке формирование описывается следующим

образом:

Кп = и С,/ , М (2.17)

/еЛ'

С^УцыпУ^ (2.18)

где С, — сегмент контура (СК), представляющий собой границу между г—м и у —м объектами.

Каждый из СК представляется в виде:

С^Яд^Ру, (2.19)

где - {(¡1, д2} — неупорядоченное двухэлементное множество признаков прилегания границы к ¡'—му и у—му объектам. В частном случае д;=г, д2=], или

Ру — счетное множество координат опорных точек СК:

^-{Р^К^Л^Р}} (2.20)

р(у) р(у) , , „

где ¿ц , 1 к — координаты {х, у} соответственно начальной и конечной точек сегмента С,у

{Ре/Р } — последовательность координат {х, у} внутренних точек СК. Условие непрерывности контура: V; = J 3/, =

, (2.21)

[¿(/^.Р^ >) < ф Г^Ъ < \dilf'< д] где (!(•) — расстояние между точками в выбранной метрике; А — шаг дискретизации. Рассматривается векторизация по авторскому оригиналу ТК на основе (2.17)-(2.21) и известного алгоритма утоныпения исходного изображения.

П. 2.7 посвящен привязке изображения (фрагментов ТК или КФС) к географическим координатам по трем опорным точкам (реперам) в соответствии со следующими уравнениями:

£ = ¿0 + КхХсоъу - КуУйпу 1

В= Щ + КхХыпу + КгУсо%у I' 1 ' }

где Ь, В - географические координаты; X, У - машинные (экранные) координаты; Кх, Ку - коэффициенты линейного растяжения (сжатия) по осям X и У; Ь0, ВО -

географические координаты начала координат в системе X, Y; у - угол поворота системы координат X, Y относительно географических координат. Параметры привязки определены ниже:

ш = -3X5-3) Г2 23)

= {Ц - L^cosy - Вг)%т.у

х

к = (А - h)sinr ~ Щ - B2)cosy

Y (У2-Ю

lo = Li-KxXicosy + KyY¡ sin у , (2.26)

Bq^Bí-KxXí sin y - Ку% eos y . (2.27)

В п. 2.8. рассматриваются вопросы оценки эталонной символьной последовательности (СП) для заданной обучающей выборки и допустимых преобразований в виде выпадений, вставок и замещений символов с единичным весом для автоматического распознавания условных знаков линейных объектов топоосновы в следующей постановке.

Любую конечную цепочку символов <р = (х,) ,у=\,п, xje E={e¡}, i=l, N, будем называть словом над алфавитом Е.

Пусть даны слова <Ps~{xSj}> S=l, F, j=l,n5 .Назовем массивом Ф таблицу

*12

(2.28)

Ф=<!

Х21 х22 х2 п2 *31 *23 xvnv

Нитью х символа х е Е в массиве Ф будем называть любое

подмножество одинаковых символов х^ - х, 5 = 1,К, , содержащее не

более одного символа из каждой строки. Будем говорить, что нить х пересекается со строкой <р$, если элемент этой строки х^ входит в нить,

т.е. хг\<р$ = х$] = х. Если нить не содержит никакого символа строки из строки будем говорить, что они не пересекаются. Весом нити х назовем число Я/(Зс)= Рх - (Ух, где Рх - число строк , с которыми пересекается нить х, @х - число строк, с которыми нить не пересекается. Будем говорить, что Ц(х2, если для каждой строки массива Ф из того, что = Х\ГЛ(р$ и 'к = Х2<~л(р5, выполняется ]<к.

Набор нитей х\..!хп назовем кортежом , если тогда и только

тогда, когда]<к. Всякому кортежу ^..Зсп соответствует слово х\...хп. Весом кортежа = (р назовем число

-17-- (2.29)

М

Расстоянием слова (р до слов массива Ф назовем величину

4<р,ф)=^4<р,<р5). (2.30)

5=1

Слово <р назовем ближайшим к словам э= 1, V , если расстояние

¿{<р, ф) минимально. Нахождение ближайшего слова к набору слов

8=1, V определяется кортежом максимального веса. Предложено два алгоритма восстановления эталонной символьной последовательности.

Например, при сравнения линейного объекта - дороги с ее линейным графиком символьные последовательности имеют вид:

«А» «Т» «А» «М» «ЖБ» «НЫНГА». (2.31)

«А» «Т» «А» «Т» «А» «Т» «А» «Т» «А» «М» «ЖБ» «НЫША» «Т» (2.32) Здесь «А» - покрытие «асфальт»; «Т» - труба; «М» - мост; «ЖБ» -железо-бетонный.

В п. 2.9 описано формирование ЦММ в соответствии с (2.3). Глава 3. Описание и дешифрирование объектов ЦММ моделями авторегрессии.

В данной главе рассматриваются вопросы прямого дешифрирования по МКС растительного покрова в классе параметрических моделей случайных процессов и случайных полей - модели авторегрессии, задаваемой двумерной дискретной передаточной функцией:

//(-,,-- 2) = ^-, (3-1)

«=1у=1

где а1П - параметры модели, р - порядок модели, в - постеянный коэффициент.

В п. 3.1 приведены основные понятия одномерной модели авторегрессии (модель АР-1), параметры которой получаются из решения нормальных уравнений Юла-Уокера

£акЩ-к) = -ВО),1 = 1,...,р , (3.2) к-\

где 11(1) - автокорреляционная функция стационарного сигнала и

р

= = (3-3)

где (рк1 - ковариационная функция нестационарного сигнала, вычисляемая по формуле:

<ры=Е^у-адм). (3.4)

7=0

В п. 3.2 рассматривается устройство для дешифрирования МКС на основе параметров модели АР-1.

Трасса изображения {X,} поступает на вход устройства, а после последней трассы происходит деление всех накопленных сумм на количество трасс М, в результате чего получаются окончательные дешифровочные признаки данного фрагмента изображения А(к), к=1,...,р.

В п. 3.3 описаны экспериментальные исследования модели АР-1, что диктовалось слабой изученностью их в применении к дешифрированию МКС по сравнению с другими системами признаков. Исследовалась инвариантность параметров модели АР-1 к параметрам сканирования: длине трассы, линейному сдвигу по трассе, углу сканирования, изменению места фрагмента в пределах одного объекта. По результатам экспериментов строились гистограммы распределения признаков и эмпирические функции распределения признаков. Количество объектов - 7: пашня; болото; лес лиственный (дуб 100%); лес хвойный (сосна 100%); песок; лес смешанный, трава. Общий объем сканируемых изображений, в пределах которых производилось варьирование - 50 фрагментов. Для обеспечения достоверности при сравнении линейные ряды оптической плотности (трассы) были предварительно записаны на магнитный диск и все эксперименты проводились с одними и теми же трассами.

В п. 3.4 исследуется порядок модели АР-1 двумя методами: качественно по эмпирическим функциям распределения признаков для разных классов объектов и при помощи информационного критерия Акаикэ, который для окна Хэмминга имеет вид:

, а.«

У»=Щ - <3'6)

нормированная ошибка предсказания, И- длина трассы. Результаты оценивания порядка модели показывают, что значение рабочего порядка модели следует выбирать в пределах 5-8, что дает экономию описания по сравнению с известными системами признаков в 2-4 раза.

В п. 3.5 рассмотрена компенсация координатно-зависимых яркостных искажений телевизионных датчиков на основе передаточной функции формирования цифрового сигнала, соответствующего фотоизображению позитива. Для компенсации искажений последовательно вводится цифровой фильтр с передаточной функцией:

1^ = 1/Н^г), (3.7)

где Нтр(г) - передаточная функция измерительного тракта.

Преимуществом предложенного метода компенсации координатно-зависимых яркостных искажений по сравнению с известными яваяется оперирование элементами передаточной функции всей системы формирования изображения и, соответственно, адекватность ее модели.

П. 3.6 посвящен разработке полюсной модели:

= --(3.8)

<=1

где р1 и р1* - комплексно-сопряженные полюсы передаточной функции, являющиеся корнями уравнения

т

Pi.Pl-* = 0 (3-9)

к=О

Из (3.8-3.9) получим сокращенное описание (признаки) трассы изображения в виде аргументов комплексных полюсов

и, I -1,2,...,— (ЗЛО)

ЯеО,) 2

Признаки (ЗЛО) характерны тем, что имеют ясный физический смысл-частоты максимумов огибающей спектра мощности совокупности трасс изображения. Реализованы в виде устройства, защищенного авторским свидетельством на изобретение.

В п. 3.7 получены нормальные уравнения для вычисления параметров двумерной модели авторегрессии (модель АР-2) в следующем виде:

1=0./=0

где

^к-1,1-/ ~ ' (ЗЛ2)

"1 "2

(3.13)

"1 "2

отсчеты автокорреляционной функции исходного изображения.

Здесь нужно отметить существенное отличие моделей АР-1 и АР-2 с точки зрения каузальности, т.е. причинно-следственных связей входного и выходного сигналов систем. Если модель АР-1 всегда каузальна, то модель АР-2 каузальна лишь в первом квадранте.

В п. 3.8 описан сравнительный эксперимент для оценки надежности дешифрирования МКС моделями авторегрессии. Сравнивалось два вида описания: традиционное описание системой признаков структурно-статистической технологии (ССТ) СП-21 (см. п.2.4) и описание параметрами модели АР-1. Порядок модели АР-1 р=4, 6, 8 и 10. Изображения МКС -используемые в серии экспериментов п. 3.3, но с существенным увеличением

объема вводимых фрагментов: обучение проводилось по 10-12 фрагментам, 10 фрагментов были контрольными.

Поскольку система АР-1 имеет однородные признаки, то использовалось решающее правило «ближайшего соседа». Сравнительный эксперимент показал, что система признаков АР-1 по сравнению с системой признаков СП-21 ССТ позволяет получать более высокую надежность дешифрирования на величину порядка 4 %. Наилучшая надежность получена при порядке модели АР-1, равным 6, что согласуется с оценками порядка модели пл. 3.3 и 3.4.

Глава 4. Приборы и аппаратные средства автоматизированных технологий.

В четвертой главе представлены средства аппаратной поддержки как базовой автоматизированной технологии создания ЦММ, так и остальных технологий исследования ПСС, рассматриваемых в Главе 6.

В п. 4.1 анализируются целевые функции базовой ИТ и выбирается состав и конфигурация аппаратных средств. Представлены прототипы аппаратных средств - АРМ-Г и АРМ-ДК.

В п. 4.2 рассматривается устройство ввода (УВИ) фотоснимков высокого разрешения, являющееся ключевым устройством базовой ИТ, поскольку оно предназначено для аппаратной поддержки

автоматизированного дешифрирования наиболее сложных объектов топографического и тематического картографирования - растительного покрова. На рис. 4.1 представлена оптико-механическая схема варианта УВИ. Анализируются его недостатки.

П. 4.3 посвящен вопросам использования в качестве устройства ввода КФС высокого разрешения промышленного сканера. Здесь необходимо решить одно из основных требований технологии - сохранение банка эталонов дешифрирования, поскольку его создание является весьма трудоемким процессом, занимающим несколько лет, что влечет за собой учет технических характеристик УВИ ДИП-14 и особенностей процедуры сканирования ССТ: размер поля ввода - 4,3 х 4,3 мм; размер элемента разрешения (апертуры) - 20 мкм (в центре); количество адресуемых точек - 4096 х 4096; диапазон оптических плотностей - 2,0 D; формат обрабатываемого фотоснимка - 300 х 300 мм.

Из известных зарубежных сканеров приемлемыми являются: планшетный сканер Linotype-Hell TOPAZ и барабанный сканер Linotype-Hell TANGO. Из отечественных можно назвать лишь планшетный фотограмметрический сканер ФС-30 разработки Роскартографии. Проводится сравнительный анализ сканеров по разрешающей способности, по форме результирующего элемента сканирования.

В п. 4.4 обосновывается структура аппаратно-программных средств базовой ИТ.

В п. 4.5 представлены средства аппаратной поддержки автоматизированных технологий исследования ПСС, рассматриваемых в Главе 6: АРМ-ЛЕС; ВС - Ижевскгаз; ИВС-Охрана; АРМ-ПЦО.

5 - зеркало; 6 - зеркальце; 7 - объектив проекционный; 8 - зеркало отводимое; 9 - рамка кадровая; 10 - осветитель; 11 - ТУ датчик

Рис. 4.1

Глава 5. Базовая информационная технология (БИТ) создания ЦММ.

В пятой главе рассматриваются результаты разработки БИТ. Основное внимание, как и в предыдущих главах, уделяется процессам автоматизированного дешифрирования.

В п. 5.1 рассмотрена традиционная технология создания (обновления) тематических карт, включающая: редакционно-подготовительные работы; изготовление географической основы карты; изготовление фотопланов, фотосхем и др.; камеральное дешифрирование КФС; полевые контрольные работы; изготовление авторского макета создаваемой ТК; редакциогаю-составительские работы; подготовка карты к изданию; издание карты.

В п. 5.2 рассматриваются структурные разделы БИТ, формулируются ее принципиальные положения на основании результатов, полученных в предыдущих главах. На рис. 5.1 представлена технологическая схема БИТ. В п. 5.3 рассматриваются подготовительные работы. В данный раздел автоматизированной технологии входят достаточно важные с профессиональной точки зрения дешифровщика мероприятия, совершенно необходимые для создания полноценной информационной технологии. В состав подготовительных работ входят: подбор комплекта фотоматериалов и карт на дешифрируемый полигон; выделение областей для обучения и контроля качества обучения; оформление информационных и справочных материалов для индикационного дешифрирования. Рассматриваются технологические особенности работы с материалами нетрадиционных видов съемки: телевизионной, инфракрасной, радиолокационной, многозональной и спектрозональной. Анализируется полевое обеспечение с точки зрения специалиста по информационным технологиям.

В п. 5.4 рассматривается раздел БИТ - формирование векторных границ областей и привязка к географическим координатам. Исходной информацией

здесь является авторский оригинал ТК. Приводится последовательность действий, реализуемая программной системой KONTUR. Результаты работы процедуры - векторные представления {Vgr} ЦММ, записываемые в базу данных дешифрирования (БДД) (см. рис. 5.1).

В п. 5.5 рассматривается основной раздел БИТ - дешифрирование «рисунка» фотоизображения (ФГК) и растительного покрова. Технология дешифрирования «рисунка» включает (программная система DINAMA): технологию обучения, в результате которой формируются эталоны дешифрирования и создаегся информационное обеспечение; технологию собственно дешифрирования с помощью созданного информационного обеспечения, резульгатом которого являются типы «рисунка» ФГК.

Дешифрирование растительного покрова (РП) реализуется в настоящее время последней версией программной системы ССТ ABAS и имеет следующие основные функциональные возможности: определение типа РП; для РП типа лесов определяются: породный состав, средняя высота древостоя, среднее расстояние между деревьями, диаметр ствола, сомкнутость крон; для всех остальных РП, включая леса: механический состав грунта или состав грунта по слоям, глубина залегания грунтовых вод; для всех объектов кроме лесов - проективное покрытие.

Картогра Жирование

ТК

Рис. 5.1

Технология дешифрирования РП включает: технологию обучения с созданием информационного обеспечения; технологию собственно дешифрирования, результатом которого являются объекты ЦММ (см. выше). Исходными

данными на район обучения являются: пакет КФС (позитивы и контактные отпечатки); ключевые участки, вынесенные на бумажные отпечатки; палевые данные о ключевых участках; список классов объектов РП, подлежащих дешифрированию; данные о снимках (масштаб, сезон съемки, высота Солнца в момент съемки).

Результаты дешифрирования выводятся на монитор и наносятся на авторский оригинал карты. Кроме того, результаты дешифрирования записываются в базу данных дешифрирования (БДД) для использования системой индикационного дешифрирования ЛИДА (см. следующий раздел) и системой картографирования.

В п. 5.6 рассматривается индикационное дешифрирование, выпалняю-щееся, как правило, после прямого дешифрирования, поскольку использует в качестве индикаторов его результаты. Технология индикационного дешифрирования включает следующие процедуры (программная система ЛИДА): разработка системы признаков; заполнение информационных карт объектов (ИКО) (формирование обучающей выборки); ввод ИКО в базу данных эталонов; построение дещифровочных ЛРП (обучение системы индикационного дешифрирования); контрольное дешифрирование; оценка результатов контрольного дешифрирования; доработка системы признаков (в случае необходимости); расширение обучающей выборки (в случае необходимости); дообучение или переобучение (в случае необходимости). Результат дешифрирования выдается на экран, записывается в БДД для дальнейшего формирования семантики тематической карты и накапливается в протоколе дешифрирования. Результаты дешифрирования «рисунка» ФГК, растительного покрова (РП) и индикационного дешифрирования образуют семантику {S} ЦММ и используются в системе картографирования (см. рис. 5.1).

В п. 5.7 перечислены программные системы и базы данных, поддерживающие БИТ. Представлена структура БДД.

В п. 5.8 рассматриваются опытно-методические работы с использованием технологии автоматизированного дешифрирования МКС. Работы проводились на базе Госцентра «Природа».

В результате для полигонов «Карелия», «Полесье» и «Ср. Азия» необходимо было установить: полноту выполнения технологических операций; надежность отдельных процедур технологии; полноту представлеяшя и доступность изложения технологических инструкций.

Опытно-методические работы велись в следующей последовательности: составление комплектов ТК на экспериментальные участки (см. фрагмент карты типов болот, составленной традиционным методом, на рис- 5.2); автоматизированное дешифрирование КФС прямыми и индикационными процедурами; формирование БДД; картографические работы. В целом были получены следующие средние оценки надёжности банков эталонов по экспериментальным полигонам: для структурно-статистической технологии - 77,4 ± 1,7 %; для индикационной технологии - 65,3 ±11,7 %. При этом, напомним, чго уровень надежности визуального дешифрирования составляет величину порядка 30-

40%. На рис. 5.3 представлен фрагмент карты типов'болот, составленный с помощью БИТ.

Глава 6. Применение базовой информационной технологии для исследования ПСС

В шестой главе рассматриваются ИТ, охватывающие весь остальной перечень ПСС, вошедших в настоящую работу. Часть информационных технологий основана на базовой технологии (БИТ) дешифрирования объектов (элементов) ЦММ, разработанной в Главах 2-5. Если это не будет отдельно оговорено, технологические схемы соответствуют схеме БИТ на рис. 5.1.

В п. 6.1 рассматриваются принципы создания природоохранных информационных технологий на основе БИТ. При адаптации БИТ для решения экологических задач на территории Удмуртии необходимо оценивать: состояния растительного покрова лесов, болот, лугов, сельскохозяйственных угодий; состояния почвенного слоя; развития эрозионных процессов; проектирования и постоянного обновления цифровых экологических карт с их оперативным отображением либо в электронном виде, либо в виде твердой копии. Предполагается создание карт: использования земель; природно-мелиоративной; нарушенности почвенно-растительного покрова; болот и заболоченных земель; рыбно-охотничьих угодий; состояния гидрогеологического бассейна; водоохранные; городов и промышленных комплексов (урбаноэкология). Приводится необходимый перечень

мероприятий.

В п. 6.2 рассматриваются принципы цифрового картографирования лесного хозяйства для целей непрерывного автоматизированного лесоустройства территории Удмуртии (АРМ-ЛЕС) на основе БИТ. Перечислены основные задачи АРМ-ЛЕС. Формулируются требования к методикам автоматизированного дешифрирования и картографирования.

Основными исходными данными для технологии АРМ-ЛЕС являются: план лесонасаждений территории Удмуртии масштаба 1:25000, представленный фрагментами формата порядка 200x300 мм; таксационное описание; обзорная карта лесоустройства масштаба 1:200000; космические фотоснимки масштабов 1:70000,

Рис. 5.3

1:125000 и 1:200000; топографическая карта (топооснова) масштаба 1:50000 или 1:25000. Приводятся основы методики автоматизированного, дешифрирования и картографирования.

Сослан методики дешифрирования: ввод фотоизображений с УВИ высокого разрешения; дешифрирование древесной растительности: видового состава леса; параметров: высоты древостоя, расстояния между деревьями, диаметра ствола, диаметра кроны, сомкнутости крон, запаса древесины; степени очистки лесосек; индикационное дешифрирование: возраста насаждений; подроста; увлажненности почвы; база данных дешифрирования (БДД).

В п. 6.3 разрабатываются принципы прогнозирования месторождений нефти на территории Удмуртии на основе автоматизированной технологии индикационного дешифрирования БИТ. Автоматизированная технология отрабатывалась на площадях известных месторождений нефти территории Удмуртской Республики. Технология прогнозирования включает следующие процедуры: изучение исходных материалов; разработка системы признаков; формирование обучающей выборки; обучение системы прогнозирования; контрольное прогнозирование; оценка результатов; доработка системы признаков; расширение обучающей выборки; дообучение или переобучение. Основными исходными данными для технологии прогнозирования месторождений нефти являются: структурш,1е карты месторождений нефти с нанесенными скважинами и их характеристиками; космические фотоснимки масштабов 1:70000, 1:125000 и 1:200000; ЦММ, представленная в виде топоосновы масштаба 1:50000 или 1:100000.

Исследования выполнялись с ггомощыо программной системы ЛИДА. Получены следующие оценки достоверности прогнозирования нефти по двум месторождениям Удмуртии: нефть в колонне - 76 %; нефтепроявления по керну - 75 %; без признаков нефти - 78 %. На рис. 6.1 представлен индикационный решатель «Нефть в колонне» для Яснополянского месторождения.

Рис. 6.1

П. 6.4 посвящен разработке цифровой карты дорог Удмуртской Республики с базой данных по линейным планам дорог (АРМ-ЦКД/УР). которая выполнялась на основе БИТ для предприятия «Удмуртавтодор» и Удмуртского республиканского отделения Ространсинспекции.

Технология включает следующие процедуры: изучение исходных материалов; разработка легенды ЦКД; автоматизированное формирование эталонов дешифрирования объектов ЦКД (обучение); подготовка авторскогс оригинала номенклатурного листа ЦКД; формирование векторного представления номенклатурного листа ЦКД; автоматизированное дешифрирование растительности по КФС; картографические работы; создание БД линейных планов дорог.

Основными исходными данными для АРМ-ЦКД/УР являются: космические фотоснимки масштабов 1:70000, 1:125000 и 1:200000; авторский оригинал номенклатурного листа ЦКД масштаба 1:100000; топоосновг масштаба 1:100000; исполнительная документация линейных планов доро1 Удмуртии. Для пользователя технология работы АРМ-ЦКД/УР обеспечивает; вывод схемы разграфки в границах УР на экран монитора; выбог номенклатурного листа в границах УР; вывод листа или его фрагмента ш экран монитора в реальных условных знаках картографируемых объектов: хранение картографической информации ЦКД на жестком магнитном диске у других магнитных носителях; передачу картографической информации I дорожные и транспортные предприятия УР и других субъектов РФ по канала» связи; получение твердой (бумажной) копии карты дорог УР; запросы по Б£ линейных планов дорог. На рис. 6.2 представлен фрагмент ЦКД. Созданная БД линейных планов содержит данные по 150-ти дорогам Удмуртии.

В п. 6.5. рассматриваются информационные технологии городски? коммунальных сетей на примере автоматизации Ижевских газовых сетей I создании системы «ВС-Ижевскгаз». Основной особенностью автоматизацш городских коммунальных сетей: электрических, тепловых, водоснабжения газовых, по сравнению с БИТ, является значительно более крупный масштаб исходной и конечной графической документации - от 1:500 до 1:10 000 Существующие технологии в основном основаны на ручном труде, поэтому при постановке данных работ ожидалось существенное повышен ш производительности труда, особенно на первых этапах.

В состав ВС-Ижевскгаз входят следующие подсистемы: подсистем! автоматизации службы режима газораспределения (СРГ); подсистема расчет! суточного расхода газа по диаграммам; подсистема автоматизации аварийно диспетчерской службы (АДС); подсистема формирования, корректировки I ведения графических образов плана газовых сетей, в том числе подземных ведомственная информационно-компьютерная сеть (ИКС) на базе ресурст ИКС «КУРСОР». Все подсистемы достаточно просто поддаются автоматизации на общих принципах БИТ.

П 6.6. посвящен предпринимательской безопасности (работы были по тавлены совместно с В.А. Ермолаевым). Эта тема представляет научный инт рес не только в силу достаточно сложных общественно-политических процесс

вокруг силовых структур, средств их МШ(Г4"' - - •- технической, в том числе компьютерной,

' ~ " поддержки, но и потому, что формирование

в России в настоящее время общественных отношений на базе преобладания рыночной экономики создало

исключительно благоприятные услония не только для одиночных хищений имущества (государственного, общественного,

частного), но и является питательной средой для организованной преступности.

Рис. 6.2 Рассматриваются общие вопросы

посягательства на собственность. Депается акцент на Управление вневедомственной охраны (УВО) и их районные и городские отделы. Проводится комплексный анализ технических задач, возникающих при автоматизации службы вневедомственной охраны. Технические средства автоматизации рассмотрены в четвертой главе.

В п. 6.7 рассматриваются информационные технологии в медицине. В первой части разрабатывается автоматизированная методика оперативной оценки степени назализации речи при лечении врожденных расщелин неба. Использовались магнитофонные записи произнесений протяжных изолированных гласных звуков, предоставленные В.Ф. Останиным. Методика исследований основана на анализе спектров мощности речевого сигнала. Предложены критерии оценки степени назализации.

Далее рассматриваются проблемы автоматизации детской

травматологии. Работы проведены на базе ортопедо-травматологического отделения (ОТО) второй детской клинической больницы г. Ижевска. Исходные носители информации: материалы рентгеновской съемки; цифровые снимки участков тела больного; истории болезней; дополнительные материалы (справочники, атласы и т.п.). Автоматизированная технология обеспечивает следующие функции: ввод рентгенограмм (на просвет); съемка цифровой камерой; электронная почта; создание и редактирование текстовых документов; ведение баз данных. Аппаратной основой ИТ является АРМ-ОТ минимально-полной конфигурации, обеспечивающей выполнение целевых функций технологии: персональный компьютер с типовой периферией; сканер, обеспечивающий работу «на просвет» и «на отражение»; цифровая камера; модем (состав АРМ-ОТ обсуждался с д.м.н. И.В. Шведовченко).

П. 6.8 посвящен автоматизации исследований в одном из видов легкой атлетики - прыжках в высоту, которые по величине динамических нагрузок в фазе отталкивания стоят на одном из первых мест среди всех спортивных упражнений. Рассматривается автоматизация процесса динамической калибровки тензометрической платформы, основанной на анализе частотной передаточной функции:

где ^{ХО}.^'^')}- преобразования Фурье выходного и входного воздействия соответственно. Выходной сигнал - осциллограмма усилий, возникающих при бросании на платформу какого-либо массивного упругого тела, входной сигнал - рассчитанная аналитически зависимость изменения усилий в зоне контакта тела с платформой на основе полуэмпирической теории удара. Рассчитанная амплитудно-частотная характеристика (АЧХ) измерителя вертикальной составляющей тензоплатформы приведена на рис. 6.3. Анализ АЧХ показывает невозможность применения статической калибровки тензоплатформы без существенной потери точности измерений. Определен рабочий диапазон (см. рис. 6.3) с коэффициентом передачи 0,89. При этом частотный АЧХ ограничивается по частоте 16 Гц. Более точный метод определения реальных значений усилий - с помощью обратного преобразования Фурье.

Рис. 6.3

В заключительной части шестой главы (п. 6.9) рассматриваются проблемы речевого управления в системах распознавания и синтеза сигналов и изображений - речевой диалог в системе дешифрирования МКС, идентификация дикторов по частоте формант, нормализация по темпу произнесения при распознавании диктора, верификация дикторов по частотам формант.

Известно, что частоты формант являются информативными признаками относительно индивидуальности голоса. Проведенные исследования позволили разработать методы и создать аппаратные средства фильтрации сигналов формант стационарными формантными фильтрами (ФФ) и измерения частоты формант синхронно с основным тоном. В экспериментах участвовало 104 мужчин и 13 женщин. Идентификация проводилась по временным траекториям частот формант Рь измеренных на парольной фразе, длительностью около 2с. Наилучшая надежность идентификации достигнута в пространстве {П,Р2,РЗ,Р4} и составляет величину 96%.

Применение нелинейной нормализации по темпу произнесения [спользовался алгоритм Загоруйко-Величко) снизил количество ошибок тентификации до величины 3,2%.

Полученный в результате предыдущего эксперимента ряд мер сходства ю 400 для двух описанных выше процедур), позволил оценить возможность ¡рификации дикторов по используемому речевому материалу. Строились сспериментальные интегральные функции распределения ошибок ¡рификации: для классов «чужой» и «свой» и двух процедур сравнения - с зрмализацией по темпу произнесения и без нормализации. Оптимальный зрог меры сходства обеспечивает верификацию с надежностью порядка 90 % нормализацией по темпу произнесения и порядка 82% - без нормализации.

В конце п. 6.9 оценивается влияние голосового источника на измерение фаметров речевого сигнала. В результате проведенных исследований, :нованных на теоретических расчетах, были сделаны следующие выводы:

1. На большей части интервала размыкания голосовых связок 1блюдается существенные вариации параметров формант.

2. Абсолютные изменения частоты формант в зависимости от ющади голосовой щели составляют величину порядка 100 Гц на уровне 300->00 Гц.

3. Ширина полосы формант при размыкании голосовых связок ¡меняется на порядки в диапазоне примерно от единиц до 300-400 Гц.

Такие не совсем обычные результаты необходимо было проверить хпериментально путем исследования моделей голосового источника, тем >лее, что общепринятые понятия о процессе речеобразования вокализованных ;уков речи предполагали возбуждение речевого тракта квазипериодическими лпульсами потока воздуха, которые в общем случае представляют собой [адкие унимодальные функции времени.

Проведенные нами исследования позволили сформулировать два шовных требования к модели синтеза вокализованного речевого сигнала: >збуждение речевого тракта должно производиться короткими по штельности импульсами в моменты времени, соответствующие смыканию щосовых связок; на интервале размыкания голосовых связок должно ¡уществляться изменение параметров речевого тракта, моделирующее »здействие голосового источника на параметры речевой волны. Данное эедположение и все полученные теоретические и экспериментальные :зультаты (активно обсуждались с B.Ii. Сорокиным) позволили вплотную шблпзиться к построению адекватной модели голосового источника.

Рассмотрим физику звуковых волн в трубах.

Фаза смыкания голосовых связок. Анализ процессов в речевом тракте Т) можно осуществить при помощи рассматриваемой в акустике задачи о ободных колебаниях в узкой трубе с начальными условиями. Пусть РТ )едставлен в виде отрезка трубы. В момент смыкания голосовых связок (ГС), ; при t=0 можно задать распределения вдоль РТ звукового давления

р(х,0) = р0(х) (6.2)

и скорости потока воздуха

у(х,0) = у0(х), (6

определяемые параметрами импульса ГИ. Тогда при закрытой голосовой ще и начальных условиях (5.2) и (5.3) поле речевой волны может быть предстг ленно, например, в виде суммы 21 собственных колебаний модели РТ:

где Ь - длина РТ, г - плотность воздуха, с - скорость звука. Существенным м мекгом здесь является наличие смыкания ГС, при котором РТ представляет трубой, ограниченной с одной стороны жесткой крышкой. Практически, см: кание ГС - это главное условие возникновения речевой волны при работающ» ГИ. Сам ГИ выполняет роль формирователя начальных условий (6.2) и (6.: т.е., как мы ранее отмечали, импульсы ГИ можно рассматривать как фор! накопления энергии для возбуждения речевой волны.

Фаза размыкания голосовых связок. По мнению некоторых авторе момент размыкания ГС сопровождается очередным возбуждением колебаний РТ, но меньшей, по сравнению с моментом смыкания, амплитудой. Замети что в рассматриваемой фазе не выполняется главное условие возбуждения в I речевой волны. Объясняется это, в частности, существенным, на порядки, и менением ширины полосы формант в фазе размыкания ГС, и, соответственн изменением добротности РТ, как системы резонансов. Совершенно понятн что при таком демпфировании амплитуда возникающих колебаний будет до таточно мала. Оценить соотношение амплитуд колебаний в фазах смыкания размыкания ГС можно, в частности, по формуле (6.4) и аналогично соответствующей РТ, представленному в виде трубы, открытой с обо] кондов.

В Заключении сформулированы основные результаты и вывол диссертационной работы: разработана и создана базовая информационн; технология (БИТ) и на ее основе максимально возможный наб( инфюрмационных технологий (ИТ) анализа и синтеза изображений и сигнало накрывающих достаточно широкий перечень основных и фоновых природ» социальных систем (ПСС) и использующих единый подход к автоматизащ объектов различной природы, социальной сферы, сложности и т.п.: изучеш предметной области, формулирование целей автоматизации, разработка самс ИТ по принципу «под ключ».

Основным связующим звеном, как бы «стержнем» работы, является п< нятие ПСС - природно-социальной системы. Кроме этого исследования вненп достаточно разнородных предметных областей объединяет методология анал1 за всех видов сигналов на основе одномерного случая. Следует также иметь виду, что большинство созданных ИТ используют категорию «передаточна

функция», являющуюся основополагающим понятием в рассматринаемых предметных областях.

В работе получены следующие основные результаты.

1. На основе анализа современного состояния проблемы формирования моделей местности, как базы исследования природно-социальных систем, выполнена постановка задачи создания ЦММ по результатам дешифрирования материалов космической съемки.

2. В систематизированном виде сформулированы теоретические основы и принципы построения информационной технологии проектирования цифровой модели местности по материалам аэрокосмической съемки и создан ее производственный вариант для дешифрирования широкого класса объектов топографического и тематического картографирования, использующий методы прямого и индикационного автоматизированного дешифрирования.

3. Для целей обработки ДДЗ показана возможность автоматизированного дешифрирования по КФС объектов картографирования, перерытых растительным покровом, и заложены теоретические основы дешифрирования этих объектов, а также физико-географических комплексов по структуре фотоизображения.

4. Сформулированы основные положения методики индикациюнного дешифрирования материалов аэрокосмической съемки, использующей объективную переборную процедуру построения дешифровочных решателей на базе логических решающих правил, и создана автоматизированная технология индикационного дешифрирования.

5. Теоретически обоснованы алгоритмы распознавания условных знаков топографических и тематических карт, как символьных последовательностей.

6. Систематизированно изложены теоретические основы одномерных и двумерных моделей авторегрессии в целях дешифрирования объектов местности по структуре фотоизображения, подтвержденные на большом экспериментальном материале.

7. На основе базовой информационной технологии (БИТ) разработай ряд информационных технологий анализа и синтеза изображений и сигналов для исследования основных и фоновых ПСС, в том числе:

• ИТ цифрового картографирования и эксплуатации дорог Удмуртской Республики;

• ИТ ведения городских газовых сетей, отличающихся от БИТ

значительно более крупным масштабом исходной и конечной графической документации;

• ИТ в сфере предпринимательской безопасности.

8. Создана ИТ объективной оценки качества речи при лечении врожденных расщелин неба, а также ИТ, использующаяся в медицинских учреждениях детской травматологии и ортопедии.

9. Создана методика и ИТ динамической калибровки тензометринеских приборов, применяемых в спорте.

10. Исследованы проблемы речевого управления в системах распознавания и синтеза сигналов, идентификации и верификации дикторов по частотам

формант. На основе многолетних систематических' исследований удалое: объяснить физические механизмы работы голосового источника человека пр] образовании вокализованных звуков речи.

11. Разработано и создано 14 экспериментальных и опытных образцо: конфигураций аппаратных средств поддержки базовой, основных и фоновы: информационных технологий.

12. В результате проведенных работ создано более 20 программны; систем и подсистем, 15 баз данных.

13. Результаты работы внедрены более чем на 10 предприятиях ] организациях, используются в производственном процессе, в научно исследовательских и опытно-конструкторских разработках, в учебно} процессе при чтении курса «Цифровая обработка сигналов» в Ижевском Государственном техническом университете.

Исследования, проведенные в работе, позволяют сделать следующи выводы.

1. Применение единого подхода к автоматизации объектов различно] природы, социальной сферы, сложности и т.п., использование принципа «по; ключ» существенно облегчает процесс создания каждой последующе! информационной технологии, тем более при наличии базово! информационной технологии, и приносит существенный экономический научный, социальный эффект, особенно на первых стадиях разработки в связ! с сокращением ручного труда.

2. Информационная технология создания цифровой модели местности I использованием материалов аэрокосмической съемки позволяв-дешифрировать объекты местности и их характеристики с надежностью, в 1,5 2 раза превышающей надежность визуального дешифрирования.

3. Метод динамического программирования, примененный для целе! автоматизированного дешифрирования КФС, позволил повысить надежност; дешифрирования на величину порядка 10 % по сравнению с известным! методами.

4. Параметры одномерной модели авторегрессии при описании I дешифрировании объектов местности по материалам ДЦЗ позволяю: сократить объем описания изображения ДЦЗ по сравнению с известным! системами признаков в 2-4 раза и повысить на величину порядка 4°/ надежность дешифрирования растительного покрова по сравнению < известными наиболее эффективными на сегодняшний день системам! признаков.

5. БИТ, позволяющая дешифрировать по материалам аэрокосмическш' съемки достаточно объемный класс объектов растительности и и? характеристик, является инструментом создания природоохранные информационных технологий и непрерывного лесоустройства, < существенным сокращением полевых работ.

6. Технология индикационного дешифрирования материало1 аэрокосмической съемки показала свою пригодность при прогнозированш месторождений нефти.

-337. Автоматизация центральных пунктов вневедомственной охраны в эяде отделов при МВД Удмуртии существенно снизила субъективный фактор

три несении службы этими отделами.

Основные материалы диссертации изложены в следующих публикациях:

1. Сметанин A.M. Проблемы информационных технологий дешифрирования материалов космической съемки // Материалы IV Всероссийской с междунар. Участ. конф. По распозн. Образов и анализу изобр.: Новые информ. Технологии (Новосибирск, 11-18 окт. 1998 г.) - Новосибирск, 1998,- Ч.2.- С. 191-195.

2. Сметашш A.M. Автоматизированное дешифрирование физико-географических комплексов по материалам космической съемки // Труды XXXI научно-технич. конф. ИжГТУ, 1998. - Ч. 2. - С. 5- 8.

3. Гитлин В.Б., Сметанин A.M. О повышении точности измерений параметров формант // Проблемы построения систем понимания речи. - М.: Наука, 1980. - С. 109 -115.

4. Гитлин В.Б., Сметанин A.M. Расчет формантных фильтров // Известия вузов-Радиоэлектроника. - 1976.-Т19.- №8. - С. 98-100.

5. Зензинов A.B., Сметанин A.M. Аппаратурно-программный комплекс обработки текстурных изображений // Автоматизированные системы обработки изображений (АСОИз - 86). Тез. докл. II Всесоюз. конф. (Львов, сентябрь 1986 г.). - М.: Наука, 1986,- С. 264 - 266.

6. Smetanin A.M. Investigation of the voice source models // Proc. XI Inter. Congr. of Phonetic Sciences (XithlCPhS)(Tallinn, August 1987). -Tallinn, 1987.-V. 6. - P. 36- 39.

7. Гитлин В.Б., Сметанин A.M. Исследование участков смыкания и размыкания на ЭВМ // Дискретные системы обработки информации. - Ижевск: Ижевский механический институт, 1978. -Вып. 1.-С. 76-78.

8. Маратканов В.М., Огородникова O.A., Сметанин А.М. Одномерные и двумерные системы признаков при дистанционных исследованиях земной поверхности // Материалы Второго Всесоюз. Совещания по космич. Антропоэкологии. - Л., 1984. - С. 329-330.

9. Огородникова O.A., Сметанин A.M. Применение двумерных спектральных признаков для описания изображений // Тез. Докл. II Всесоюз. Конф. По методам и средствам обраб. слож. графич. инф. -Горький, 1985. - С. 124-126.

10. Решетников И.В., Рылов В.Н., Сметанин A.M. Система распознавания сложных текстурных изображений // Проблемы создания систем обработки, анализа и распознавания изображений. Тез. Докл. II Республиканск. Семинара, Ташкент, 6-8 июня 1989 г. - Ташкент, 1989. -С. 109-110.

11. Решетников И.В., Рылов В.Н., Сметанин A.M., Шишканов А.Г. Автоматизированное рабочее место обработки и распознавания изображений // Дискретные системы обработки информации. -Ижевск: ИМИ, 1988. - Вып. 8. - С. 28-31.

12. Сметанин A.M. Модель речеобразования вокализованных звуков П Автоматическое распознавание слуховых образов (АРСО-16). - М: МГУ, 1991.-С. 93-94.

13. Сметанин A.M. Речевое управление диалогом в системе интерпретации сложных изображений // Автоматическое распознавание слуховых образов. -Тез. докл. 15-го Всесоюзн. Семинара (АРСО-15). 13-17 марта 1989. - Таллинн, 1989. - С. 344-345.

14. Сметанин A.M. Речевой диалог в системе распознавания изображений // Автоматическое распознавание слуховых образов (АРСО-14). -Каунас, 1986. - 4.2. - С. 89-90.

15. Сметанин A.M. Модель синтеза речевого сигнала, учитывающая влияние голосового источника // Автоматическое распознавание и синтез речевых сигналов. - Киев: ИК АН УССР, 1989. - С. 96 - 99.

16. Гитлин В.Б., Сметанин A.M. К задаче построения анализатора спектра частот речевого сигнала // Автоматич. Устройства учета и контроля. - Ижевск: ИМИ, 1974.-Вып. 9. - С. 10-11.

17. Сметанин A.M., Ходыкин A.B. Применение спектрального анализа для оценки точности измерения в системе «Спортсмен -тензоплатформа - регистрирующий прибор» // Тез. Докл. III Всесоюзн. Научн.-технич. конф. «Электроника и спорт»- Л., 1972. - С. 38-39.

18. Кузнецов П.Г., Сметанин A.M., Хатбуллин P.A.. Оценка эталонной символьной последовательности // Распознавание образов и анализ изображений: Новые информационные технологии (РОАИ-IY). Труды 4-й Всероссийск. с межд. Участ. Конф. 11-18 октября 1998 г. -Новосибирск, 1998. - С. 130-134.

19. Сметанин A.M., Соловьева Л.С. Исследование возможности автоматизации оценивания качества речи // Автоматическое распознавание слуховых образов. Тез. Докл. 13-го Всесоюзн. Семинара (АРСО-13) 23-28 июля 1984 г. - Новосибирск, 1984. - С. 137-138.

20. Гитлин В.Б., Сметанин А.М., Сорокин C.JL, Шуткин В.Е. Идентификация дикторов по частотам формант // Тез. Докл. XI Всесоюзной школы-семинара АРСО-11. - Ереван, декабрь 1980. - С. 164-166.

21. Огородникова O.A., Сметанин A.M. Интерпретация изображений логическими решающими правилами // Математические методы распознавания образов (ММРО - IY). - Тез. Докл. 4-й Всесоюзн. Конф. - Рига, 1989. - Ч. 4. - С. 139-141.

22. Сметанин A.M. Модель речеобразования вокализованных звуков // Тез. докл. семинара АРСО-16. -М., 1991. - С. 93-94.

23. Сметанин A.M., Сорокин Л.С. Экспериментальное исследование частоты формант //Дискретные системы обработки информации. -Ижевск: ИМИ, 1979. - Вып.2. - С. 86-90.

24. Сметанин A.M. К вопросу оптимизации формантных фильтров // Автоматические устройства учета и контроля. - Ижевск: ИМИ, 1976.-

Вып.1. - С. 74-83.

25. Сметанин A.M. Анализатор спектра частот речевого сигнала // Автоматические устройства учета и контроля. - Ижевск: ИМИ, 1977.-Вып.2. - С. 36-38.

26. Сметанин А.М. Автоматизированное распознавание и интерпетация сложных текстурных изображений // Дискретные системы обработки информации. - Ижевск: ИМИ, 1989. - С. 57-62.

27. Зензинов A.B., Сметанин A.M. Подсистема тематической обработки изображений // Тез. докл. II Республик, семинар по пробл. создания систем обраб., анализа и распозн. изобр. - Ташкент, 1989. - Ч. 1. - С. 107-108.

28. Гитлин В.Б. Новоселов В.Н., Сметашт A.M. и др. Аппаратура обработки речевого сигнала // Вопросы радиоэлектроники: серия ЭВТ, 1979,-Вып. 4. - С. 77-85.

29. A.C. 714474 СССР, МКИ G 10 L 1/00. Устройство для выделения основного тона речи/ В.Б.Гитлин, А.В.Книппер, А.М.Сметанин и др. -Бюлл. изобр., 1980, № 5.

30. Сметанин А.М. Система распознавания сложных изображений Л Тез. докл. НТК ИМИ. - Ижевск, 1990. - С. 139.

31. Зензинов A.B., Сметанин A.M. Система интерпретации изображений дистанционного зондирования текстур // Тез. докл. Междунар. конф. по обработке изображений и дистанц. Исследованиям. - Новосибирск, 1990.-С. 96-97.

32. Гитлин В.Б., Новоселов В.Н., Сметанин A.M. Оценка влияния аппаратуры на изменение формантных параметров // Электросвязь. -1981.- № 12.-С. 31-33.

33. Огородникова O.A., Сметанин A.M. Двумерная модель текстурного изображения // Тез. докл. Всесоюз. конф. По методам и средствам обработки сложн. графич. Информ. - Горький, 1988. - С. 122-123.

34. Сметанин A.M. Алгоритм расчета параметров формантных фильтров // Дискретные системы обраб. Информации. - Ижевск: ИМИ.1982.-Вып. 4.-С. 134-139.

35. Сметанин А.М. Оценка погрешностей измерения частоты сигнала форманты // Дискретные системы обраб. информации. - Ижевск: ИМИ, 1983 .-Вып. 5,- С . 76-79.

36. Сметанин A.M., Храмов С.Н. Возбуждение речевой волны И Тез. Докл. Семинара АРСО-17.-Ижевск, 1992.-С. 144-147.

37. Слободской Н.Я., Шипулин Ю.К., Сметанин А.М. и др. Разработка и перспективы применения рабочих мест дешифровщика и геолога (АРМ-Д и АРМ-Г) и автоматизированного места картографа Г. AM К) при оценках состояния геологической среды по космофотосъемкам // Тез. докл. научно-практ. конф. По системному наземно-аэрокосмо-экологич. мониторингу природн. Среды. -Свердловск, 1991. - С. 145147.

-3638. Зегоинов A.B., Лям ин A.C., Сметанин A.M. Архитектур специализированных устройств для обработки изображени основанных на использовании моделей авторегрессии // Тез. док науч.-технич. семинара по применению микропроцессоров и миф ЭВМ в радиоэлектр. Аппаратуре. - Ижевск, 1988.- С.37-38.

39. Галлямова Г.Д., Мартынова Л.И., Сметанин A.M. Исследовательсм комплекс обработки изображений с речевым управлением // Те докл. науч.-технич. Семинара по применению микропроцессоров микро-ЭВМ в радиоэлектр. Аппаратуре. - Ижевск, 1988.- С. 50-51.

40. Зензинов A.B., Огородникова O.A., Сметанин А.М. Компл« программ классификации текстурных изображений с помощь: моделей авторегрессии // Тез. Докл. III Всеосоюз. конф. MMPO-III. Львов, 1987.. С. 103-104.

41. Сметанин A.M. Нормализация по темпу произнесения пр распознавании дикторов // Тез. докл. Семинара АРСО-12. - Одесс 1982.-С. 216-217.

42. Сметанин A.M., Столбова O.A. Верификация дикторов по частот формант // Тез. докл. Семинара АРСО-13. - Новосибирск, 1984. - < 132-133.

43. Зензинов A.B., Сметанин A.M. Полюсная модель текстурног изображения // Тез докл. Всесоюзная конф. По методам и средства обраб. сложн. графич. информ. - Горький, 1988. - С. -121-122.

44. Кузнецов П.Г.,. Поздеев B.C., Сметанин A.M. Спектроанализато акустических сигналов на базе микроЭВМ «Электроника-60» Электронйая промышленность. - 1986.- Вып.1(149). - С. 31-33.

Подписано в печать 06.03.2000 г. Тираж 100 экз. Заказ № 246. Типография Удмуртского Госуниверситета. 426034, Ижевск, ул. Университетская, 1, корп. 4.

Основные сокращения.

Введение.

Глава 1. Проблемы создания информационных технологий в исследовании природно-социальных систем.

1.1. Модель управления природно-социальными системами.

1.2. Модель местности.

1.3. Основные и фоновые ПСС.

1.4. Постановка задачи.

Глава 2. Цифровая модель местности как основа исследования природно-социальных систем.

2.1. Процесс получения изображений.

2.2. Исходные данные для создания ЦММ.

2.3. Постановка задачи создания ЦММ по результатам дешифрирования материалов космической съемки.

2.4. Прямое дешифрирование элементов ЦММ.

2.5. Индикационное дешифрирование элементов ЦММ.

2.6. Сегментация.

2.7. Привязка изображения к географическим координатам.

2.8. Оценка символьных последовательностей.

2.9. Формирование ЦММ.

Выводы.

Глава 3. Описание и дешифрирование объектов ЦММ моделями авторегрессии.

3.1. Основные понятия одномерной модели авторегрессии.

3.2 Устройство для дешифрирования МКС на основе параметров модели АР-1.

3.3. Экспериментальные исследования модели АР-1.

3.4. Порядок модели АР-1.

3.5. Компенсация координатно-зависимых яркостных искажений.

3.6. Полюсная модель.

3.7. Двумерная модель авторегрессии (модель АР-2).

3.8. Дешифрирование ДДЗ моделями авторегрессии.

Выводы.

Глава 4. Приборы и аппаратные средства автоматизированных технологий.

4.1 .Аппаратно-программные средства поддержки базовой технологии.

4.2. Устройство ввода фотоснимков высокого разрешения.

4.3. Использование промышленного сканера.

4.4. Структурная схема аппаратно-программных средств.

4.5. Средства аппаратной поддержки автоматизированных технологий исследования ПСС.

Выводы.

Глава 5. Базовая информационная технология (БИТ) создания ЦММ.

5.1. Традиционная технология создания (обновления) тематических карт.

5.2. Структурные разделы технологии.

5.3. Подготовительные работы.

5.4. Формирование векторных границ областей и привязка к географическим координатам.

5.5. Дешифрирование «рисунка» фотоизображения и растительного покрова.

5.6. Индикационное дешифрирование.

5.7. Программные системы и базы данных.

5.8. Опытно-методические работы с использованием технологии автоматизированного дешифрирования МКС.

Выводы.

Глава 6. Применение базовой информационной технологии для исследования максимально возможного набора ПСС.

6.1. Природоохранные информационные технологии.

6.2. Цифровое картографирование лесного хозяйства.

6.3. Прогнозирование месторождений нефти.

6.4. Цифровое картографирование дорог

Удмуртской Республики.

6.5. Информационные технологии городских коммунальных сетей.

6.6. Предпринимательская безопасность.

6.7. Информационные технологии в медицине.

6.8. Информационные технологии в спорте.

6.9. Проблемы речевого управления в системах распознавания и синтеза сигналов.

6.10. Программные системы и базы данных.

Выводы.

Современное человеческое общество представляет собой взаимосвязанную и взаимозависимую совокупность систем различного объема, сложности и генезиса. Если рассматривать их в пределах некоторого пространственного образования, то можно выделить множество групп и подгрупп систем. Например, для крупного объектов (губерния, республика, федерация) можно рассмотреть два иерархических уровня систем, назвав их условно «Системы 1-го уровня» (более высшие в иерархии, обозначим их цифрами) и «Системы 2-го уровня» (более низшие, входящие в состав более высших) следующим образом:

1) население;

2) недвижимость и прочие материальные ценности;

3) государственная власть:

• органы управление;

• силовые структуры;

4) органы местного самоуправления;

5) предпринимательство:

• промышленность;

• банки;

• сельское хозяйство;

• лесное хозяйство;

• средний и мелкий бизнес;

6) наука;

7) криминал:

• организованная преступность;

• средняя и мелкая преступность;

8) окружающая среда:

• естественные источники энергии;

• космос;

• атмосфера;

• поверхность Земли;

• биологические системы;

• природные ресурсы и т.п.

Можно также выделить некоторую группу систем, которые, условно говоря, не имеют особой формирующей, с точки зрения общества и его потребностей, роли и создающие в основном среду, фон для приведенных выше систем «1-го и 2-го уровня».

Определение 1.

Назовем системы, на фоне которых существуют формирующие объект группы систем, фоновыми системами.

К фоновым системам можно отнести следующие:

9) культуру;

10) образование;

11) здравоохранение;

12) транспорт;

13) связь и т.п.

Еще раз подчеркнем, что состав группы фоновых систем достаточно условен. В частности, это касается такой важной системы как культура, недооценка которой и в прошлом и в настоящее время в обществе приводит к весьма неприятным результатам.

Данную систематизацию можно продолжать, выполнить ее по структуре иначе и на то существует многочисленная библиография (см. хотя бы [48, 150]). Здесь же предпринята попытка показать только наиболее значимые, с нашей точки зрения, системы, которые существенным образом участвуют в формировании внешнего облика, функционирования, взаимосвязях, получении конечных результатов в интересах того или иного общественного пространственного образования.

Можно заметить, что в приведенной условной классификации систем преобладают:

• природные системы;

• социальные системы (включающие в себя конечное количество людей);

• технические системы.

Чисто технические системы, очевидно, являются наиболее исследованными и изученными; существует обширнейшая библиография как в общесистемных вопросах [25, 49], так и в узких предметных областях науки и производства. В дальнейшем в данной работе технические сис- , темы с общих позиций, как правило, исследоваться не будут. Лишь в ряде случаев (см., например, главу 4) будут рассматриваться их конкретные технические реализации. Причем нужно заметить, что технические системы можно рассматривать как частный случай социальных систем, поскольку самостоятельно, без человека или сообщества людей в реальной жизни они существовать не могут.

Здесь же представляет значительный интерес рассмотреть во взаимосвязи два типа (вида) систем:

• природные системы;

• социальные системы.

В независимости друг от друга в реальном мире природные и социальные системы не существуют, поскольку их физически невозможно отделить друг от друга. Более того, эти два типа систем активно взаимодействуют друг с другом, особенно в последние несколько десятилетий.

В частности, именно с их взаимодействием связано обострение глобальных и локальных экологических проблем на планете в последние несколько лет. Проблемы эти не только не решены, но и все более обостряются, что, в конечном итоге, может привести, а кое-где уже приводит, к глобальным катастрофам (Чернобыль, Арал, Чердынь, «желтые дети» в г. Черновцы, на Алтае).

Для дальнейшего анализа введем понятие природно-социальной системы.

Определение 2.

Назовем природно-социальной системой (ПСС) взаимосвязанную и взаимозависимую пространственную совокупность конечного количества природных и социальных систем.

Примерами ПСС могут являться предприятия, учреждения (от мелких до крупных), населенные пункты (с любым конечным количеством населения и степенью урбанизации), субъекты государства и, в конечном итоге, само государство. Первые - это ПСС низшего уровня, последние - ПСС высшего уровня.

Таким образом, в соответствии с вышеприведенным определением ПСС, к ним можно отнести практически любую систему, по крайней мере наличествующую внутри отдельного государства.

Определение 3.

Назовем целью существования ПСС любого уровня сохранение ее существования.

Как показывает история развития человечества, достигается эта цель только лишь эффективным управлением ПСС всех уровней. В настоящее время управление ПСС осуществляется с использованием так называемых автоматизированных (сейчас чаще употребляется термин «информационных») технологий. Термин «Информационная технология» появился в последнее десятилетие и в рамках данной работы требует некоторых пояснений, поскольку в этой предметной области терминология в целом еще не устоялась.

В соответствии с [212], «Технология (от греческого techne - искусство, мастерство, умение и .логия), совокупность методов обработки, изготовления, изменения состояния, свойств, формы сырья, материала или полуфабриката, осуществляемых в процессе производства продукции. Задача технологии как науки - выявление физических, химических, механических и др. закономерностей с целью определения и использования на практике наиболее эффективных и экономичных производственных процессов».

По аналогии с вышесказанным дадим следующее определение.

Определение 4.

Назовем информационной технологией (ИТ) совокупность эффективных и экономичных методов получения, хранения, обработки, транспортировки и использования информации с целью достижения конкретного результата в интересах некоторого объекта или системы.

По определению основными инструментами поддержки (обслуживания) ИТ являются электронные вычислительные машины -ЭВМ (в современной терминологии - компьютеры) и каналы связи.

К видам информации в определении 4, являющимся предметным объектом ИТ, относятся:

• аналоговые и дискретные сигналы (случайные и детерминированные процессы, временные ряды);

• изображения (двумерные, трехмерные и многомерные).

• символьные (текстовые) последовательности.

Наибольший интерес с точки зрения управления природно-социальными системами, на наш взгляд, представляют одномерные сигналы (случайные процессы) и двумерные - изображения, поскольку существующие методы анализа и синтеза данных объектов ИТ не могут удовлетворить потребностей ПСС различного уровня (от низших - предпринимательских структур, до высшей - государства). Тем' не менее, определенный интерес представляют и символьные последовательности.

При построении модели управления ПСС, особенно высших уровней, возникает вопрос определения номенклатурного состава входящих в нее систем низшего уровня, который достаточен для достижения адекватности модели. Обычно в точных науках данная проблема решается определением функционально-полного набора составляющих систем (подсистем). Однако в отношении ПСС это является самостоятельной, достаточно сложной задачей, которая выходит за рамки данной работы.

В условиях неопределенности функционально-полного набора ПСС, достаточного для построения адекватной модели управления и исследования ПСС более высокого уровня, можно поставить задачу создания максимально-полного набора ИТ исследования ПСС, охватывающего только возможно важнейшие из них, но в рамках одной работы ее решить невозможно. В соответствии с вышесказанным в настоящей работе принят подход создания максимально возможного набора ИТ исследования ПСС.

ПСС имеют своей естественной базой поверхность Земли. Очевидно и естественно использовать в их исследованиях современное представление модели земной поверхности - цифровую модель местности (ЦММ), одним из основных способов формирования которой в настоящее время является автоматизированное дешифрирование материалов аэрокосмической съемки (МКС).

В результате мы приходим к важной, в целом не решенной до настоящего времени проблеме - разработке и реализации автоматизированной производственной технологии дешифрирования материалов

МКС с целью создания ЦММ со всеми необходимыми ее атрибутами: исходными данными, математическим аппаратом, аппаратными средствами, программными системами, информационным обеспечением (базами данных).

Задачу создания максимально возможного набора ИТ исследования ПСС эффективно решать в одном «русле» с разработкой ИТ создания ЦММ, выбрав последнюю в качестве «базовой» ИТ. Элементы максимально возможного набора ИТ, опирающиеся на базовую ИТ и использующие полученные при ее разработке результаты, здесь могут явиться своеобразными «островками», опорными пунктами ИТ исследования ПСС, которые в дальнейшем стали бы основой для последующего расширения исследований в данном направлении. Отсюда и возникает очередная проблема - разработка ИТ в едином подходе, охватив как важнейшие из основных ПСС, так и возможно большую часть менее важных (фоновых) ПСС, на основе базовой ИТ создания ЦММ.

Целью работы является создание максимально возможного набора информационных технологий исследования природно-социальных систем на основе автоматизированного дешифрирования объектов цифровой модели местности по материалам аэрокосмической съемки.

Работа состоит из введения, шести глав, заключения и приложений.

В первой главе рассматриваются проблемы создания информационных технологий исследования природно-социальных систем на основе анализа предшествующих работ в данной предметной области и формулируются задачи, стоящие перед данной работой.

Вторая глава посвящена рассмотрению теоретических вопросов цифрового моделирования местности, основанного на разработке новых эффективных методов дешифрирования материалов аэрокосмической съемки земной поверхности.

В третьей главе исследуются теоретические и практические проблемы описания и дешифрирования объектов цифровых моделей местности (ЦММ) на основе одномерных и двумерных моделей авторегрессии.

В четвертой главе рассматриваются аппаратные средства всех автоматизированных технологий, разрабатываемых в диссертационной работе.

В пятой главе разрабатывается базовая информационная технология (БИТ) создания ЦММ, приводятся полученные результаты работы информационной технологии.

Шестая глава посвящена разработке достаточно широкого состава информационных технологий, позволяющих создать максимально возможный их набор для исследования ПСС, большая часть из которых использует результаты БИТ.

В приложениях к диссертационной работе представлены некоторые справочные материалы по информационным технологиям, разработанным и реализованным в результате исследований.

Научная новизна проведенных исследований заключается в нижеследующем.

1. В достаточно широкой постановке задач управления системами, вплоть до уровня государства, сформулировано понятие природно-социальной системы с привязкой к местности (модели местности, цифровой модели местности), на которой она функционирует.

2. При решении задач обработки материалов аэрокосмической съемки показана возможность автоматизированного дешифрирования объектов местности, перекрытых растительным покровом, по структуре фотоизображения.

3. Разработан эффективный метод индикационного дешифрирования объектов местности с использованием логических решающих правил. Новизна метода защищена авторским свидетельством на изобретение.

4. При дешифрировании объектов местности по материалам аэрокосмической съемки получена достаточно высокая надежность дешифрирования на основе описания фотоизображения одномерными моделями авторегрессии. Новизна методов защищена двумя авторскими свидетельствами на изобретения.

5. Создан максимально возможный набор информационных технологий исследования природно-социальных систем (ПСС), охватывающий ряд важнейших ПСС: предпринимательство, науку, образование, здравоохранение, промышленность, силовые структуры, геологию, экологию, транспорт, связь.

6. На основе многолетних систематических исследований удалось объяснить физические механизмы работы голосового источника человека при генерировании вокализованных звуков речи.

Практическая полезность и внедрение результатов работы.

1. В ПГО «Гидроспецгеология» Мингео РФ внедрены аппаратно-программный комплекс автоматизированного дешифрирования материалов аэрокосмической съемки и тематического картографирования с соответствующей автоматизированной технологией. Созданы аппаратные средства, две программные системы дешифрирования материалов крупномасштабной аэрокосмической съемки, две базы данных, а также серия инженерно-геологических тематических карт.

2. В Государственном научно-исследовательском и производственном центре «Природа» Роскартографии внедрены аппаратно-программный комплекс автоматизированного дешифрирования материалов аэрокосмической съемки и тематического картографирования с соответствующей ИТ. Созданы аппаратные средства, две программные системы, три базы данных, а также серия природохранных тематических карт масштабов от 1:50 ООО до 1:1 ООО ООО.

3. В ряде отделов Управления вневедомственной охраны при МВД УР внедрены и находятся в эксплуатации информационно-вычислительные системы автоматизации пунктов централизованной охраны. Созданы аппаратные средства, три программные системы, три базы данных, обучен личный состав.

4. В интересах МВД Удмуртии проведены работы по определению направлений автоматизации, постановки задач и путей решения проблем автоматизированной дактилоскопической информационной системы (АДИС), что позволило сократить время ее внедрения и ускорить обучение специалистов.

5. В ГУП «Удмуртавтодор» и Удмуртском республиканском отделении Ространсинспекции внедрена и находится в эксплуатации цифровая карта дорог Удмуртии масштаба 1: 100 ООО и база данных линейных планов дорог с соответствующей ИТ.

6. В ОАО «Ижевскгаз» внедрена и находится в опытной эксплуатации информационная вычислительная система автоматизированной эксплуатации газовых сетей г. Ижевска. Агрегатированы аппаратные средства, созданы четыре программные системы, четыре базы данных.

7. В ИППИ РАН внедрены результаты исследований голосового источника. В в/ч 71330 внедрены результаты речевых исследований НИОКР «Фтор».

8. На Ижевском заводе тяжелых бумагоделательных машин внедрена информационная технология обработки диагностических сигналов бумагоделательного оборудования.

Диссертационная работа выполнена в соответствии с нижеследующими документами:

• Постановлением Совета Министров СССР № 614-199 от 17.07.80 г.;

• Постановлением Совета Министров РСФСР от 16 марта 1990 г. № 93 «О неотложных мерах по оздоровлению экологической обстановки в РСФСР в 1990-95 гг.»;

• Приказом Министра внутренних дел Удмуртской Республики от 14.02.94 г. № 36 «О мерах по реализации Программы внедрения и эффективного использования автоматизированных систем и информационно-вычислительных сетей»;

• Рекомендациями по внедрению автоматизированных управляющих систем на ПЦО с использованием ЭВМ Объединения «Охрана» при МВД РФ от 24 декабря 1991 г., № 30/741;

• Техническими заданиями на НИОКР «Геомат-01» и «Геомат-02», выполняемыми для ПГО «Гидроспецгеология» Мингео СССР в 1982-91 гг.;

• Техническими заданиями на НИОКР «АРМ-ДК» и «АРМ-ДО», выполняемыми для Госцентра «Природа» Роскартографии в 1991-99 гг.;

• Техническими заданиями на НИОКР «АРМ-ПЦО», «ВС-Охрана», «ЦКД-УР», «ВС-Ижевскгаз», выполняемыми для ведомств, организаций и предприятий Удмуртии в 1993-99 гг.

• Техническими заданиями на НИОКР «Фтор», выполняемыми для в/ч 71330в 1973-77 гг.

Основные результаты работы представлялись, докладывались и обсуждались:

• на III Всесоюзной научно-технической конференции «Электроника и спорт - III», Ленинград, 1972 г.; на Втором Всесоюзном совещании по космической антропоэкологии, Ленинград, 1984 г.; на трех Всесоюзных конференциях «Методы и средства обработки сложной графической информации», Горький, 1985,1988,1998 гг.; на XI международном конгрессе фонетических наук (Xlth ICPhS), Tallinn, 1987; на II Всесоюзной конференции «Автоматизированные системы обработки изображений (АСОИз-86), Львов, 1986 г.; на двух Всесоюзных конференциях «Математические методы распознавания образов» (ММРО), Львов, 1987 г., Рига, 1989 г.; на II Республиканском семинаре «Проблемы создания систем обработки, анализа и распознавания изображений», Ташкент, 1989 г.; на научно-практической конференции «Системный наземно-аэрокосмоэкологический мониторинг природной среды», Свердловск, 1991 г.; на семи Всесоюзных школах-семинарах по автоматическому распознаванию речи АРСО-11 - АРСО-17 в 1980-92 гг.; на Совещании по планированию НИОКР ГИЦ МВД СССР, Москва, 14.03.90 г.; на научно-практической конференции Российской транспортной инспекции, Киров, март 1995 г.; на Всероссийском семинаре по детству и семье , Минздрав Удмуртии, с. Варзи-Ятчи, 5-7 июня 1998 г.; на Российском симпозиуме детских ортопедов травматологов, Ижевск, 2-5 июня 1998 г.; на IY Всероссийской конференции «Распознавание образов и анализ изображений: новые информационные технологии», Новосибирск, 1118 октября 1998 г.

18

Диссертационная работа является частью исследований, проводимых в Ижевском Государственном техническом университете в области информационных технологий под общим научным руководством Заслуженного деятеля науки и техники РФ, д.т.н., профессора И.В. Абрамова.

Автор благодарен Ю.Л. Липовецкому за постановку интереснейшей проблемы - автоматизированного дешифрирования материалов аэрокосмической съемки; д.т.н, профессору П.Г. Кузнецову за профессиональную и квалифицированную помощь в подготовке данной работы; д.т.н., профессору Ю.К. Шелковникову за ценные замечания по работе при ее подготовке; Заказчикам НИОКР, по результатам которых подготовлена работа: П.В. Беликову, Ю.П. Киенко, В.Г. Бекасову, А.В. Соловьеву, Г.Л. Фалалееву, С.В. Кариповой, В.А. Ермолаеву, И.П. Фирсо-вой, В.А. Хорошавцеву, Л.Р. Каплуну, П.В. Коптелову, В.Д. Шарпарю; а также коллегам по работе, оказавшим неоценимую помощь в подготовке диссертационной работы.

Результаты работы позволяют наметить следующие направления дальнейших исследований.

1. В настоящей работе разработана и создана базовая информационная технология (БИТ) и на ее основе максимально возможный набор информационных технологий (ИТ) анализа и синтеза изображений и сигналов для исследования основных и фоновых природно-социальных систем (ПСС). Во введении за рамки данной работы был выведен вопрос определения функционально-полного набора ПСС, достаточного для достижения адекватности модели управления ими. Целесообразно продолжить исследования в данном направлении с конечной целью определения такого функционально-полного набора ПСС.

2. В работе теоретически обоснованы алгоритмы распознавания условных знаков топографических и тематических карт, как символьных последовательностей. Необходимо продолжить исследования и создать автоматические и автоматизированные процедуры, а также ИТ и аппаратно-программные средства обработки, анализа, распознавания, дешифрирования и синтеза объектов топографического и тематического картографирования и их условных знаков на основе оценки и распознавания символьных последовательностей.

3. Необходимо продолжить дальнейшие исследования в области описания и дешифрирования по материалам аэрокосмической съемки объектов ЦММ на основе параметров одномерной и двумерной модели авторегрессии, поскольку последние могут определять передаточную функцию всего тракта формирования изображения ДДЗ.

4. На основе достаточно большого объема теоретических и экспериментальных исследований модели АР-1 необходимо завершить создание опытной программной системы дешифрирования растительного покрова по аэрокосмическим снимкам высокого разрешения. Для этого необходимо также провести исследования по адаптации к системе признаков АР-1 накопленной за последние годы весьма объемной базы данных эталонов дешифрирования.

5. Необходимо продолжить исследование процессов речеобразова-ния с целью построения адекватных моделей анализа и синтеза речевого сигнала, которые могут, на наш взгляд, повысить надежность распознавания речевого сообщения до уровня, приемлемого для производственных условий.

288

6. Как показывает опыт создания автоматизированных технологий и аппаратно-программных средств их поддержки, практически каждый коллектив разработчиков, особенно в самом начале таких работ, пытается создать эти средства без особого использования уже полученных результатов других коллективов. Это отчасти оправдывается обычной объективной уникальностью предметной области. Тем не менее, с целью исключения непроизводительного труда, экономии средств на разработку целесообразно создать минимальную унифицированную конфигурацию технологических и аппаратно-программных средств по принципу системы КАМАК или унифицированной системы образцов стрелкового оружия Калашникова.

ЗАКЛЮЧЕНИЕ

В настоящей работе разработана и создана базовая информационная технология (БИТ) и на ее основе максимально возможный набор информационных технологий (ИТ) анализа и синтеза изображений и сигналов, накрывающих достаточно широкий перечень основных и фоновых природно-социальных систем (ПСС) и использующих единый подход к автоматизации объектов различной природы, социальной сферы, сложности и т.п.: изучение предметной области, формулирование целей автоматизации, разработка самой ИТ по принципу «под ключ».

Основным связующим звеном, как бы «стержнем» работы, является понятие ПСС - природно-социальной системы. Кроме этого исследования внешне достаточно разнородных предметных областей объединяет методология анализа всех видов сигналов на основе одномерного случая. Следует также иметь в виду, что большинство созданных ИТ используют категорию «передаточная функция», являющуюся основополагающим понятием в рассматриваемых предметных областях.

В работе получены следующие основные результаты.

1. На основе анализа современного состояния проблемы формирования моделей местности, как основы исследования природно-социальных система, выполнена постановка задачи создания ЦММ по результатам дешифрирования материалов космической съемки.

2. В систематизированном виде сформулированы теоретические основы и принципы построения информационной технологии проектирования цифровой модели местности по материалам аэрокосмической съемки и создан ее производственный вариант для дешифрирования широкого класса объектов топографического и тематического картографирования, использующий методы прямого и индикационного автоматизированного дешифрирования.

3. Для целей обработки ДДЗ показана возможность автоматизированного дешифрирования по КФС объектов картографирования, перекрытых растительным покровом, и заложены теоретические основы дешифрирования этих объектов, а также физико-географических комплексов по структуре фотоизображения.

4. Сформулированы основные положения методики индикационного дешифрирования материалов аэрокосмической съемки, использующей объективную переборную процедуру построения дешифровоч-ных решателей на базе логических решающих правил, и создана автоматизированная технология индикационного дешифрирования.

5. Теоретически обоснованы алгоритмы распознавания условных знаков топографических и тематических карт, как символьных последовательностей.

6. Систематически изложены теоретические основы одномерных и двумерных моделей авторегрессии в целях дешифрирования объектов местности по структуре фотоизображения, подтвержденные на большом экспериментальном материале.

7. На основе базовой информационной технологии (БИТ) разработан ряд информационных технологий анализа и синтеза изображений и сигналов для исследования основных и фоновых ПСС, в том числе:

•ИТ цифрового картографирования и эксплуатации дорог Удмуртской Республики;

•ИТ ведения городских газовых сетей, отличающихся от БИТ значительно более крупным масштабом исходной и конечной графической документации;

•ИТ в сфере предпринимательской безопасности.

8. Создана ИТ объективной оценки качества речи при лечении врожденных расщелин неба, а также ИТ, использующаяся в медицинских учреждениях детской травматологии и ортопедии.

9. Создана методика и ИТ динамической калибровки тензометри-ческих приборов, применяемых в спорте.

10. Исследованы проблемы речевого управления в системах распознавания и синтеза сигналов, идентификации и верификации дикторов по частотам формант. На основе многолетних систематических исследований удалось объяснить физические механизмы работы голосового источника человека при генерировании вокализованных звуков речи.

11. Разработано и создано 14 экспериментальных и опытных образцов конфигураций аппаратных средств поддержки базовой, основных и фоновых информационных технологий.

12. В результате проведенных работ создано более 20 программных систем и подсистем, 15 баз данных.

1. Абросимов И.К. Фотофизиономическое районирование по материалам космических съемок как основа каталогизации деши-фровочных признаков.// Сб. научн.тр.Госцентра «Природа», 1986.- Вып. 8. С. 22- 27.

2. Автоматизированная обработка изображений природных комплексов Сибири / Алексеев А.С., Пяткин В.П., Дементьев В.Н. и др. Новосибирск: Наука, 1988. - 223 с.

3. Агапов С.В. Оптико-механическое трансформирование снимков.- М.: Недра, 1992. 244 с,

4. Александров Ф.М., Подгорных С.А. Комплекс отображения сложноструктурированной графической информации // Тезисы докладов II республиканского семинара. Ташкент, июнь 1989 г. Часть2-С. 111-112.

5. Александров Ф.М., Калядин Н.И, Липовецкий Ю.Л., Нагаев Б.В., Подгорных С.А. Автоматизированное изготовление издательских оригиналов карт // Геодезия и картография, 1990, N11. С. 3638.

6. Александров Ф.М., Нагаев Б.В., Подгорных С.А. Методы получения издательских оригиналов по цифровой модели // Тезисы докладов второй всесоюзной конференции. Горький, сентябрь 1985. Часть 1.-С. 179.

7. Алексеев В.А. Описание спектров матрицей отношений // Автоматические устройства учета и контроля. Ижевск, 1974. - Вып.9. - С. 151-154

8. Алексеев В.А., Останин И.Е. Обратный анализ длинных сигнальных реализаций // Анализ и интерпретация пространственно-распределенных структур. Свердловск: УрО АН СССР, 1988. -С.64-77.

9. Андреев А.А. Алгоритмы первичной обработки цифровых аэрокосмических изображений // Тез. докл. II Всесоюз. Конф. по автоматизир. системам обработки изображений (АСОИз-86), Львов, сентябрь 1986 г. М.: Наука, 1986. - С. 49.

10. Андреев Г.А. О классификации изображений по их текстурным признакам // Исслед. Земли из космоса, 1990. № 2. - С. 91-96.

11. Аржанов Е.П. О теоретических основах картографии//Геодезия и картография, 1995. № 5. - С. 40-42.

12. Асмус В.В., Российский А.В. Метод совмещения разновременных снимков земной поверхности // Алгоритмы машинной обработки данных в задачах радиотехники и электротехники, 1986. С. 47-49.

13. Асмус В.В., Вадас В. Программный комплекс классификации многозональных данных // Исследования Земли из космоса, 1988. № 4. - С. 86-94.

14. Афанасьев А.Н. Автоматизированный экспресс-анализ изображений при геологической разведке дна океана // Тез. докл. II Всесоюз. конф. по автоматизир. системам обработки изображений (АСОИз-86), Львов, сентябрь 1986 г. М.: Наука, 1986. - С. 181-182.

15. Афанасьев Н.Ф. Теория и методы дешифрирования аэро- и космических снимков на основе геоиндикационного моделирования // Автореф. дисс. на соиск. уч. степ. докт. техн. наук, М:1. МИИГАИК, 1985. 39 с.

16. Аэрометоды геологических исслеований // Лаборатория аэрометодов МГ СССР. Л.: Недра, 1971. - 704 с.

17. Барталев С.А., Брейдо М.Д. Коррекция пространственно-временных искажений ввода фотоизображений в систему интерактивной обработки. // Исслед. Земли из космоса. 1988. - № 2. - С.83-89.

18. Базарский О.В., Коржик Ю.В. Автоматический текстурный анализ изображений земной поверхности // Исследования Земли из космоса, 1990. № з -С. 115-120.

19. Батуев С.Г., Голубков Ю.В., Ефремов А.К., Федосов А.А. Инженерные методы исследования ударных процессов. М.: Машиностроение, 1977. - 240 с.

20. Бедарев С.А., Бедарева О.М. Учет продуктивности пастбищной растительности дистанционным методом.// Флора и растительность Сев. и Зап. Казахстана: Перспективы использования. -1987. С. 23-27.

21. Беллман Р., Дрейфус С. Прикладные задачи динамического программирования. М.: Наука, 1965. - 458 с.

22. Белокуров П.А., Блюм B.C. Робастный алгоритм выделения границ слабоконтрастных областей изображений //Автометрия, 1990. №4.-С. 14-17.

23. Берк В.И. 16-я Международная картографическая конференция // Геодезия и картография, 1993. № 7. С. 35-38.

24. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования. М.: Наука, 1975. - 768 с.

25. Билич Ю.С., Васмут А.С. Проектирование и составление карт. -М.:Недра, 1984.- 197 с.

26. Бронников А.В., Воскобойников Ю.Е. Комбинированные алгоритмы нелинейной фильтрации зашумленных сигналов и изображений // Автометрия, 1990. № 1. - с. 21-26.

27. Брюханов А.В., Господинов Г.В., Книжников Ю.Г. Аэрокосмические методы в географических исследованиях. М.: МГУ, 1982. -258 с.

28. Бирюков B.C. О понятиях в дешифровании // Геодезия и картография.-1992.-№ 7. С. 35-38.

29. Бирюков B.C., Гамаюнова Г.Н. О методике интерактивного дешифрирования // Геодезия и картография. 1994. - № 2. - С. 38-41.

30. Бокс Дж., Дженкинс Г. Анализ временных рядов: Прогноз и управление// В 2-х томах// Пер. с англ. под. ред. В.Ф. Писаренко. -М.: Мир, 1974.

31. Бострем В.Г. Картографирование структуры почвенного покрова тайги по аэрокосмическим снимкам.// Изв. АН СССР, сер.геогр. 1987. - № 3. - С. 87-99.

32. Бугаевский JI.M., Портнов А.М . Теория одиночных космических снимков. М.: Недра, 1984. - 280 с.

33. Бутаков Е.А. и др. Обработка изображений на ЭВМ. М.: Радио и связь, 1987.-240 с.

34. Бушмелев А.В., Кузьмин Е.П. Сжатие иерархических структур // Автометрия, 1990. № 4. - С. 14-17.

35. Бьемон Ж. Итерационные методы повышения четкости изображений // ТИИЭР, 1990. Т.78. - №5. - С. 56-71.

36. Валях В.М. Аэрофотографические и сканерные аэрометоды при инженерно-геологических исследованиях. М.: Недра, 1982. - 261 с.

37. Васин Ю.Г. «Хорошо приспособленные» локальные однородные методы обработки графической информации // Автоматизация об-раб. Сложной графич. Информации, Горький, 1984. С. 131-158.

38. Васин Ю.Г. Математические модели структурированного описания графических изображений // Автоматизация обраб. сложной графич. Информации, Горький, 1984. С. 92-117.

39. Васин Ю.Г. Система управления базами графических данных // Автоматизация обраб. Сложной графич. информации, Горький, 1988,ч. 2.-С. 94-95.

40. Васькин В.М. Личное сообщение // М.: 1985.

41. Васькин В.Н. Фотографические работы в фотограмметрическом производстве (пособие). М., РИО ВТС, 1989. - 89 с.

42. Вахрамеева Л.А., Бугаевский Л.М., Казакова З.Л. Математическая картография: Учебник для вузов. М.: Недра, 1986. - 286 с.

43. Вахрамеева Л.А. Обобщенные формулы конформных проекций, получаемых с применением рядов // Известия вузов: Геодезия и аэрофотосъемка. Вып. 1. - 1963.

44. Величко В.М. Минимизация вычислений в распознавании речи // Анализ символьных последовательностей (Вычислительные системы, вып. 113). Новосибирск, 1985. - С. 123-132.

45. Величко В.М., Загоруйко Н.Г. Автоматическое распознавание ограниченного набора устных команд // Вычислительные системы, вып. 67 Новосибирск, СО АН СССР, 1969. - С. 101-110.

46. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969.- 576 с.

47. Вернадский В.И. Научная мысль как планетарное явление. М.: Наука, 1991.-256 с.

48. Воронов А.А. и др. Теория автоматического управления. М.: Высш. Школа, 1986. - 504 с.

49. Винцюк Т.К. Анализ, распознавание и интерпретация речевых сигналов. Киев: Наукова думка, 1987. - 264 с.

50. Вопросы создания автоматизированной системы аэрокосмического мониторинга сельскохозяйственных ресурсов. М., 1987.-С. 135-148.

51. Герасименко Е.Н. Применение аэрокосмической информации при инвентаризации древесно-кустарниковой растительности пустынь // Аэрокосмические методы изуч. природ, условий пустынь. Шк.-семинар, Ашхабад, март 1983 г. С. 72-77.

52. Гель Б.Ф., Комиссарчук А.А. Алгоритм поиска объектов на дис-кретизированном изображении // Тез. докл. II Всесоюз. конф. по автоматизир. системам обработки изображений (АСОИз-86), Львов, сентябрь 1986. С. 73 -75.

53. Геоинформационные технологии (ГИС"94) // Материалы Всероссийского форума. М., 6 -11 июня 1994 г. - 82 с.

54. Геология нефти и газа: Учебник для вузов / Э.А. Бакиров, В.И. Ер-молкин, В.И. Ларин и др.; Под ред. Э.А. Бакирова. М.: Недра, 1990. - 240 с.

55. Гетманов В.Г. Вычисление дискретного преобразования Фурье для массивов большой размерности // Автометрия, 1990. № 1. - С. 60-63.

56. ГИС-ассоциация //Информационный бюллетень, 1996, №1.

57. Гитлин В. Б., Сметанин А. М. Выбор интервала измерений частоты и ширины формант. // Всесоюзная школа-семинар АРСО-Ю; Тез. Докл.;Тбилиси, октябрь 1978. Тбилиси, 1978. - С. 20-22.

58. Гитлин В. Б., Сметанин А. М., Шуткин В. Е. Обнаружение интервалов смыкания голосовых связок // Ттезисы докладов XI Всесоюзной школы-семинара АРСО-11, Ереван, декабрь 1980. С. 134136.

59. Гитлин В.Б., Сметанин A.M. О повышении точности измерений параметров формант // Проблемы построения систем понимания речи. М.: Наука, 1980. - С. 109 - 115.

60. Гитлин В.Б., Сметанин A.M., Сорокин С.Л., Шуткин В.Е. Идентификация дикторов по частотам формант // Тез. Докл. XI Всесоюзной школы-семинара АРСО-11, Ереван, декабрь 1980. С. 164-166.

61. Гитлин В.Б., Сметанин A.M. Расчет формантных фильтров // Известия вузов: Радиоэлектроника. 1976. - Т.19. - №8. - С.98-100.

62. Гнатив JI.A. Эффективные алгоритмы быстрого преобразования Уолша // Управляющие системы и машины, 1990. № 3. С. 48-52.

63. Горожанкина С.М., Константинов В.Д. Картографирование лесов Западной Сибири с помощью аэрокосмических средств.// Дистанционное исслед. Природ, ресурсов Сибири. 1986. - С. 34-43.

64. Гонин Г.Б., Зубова Т.В. О сравнении космических фотоснимков с картами // Геодезия и картография, 4,1987. С. 34-37.

65. Горбунов Г.А. Распознавание изображений в дистанционном зондировании // Автоматизир. обработка изображений природных комплексов Сибири. Новосибирск, 1988.-С. 11-47.

66. Гордюхин А.И., Гордюхин Ю.А. Измерение расхода и количества газа и его учет. Д.: Недра, 1987. - 213 с.

67. Горловский А.Л., Н.А. Ледяшов, А.Н. Петров и др. Система распознавания речи ДИС-332.03 // Автоматическое распознавание слуховых образов (АРСО-13).- Новосибирск, 1984.- Ч.2.- С. 95-98.

68. Горский Н.Д. Рекурсивная модель представления изображения // Автоматизация обраб. сложной графич. информации, Горький, 1984.-С. 159-178.

69. Гоутц А.Ф.Х. Дистанционное зондирование Земли в оптическом диапазоне волн // ТИИЭР. 1985. - Т. 73. - № 6. - С. 7-29.

70. Грязева Л.И. Состав и структура базы данных для картографирования годрогеологтческих объектов по спутниковым снимкам //Тр. Гос. гидролог. Института, 1987. № 329. - С. 97-103.

71. Гудилин И.С., Комаров И.С. Применение аэрометодов при инженерно-геологических и гидрогеологических исследованиях. -М.: Недра, 1978. -319 с.

72. Гуревич С.Б. Эффективность и чувствительность телевизионных систем. М. - JL: Энергия, 1964. -344 с.

73. Гусев В.Д. Характеристики символьных последовательностей //Машинные методы обнаружения закономерностей .- Новосибирск, 1981.- Вып. 88: Вычислительные системы. С.112-123.

74. Гусев В.Д. Механизмы обнаружения структурных закономерностей в символьных последовательностях/Шроблемы обработки информации. Новосибирск, 1983.- Вып. 100: Вычислительные системы. - С.47-66.

75. Гусейнов П.М. Методы статистической классификации многозональной видеоинформации с обучением по тестовому участку // Исследование Земли из космоса. 1987. - № 4. - С. 21-28.

76. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов: Пер. С англ. М.: Мир, 1988. - 488 с.

77. Денисов Д.А. и др. Интерактивная сегментация изображений // Исследования Земли из космоса, 1990. № 4. - С. 95-101.

78. Денисов Д.А., Низовкин В.А. Сегментация изображений на ЭВМ // Зарубежная радиоэлектроника, 1985. №10. - С. 5-31.

79. Дианов В.И. и др. Система обработки изображений на СВК «Дельта» // Управляющие системы и машины, 1990. №4. - С. 113116.

80. Долгополов Б.Я. Сегментация аэрокосмических изображений на основе оценки статистических характеристик// Математические методы распознавания образов (ММРО III). - Тез. докл. 3-й Все-союзн. конф.

81. Доросинский Л.Г., Лысенко Т.М. Анализ адаптивного алгоритма обнаружения контуров на малоконтрастных радиолокационных изображениях // Исследование Земли из космоса. 1988. - № 2. - С. 18-24.

82. Жалковский Е.А. Концепция создания геоинформационной системы для органов государственного управления (ГИС ОГУ) //Космический мониторинг для регионов России, РКА, М.: Семинар-совещание, 14-15 июня 1994.

83. Жалковский Е.А. О состоянии работ по цифровому картографированию // Геодезия и картография. 1993. - № 9. - С. 1-4.

84. Жалковский Е.А., Белецкий М.Е. О Международном совещании ООН по образованию Постоянного комитета по геоинформационной инфраструктуре стран Азии и Тихоокеанского региона // Геодезия и картография, 1996. №4. - С. 47-51.

85. Живичин А.Н., Соколов B.C. Дешифрирование фотографических изображений. М.:Недра, 1980.- 253 с.

86. Жук П.А. К задаче контурного совмещения изображений по опорной информации // Тез. докл. II Всесоюз. конф. по автомати-зир. Системам обработки изображений (АСОИз-86), Львов, сентябрь 1986. М.: Наука, 1986. - С. 196-197.

87. Забадаев И.С., Пяткин В.П. База видеоданных геоинформационной системы.// Автоматизированная обработка визуальной информации. Сб. науч. Трудов. Под ред. А.С.Алексеева, В.П.Пяткина. Новосибирск, 1989. - С. 3-11.

88. Забелин В.А., Пяткин В.П. Трансформация и совмещение изображений при решении прикладных задач геологии \\ Методы дистанционных исследований для решения природоведческих задач. Новосибирск: Наука, 1986. С. 104-109.

89. Загоруйко Н.Г. Эмпирическое предсказание. Новосибирск: Наука, 1979. - 82 с.

90. Загоруйко Н.Г. Исследование-проблем, связанных с моделированием процессов развития ноосферы // Искусственный интеллект и экспертные системы (Вычислительные системы). Новосибирск,1997.-Вып. 160. С. 3-17.

91. Загоруйко Н.Г. Методы распознавания и их применение.- М.: Советское радио, 1978. 208 с.

92. Загоруйко Н.Г. Информатика и МОЗ // Проблемы обработки информации.- Новосибирск, 1983.-Вып. 100: Вычислительные системы. -С.34-45.

93. Закс J1. Статистическое оценивание .- М.: Статистика, 1976. 599 с.

94. Заруцкая И.П., Красильникова Н.В. Проектирование и составление карт. Карты природы // М.: МГУ, 1989.

95. Зензинов А.В. Экспериментальное исследование текстурных изображений с помощью моделей авторегресии // Дискретные системы обработки информации. Ижевск: ИМИ, 1988. - Вып. 8. - С. 36-41.

96. Зензинов А.В., Серебрякова И.Г., Сметанин A.M. Обработка изображений с помощью моделей авторегрессии // Тез. докл. н.-техн. Конф. По разраб. систем технич. зрения и их примен. в промышл. -Устинов, 1986.-С. 19-21.

97. Зензинов А.В., Сметанин A.M. Аппаратно-программный комплекс обработки текстурных изображений (АСОИз 86). - М.: Наука, 1986.-С. 264-266.

98. Зензинов А.В., Стукалина Е.Ф. Обработка контурной информации в системе интерпретации изображений // Дискретные системы обработки информации. Ижевск: ИМИ, 1990. - Вып. 10. - С. 97-101.

99. Иванов В.А., Чемоданов Б.К., Медведев B.C. Математические основы теории автоматического регулирования М.:Высшая школа, 1971.-648 с.

100. Игнатьева Н.В., Коржик Ю.В. Метод оперативной сегментации цветных текстурных изображений.// Тез. докл.II Всесоюз. конф. по автомаТизир. Системам обработки изображений (АСОИз-86), Львов, сентябрь 1986 г. М.: Наука, 1986. - С. 201-202.

101. Иконика. Цифровая обработка видеоинформации // Сб.научных трудов под ред. Ю.М.Штарькова. М.: Наука, 1989. - 65-69 с.

102. Ильминских Н.Г. Флорогенез в условиях урбанизированной среды (На примере городов Вятско-Камского края) : Автореф. . докт. биол. наук СПб: Гос. Универсистет, 1993. - 36 с.

103. Исакович М.А. Общая акустика. М.: Наука, 1973. - 495 с.

104. Исходные данные для разработки комплекса АРМ-ДК // Госцентр «Природа». М.: 1991.-114с.

105. Казанцев И.Г. Выделение прямолинейных границ на цифровых изображениях с помощью преобразования Радона // Автоматизированная обработка визуальной информации. Новосибирск, 1989.-С. 29-39.

106. Калихман И.Л., Войтенко М.А. Динамическое программирование в примерах и задачах. М.: Высшая школа, 1979. - 125 с.

107. Калядин Н.И. Алгоритмизация в анализе текстурных фотоизображений // Дискретные системы обработки информации. -Ижевск, 1988.- Вып.8. С.4-8.

108. Калядин Н.И., Маратканов В.М. К выбору параметров сканирования текстурных изображений // Дискретные системы обработки информации. Ижевск, 1981.- Вып.З. - С.26-31.

109. Картографирование по космическим снимкам и охрана окружающей среды //Е.А. Востокова, Л.А. Шевченко, В.А. Сущеня и др. М.: Недра, 1982. -251 с.

110. Касперович Л.В. и др. Быстрый алгоритм оконтуривания объектов на изображениях // Автометрия, 1990. -№ 1. С. 11-16.

111. Кей С.М., Марпл С.Л. Современные методы спектрального анализа: Обзор //ТИИЭР, т. 69,1981, № 11. С. 5-51.

112. Киенко Ю.П., Свешников В. В. Картографическое обеспечение экологической безопасности России // Геодезия и картография.1996.-№10.-С. 1-4.

113. Киенко Ю.П. Краткий экскурс в историю российского космического картографирования // Геодезия и картография. 1999. - № 3. -С. 44-51.

114. Ковшов В.К. Автоматизированные дактилоскопические информационные системы зарубежных стран (обзор). МВД СССР, ВНИЦ. -М.: 1988.- 55 с.

115. Кондратьер В.В., Утробин В.А. Основы теории активного восприятия изображений. Н. Новгород, 1977. - 249 с.

116. Kondratyev V.V., Utrobin V.A. Uncovering of indeterminacy in identification problem // Pattern Recognition and Image Analysis. -1996.- №2. Pp. 250-259.

117. Концепция лесоустройства. Лесная газета, 13 июля 1993 г.

118. Копаев Г.В. Векторизаторы растровых картографических изображений // ГИС-Ассоциация: Информационный бюллетень. 1995. -№ 2. - С. 36-39.

119. Космическая съемка и тематическое картографирование. М.: МГУ, 1980. - 272 с.

120. Космические методы изучения современных ландшафтов материков. М.: МГУ, 1988. - 183 с.

121. Краснов В.И., Фурсов М.К. Об определении элементов внешнего ориентирования аэрокосмических снимков // Геодезия и картография, 1987. № 2. - С. 36-42.

122. Криминалистика: Учебник / Под ред. И.Ф. Пантелеева, Н.А. Селиванова. М.: Юрид. Лит., 1988. - 672 с.

123. Кузина A.M., Рамм Н.С. Кусочно-проективная аппроксимация двумерных функций и ее использование для преобразования космических фотоснимков в фотокарты. Л., 1988.

124. Кузнецов В.Е., Милич В.Н., Мурынов А.И. и др. Автоматизация измерений параметров структуры текстурных изображений // Автоматизация физико-технических измерений. Свердловск: УрО АН СССР, 1991. - С. 109-124.

125. Кузнецов П.Г. Распознавание сегментированных временных последовательностей и верификация образов : Автореф. . докт. техн. Наук. Харьков, 1991. - 34 с.

126. Кузнецов П.Г. Обучение при распознавании символьных последовательностей // Анализ последовательностей и таблиц данных: Новосибирск, 1994. Вып. 150: Вычислительные системы. - С. 164-183.

127. Кузнецов П.Г. Оценка эталонной символьной последовательности // Вестник Иж. Госуд. Технич. ун-та. 1998. - № 1. - С. 61-65.

128. Лаврова Н.П. Космическая фотосъемка. М.: Недра, 1983. - 288 с.

129. Лбов Г.С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука, 1981. - 160 с.

130. Левенштейн В.И. Бинарные коды, способные к исправлению пропусков, вставок и замен// Докл. АН СССР. 1965.- Т.163.-С.845-48.

131. Легенда к ландшафтной карте СССР масштаба 1:2 500 000. М.: ПГО «Гидроспецгеология», 1987. - 339 с.

132. Липанов A.M., Кизнерцев С.Р., Шелковников Е.Ю. Программно-аппаратурное и технологичное обеспечение сканирующего туннельного микроскопа // Современные проблемы внутренней баллистики РДТТ.- Ижевск: УрО РАН, 1996. С. 276-285.

133. Липанов A.M., Кисаров Ю.Ф., Ключников И.Г. Прямое численное моделирование трехмерных турбулентных течений методами высокого порядка точности // Современные проблемы внутренней баллистики РДТТ.- Ижевск: УрО РАН, 1996. С. 9-37.

134. Липовецкий Ю.М. Метод измерения ширины малоразмерных протяженных элементов на статистически однородном фоне // Разраб. Систем технич. Зрения и их примен. в промышл. Тез. докл. науч-нотехнич. конф. Ижевск, 1988. ч. 2. - С. 40-41.

135. Лурье И.К., Тищенко А.П. Пространственная привязка космических .кадровых снимков // Аэрокосмические исследования Земли.- М.: Наука, '1978. С. 67-71.

136. Люшим Е.С. Методические вопросы моделирования комплексов технических средств обработки аэрокосмической информации // Вопросы создания автоматизир. систем аэрокосмич. мониторинга сельхоз. ресурсов. М., 1987. - С-164.

137. Макхол Дж. Линейное предсказание. Обзор//ТИИЭР, 1975. Т. 63.-№ 4-С, 20-44.

138. Малыхин А.Е. Трансформация фотоснимков в проекцию Гаусса-Крюгера с учетом рельефа местности // Математические и технические проблемы обработки изображений. М., 1986. - С. 63-73.

139. Манохин А.Н. Методы распознавания образов, основанные на логических решающих функциях // Эмпирическое предсказание и распознавание образов (Вычислительные системы, вып.67). Новосибирск, 1976. - С. 42 - 53.

140. Маратканов В.М., Огородникова О.А., Сметанин A.M. Одномерные и двумерные системы признаков при дистанционных исследованиях земной поверхности // Материалы Второго Всесоюз. совещания по космич. Антропоэкологии. Л., 1984. - С. 329-330.

141. Марпл.-мл. С.Л. Цифровой спектральный анализ и его приложения: Пер. с англ. М.: Мир, 1990. - 584 с.

142. Матиясевич Л.М., Антипов А.В. О простейших количественных дешифровочных признаках.// Геодезия и картография. 1987. -№ 3. - С. 30-33.

143. Методические рекомендации по дешифрированию космической информации для картографического обеспечения мероприятий по охране окружающей среды. М.: ГУГК, 1988.

144. Милич В.Н. Экспериментальное исследование структурно-статистических свойств текстурных изображений // Дискретные системы обработки информации. Ижевск: ИМИ, 1981. - Вып. 3. -С. 9-16.

145. Мишев Д. Дистанционные исследования Земли из Космоса. М.: Мир, 1985.-260 с.

146. Моисеев Н.Н. Экология человечества глазами математика. М.: Мол. Гвардия, 1988. - 256 с.

147. Мороз В.А., Яблонский Л.И. Трансформирование снимков. М.: Недра, 1991. - 244 с.

148. Моттль В.В., Мучник И.Б. Лингвистический анализ экспериментальных кривых// ТИИЭР.- 1979.-Т.67/Г 5. С. 12-39.

149. Моченов С.В., Шишканов А.Г., Никулин А.И. Использование коллектива алгоритмов выделения контуров при анализе микроструктур // Дискретные системы обработки информации. Устинов, 1986.-С. 42-50.

150. Мурынов А.И. Анализ однородных пространственно-распределенных стохастических структур // Анализ и интерпретация пространственно-распределенных структур. Свердловск: УрО АН СССР, 1988.-С.5-21.

151. Мусанов Б.К. Система сегментации изображений для автоматизированного дешифрирования аэрокосмических данных // Технич. и программные средства автоматизации научных исследований. -М.: 1987.-С. 89.

152. Назарова Н.П. Системный подход при дешифрировании космо -и аэрофотоснимков в гидрогеологии.// Системный подход в геологии: теор. и прикл. аспекты. -2 Всесоюзн. конф., 9-11 сент.1986.-Тез. докл. Ч. 3. - С. 602 - 604.

153. Нестерихин Ю.Е., Баглай Р.Д., Киричук B.C. Проблемно-ориентированный комплекс обработки аэрокосмической информации // Космические методы изучения природной среды Сибири и Дальнего Востока. Новосибирск: Наука, 1983. - С. 125-129.

154. Нехин С.С. Тематика технических комиссий Y и YI на XVII конгрессе МОФДЗ // Геодезия и картография, N 7, 1993. С. 23-27.

155. Нехин С.С. Вопросы картографического применения фотограмметрии и дистанционного зондирования на XVII конгрессе МОФДЗ // Геодезия и картография, N 6, 1993. С. 26-31.

156. Нехин С.С. Вопросы математической обработки информации на XVII конгрессе МОФДЗ // Геодезия и картография, 1993. № 5. -С. 23-29.

157. Нехин С.С. Дистанционное изучение окружающей среды (методыи технические средства). // Применение аэрокосм, методов для изуч. и контроля состояния земн. поверхности. 1986. - С. 72-78.

158. Нехин С.С. От аналитических фотограмметрических приборов к цифровым // Геодезия и картография, 1993. № 4. - С. 29-36.

159. Новые цифровые фотограмметрические системы фирм «Лейка» и «Хелава» // Геодезия и картография. № 7, 1993. - С. 63.

160. Огородникова О.А., Сметанин A.M. Интерпретация изображений логическими решающими правилами // Математические методы распознавания образов (ММРО IY). - Тез. докл. 4-й Всесоюзн. Конф. - Рига, 1989. - Ч. 4. - С. 139-141.

161. Огородникова О.А., Сметанин A.M. Использование двумерной модели авторегрессии для описания текстур // Обработка изображений и дистанционные исследования (ОИДИ-84). Новосибирск, 1984.-Ч. 1.-С. 66-65.

162. Огородникова О.А., Сметанин A.M. Применение двумерных спектральных признаков для описания изображений // Тез. докл. II Всесоюз. конф. По методам и средствам обраб. слож. графич. инф. Горький, 1985. - С. 124-126.

163. Основы лесного законодательства Российской Федерации. М.: Экосинформ, 1993. - 63 с. - 6 марта 1993 г., N 4616 -1.

164. Останин В,Ф. К вопросу о функциональной оценке лечения врожденных расщелин неба методом спектрального анализа речи: Дисс. . канд. мед. наук. Калинин, 1969. - 244 с.

165. Палло Л.Г. Росгеоинформ: задачи и перспективы развития // Геодезия и картография. 1993. - № 9. - С. 4-6.

166. Патология крупных суставов и другие актуальные вопросы детской травматологии и ортопедии. С.-Петербург, 1998. - 320 с.

167. Пособие по камеральному дешифрированию мелкомасштабных фотоснимков при создании (обновлении) топографических карт и планов городов //- РИО ВТС/ М.: 1982. - 97 с.

168. Предпринимательство и безопасность // Под ред. Ю.Б. Долгопо-лова. М.: Универсум, 1991. - В 3-х томах. - Т. 1, 2, 507 с. - Т. 3, 397 с.

169. Приказ Министра внутренних дел Удмуртской Республики от 14.02.94 г. № 36 «О мерах по реализации Программы внедрения и эффективного использования автоматизированных систем и информационно-вычислительных сетей».

170. Природные ресурсы и экология Удмуртии: Научн.-практ. и метод. материалы // Сост. и общ. ред. А.К.Осипов. Ижевск: Уд-ГУ, 1995.-200 с.

171. Путятин Е.П. Многомашинный комплекс автоматизированной обработки визуальной информации.// Тез. докл. II Всесоюз. конф. По автоматизир. Системам обработки изображений (АСОИз86), Львов, сентябрь 1986 г. М.: Наука, 1986. - С. 218-219.

172. Рабинер Л.Р., Шаффер Р.В. Цифровые методы синтеза систем речевого ответа на базе ЭВМ. Разработка и применение // ТИИЭР, 1976.-Т.64. №4, с. 18-37.

173. Разработка методик и аппаратно-программных средств автоматазированного дешифрирования аэрокосмических фотоснимков и подготовки тематических карт к изданию (шифр «АРМ-ДК») // Эскизный проект. Ижевск, 1991, «Материк-Иж». - 66 с.

174. Разработка методик и аппаратно-программных средств автоматизированного дешифрирования аэрокосмических фотоснимков и подготовки тематических карт к изданию (шифр "АРМ-ДК"). Методическое обеспечение // Ижевск: ИжГТУ, 1994. 36 с.

175. Рамишвили Г.С. Речевой сигнал и индивидуальность голоса .Тбилиси: Мецниереба, 1976. -183 с.

176. Рекомендации по внедрению автоматизированных управляющих систем на ПЦО с использованием ЭВМ Объединения «Охрана» при МВД РФ от 24 декабря 1991 г., № 30/7412.

177. Решетников И.В., Рылов В.Н., Сметанин A.M., Шишканов А.Г. Автоматизированное рабочее место обработки и распознавания изображений // Дискретные системы обработки информации. -Ижевск: ИМИ, 1988. Вып. 8. - С. 28-31.

178. Рикарди С. Серьезные решения серьезных задач // PC Magazine (Russian Edition), № 7, 1994. С. 26-63.

179. Робинсон Э.А. История развития теории спектрального оценивания // ТИИЭР, 1982. Т. 70. - № 9. - С. 6-33.

180. Романкевич Г.Н. Синтезирование многозональной фотоинформации для целей тематического картографирования. М.: Госцентр «Природа», 1986. - № 8. - С. 12 -21.

181. Рудый P.M. Выбор признаков для классификации форм рельефа // Изв. Вузов: Геодезия и аэрофотосъемка, 1987. -Mb 7 С. 35-38.

182. Савин Г.А, О фундаментальных исследованиях в интересах изучения природных ресурсов Земли // Использ. матер, косм, фотосъемки для целей комплексного изуч. и картографирования природн. ресурсов СССР. М., 1988. - С. 173-178.

183. Савченко И.В. Результаты обследования природных кормовых угодий с использованием аэрокосмической информации.// Сб. науч. трудов ВНИИ кормов, 1986. Вып. 34. С. 19-27.

184. Садилов Ю.А., Широков В.А., Широков И.А., Перепелов С.П. Устройство ввода полутоновых изображений // Дискретные системы обработки информации. Ижевск: ИМИ, 1982. - Вып. 4. - С. 101-108.

185. Саенко В.П. Экономическая обусловленность уголовно-правовых норм об ответственности за хозяйственные прнступления // Авто-реф. канд. дисс.- Моск. высш. школа милиции МВД РФ. М., 1994 г.-23 с.

186. Салтаганов В. Преступность в сфере экономики угроза национальной безопасности России // Экономика и жизнь, сентябрь 1994г., №37.- СЛ.

187. Самарский А.А. Современная прикладная математика и вычислительный эксперимент // Коммунист, 1983. № 18.

188. Сейтер Ч. Сжатие данных // Мир ПК, 1991. № 2. -С. 46-59.

189. Сидорова B.C. Алгоритм расчета текстурных признаков методом скользящего окна // Автоматизир. обработка визуальной информации. Новосибирск, 1989. - С. 61-64.

190. Сиротин В.Г. Географическая информационная система АЛЬБА: области применения, концепция и основные принципы построения // Автометрия, 1990. № 4.

191. Система обработки изображений // Программирование, 1990. № 6.

192. СметанинА.М. Модель речеобразования вокализованных звуков // Автоматическое распознавание слуховых образов (АРСО-16). М: МГУ, 1991. - С. 93 - 94.

193. Сметанин A.M. Речевое управление диалогом в системе интерпретации сложных изображений // Автоматическое распознавание слуховых образов. -Тез. докл. 15-го Всесоюзн. Семинара (АРСО-15). 13-17 марта 1989. Таллинн, 1989. - С. 344-345.

194. Сметанин A.M. Речевой диалог в системе распознавания изображений // Автоматическое распознавание слуховых образов (АРСО-14). Каунас, 1986. - 4.2. - С. 89-90.

195. Сметанин A.M. Модель синтеза речевого сигнала, учитывающая влияние голосового источника // Автоматическое распознавание и синтез речевых сигналов. Киев: ИК АН УССР, 1989. - С. 96 - 99.

196. Сметанин A.M. Разработка и исследование комплекса аппаратуры для регистрации и измерения скоростно-силовых параметров спортсменов-прыгунов // Студенческая научно-исследовательская работа. Ижевск, ИМИ, 1973. - 25 с.

197. Сметанин A.M. Исследование и разработка методов повышения точности измерений параметров формант и голосового источника: Дисс. канд. техн. наук. Ижевск, 1980. - 248 с.

198. Сметанин A.M., Соловьева J1.C. Исследование возможности автоматизации оценивания качества речи // Автоматическое распознавание слуховых образов. Тез. докл. 13-го Всесоюзн. семинара (АРСО-13). 23-28 июля 1984 г. - Новосибирск, 1984. - С. 137-138.

199. Сметанин A.M., Сорокин JT.C. Экспериментальное исследование частоты формант //Дискретные системы обработки информации. -Ижевск: ИМИ, 1979. Вып.2. - С. 86-90.

200. Сметанин A.M., Ходыкин А.В. Применение спектрального анализа для оценки точности измерения в системе «Спортсмен тензоп-латформа - регистрирующий прибор» // III Всесоюзн. Научн.-технич. конф. « Электтроника и спорт - 3). - Ленинград, 1972. - С. 38-39.

201. Сметанин A.M., Храмов С.Н. Возбуждение речевой волны // Автоматическое распознавание слуховых образов. Тез. Долк. АРСО-17. Ижевск, 1992. - С. 144-147.

202. Собчук В.Г. Координатная привязка видеоинформации по опорным точкам // Аэрокосмические исследования Земли.- М.: Наука, 1978.-С. 71-78.

203. Советский энциклопедический словарь / Гл. ред. A.M. Прохоров.-3-е изд. М.: Сов. Энциклопедия, 1984. - 1600 с.

204. Совещание в ГИЦ МВД СССР, 14.03.90.

205. Совместное предприятие ДАТА+ // Price List, март-май 1994 г.

206. Сорокин В.Н. Теория речеобразования. М.: Радио и связь, 1985.-312 с.

207. Сулейманов Т.И. Алгоритм автоматизированной обработки космических изображений на интерактивной системе // Тр.

208. Гос.НИЦИПР. М.: 1987. № 28. - С. 30 - 36.

209. Теосев А.В. Сетевой метод интерпретации в автоматизировнной системе обработки данных аэро- и космических съемок: Дис. . канд. технич. наук. JL, 1978. - 172 с.

210. Тетюхин С.В. О признаках дешифрирования космических фотоснимков// Изв. ВУЗов: Лес. журнал. 1988. № 3. - С. 111-113.

211. Уолкер А.С., Миллер С.В., Тиде Дж.Е. Автоматизированные цифровые фотограмметрические рабочие станции // Геодезия и картография, 1993. № 8. - С. 27 - 31.

212. Уотмен Д. Руководство по экспертным системам. М.: Мир, 1989.- 388 с.

213. Усенко Д.Б., Боданский Е.Д. Графический редактор для системы автоматизированного картографирования // Геодезия и картография, 1990.-№6.-С. 49-55.

214. Фант Г. Акустическая теория речеобразования. М.: Наука, 1964. -284 с.

215. Фланаган Дж. Анализ, синтез и восприятие речи. -М.: Связь, 1968.- 395 с.

216. Хайкин С.Э. Физические основы механики. М.: Наука, 1971. -751 с.

217. Хижниченко В.И. Пакет программ обработки космических изображений в системе выборочной обработки данных на базе малых ЭВМ // Тр. Гос. н.-и. центра изуч. природных ресурсов, 1986. -С. 27-40.

218. Ходыкин А.В. Скоростно-силовая подготовка прыгуна в высоту. -Ижевск: ИжГТУ, 1996. -224 с.

219. Цибульский Г.М., Чернявский А.В. Сегментация текстурных изображений в режиме диалога // Математические и технические проблемы обработки изображений. Новосибирск, 1988. - С. 19

220. Шабанов Г.А., Скрипнюк В.В. Автоматизированное распознавание изображений топографических объектов местности // Геодезия и картография, № 9, 1996. С. 28-34.

221. Шарпарь В.Д. Комплексная оценка ранних стадий остеохондро-патии головки бедра у детей и ее лечение: Дисс. канд. мед. наук. -М.: ЦИТО, 1984. 210 с.

222. Шведовченко И.В. Личное сообщение. Ижевск, июнь 1998.

223. Швецов В.И. Выбор структур хранения в системах обработки сложноструктурированной информации // Автоматизация обраб.- Сложной графич. информации, Горький, 1984. С. 178-186.

224. Эльман Р.И., Кузенков Л.А., Апаринова Н.А. Статистическое оценивание характеристик лесных объектов по аэро- и космическим снимкам // Исслед. Земли из космоса. -1986. № 6 - С. 105-112.

225. Berg J.W., Zantema J.T., Boomenbal P. Jr. On the air resistance and the bernoulli effect of the human larynx. -J. Acoust. Soc. Am., 1957, v.29. Pp. 626-631.

226. Chandra S., Lin W.C. Experimental comparisson between stationary and nonstationary formulation of linear prediction applied to voiced speech analisys // IEEE Trans. Acoustic, Speech and Signal Process., 1974, v. ASSP-22, №6. Pp. 403-415.

227. Chellapa R. a. a. Texture Synthesis and Compression using Gaussian -Markov Random Fild Model. IEEE Trans. Syst. Man. and Cybern., 1985. - v. 15. -№2. - Pp. 298-303.

228. Chi K.D., Morishita I. Image coding and reconstruction by two-dimensional optimal linear estimation // Proc. of the Fonrth Internat. Joint Conf. on Pat. Recogn., November 7-10, 1978, Kyoto, Japan.

229. Derin H., Kelly P.A., Harft K.D. Unsupervised Segmentation of Speckled Images IGARSS'87 Int. Geosci. and and Remote Sens.

230. Symp. Ann Arbor, 1987.-v.2.- P. 1349-1356.

231. DW: программа распознавания образов // Пакет прикладных программ для обработки таблиц экспериментальных данных ОТЭКС (Версия 3.0). Новосибирск: Институт математики СО АН СССР, 1981.-18 с.

232. Flanagan J.L. Some propertis of the glottal sound source. -J. Speech Hear. Res., 1958, v. 1, p. 99-116.

233. Furst M.A., Caines P.E. Edge Detection with Image Enhancement via Dynamic Programming // Comput. Vision. Graph, and Image Pro- cess., 1986.- v.33.№3. P. 263-279.

234. Furui S. Analysis of temporal variation of talker dependent features. -Rev. Electr. Commu. Lab., 1977, v. 25, N3-4, p. 231-244.

235. Konomoponlos A., Unser M. A Directional Filtering Approach to Texture Discrimination. 7-th Int. Conf. РаЙГ. Recogn. 1984, v.l. P. 87-89.

236. Laur H., T.Le Toan, Lopes A. Textural segmentation of SAR Images Using First Order Statistical Parameters //IGARSS'87 Int. Geosci. and Remote Sens. Symp. Ann Arbor, 1987. v.2.- P. 1463

237. Lummis R.C. Speaker verification by computer using speech intensity for temporal registration. -IEEE Trans. Audio and Electroacoust., 1973, v. 21, N2, p. 80-89.

238. Mc. Keown. The Role of Artificial Intelligence in the Integration of Remotely Sensed Data with Geographic Information Systems // IEEE Trans. Geosci. and Remote Sens., 1987. v. 25. - № 3. - Pp. 330 - 348.

239. Morris O.J., Constantinides A.G. Segmental Filtering: A new Technique for Image Restoration // Adv.Image Process. And Paft. Recogn. Proc. Int. Conf., Pisa, 1986. P. 89-93.

240. Nomura Y., Naruse H. Reduction of Obscuration Noise Using

241. Multiple Images // IEEE Trans, on Pattern Anal. And Machine Intel., 1988. -v.10. № 2. - P. 267-270.

242. Reuhkala E. Recognition of String of Discrete Symbols with Special Application to Isolated Word Recognition// Acta Polytechn. Scandinavica Math, and Comput. Sci.-1983.- N.38.-92p.

243. Robinson V., Frank A. Expert System for Geographic Information Systems. Photogramm. Eng. And Remote Sens., 1987. - v. 53. - № 10. -Pp. 1435-1441.

244. Smetanin A.M. Investigation of the voice source models // Proc. XI Inter. Congr. of Phonetic Sciences (XithICPhS)(Tallinn, August 1987). Tallinn, 1987. - V. 6. - P. 36- 39.

245. Souka M. A new texture recognition method. Comput. And Artif. Intell., 1986. - v. 5. - № 4. Pp. 357-364.

246. Staenz K. a. a. Hierarchical Classification with Knowledge based binary Decision //IGARSS^87.- Pp. 97-102.

247. Tailor A. and oth. A sistem For Knowledge-Based Segmentation of Remotely-Sensed Images // IGARSS'87 Int. Geosci. and Remote Sens. Symp. Ann Arbor, 1987. v. 1.-P. 111-116.

248. Touzi R., Lopes A., Bousquct P. A statistical and geometrical edge detector for SAR Image Segmentation li IGARSS'87, Int. Geosc. and Remote Sens. Symp. Ann. Arbor, 1987. v.21. - P.

249. Waterman M.S. Consensus Pattern in Sequences // Mathematical methods for DNA sequences /Ed. M.S. Waterman/ CRS Press, Jnc. USA, 1989.-P.93-116.336

250. Yee В. An Expert System for Planimetric Feature Extraction // IGARSS'87. Pp 321-325.