Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Оптико-электронное устройство распознавания многоконтурных объектов на основе нечеткой логики

Диссертация: Оптико-электронное устройство распознавания многоконтурных объектов на основе нечеткой логики
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Диссертационная работа выполнялась в соответствии с грантом по фундаментальным исследованиям в области электроники и радиотехники № 1.6.96 «Разработка основ теории, принципов построения и алгоритмического обеспечения изделий радиоэлектронной аппаратуры на основе приборов с зарядовой связью» — грантом по фундаментальным исследованиям в области естественных и точных наук № 1.03.01, № гос… Читать ещё >

Содержание

  • ГЛАВА 1. АНАЛИЗ МЕТОДОВ И ОПТИКО-ЭЛЕКТРОННЫХ УСТРОЙСТВ РАСПОЗНАВАНИЯ ОБЪЕКТОВ
    • 1. 1. Методы построения контуров объекта
      • 1. 1. 1. Помехонезащищенное построение контуров объекта
      • 1. 1. 2. Помехозащищенное построение контуров объекта
    • 1. 2. Методы распознавания образов
    • 1. 3. Оптико-электронные устройства распознавания объектов
  • ГЛАВА 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ РАСПОЗНАВАНИЯ МНОГОКОНТУРНОГО ОБЪЕКТА ОПТИКО-ЭЛЕКТРОННЫМ УСТРОЙСТВОМ
    • 2. 1. Математическая модель ввода изображения
    • 2. 2. Нечеткая математическая модель вычисления класса многоконтурного объекта
      • 2. 2. 1. Математическая модель построения контуров
      • 2. 2. 2. Математическая модель вычисления признаков
      • 2. 2. 3. Распознавание многоконтурного объекта по вычисленным признакам
    • 2. 3. Обобщенный алгоритм работы оптико-электронного устройства распознавания многоконтурных объектов
  • ГЛАВА 3. АНАЛИЗ БЫСТРОДЕЙСТВИЯ И СИНТЕЗ ОПТИКО-ЭЛЕКТРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ МНОГОКОНТУРНЫХ ОБЪЕКТОВ
    • 3. 1. Быстродействие ввода изображения
    • 3. 2. Оценка времени распознавания многоконтурного объекта
    • 3. 3. Анализ быстродействия оптико-электронного устройства распознавания многоконтурных объектов
      • 3. 3. 1. Анализ зависимости быстродействия оптико-электронного устройства от параметров анализируемых многоконтурных объектов
      • 3. 3. 2. Анализ зависимости быстродействия от параметров оптикоэлектронного устройства
    • 3. 4. Инженерная методика выбора количества процессоров в блоке параллельного распознавания многоконтурного объекта
  • ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ОПТИКО-ЭЛЕКТРОННОГО УСТРОЙСТВА РАСПОЗНАВАНИЯ МНОГОКОНТУРНЫХ ОБЪЕКТОВ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ
    • 4. 1. Аппаратно-программный комплекс для проведения испытаний оптико-электронного устройства распознавания многоконтурных объектов и методика их проведения
    • 4. 2. Экспериментальное определение основных характеристик и параметров оптико-электронного устройства распознавания многоконтурных объектов
      • 4. 2. 1. Сравнительный анализ оптико-электронных устройств распознавания многоконтурных объектов

Оптико-электронное устройство распознавания многоконтурных объектов на основе нечеткой логики (реферат, курсовая, диплом, контрольная)

Актуальность работы. Интенсификация производства на основе широкого использования автоматизации и роботизации является основным направлением развития приборостроения в настоящее время [1, 2, 3]. В качестве первоочередной задачи комплексной автоматизации выдвигается создание промышленных роботов и манипуляторов, в том числе обладающих искусственным зрением, позволяющих с высокой скоростью без снижения вероятности распознавания вычислять класс объекта.

Среди многообразия технологических операций далеко не все можно выполнить с помощью существующих оптико-электронных устройств (ОЭУ). Даже в такой области традиционного применения ОЭУ как автоматизированный контроль качества деталей приборостроения не решена до конца задача распознавания произвольным образом расположенных изделий с нелинейными внешними контурами. Кроме того, при условии существования нескольких деталей, отличающихся лишь внутренними контурами, возникает задача учета этих контуров в процессе распознавания. Важным аспектом является также необходимость повышения скорости распознавания.

Перспективным подходом к решению этих задач является использование нечеткой логики, позволяющее учесть нелинейность контуров и произвольный угол поворота объекта [5].

В этой связи задача создания быстродействующего оптико-электронного устройства распознавания многоконтурных объектов на основе нечеткой логики представляется весьма актуальной.

Диссертационная работа выполнялась в соответствии с грантом по фундаментальным исследованиям в области электроники и радиотехники № 1.6.96 «Разработка основ теории, принципов построения и алгоритмического обеспечения изделий радиоэлектронной аппаратуры на основе приборов с зарядовой связью» — грантом по фундаментальным исследованиям в области естественных и точных наук № 1.03.01, № гос. регистрации 01.200.109 249- единым заказом-нарядом № гос. регистрации 197 002 558, финансируемым Министерством образования Российской Федерации из средств федерального бюджета, тема 1.2.95 «Адаптивная оптико-электронная система контроля изделий микро и радиоэлектроники» .

Цель работы состоит в разработке нечеткой математической модели и быстродействующего оптико-электронного устройства распознавания многоконтурных произвольно расположенных объектов при одновременном повышении вероятности распознавания.

К основным задачам, решаемым в работе, относятся:

— обоснование необходимости создания быстродействующих, основанных на нечеткой логике методов, устройств распознавания объектов;

— разработка нечеткой математической модели оптико-электронного устройства распознавания многоконтурных произвольно расположенных объектов;

— создание основанного на нечеткой логике быстрого алгоритма распознавания многоконтурных произвольно расположенных объектов, обладающего высокой вероятностью распознавания;

— построение структуры оптико-электронного устройства распознавания объектов и разработка основных принципов его функционирования.

Методы исследования. Для решения поставленных в работе задач использован аппарат аналитической геометрии и теории нечетких множеств, теории распознавания образов, обработки и анализа растровых полутоновых изображений, численных методов.

Научная новизна работы:

— обоснована необходимость создания основанных на нечеткой логике методов, алгоритмов и быстродействующего устройства распознавания многоконтурных произвольно расположенных объектов;

— разработана математическая модель распознавания многоконтурных объектов оптико-электронным устройством, использующая нечеткие признаки для определения класса входного объекта и дающая возможность оценить быстродействие устройства;

— предложен быстрый алгоритм распознавания многоконтурных объектов, анализирующий нечеткие признаки внешнего и внутренних контуров, позволяющий выполнять инвариантное к расположению объекта распознавание;

— создана математическая модель построения контуров объекта, основанная на анализе изображения по спирали Архимеда и позволяющая повысить быстродействие оптико-электронного устройства распознавания.

Практическая ценность работы состоит в следующем:

— выведены формулы (Ь-К)-аппроксимации нечетких входных признаков, дающие возможность существенно ускорить процесс распознавания;

— разработан метод выбора вида и степени (Ь-Ы)-функций, вычисления их нечетких коэффициентов на этапе обучения устройства, основанный на минимизации целевой функции методом переменной метрики;

— создана функциональная схема блока параллельного распознавания, позволяющая увеличить быстродействие устройства на 15% при распознавании четырехконтурного объекта по трем признакам с известным числом классов 25;

— предложена инженерная методика выбора рационального количества нечетких спецпроцессоров в блоке параллельного распознавания.

Результаты диссертационной работы внедрены на предприятиях ОКБ «Авиаавтоматика» г. Курск, ЗАО «Тэнси — техно» г. Тула и используются в учебном процессе Курского государственного технического университета.

На защиту выносятся:

1. Нечеткая математическая модель распознавания объекта оптико-электронным устройством, позволяющая синтезировать алгоритмы обработки объектов и рассчитать быстродействие устройства.

2. Математическая модель построения контуров объекта, основанная на анализе изображения по спирали Архимеда, позволяющая повысить быстродействие оптико-электронного устройства распознавания.

3. Алгоритм распознавания многоконтурных объектов, основанный на анализе нечетких признаков внешнего и внутренних контуров, позволяющий выполнять инвариантное к расположению объекта распознавание.

4. Структурная схема быстродействующего оптико-электронного устройства распознавания объектов.

5. Методика и аппаратно-программный комплекс для определения основных характеристик и параметров оптико-электронного устройства распознавания многоконтурных объектов.

Апробация работы. Основные положения диссертационной работы докладывались и получили положительную оценку на Международных и Российских конференциях: «Распознавание 97, 99,2001» (г. Курск, 1997, 1999, 2001 гг.) — «Проблемы и перспективы автоматизации производства и управления» («Автоматизация 97, 99») (г. Ташкент, 1997, 1999 гг.) — «Материалы и упрочняющие технологии — 97, 98, 2001» (г. Курск, 1997, 1998, 2001 гг.) — «Медико-экологические информационные технологии -98, 99, 2000» (г. Курск, 1998, 1999, 2000 гг.) — «Датчики и преобразователи информации систем измерения, контроля и управления» («Датчик-99») (г.

Гурзуф, 1999 г.) — «Состояние и проблемы измерений: 6-я Всероссийская НТК» (г. Москва, 1999 г.) — «5-я Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии» (г. Самара, 2000 г.) — на научно-технических семинарах кафедры «Вычислительная техника» Курского государственного технического университета с 1999 по 2002 гг.

Публикации. Основные результаты выполненных исследований и разработок опубликованы в 30 печатных работах, в том числе 7 статьяхполучено 3 патента Российской Федерациив соавторстве написана монография, изданная за рубежомучебное пособие с грифом УМО. В работах, опубликованных в соавторстве, лично соискателем предложены: в [114, 115, 116, 117, 118] - нечеткие математические модели распознавания, в [82, 136] - математические модели оптико-электронных устройств, в [22, 31, 78, 83, 85, 86, 87, 88, 97, 98, 99, 100, 101, 102, 121, 127, 128, 133, 135, 137, 138, 140] - структурные схемы и основные принципы функционирования оптико-электронных устройств и блоков, а также алгоритмы распознавания изображений, основанные на нечеткой логике, в [133] - вывод формул времени обработки изображения.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 141 наименование, 5 приложений, изложена на 133 страницах и поясняется 32 рисунками и 6 таблицами.

Выводы.

1. Разработан аппаратно-программный комплекс и методика проведения экспериментальных исследований для определения основных характеристик и параметров оптико-электронного устройства распознавания многоконтурных объектов.

2. В результате выполнения экспериментальных исследований подтверждена адекватность разработанных математических моделей оптико-электронного устройства распознавания многоконтурных объектов.

3. Приведенные варианты реализации и экспериментальные исследования оптико-электронного устройства распознавания многоконтурных объектов позволили создать ряд быстродействующих оптико-электронных устройств, которые найдут широкое применение в различных областях науки и техники.

Ill.

ЗАКЛЮЧЕНИЕ

.

1. Рассмотрено состояние проблемы распознавания многоконтурных объектов, что позволило обосновать перспективность использования методов нечеткой логики для построения быстродействующих оптико-электронных устройств распознавания многоконтурных объектов.

2. Получена математическая модель распознавания многоконтурных объектов оптико-электронным устройством с использованием нечетких признаков для определения класса входного объекта, дающая возможность оценить быстродействие устройства.

3. Разработан быстрый алгоритм распознавания многоконтурных объектов, анализирующий нечеткие признаки внешнего и внутренних контуров и позволяющий выполнять инвариантное к расположению объекта распознавание.

4. Предложена математическая модель построения контуров объекта, основанная на анализе изображения по спирали Архимеда и позволяющая повысить быстродействие оптико-электронного устройства распознавания многоконтурных объектов.

5. Создана функциональная схема блока параллельного распознавания и инженерная методика выбора количества спецпроцессоров этого блока, позволяющего увеличить быстродействие оптико-электронного устройства распознавания многоконтурных объектов. Проведены экспериментальные исследования оптико-электронного устройства распознавания многоконтурных объектов, основанного на нечеткой логике, подтверждающие достоверность теоретических исследований.

6. Результаты диссертационной работы внедрены на предприятиях ОКБ «Авиаавтоматика», г. Курск, ЗАО «Тэнси — техно» г. Тула и использованы в учебном процессе Курского государственного технического университета.

Показать весь текст

Список литературы

  1. Lynch М. Computer numerical control for machining. Boston: McGraw-Hill, 1992. — 422 p.
  2. Machinery’s Handbook / E. Oberg, F. Jones, H, Horton, H. Ryffell- Edited by C. McCauley. New York: Industrial Press Inc., 2000.-2630 p.
  3. Seames W. Computer numerical control. Concepts and programming. 3rd Edition. Albany: Delmar Publishers, 1995. — 447 p.
  4. Фор А. Восприятие и распознавание образов: Пер. с фр. А.В.Серединского- Под ред. Г. П. Катыса. М.: Машиностроение, 1989.-272 с.
  5. Г., Асаи К., Сугэно М. Прикладные нечеткие системы. М.: Мир, 1993.- 368 с.
  6. И.В. Методы, нечеткие алгоритмы и модели в задачах распознавания визуальной информации с привлечением человеко-машинных информационных технлогий: Дис.. канд. техн. наук. -Казань, 2001, — 151 с.
  7. Т. Алгоритмы машинной графики и обработки изображений: Пер с англ. М.: Радио и связь, 1986. — 400 с.
  8. Ф. Синтез изображений. Принципы, аппаратное и программное обеспечение: Пер. с нем.- М.: Радио и связь, 1990.-192 с.
  9. П. Промышленные роботы переворот в производстве: Сокр. пер. с англ.- М.: Экономика, 1987. — 304 с.
  10. Ratai A. Approximating outlines of objects in raster images // Machine GRAPHICS & VISION 1999 — Vol. 8. — No. 3. — PP. 313 — 339.
  11. Ratai A. Finding outlines of objects in raster images // Machine GRAPHICS & VISION. 1999. — Vol. 8. — No. 3 — PP. 295 — 312.
  12. Leclercq P., Braunl T. A color segmentation algorithm for real-time object localization on small embedded systems // Robot Vision / Edited by R. Klette, S. Peleg, G. Sommer. Berlin, 2001.- PP. 69−76.
  13. К. Практическая обработка изображений на языке Си: Пер. с англ.- М.: Мир, 1996. 512 с.
  14. Е.П., Аверин С. И. Обработка изображений в робототехнике. М.: Машиностроение, 1990. — 320 с.
  15. Arcelli С., Serino L. Grey-skeletonization by four directional parallel operations // Image processing & communications 1998. — vol. 4. — no. 3−4. — PP. 3−11.
  16. Г. П., Катыс П. Г. Компьютерный визуальный анализ двумерных изображений // Информационные технологии. 1999 -№ 12.-С. 28−44.
  17. Xu Z., Toncich D., Stefani S. Adaptive edge-preserving filtering // Machine GRAPHICS & VISION. 1999. — Vol. 8 — No. 3. — PP. 295 -312.
  18. A.K., Соколов C.M. Системы сбора и алгоритмы первичной обработки фотометрической информации. М.: Ин. прикл. матем. АН СССР, 1979. — 34 с.
  19. Frucci М. A skeleton based decomposition of binary shapes // Image processing & communications 1998. — vol. 4. — no. 3−4. — PP. 37−44.
  20. П.Г., Катыс Г. П. Автоматическая обработка и интерпретация изображений. Часть I. Предварительная обработка изображений // Информационные технологии. 2001 — № 1. — С. 9−17.
  21. С.С., Титов B.C. Метод повышения контрастности изображения. // Сборник материалов 4 международной конференции «Распознавание 99» Курск, 1999. — С. 39−40.
  22. С.А., Калашников В. М., Симоненко Д. М. Алгоритм ускоренной медианной фильтрации изображений // Сборник материалов 3 международной конференции «Распознавание-97».-Курск, 1997. -С. 87−89.
  23. В. Н. Гуров И.П. Компьютерная обработка сигналов в приложении к интерферометрическим системам СПб.: БХВ -Санкт-Петербург, 1998. — 240 с.
  24. В. В. Анализ и обработка изображений: принципы и алгоритмы. М.: Машиностроение, 1995. — 112 с.
  25. П.А., Колмогоров Г. С., Ворновицкий И. Э. Сегментация изображений: методы пороговой обработки // Зарубежная радиоэлектроника. 1987. — № 10, С. 6−14.
  26. А.А. Двухэтапное оценивание неоднородности изображения, сформированного линейкой приемников // Радиотехника. 1986. — № 8, С. 20−22.
  27. В.М. Описание бинарных изображений гистограммами второго порядка. // Оптический журнал. 1995. — № 2. — С. 18−21.
  28. А. А. Исследование алгоритмов пороговой обработки // Системы, методы и анализ данных / Под ред. С. С. Садыкова,-Ташкент, 1997. 50 с.
  29. С.С., Титов B.C., Бабанин А. Г. Адаптивный выбор порога на основе нечеткой логики // Сборник материалов международной технической конференции «Медико-экологические информационные технологии 98». — Курск, 1997. — С. 126−127.
  30. Mari M, Smits P.C., Kies P., Chmielewski L. Interactive object detection using a fuzzy image segmentation approach. // Machine GRAPHICS & VISION 1998. — vol. 7. — no. 4. — PP. 765−780.
  31. Musilek P. et al. Adaptive fuzzy approach to edge detection // SPIE. -1999-vol.3832, P.109−119.
  32. В. П., Батраков А. С. Трехмерная компьютерная графика / Под. ред. Г. М. Полищука. М.: Радио и связь, 1995. — 224 с.
  33. СБИС для распознавания образов и обработки изображений / Под ред. К. Фу: Пер. с англ. М.: Мир, 1988. — 248 с.
  34. Г. И. Метод получения равномерно наиболее мощных критериев для обнаружения протяженных объектов на случайном фоне // Автометрия, — 1995.- № 1, — С. 34−38.
  35. В.А., Стакун А. А., Грешилов А. А. Метод уменьшения числя ложных решений в задачах распознавания образов путем строго учета погрешностей исходных данных // Вестник МГТУ. Сер. Приборостроение. 1996 — № 1. — С. 85−95.
  36. Я.А., Тарловский Г. Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. — 264 с.
  37. А.В., Ченцов С. В. Многоуровневые непараметрические системы принятия решений. Новосибирск: Наука, 1997.-192 с.
  38. Bogus P., Massone A.M., Masulli F., Schenone A. Interactive graphical system for segmentation of multimodal medical volumes using fuzzy clustering // Machine GRAPHICS & VISION. 1998. — vol. 7. — no. 4. -PP. 781−791.
  39. Escofet J., Navarro R., Millan M.S. Detection of local defects in textile webs using Gabor filters. // Opt. Eng. 1998. — vol. 37. — no. 8. — PP. 2297−2307.
  40. Lu S., Wong Z Fuzzy neural networks for edge detection // Canadian Conf. on electrical and computer engineering — 1997 — vol.2, P. 446−449.
  41. Айдарханов М.Б., JIa Л. Л. Об устойчивости алгоритмов групповой нечеткой классификации // Тр. 5-й международной конференции «Распознавание образов и анализ изображений: новые информационные технологии» Самара. 2000. — т.1. — С. 5−6.
  42. ., Тистарелли М. Анализ последовательностей изображений. М., 1986. — С. 1−3 — Деп. в ВИНИТИ, № 17.
  43. Корреп М., Franke К., Unold О. A survey on fuzzy morphology // Тр. 5-й международной конференции «Распознавание образов и анализ изображений: новые информационные технологии» Самара. 2000. -т.2. — С. 424−427.
  44. Meitzler T.J., Singh Н., Arefeh L., Sohn E., Gerhart G.R. Predicting the probability of target detection in static infrared and visual scenes using the fuzzy logic approach. // Opt. Eng. 1998. — vol. 37. — no. 1. — PP. 10−17.
  45. Г. Н., Алисултанов Ш. М., Лебедев M.B. Процедура нечеткой логики для управления частично неработоспособным летательным аппаратом // Приборы и системы. Управление, контроль, диагностика. 2001 — № 9. — С. 55−58.
  46. Р. Внедрение средств нечеткой логики в США // Электроника, — 1993,-№ 7/8.-С. 11−14.
  47. С.Ю., Шифрин Б. М. Модель управления установкой для получения целлюлозы на основе нечеткой логики // Приборы и системы. Управление, контроль, диагностика. 2002 — № 2. — С. 7−10.
  48. Baraldi A. et al. Contextual clustering for image segmentation // Opt. Eng. 2000. — vol.39. N 4. P. 907−923.
  49. Majumder D., Bhattacharya M. A new shape based technique for classification and registration: application to multimodal medical images // Image Processing and Communications. 1998. — vol.4 — No. 3−4. — PP. 45−70.
  50. Baltes J. Camera calibration using rectangular textures // Robot Vision / Edited by R. Klette, S. Peleg, G. Sommer. Berlin, 2001.- PP. 245−251.
  51. А. В. Анализ свойств вычислительных сред на приборах с зарядовой связью. // Радиотехника и электроника 1997. т. 42. — № 8. — с. 996—1000.
  52. Г. П. Обработка визуальной информации. М.: Машиностроение, 1990. — 314с.
  53. П.Г., Катыс Г. П. Системы машинного видения с интеллектуальными видеодатчиками // Информационные технологии. 2001 — № 10. — С. 28−33.
  54. И.Н., Титов B.C., Ширабакина Т. А. Адаптивные фотоэлектрические преобразователи с микропроцессорами. М.: Энергоатомиздат, 1990. — 80 с.
  55. А.Н. Состояние и перспективы систем активного зрения // Успехи современной радиоэлектроники. -1999. -№ 2, — С.57−65.
  56. С.В., Логинов А. В. Многоэлементные приемники изображения. Новосибирск: Наука. Сиб. отделение, 1991. — 96 с.
  57. А. В. Обобщение пространственно-временной модели фильтра на ПЗС. — Радиотехника, и электроника, 1993, т. 38, — .№ 5. — с. 931—939.
  58. Р.Б., Калеганов В. Ф. Влияние разброса частотных свойств фотоприемных устройств на некоторые характеристики измерительных приборов // Радиотехника, — 1984, — № 8, — С. 79−81.
  59. Г. П. Восприятие и анализ оптической информации автоматической системой. -М.: Машиностроение, 1986. 415с.
  60. Г. П., Катыс П. Г. Системы машинного видения: анализ состояния и перспективы развития // Приборы и системы управления. 1999 — № 9. — С. 57−67.
  61. Разработка систем автоматического распознавания целей: Обзоры / Радиоэлектроника за рубежом 1992. — вып. 4 (60) — с 15—36.
  62. Системы технического зрения: Справочник / В. И. Сырямкин, B.C. Титов, Ю. Г. Якушенков и др. // Под общей редакцией В. И. Сырямкина, B.C. Титова, — Томск: МГП «РАСКО», 1993. 367 с.
  63. М. С., Graefe V. Visual recognition of objects for manipulating by calibration-free robots // Proc. SPIE. 2000. — vol. 3966. P. 290—298.
  64. Goulermas J. J. et al. Real-tine intelligent vision systems for process control // Proc. 4th Ichem. E. Conf. Advances in process control. 1995. -Sep. 27, 28. P. 69—76.
  65. Farroha B. S., Deshmukh R. G. A novel high-speed architecture for machine vision application // Proc. SPIE. 1996. — vol. 2908, P. 43−49.
  66. Kruger N., Wendorff D., Sommer G. Two modules of a vision-based robotic system: attention and accumulation of object representations // Robot Vision / Edited by R. Klette, S. Peleg, G. Sommer. Berlin, 2001,-PP. 219−226.
  67. Г. С., Сибрин А. П., Жабреев B.C. Следящие системы автоматических манипуляторов- Под ред. Г. С. Черноруцкого. М.: Наука, гл. ред. физ.-мат. лит., 1987. — 272 с.
  68. А.И., Заварзин В. П., Чичварин Н. В. Организация проектирования и производства оптико-электронных систем в среде с ограниченными ресурсами // Информационные технологии. 2001 — № 7. — С. 9−17.
  69. Ю.Л., Аниканов А. В. Поиск целей оптико-электронными системами среди контрастных выбросов // Информационный конфликт в спектре электромагнитных волн. Приложение к журналу «Радиотехника» 1994, — С. 11−14.
  70. Sablating R., Menard C. On representing the object model for automatic visual inspection-using a description language // Proc. SPIE. 1998. — vol. 3306. P. 131—140.
  71. Wen Z., Tao Y. Fuzzy-based determination of model and parameters of dual-wavelength vision system for on-line apple sorting. // Opt. Eng. -1998. vol. 37. — no. 1. — PP. 293−299.
  72. Titov V.S. Tevs S.S. A Fuzzy Mathematical Model for Recognition in Optoelectronic Systems. Pattern Recognition and Image Analysis // Vol. 11.-No. 1.-2001 PP. 105−107.
  73. Моделирование технического зрения промышленных роботов: Учебное пособие / Титов B.C., Колодин В. А., Кукин В. А., Кочанов А. С. Томск: Изд-во Том. ун-та, 1989. — 113 с.
  74. Л.Ф. Основы теории преобразования сигналов в оптико-электронных системах. Учебник для приборостроительных специальностей вузов. Л.: Машиностроение, Ленингр. отд-ние, 1989.-387 с.
  75. Е.В., Тевс С. С. Волоконно-оптические преобразователи для систем обработки изображений // Сборник материалов VI российской научно-технической конференции «Материалы и упрочняющие технологии 98». — Курск. — 1998. — С. 241−242.
  76. Т.Н. К расчету частотных характеристик приборов с зарядовой связью // Известия вузов. Приборостроение. 2001 — Т. 44. № 3. — С. 22−24.
  77. Janesick J., Klaasen К., Elliott Т. CCD charge collection efficiency and the photon transfer technique // Proc. SPIE. 1985. — vol. 570, PP. 7−19.
  78. В.П. Формирование оптического изображения с помощью матричного фотоприемника // Успехи современной радиоэлектроники. 2001 — № 9. — С. 59−63.
  79. С.С., Ширабакина Т. А. Математическая модель оптико-электронного устройства контроля качества объектов // Методы исредства систем обработки информации. Сборник научных статей.-2000. № 2, — С. 38−44
  80. С.С. Построение контуров объекта // Сборник материалов 4 международной конференции «Распознавание 99» Курск, 1999. — С. 38−39.
  81. С.С., Павлов В. Д., Титов B.C. Компьютерное распознавание образов на основе нечеткой логики. // Сборник материалов 3 международной конференции «Распознавание-97». Курск. — 1997. -С. 67−69.
  82. С.С., Титов B.C. Нормализация входных объектов на основе нечеткой логики // Сборник материалов второй международной научно-технической конференции «Медико-экологические информационные технологии 99».- Курск, 1999. — С. 157
  83. С.С., Титов B.C. Распознавание образов на основе нечеткой логики // Сборник материалов 1 международной научно-технической конференции «Проблемы и перспективы автоматизации производства и управления» («Автоматизация 97»). Ташкент. -1997.-С. 57−60.
  84. С.С., Титов Е. В. Определение ориентации объекта при помощи нечеткого анализа его внешнего контура. // Сборник материалов VI российской научно-технической конференции «Материалы и упрочняющие технологии 98». — Курск. — 1998. — С. 235−236.
  85. X. Нормы расстояний для интеллектуальных преобразователей с утверждениями на основе нечеткой логики. // ВИНИТИ. 1994. — № 13. — С. 2−9.
  86. Т.И., Звягинцев A.M. Коррекция погрешности датчиков методами нечеткой логики. // Датчики и Системы. 1999. — № 7−8. -С. 14−21.
  87. В.Н. Оптимизация структуры системных моделей на основе нечетких множеств. // Метрология. 1988. — № 2. — С. 23−28.
  88. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова.-М.: Наука. Гл. ред. физ.-мат. лит., 1986.- 312 с.
  89. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ./ Под ред. P.P. Ягера, — М.: Радио и связь, 1986. -408 с.
  90. Лен Ю.Д., Ли Т. С. Исследование управления с нечеткой логикой для гибких роботов. // ВИНИТИ. 1991. — № 17. — С. 11−20.
  91. Д., Прад А., Теория возможностей. Приложения к представлению знаний в информатике: Пер. с фр. М.: Радио и связь, 1990. — 288 с.
  92. Мир А., Зингер Д. С., Элбулук М. Е. Нечеткое управление инвертором индукционной машины. // ВИНИТИ. 1994. — № 29−30. -С. 2−7.
  93. С.С., Титов B.C. Система технического зрения на основе нечеткой логики. // Деп. ВИНИТИ 25.03.98 № 879 В58 КГТУ. Курск. — 1998.
  94. С.С., Титов B.C., Ширабакина Т. А., Сингха М. К. Фотонные системы контроля скоростного режима транспортных средств. Лазеры в науке, технике, медицине: // Тез. докл. XI МНТК -Геленджик, 1998. С. 140.
  95. Titov V.S., Tevs S.S., Shirabakina Т.A., Cinha М.К. Photon systems for speed mode inspection of transport means // SPIE Proc. 1999. Vol. 3901.-PP. 65−68
  96. М.Г. Логический подход к анализу нечетких образов // Тр. 5-й международной конференции «Распознавание образов и анализ изображений: новые информационные технологии» Самара. 2000. -Т.1.-С. 42−46.
  97. Д.Н. Использование нечеткой логики в системах автоматического управления // Приборы и системы. Управление, контроль, диагностика. 2001 — № 8. — С. 39−42.
  98. В.Н., Токмаков А. Н. Формализация знаний в нечетких экспертных системах // Приборы и системы. Управление, контроль, диагностика. 2001 — № 9. — С. 27−29.
  99. М.Е. Принятие решений по выбору гипотез в технических системах в условиях нечеткой среды // Информационные технологии. 2001 — № 10. — С. 2−11.
  100. М.Р., Зинина Л. К., Топчаев А. В. Система автоматического управления процессом очистки промышленныхстоков с применением нечеткой логики // Приборы и системы. Управление, контроль, диагностика. 2000 — № 1. — С. 27−29.
  101. Э. Основы теории распознавания образов: Пер. с англ./ Под ред. Б. Р. Левина.-М.: Сов. Радио. — 1980−408 с.
  102. Л.П. Идентификация фазовых характеристик объекта на основе адаптивной модели нечеткой логики // Сборник материалов 3 международной конференции «Распознавание-97».-Курск, 1997.-, С. 41−42.
  103. В.И., Аникин И. В. Структура базы знаний примитивов при их нечетком лингвистическом описании // Вестник КГТУ им. А. Н. Туполева. 1999. — № 3.
  104. Yager R.R. Finite linearly ordered fuzzy sets with applications to decision // International Journal of Man-Machine Studies. 1980. — Vol. 12, № 3.-P. 299−322.
  105. B.B. Прогнозирование показателей надежности приборов длительного применения на основе представлений нечетких множеств // Приборы и системы управления.- 1995.- № 1, — С. 27−30.
  106. С.С. Нечеткая логико-лингвистическая модель распознавания в оптико-электронных системах // Сборник материалов второй МНТК «Медико-экологические информационные технологии 2000» -Курск, 2000,-С. 156−157.
  107. С.С., Титов B.C. Распознавание на основе нечеткого логического вывода // Сборник материалов второй МНТК «Медико-экологические информационные технологии 2000» — Курск, 2000, -С. 157−159.
  108. Titov V.S., Tevs S.S. Mathematical model of optical electronic recognition system. // Сборник материалов 5 международной конференции «Распознавание-2001».- Курск, 2001. С. 10−11.
  109. С.С., Титов B.C. Нечеткая математическая модель распознавания в оптико-электронных системах // Тр. 5-й международной конференции «Распознавание образов и анализ изображений: новые информационные технологии» Самара. 2000. -т.1. — С. 152−155.
  110. Методы цифровой обработки изображений: Учебное пособие. Часть I. / Дегтярев С. В., Садыков С. С., Тевс С. С., Ширабакина Т. А. Курск: Курский государственный технический университет, 2001.167 с.
  111. И.П., Маничев В. Б. Системы автоматизированного проектирования электронной и вычислительной аппаратуры: Учеб. пособие для вузов. М.: Высш. школа, 1983. — 272 с.
  112. Г., Корн Т. Справочник по математике (для научных работников и инженеров): Пер. с англ. М.: Наука, 1974. — 832 с.
  113. B.C., Тевс С. С. Оптико-электронная система распознавания и нормализации объектов. Датчики и системы, 2000. № 3. — С. 30−32.
  114. B.JI. 80 486. Архитектура и программирование: В 4 т. -М.: МИКАП, 1993. Т. 4. — 382 с.
  115. И.Н., Семендяев К. А. Справочник по математике для инженеров и учащихся втузов. М.: Наука, 1980. — 976 с.
  116. Техническое зрение роботов /Под ред. А. Пью: Пер. с англ. Д.Ф. Миронова- Под ред. Г. П. Катыса. М.: Машиностроение, 1987. — 320 с.
  117. R. Klette, В. Yip The length of digital curves // Machine GRAPHICS & VISION. 2000. — Vol. 9. — No. 3 — PP. 673 — 703.
  118. Ю.В., Калашников O.A., Гуляев С. Э. Разработка устройств сопряжения для персонального компьютера типа IBM PC.
  119. Под общей редакцией Новикова. Практ. пособие. М.: ЭКОМ, 1997. — 224 с.
  120. Патент N2168207. Устройство для распознавания ситуаций / Тевс С. С. и др. 5 с.
  121. Патент N2168764. Устройство для распознавания ситуаций / Тевс С. С. и др. 4 с.
  122. Е.С. Теория вероятностей. М.: Наука, 1969. — 576 с.
  123. П.Л., Тортра А. Теория вероятностей и некоторые ее приложения. М.: Наука, 1974. — 472 с.
  124. Вероятностные методы в вычислительной технике: Учеб. пособие для вузов по спец. ЭВМ / А. В. Крайников, Б. А. Курдиков, А. Н. Лебедев и др.- Под ред. А. Н. Лебедева и Е. А. Чернявского. М.: Высш. шк., 1986. — 312 с.
  125. С. А. Крупенько А. В. Адаптивное регулирование разрешающей способности в ОЭС // Автометрия 1994 — № 1. — с 16—20.
  126. Г. В., Михайлов Б. Б., Корнеев А. Ю. Системы технического зрения в робототехнике. М.: машиностроение, 1991. -88 с.
  127. Titov V., Tevs S., Shirabakina Т. Optical Recognition System for Radioelectronic Products. // Machine GRAPHICS & VISION. 1999. -Vol. 8.-No. l.-PP. 143- 152.
  128. B.C., Тевс С. С. Обучаемая оптико-электронная система распознавания объектов // Оптико-электронные системы
Заполнить форму текущей работой

На отлично!