Обнаружение и определение координат движущихся точечных объектов в последовательности изображений
![Диссертация: Обнаружение и определение координат движущихся точечных объектов в последовательности изображений](https://niscu.ru/work/5187951/cover.png)
Четырехканальная фильтрация при значительном снижении вычислительных затрат обеспечивает практически такое же увеличение отношения с/ш выходного изображения как и адаптивная фильтрация. Экспериментально установлено, что в задаче обнаружения объектов по одному изображению применение четырехканальной фильтрации позволяет с большей вероятностью обнаруживать объект, чем при… Читать ещё >
Содержание
- ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМЫ. ИССЛЕДОВАНИЕ УСЛОВИЙ РЕГИСТРАЦИИ
- 1. 1. Процесс формирования изображения
- 1. 2. Модель регистрируемого сигнала от точечного объекта
- 1. 3. Регистрация сигнала от точечного объекта на плоскости. матрицы ФПУ
- 1. 4. Изменение амплитуды сигнала от точечного объекта
- 1. 5. Исследуемые исходные изображения
- 1. 6. Методы обнаружения
- 1. 7. Основные итоги и
- выводы
- ГЛАВА 2. АДАПТИВНАЯ ФИЛЬТРАЦИЯ С СУБПИКСЕЛЬНЫМ ОЦЕНИВАНИЕМ КООРДИНАТ ТОЧЕЧНЫХ ОБЪЕКТОВ
- 2. 1. Математическая модель сигнала
- 2. 2. Алгоритм адаптивной фильтрации с субпиксельным оцениванием координат точечных объектов
- 2. 3. Статистические характеристики оценок субпиксельных координат точечного объекта
- 2. 4. Эффективность адаптивной фильтрации
- 2. 5. Основные итоги и
- выводы
- ГЛАВА 3. МНОГОКАНАЛЬНАЯ ФИЛЬТРАЦИЯ ИЗОБРАЖЕНИЙ ТОЧЕЧНЫХ ОБЪЕКТОВ
- 3. 1. Алгоритм четырехканальной фильтрации
- 3. 2. Качество четырехканальной фильтрации
- 3. 3. Качество двухканальной фильтрации
- 3. 4. Обнаружительная способность четырехканального фильтра по сравнению с пространственно-инвариантным фильтром по одному изображению
- 3. 5. Основные итоги и
- выводы
- ГЛАВА 4. АЛГОРИТМЫ ОБНАРУЖЕНИЯ ДВИЖУЩИХСЯ ТОЧЕЧНЫХ ОБЪЕКТОВ
- 4. 1. Модель изображений
- 4. 2. Совместная обработка изображений последовательности с адаптивной фильтрацией
- 4. 3. Совместная обработка изображений последовательности с пространственно-инвариантной фильтрацией
- 4. 4. Совместная обработка изображений последовательности с четырехканальной фильтрацией
- 4. 5. Экспериментальные результаты
- 4. 6. Эффективность совместной обработки
- 4. 7. Основные итоги и
- выводы
Обнаружение и определение координат движущихся точечных объектов в последовательности изображений (реферат, курсовая, диплом, контрольная)
Актуальность работы.
Развитие технических средств наблюдения и обработки данных позволило решать задачи автоматического анализа состояния объектов, информация о которых представлена в виде изображений. Во многих отраслях науки и техники возникает проблема обнаружения объектов, размеры которых находятся на пределе пространственного разрешения системы регистрации, а яркость сравнима с величиной случайного шума, сопровождающего измерения. Такие задачи возникают в астронавигации при определении координат слабых звезд звездными датчиками для космических систем ориентирования, в радиолокации и гидролокации при определении точечных источников излучения, а также в мониторинге поверхности Земли и околоземного пространства космическими системами наблюдения для обнаружения движущихся объектов. Задача поиска подвижных объектов в последовательности изображений осложняется зависимостью формы объектов от субпиксельного положения объекта, а малое отношение сигнал/шум (с/ш) может потребовать совместной обработки нескольких кадров последовательности изображений с целью достижения приемлемой вероятности обнаружения. Последовательностью изображений будем называть временной ряд пространственно подобных изображений одной и той же сцены, имеющей отличия, обусловленные физическими причинами. Следствием таких причин являются изменения в положении и геометрии областей, изменение яркостных и статистических характеристик. Поэтому поставленные и исследуемые в данной работе задачи, связанные с повышением вероятности обнаружения движущихся точечных объектов в последовательности изображений, являются актуальными и практически значимыми.
Работа выполнена в лаборатории цифровых методов обработки изображений Института автоматики и электрометрии СО РАН в соответствии с планами НИР на 2004;2009 гг. по темам: «Математические методы, модели и программно-алгоритмические средства для создания интеллектуальных систем восприятия и анализа сигналов и изображений, управления и принятия решений» № гос. регистрации 0120.0 405 433- «Развитие принципов построения и математическое моделирование интегрированных программно-аппаратных комплексов мониторинга окружающей среды, управление динамическими системами и принятия решений» № гос. регистрации 01.2.007 4 687.
Цель исследования.
Целью работы является исследование и разработка алгоритмов обнаружения движущихся точечных объектов в последовательности изображений, полученных матричным фотоприемным устройством (ФПУ), и их реализация в виде программно-моделирующего комплекса.
Разрабатываемые алгоритмы должны удовлетворять следующим требованиям:
• для определения субпиксельных координат объекта должно быть достаточно одного кадра изображения;
• должен присутствовать анализ точности полученного результата;
• алгоритмы должны работать при некоторых неизвестных значений статистических параметров входных данных.
Для достижения цели были поставлены следующие задачи:
• формулировка задачи;
• распределение задачи на последовательность этапов;
• создание программной системы для реализации алгоритмов;
• изучение областей применения методов.
Методологические и теоретические основы исследования.
В работе использовались методы линейной алгебры, теории матриц, математического анализа, методы теории вероятности и математической статистики, численные методы, методы математического моделирования.
Задачи исследования:
• разработать способ оценивания субпиксельных координат объекта с малой амплитудой на сильно зашумленных изображениях;
• разработать алгоритм адаптивной фильтрации, в котором для повышения отношения с/ш фильтр подстраивается под каждое положение объекта;
• исследовать возможности применения адаптивного фильтра в задачах обнаружения движущихся точечных объектов на изображениях;
• разработать алгоритм совместной обработки последовательности изображений для увеличения вероятности обнаружения объектов и исследовать его эффективность;
• реализовать предложенные алгоритмы в виде программно-моделирующего комплекса.
Основные положения, выносимые на защиту:
1. Разработанный алгоритм адаптивной фильтрации с субпиксельным оцениванием координат точечных объектов, основанный на методе максимального правдоподобия, позволяет существенно увеличить отношение с/ш выходного изображения, что дает возможность обнаруживать объекты с малой амплитудой на сильно зашумленных изображениях.
2. Четырехканальная фильтрация при значительном снижении вычислительных затрат обеспечивает практически такое же увеличение отношения с/ш выходного изображения как и адаптивная фильтрация. Экспериментально установлено, что в задаче обнаружения объектов по одному изображению применение четырехканальной фильтрации позволяет с большей вероятностью обнаруживать объект, чем при пространственно-инвариантной фильтрации.
3. Увеличение вероятности обнаружения достигается за счет совместной обработки двух или более изображений последовательности, где для фильтрации каждого из них подбирается соответствующий фильтр из набора четырех фильтров в зависимости от субпиксельных координат объекта.
4. Совместная обработка последовательности изображений с четырехканальной фильтрацией обеспечивает двукратное уменьшение вероятности пропуска по сравнению с пространственно-инвариантной фильтрацией, при этом отношение с/ш при четырех совместно обрабатываемых изображениях увеличивается почти в два раза.
Обоснованность и достоверность научных положений и фактов:
• вытекает из корректной постановки задач на основе современных математических методов;
• обеспечивается представительным объемом исследованных экспериментальных данных;
• подтверждается сравнением с результатами хорошо известной пространственно-инвариантной фильтрации.
Научная новизна работы состоит в том, что:
• предложен способ оценивания субпиксельных координат объектов, при котором смещения и среднеквадратичные отклонения оценок даже для малого отношения с/ш незначительны (составляют доли размера элемента ФПУ);
• разработан алгоритм адаптивной фильтрации, который дает существенное увеличение (в среднем до 23%) отношения с/ш выходного изображения;
• предложен алгоритм четырехканальной фильтрации, который при незначительном ухудшении качества адаптивной фильтрации (снижение отношения с/ш не более чем на 5%) существенно снижает вычислительные затраты (в 50−60 раз);
• разработан основанный на четырехканальной фильтрации алгоритм совместной обработки последовательности изображений, который обеспечивает двукратное уменьшение вероятности пропуска по сравнению с пространственно-инвариантной фильтрацией.
Личный вклад автора.
Основные теоретические и практические результаты получены автором лично. В. С. Киричуку принадлежит первичная постановка задачи обнаружения объекта. В соавторстве с В. С. Киричуком, В. П. Косых предложен алгоритм адаптивной фильтрации, который позволяет существенно повысить отношение с/ш выходного изображения. При разработке алгоритмов обнаружения были использованы достижения и опыт специалистов лаборатории цифровых методов обработки изображений ИАиЭ СО РАН. Из печатных работ, опубликованных диссертантом в соавторстве, в диссертацию вошли только те результаты, в получении которых он принял непосредственное участие на всех этапах: от постановки задач и теоретического анализа алгоритмов до написания программ и проведения численных экспериментов.
Практическая ценность работы заключается в возможности:
• проводить обнаружение точечного объекта в изображениях с мощной шумовой составляющей;
• находить субпиксельные координаты точечного объекта в изображениях последовательности;
• обнаруживать слабоконтрастные объекты за счет совместной обработки изображений последовательности;
• использовать созданные программные библиотеки и модули при проектировании и создании средств обнаружения и сопровождения точечных объектов.
Реализация работы.
Результаты работы реализованы в многофункциональном программном исследовательском комплексе, применяющемся в ФГУП ЦНИИ «Комета» и Институте автоматики и электрометрии СО РАН.
Апробация работы.
Основные научные и практические результаты докладывались и получили одобрение на семинарах лаборатории и института, Региональной конференции-конкурсе «Технологии Microsoft в теории и практике о программирования» (Новосибирск, НГУ, 2006 г.), Международной научной конференции «Хаос и структуры в нелинейных системах. Теория и эксперимент» (Астана, ЕНУ им. Гумилева, 2006 г.), Научно-практической конференции молодых ученых и студентов НГУ и ИАиЭ СО РАН «Информационно-вычислительные системы анализа и синтеза изображений» (Новосибирск, ИАиЭ СО РАН, 2006 г.), VII всероссийской конференции молодых ученых «Математическое моделирование и информационные технологии» (Красноярск, ИВМ СО РАН, 2006 г.), VIII всероссийской конференции молодых ученых «Математическое моделирование и информационные технологии» (Новосибирск, ИВТ СО РАН, 2007 г.), III научно-практической конференции «Виртуальные и интеллектуальные системы» (Барнаул, АГТУ, 2008 г.).
Публикации.
Результаты диссертации достаточно подробно и в полном объеме отражены в 6 опубликованных печатных работах, в числе которых 3 статьи в российском рецензируемом научном журнале, а также 3 работы в материалах российских и международных научно-технических конференций.
Структура и объем работы.
Диссертация состоит из введения, четырех глав и заключения. Общий объем диссертации составляет 110 страниц, включает 44 рисунка, 6 таблиц и список цитируемой литературы из 75 наименований.
Заключение
.
В диссертационной работе содержится решение задачи разработки алгоритмов обнаружения и определения координат движущихся точечных объектов в последовательности изображений, полученных матричным ФПУ.
1. Разработан алгоритм адаптивной фильтрации с субпиксельным оцениванием координат объекта. Применение адаптивной фильтрации по сравнению с пространственно-инвариантной фильтрацией позволяет существенно (до 23%) увеличить отношение сигнал/шум на выходе фильтра.
2. Численные эксперименты показали, что смещения оценок субпиксельных координат центра’объекта даже для сравнительно малого отношения сигнал/шум незначимы (при отношении с/ш =6 смещения не превышают 0.07).
3. На основе алгоритма адаптивной фильтрации разработан алгоритм четырехканальной фильтрации, позволяющий существенно снизить вычислительные затраты (в 50−60 раз) при незначительном ухудшении качества фильтрации (не более чем на 5%).
4. Разработан алгоритм совместной обработки последовательности изображений с четырехканальной фильтрацией для случая с неизвестными первоначальными координатами объекта, но с известной скоростью.
5. Экспериментально установлено, что уже совместная обработка четырех кадров последовательности с четырехканальной фильтрацией по сравнению с пространственно-инвариантной фильтрацией обеспечивает значимое увеличение вероятности обнаружения, даже при малом входном отношении сигнал/шум с/ш=3), при этом вдвое уменьшает вероятность пропуска. Получены экспериментальные оценки зависимости вероятности обнаружения от различных уровней ложных тревог и отношений сигнал/шум.
Список литературы
- Малинин В. В. Моделирование и оптимизация оптико-электронных приборов с фотоприемными матрицами. Новосибирск: Наука- Сибирская издательская фирма, 2005.
- Хорн Б. К. П. Зрение роботов. М.: Мир, 1989.
- Прэтт У. Цифровая обработка изображений. М.: Мир, 1982.
- Форсайт, Дэвид А., Понс, Жан Компьтерное зрение. Современный подход. Пер. с англ. М.: Издательский дом «Вильяме», 2004.
- Сойфер В. А. Методы компьютерной обработки изображений. М.: Физматлит, 2001. 784 С.
- Киричук В. С., И. И. Коршевер, В. В. Синелыциков Анализ изображений динамических сцен: модели, алгоритмы и системы реального времени // Автометрия. 1998. № 3. С. 3−9.
- J. F. Ralph, М. I. Smith, М. Bernhardt, С. Е. West, С. R. Angell, S. W. Sims Distributed air-to-ground targeting // Proceedings of the SPIE
- Conference Sensor Fusion: Architectures, Algorithms and Applications VI Editor В. V. Dasarathy. 2002. Vol. 4731. P. 216−226.
- Андерсен Т. Статистически анализ временных рядов. М.: Мир, 1976.
- P. A. Ffrench, J. R. Zeidler, W. H. Ku Enhanced detectability of small objects in correlated clutter using an improved 2-d adaptive lattice algorithm // IEEE Trans, on Image Processing. 1997. Vol. 6. P. 383−397.
- Перетягин Г. И. Исследование алгоритма обнаружения объектов на многозональном изображении // Автометрия. 1993. № 6. С. 4−91.
- Киричук B.C., Пустовских А. И. Применение статистических методов в задаче оценивания стационарной части фона по последовательности изображений // Автометрия. 1988. № 3. С. 74−79.
- Киричук B.C., Яковенко Н. С. Структурные алгоритмы анализа последовательности изображений // Автометрия. 1995. № 6. С. 3−10.
- Губанов А.В., Ефимов В. М., Киричук B.C. Методы оценивания взаимного смещения фрагментов цифровых изображений // Автометрия. 1988. № 3. С. 70−79.
- Киричук B.C., Пустовских А. И. К вопросу оценивания стационарной части фона // Автометрия. 1991. № 3. С. 24−29.
- Punithakumar К. A, Kirubarajan Т., Sinha A. sequential Monte Carlo probability hypothesis density algorithm for multitarget track-before-detect // SPIE Proc. on Signal and Data Processing of Small Targets. 2005. Vol. 5913. P. 592−604.
- B.-G. Kim, D.-J. Kim, D.-J. Park Novel precision target detection with adaptive thresholding for dynamic image segmentation // Machine Vision and Applications. 2001. Vol. 12, № 5. P. 259−270.
- Бакут П.А., Колмогоров Г. С., Ворновицкий И.Э.Сегментация изображений: методы пороговой обработки // Зарубежная радиоэлектроника. 1987. № 10. С. 6 -24.
- Иванов В.А. Моделирование корреляционного сопровождения объектов в реальном времени // Автометрия. 1991. № 3. С. 24−30.
- Кузьмин С. 3. Основы цифровой обработки радиолокационной информации. М.: Сов. Радио, 1974.
- Балакришнан А. В. Теория фильтрации Калмана. М.: Мир, 1988.
- Алпатов Б. А. Оценивание параметров движущегося объекта в последовательности, изменяющихся двумерных изображений // Автометрия. 1991. № 3. С. 21.
- Алпатов Б. А. Оптимальное оценивание параметров движущегося объекта в последовательности изображений // Автометрия. 1994. № 2. С. 19−27.
- Алпатов Б. А., Блохин А. Н. Модели и алгоритмы обнаружения и выделения движущихся фрагментов изображений // Автометрия. 1995. № 4. С. 100−104.
- Иванов В. А. Некоторые особенности алгоритмов и программной реализации обработки траекторий // Автометрия. 1995. № 6. С. 15−19.
- Tartakovsky A., S. Kligys, A. Petrov Adaptive sequential algorithms for detecting targets in a heavy IR clutter // SPIE Proceedings Signal and Data Processing of Small Targets. 1999. Vol. 3809. P. 119 130.
- Ehrman L. M., Blair W. D. Exploiting target amplitude information to improve multi-target tracking // SPIE Proc. on Signal and Data Processing of Small Targets. 2006. Vol. 6236. P. 440−452.
- Jia H., Mei X. Moving object detection by a novel spatio-temporal segmentation // SPIE Visual Information Processing XIV. 2005. Vol. 5817. P. 312−320.
- Nichtern O., Rotman S. R. Point target tracking in a whitened IR sequence of images using dynamic programming approach // SPIE Proc. on Electro-Optical and Infrared Systems: Technology and Applications III. 2006. Vol. 6395. P. 269−280.
- Rozovskii В., Petrov A. Optimal nonlinear filtering for track-before-detect in IR image sequences // SPIE Proceedings Signal and data processing of small targets / О. E. Drummond. 1999. Vol. 3809. P. 152 163.
- Wei P., Zeidler J., Ku W. Analysis of multiframe target detection using pixel statistics // IEEE Transactions on Aerospace and Electronic Systems. 1995. Vol. 31. P. 238−247.
- Davies D., Palmer P., Mirmehdi M. Robust Tracker of Small, Fast-moving Low-contrast Targets // Proceedings of IX European Signal Processing Conference. 1998. Vol. 3. P. 1545−1548.
- Davies D., Palmer P., Mirmehdi M. Detection and Tracking of Very Small Low Contrast Objects // Proceedings of the 9th British Machine Vision Conference. Bristol, BMVA Press, 1998. P. 599−608.
- Espinal F., Huntsberger Т., Jawerth В., Kubota T. Wavelet-based fractal signature analysis for automatic target recognition // Optical Engineering.1998. Vol. 37. P. 166−174.
- Castellano G., Boyce J., Sandler M. Regularized CDWT optical flow applied to moving-target detection in IR imagery // Machine Vision and Applications. 2000. № 11. P. 277−288.
- Patnaik L. M., Raj an K. Target detection through image processing and resilient propagation algorithms // Neurocomputing. 2000. № 35. P. 123 135.
- Benson K. Performing automatic target detection with evolvable finite state automata III Image and Vision Computing. 2002. — № 20. — P. 631−638.
- Faugeras O. Three-Dimensional Computer Vision. London: The MIT Press, 1999.
- Asada M., Nakamura T. Target Reaching Behavior Learning with Occlusion Detection and Avoidance for A Stereo Vision-Based Mobile
- Robot // Proc. of ROBOLEARN96: An International Workshop on Learning for Autonomous Robots. 1996. P. 1−10.
- Sogo Т., Ishiguro H., Trivedi M. M. Real-Time Target Localization and Tracking by N-Ocular Stereo // Proceedings of the IEEE Workshop on Omnidirectional Vision. 2000. P. 153−163.
- Se S., Brady M. Stereo Vision-based Obstacle Detection for Partially Sighted People // Proceedings of the Third Asian Conference on Computer Vision. 1998. Vol. 1. P. 152−159.
- Popov S. A. Direct Solution of the Least Squares Matching Problem // Proc. of World Multiconference on Systemics, Cybernetics and Informatics. 2001. Vol. XIII, Part II. P. 49−53.
- Битюцкий О.И., Перетягин Г. И. Поиск и локализация реперных фрагментов при совмещении повторных снимков // Автометрия. 1988. № 3. С. 78−83.
- Абрамов В.В., Киричук В. С., Косых В. П., Перетягин Г. И., Попов С. А. Реконструкция трехмерных поверхностей по двум проекциям при отслеживании камерой заданной точки сцены // Автометрия. 1998. № 5. С. 3−14.
- Киричук В. С., Иванов В. А., Ангеров В. Ю., Синелыциков В. В. Методика выделения подвижных точечных объектов при регистрации сцены с двух точек наблюдения // Автометрия. 2000. № 6. С. 3−10.
- Kirichuk V. S., Popov S. A., Ivanov V. A., Angerov V. Yu. Algorithm of Finding a Small Moving Objects for Sequences of Mono and Stereo Images
- Proc.World Multiconference on Systemics, Cybernetics and Informatics. 2001. Vol. XIII, Part II. P. 32−36.
- Perlow R. В., Steinberg B. D. Enhanced Target Detection Using Stereoscopic Imaging Radar // IEEE transactions on aerospace and electronic systems. 1995. Vol. 31, № 3. P. 1139−1148.
- Cheung К. M., Milgram P. Visual Detection with Hyperstereoscopic Video for Aerial Search and Rescue // Proc. of the IEA2000 / HFES 2000 Congress. 2000. Vol. 3. P. 472−475.
- Киричук В. С., Шакенов А. К. Алгоритмы обнаружения точечных объектов по стерео изображениям //Автометрия. 2005. № 2. С. 14−21.
- Киричук В. С., Шакенов А. К. Обнаружение точечных динамических объектов по изображениям, регистрируемым движущейся камерой // Автометрия. 2004. № 1. С. 3−9.
- Шакенов А.К. Алгоритмы обнаружения динамических объектов по последовательностям стереоизображений // Труды 10-ой международной конференции студентов, аспирантов и молодых ученых Современная техника и технологии. Томск, 2004. С. 225−226.
- Грузман И. Г., Киричук В. С., Косых В. П., Перетягин Г. И., Спектор А. А. Цифровая обработка изображений в информационных системах. Новосибирск: НГТУ, 2002.
- Braga-Neto U., М. Ch. J. Goutsias Automatic target detection and tracking in forward-looking infrared image sequences using morphological connected operators // Journal of Electronic Imaging. 2004. № 13, Vol. 4. P. 802−813.
- Киричук В. С., Косых В. П. Алгоритм нелинейной фильтрации, основанный на структурном представлении изображений // Автометрия. 1995. № 4. С. 68−72.
- Pei S.-C., C.-L. Lai A morphological approach of target detection on perspective plane // Signal Processing. 2001. Vol. 81, № 9. P. 1975−1984.
- Самойлин E.A. Метод адаптации размеров апертуры в задачах нелинейной фильтрации изображений // Радиотехника и электроника. 2007. Т.52. № 7. С.831−837.
- Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006.
- Tartakovsky А., Blazek R. Effective Adaptive Spatial-Temporal Technique for Clutter Rejection in IRST // SPIE Proceedings Signal and Data Processing of Small Targets. 2000. Vol. 4048. P. 85 95.
- Киричук В. С., Яковенко Н. С. Линейная фильтрация в задаче поиска объектов произвольной ориентации // Автометрия. 1991. № 3. С. 1013.
- Перетягин Г. И. Об обнаружении группы объектов переменной яркости на изображении // Автометрия. 1991. № 3. С. 13−21.
- Киричук В. С., Яковенко Н. С. Адаптивные алгоритмы поиска малоразмерных объектов на изображениях // Автометрия. 1994. № 2. С. 10−15.
- Киричук B.C. Многоканальная линейная фильтрация // Автометрия. 1988. № 3. С. 84−90.
- Kosykh V.P. Subpixel estimating coordinates of point targets.// 7th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-7−2004). St. Peterburg: SPbETU, 2004. Vol.3, P. 744−747.
- Киричук B.C., Косых В. П., Курманбек уулу Т. Адаптивная фильтрация с субпиксельным оцениванием координат точечных объектов // Автометрия. 2006. 42, № 1. С. 3−12.
- Курманбек уулу Т. Модификация алгоритма адаптивной фильтрации изображений точечных объектов // Автометрия 2007. 43, № 1. С. 4448.
- Киричук B.C., Курманбек уулу Т. Обнаружение точечных объектов с помощью модифицированного алгоритма адаптивной фильтрации // Хаос и структуры в нелинейных системах. Теория и эксперимент Астана, 2006. С. 266−270.
- Киричук B.C., Косых В. П., Курманбек уулу Т. Алгоритмы обнаружения движущихся малоразмерных объектов в последовательности изображений // Автометрия. 2009. 45, № 1. С. 1422.
- Рао С. Р. Линейные статистические методы и их применения. М.: Наука, 1968.
- Кендалл М., Стьюарт А. Статистические выводы и связи. Пер. с англ. М.: Наука, 1973.