О книге
Рассмотрены основные вопросы цифровой обработки оптических сигналов, связанные с линейной фильтрацией и спектральным анализом изображений. Изложены алгоритмы морфологической обработки двумерных оптических сигналов, компрессии изображений и распознавания объектов на изображениях. Приведены примеры нелинейной обработки в цифровых системах.
Для студентов МГТУ им. Н. Э. Баумана, обучающихся по программе специалитета "Электронные и оптико-электронные приборы и системы специального назначения", а также по программам магистратуры "Лазерная техника и лазерные технологии" и "Оптотехника".
Список литературы
- Барышников Н.В., Бокшанский В.Б., Карасик В.Е. Проекти-рование лазерных локационных систем: учеб. пособие. М.: Изд-во МГТУ им. Н.Э. Баумана, 2011. 25 с.
- Candès E. Towards a mathematical theory of super resolution // Communications on Pure and Applied Mathematics. 2014. Vol. 67.Iss. 6. Pр. 909–956.
- Всепропускающие фильтры (allpass fi lter). Основные свой-ства и структурные схемы всепропускающих фильтров // Теория и практика цифровой обработки сигналов. URL: http://www.dsplib.ru/content/allpass/allpass.html (дата обращения 17.02.2016).
- Гонсалес Р., Вудс Р. Цифровая обработка изображений / пер. с англ. М.: Техносфера, 2012. 1104 с
- Вязовых М.В., Зайцев К.И., Мухортов М.В., Перов А.Н. Об-наружение лиц на цветном растровом изображении с применением модифицированного метода Виолы — Джонса // Молодежный научно-технический вестник. 2012. № 7. URL: http://sntbul.bmstu.ru/doc/458289.html (дата обращения 13.02.2016).
- Чанг Буй Тхи Тху, Хоанг Фан Нгок, Спицын В.Г. Распозна-вание лиц на основе применения метода Виолы — Джонса, вей-влет-преобразования и метода главных компонент // Изв. Томского политехнич. ун-та. 2012. Т. 321. № 5. С. 154-157. URL: http://www.lib.tpu.ru/fulltext/v/Bulletin_TPU/2012/v321/i5/33.pdf (дата обраще-ния 14.01.2016).
- Hefenbrock D., Oberg J., Thanh Nhat Tan Nguyen, Kastner R., Baden S.B. Accelerating Viola — Jones Face Detection to FPGA — Level using GPUs // 18th IEEE Annual International Symposium on Field — Programmable Custom Computing Machines (FCCM). Department of Computer Science and Engineering University of California, San Diego La Jolla, California, USA, 2010. Pp. 223–248
- Оппенгейм А.В., Шафер Р.В. Цифровая обработка сигналов / пер. с англ. М.: Техносфера, 2006. 856 с.
- Рабинер Л., Гоулд Б. Теория и применение цифровой обработ-ки сигналов / пер. с англ. М.: Мир, 1978. 848 c
- Сергиенко А.Б. Цифровая обработка сигналов. СПб.: Питер, 2006. 751 с
- Candès E., Wakin M. An Introduction to Compressive Sampling // IEEE Signal Processing Magazine. March 2008. Pp. 21–30.
- Donoho D. Compressed sensing // IEEE Trans. Inform. Theory. Apr. 2006. Vol. 52. No. 4. Pp. 1289–1306.
- Vetterli M., Marziliano P., Blu T. Sampling signals with fi nite rate of innovation // IEEE Trans. Signal Processing. June 2002. Vol. 50. No. 6. Pp. 1417–1428
- Candès E., Braun N., Wakin M. Sparse signal and image recovery from compressive samples // Biomedical Imaging: From Nano to Macro. 4th IEEE International Symposium on Biomedical Imaging. 2007
- Граничин О.Н. Рандомизация измерений и l l-оптимизация // Стохастическая оптимизация в информатике. 2009. № 5. С. 3–23.
- Фупман Я.А. Введение в контурный анализ. М.: Физматлит, 2003. 592 с
- Lowe D.G. Object recognition from local scale invariant features // Proceedings of the International Conference on Computer Vision. 06.08.1999. Vol. 2. Pp. 1150–1157. doi:10.1109/ICCV.1999.79041
- Funayama R., Yanagihara H., Van Gool L., Tuytelaars T., Bay H. Robust interest point detector and descriptor. US Pat. No. US008165401D2. Pub. 24.04.2012
- Bradski G., Kaebler A. Learning OpenCV. O’Reilly Media, 2008. Pp. 495–512.
- Viola P., Jones M. Rapid object detection using a boosted cascade of simple features // Accepted Conference on Computer Vision and Pattern Recognition. 2001. URL: http://www.cs.ute xas.edu/~grauman/courses/spring2007/395T/papers/viola_cvpr2001.pdf (дата обращения 12.02.2016)
- Freund Y., Schapire R.E. A Short Introduction to Boosting // Journal of Japanese Society for Artifi cial Intelligence. Sept. 1999. Vol. 14. No. 5. Pp. 771–780.
