Пространственно-временная ранговая обработка телевизионных изображений с малоразмерными объектами

Вид материала

Автореферат

Содержание Общая характеристика работы Содержание работы Основные результаты работы Основные публикации по теме диссертации

Подобный материал:

• Обработка и передача изображений, 289.83kb.
• Пространственно-временная структура и динамика орнитофауны урбанизированных территорий, 311.13kb.
• Белорусский государственный университет применение информационных технологий при анализе, 187.23kb.
• Обработка и передача изображений, 213.76kb.
• И стратегия его сохранения, 1063.77kb.
• А. Ю. Антоновский Инструментально-дименсиональный метод наблюдения в социальной мысли, 432.87kb.
• «особого», 21057.55kb.
• Обработка и передача изображений, 243.48kb.
• Примерная рабочая программа по дисциплине «Компьютерная обработка изображений» Факультет:, 75.51kb.
• Анализ, обработка и передача динамических изображений в моделях виртуальной реальности, 80.25kb.

На правах рукописи




Гальчук Игорь Владимирович


Пространственно-временная ранговая обработка телевизионных изображений с малоразмерными объектами


Специальность 05.12.04 – радиотехника, в том числе системы

и устройства телевидения


АВТОРЕФЕРАТ

диссертации на соискание учёной степени

кандидата технических наук


Томск – 2009

Работа выполнена на кафедре телевидения и управления (ТУ)

Томского государственного университета систем управления

и радиоэлектроники (ТУСУР)

Научный руководитель:	кандидат технических наук, старший научный сотрудник Курячий Михаил Иванович
Официальные оппоненты:	доктор технических наук, профессор Мелихов Сергей Всеволодович кандидат технических наук Поляков Алексей Юрьевич
Ведущая организация:	Институт оптики и оптических технологий (ИОиОТ) при Сибирской государственной геодезической академии (СГГА) г. Новосибирск

Защита состоится 21 декабря 2009 г. в 9 часов на заседании диссертационного совета Д212.268.01 в Томском государственном университете систем управления и радиоэлектроники по адресу: 634050, г. Томск, пр. Ленина, 40, ТУСУР, ауд. 203.


С диссертацией можно ознакомиться в библиотеке Томского государственного университета систем управления и радиоэлектроники.


Отзыв на автореферат в двух экземплярах, заверенный гербовой печатью организации, просим выслать по адресу: 634050, г. Томск, пр. Ленина, 40, ТУСУР, учёному секретарю диссертационного совета Д212.268.01


Автореферат разослан «20» ноября 2009 г.

Учёный секретарь диссертационного совета Д212.268.01, д.т.н., профессор

А.В.Филатов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Широкий круг задач в области цифровой обработки изображений требует использования нелинейных преобразований для выделения или подавления малоразмерных объектов (МРО) в телевизионных изображениях. Если такие объекты имеют резкие перепады яркости, то их выделение с помощью линейных дифференцирующих фильтров сопровождается появлением паразитных «выбросов» от этих перепадов. Использование линейных сглаживающих фильтров для устранения МРО, например, отсчётов импульного шума, сопровождается искажением этих объектов, так как каждый импульс даёт отклик в виде импульсной характеристики используемого фильтра и тем самым искажает обрабатываемое изображение.

В настоящее время сформирован целый класс нелинейных ранговых преобразований, которые более эффективны для обработки МРО, чем линейные преобразования. Ранговой обработке посвящены работы таких российских и зарубежных авторов, как Л.П. Ярославский, И.Н. Пустынский, И.С. Грузман, В.С. Киричук, В.Ю. Лапий, Т.С. Хуанг, У. Прэтт, Р. Гонсалес, Р. Вудс, Б. Яне и др. Однако до сих пор недостаточно освещены некоторые аспекты ранговой обработки, например, использование межкадровой информации для повышения эффективности алгоритмов обработки.

Задача обработки МРО весьма актуальна в области построения систем видения на базе высокочувствительных телевизионных (ТВ) датчиков с электронно-оптическим преобразователем (ЭОП). Созданию систем с подобными датчиками посвящены работы таких российских и зарубежных авторов, как Ю.Г. Якушенков, А.Г. Берковский, М.М. Мирошников, В.В. Белов, А.С. Дунаев, М.М. Бутслов, А.Б. Бельский, С.Т. Архутик, И.Л. Гейхман, Дж. Ллойд и др. В ТВ-датчиках с ЭОП можно наблюдать паразитные световые образования (сцинтилляции), являющиеся малоразмерными объектами, которые необходимо устранить. При этом в ряде случаев необходимо устранять МРО в режиме реального времени без потери динамики движения. То есть, алгоритмы устранения сцинтилляций должны быть по возможности просты и эффективны при аппаратно-программной реализации.

Выделение МРО более эффективно при применении ранговых алгоритмов с вариационным рядом из первых и вторых разностей, однако подобным алгоритмам свойственен эффект «затемнения» – частичного или полного устранения объекта близкорасположенным объектом или фоновым образованием. Поэтому стоит задача исследования возможности использования межкадровой информации в ранговой обработке и поиска путей по оптимизации известных ранговых алгоритмов, использующих первые и вторые разности, с целью устранения эффекта «затемнения». Так как ранговые фильтры являются нелинейными системами, для которых однозначного решения в общем случае не существует, то для их исследования используют методы математического и имитационного моделирования и сравнения результатов обработки. Для проведения исследований принято использовать программные инструментальные средства, которые, по мнению автора, должны удовлетворять следующим требованиям: открытый исходный код для контроля корректности программных реализаций алгоритмов, генераторов моделей и т.д.; эксплуатация под учётной записью обычного пользователя компьютера; отсутствие необходимости дополнительной установки каких-либо программных продуктов для обеспечения нормального функционирования; использование в первую очередь эффективных, а не универсальных решений. Несоблюдение этих требований усложняет проведение исследований. В настоящее время отсутствуют программные инструментальные средства, полностью удовлетворяющие перечисленным выше требованиям. То есть стоит задача создания открытого программного продукта для разработки и исследования алгоритмов ранговой обработки.

Целью работы является повышение эффективности алгоритмов ранговой обработки при выделении полезных малоразмерных объектов и при устранении паразитных малоразмерных объектов; создание открытого алгоритмическо-программного комплекса для разработки и исследования ранговых алгоритмов. Для достижения поставленной цели необходимо решить задачи:

1. Провести анализ известных ранговых алгоритмов с целью исследования возможности использование межкадровой информации для повышения эффективности ранговой обработки телевизионных изображений.
   
2. Разработать программное обеспечение для исследования и оптимизации известных алгоритмов ранговой обработки.
   
3. Предложить методику проведения экспериментального исследования алгоритмов ранговой обработки с оценкой эффективности по выбранным критериям.
   
4. На основе проведённого анализа оптимизировать рассмотренные алгоритмы ранговой обработки и провести исследование исходных и оптимизированных версий алгоритмов согласно предложенной методике с помощью разработанного программного обеспечения.
   

Методы исследования: имитационное моделирование тестовых изображений, в том числе полей сцинтилляций в высокочувствительных ТВ-датчиках с ЭОП, численный эксперимент с использованием моделей, сравнение результатов обработки.

Научная новизна

1. Создан метод формирования неоднородных случайных полей для моделирования полей сцинтилляций в высокочувствительных ТВ-датчиках с ЭОП.
   
2. Разработан алгоритм усовершествованного минимума первых разностей элементов вариационного ряда для выделения МРО положительного и отрицательного контраста с резкими и плавными перепадами яркости.
   
3. Предложена и подтверждена гипотеза о применимости алгоритма межкадрового минимума для устранения сцинтилляций на ТВ-изображениях, получаемых в высокочувствительных ТВ-датчиках с ЭОП.
   
4. Предложена и подтверждена гипотеза о применимости алгоритма межкадрового максимума в дополнение к внутрикадровым ранговым алгоритмам, использующим первые и вторые разности, для ослабления эффекта «затемнения».
   

Практическая значимость

1. Создан телевизионно-вычислительный комплекс с радиационно-стойкой камерой для визуально-измерительного контроля внутренних поверхностей трактов технологических каналов, металлоконструкций и рабочего пространства уран-графитовых ядерных реакторов, обеспечивающий получение, цифровую обработку и архивирование видеоданных.
   
2. Разработана активная телевизионная система наблюдения для визуального обнаружения и идентификации объектов в тёмное время суток и в сложных метеоусловиях, в части обработки формируемых системой изображений.
   
3. Создан электронно-измерительный комплекс на базе лазерного дальномера, позволяющий получать, анализировать и архивировать результаты проводимых измерений.
   
4. Разработан комплекс алгоритмического и программного обеспечения для проведения видеоконференций в части получения и обработки информации от видеоустройства, а также для организации приёма-передачи мультимедийной информации между устройствами на базе сигнальных процессоров фирмы Texas Instruments в режиме реального времени.
   
5. Созданы программные инструментальные средства для применения в учебном процессе по дисциплине «Цифровая обработка сигналов» и выпущено учебно-методическое пособие используемое в курсовом и дипломном проектировании.
   

На защиту выносятся следующие положения:

1. Разработанный алгоритм внутрикадровой ранговой обработки "усовершенствованный минимум первых разностей", созданный на базе известного алгоритма минимума первых разностей, позволяет выделять малоразмерные объекты положительного и отрицательного контраста с резкими и плавными перепадами яркости.
   
2. Применение рангового алгоритма «межкадровый минимум» позволяет более эффективно устранять сцинтилляции на телевизионных изображениях, получаемых в высокочувствительных ТВ-датчиках с ЭОП, по сравнению с межкадровыми медианой и скользящим средним. При использовании 2-3 кадров синтезированных изображений преимущество по пиковому отношению сигнал-шум достигает 20 дБ.
   
3. Применение рангового алгоритма межкадрового максимума в дополнение к внутрикадровым ранговым алгоритмам, использующим первые и вторые разности для выделения малоразмерных объектов, позволяет при определённых условиях устранить эффект «затемнения».
   

Внедрение и использование результатов работы

Результаты работы использованы при разработке программного обеспечения телевизионно-вычислительного комплекса с радиационно-стойкой камерой для визуально-измерительного контроля внутренних поверхностей трактов технологических каналов, металлоконструкций и рабочего пространства уран-графитовых ядерных реакторов; при создании активной телевизионной системы наблюдения, предназначенной для визуального обнаружения и идентификации объектов в тёмное время суток и в сложных метеоусловиях: туман, дождь, снегопад, дым, пыль; при разработке комплекса алгоритмического и программного обеспечения для проведения видеоконференций в части получения и обработки информации от видеоустройства, а также для организации приёма-передачи мультимедийной информации между устройствами на базе сигнальных процессоров фирмы Texas Instruments в режиме реального времени; при создании электронно-измерительного комплекса на базе лазерного дальномера, позволяющего получать, анализировать и архивировать результаты проводимых измерений; в учебном процессе по дисциплине «Цифровая обработка сигналов» ввиде лабораторного практикума, позволяя изучать особенности линейной и ранговой обработки изображений. Использование результатов подтверждается актами о внедрении.

Личный вклад автора:

1. Предложена и подтверждена гипотеза о применимости алгоритма межкадрового минимума для устранения сцинтилляций на телевизионных изображениях, получаемых в высокочувствительных телевизионных датчиках с электронно-оптическим преобразователем.
   
2. Разработан алгоритм ранговой обработки «усовершенствованный минимум первых разностей».
   
3. Создан алгоритмическо-программный комплекс для исследования алгоритмов ранговой обработки, включающий в себя генератор полей сцинтилляций и других тестовых изображений, а также программные реализации разработанных и исследованных ранговых алгоритмов.
   
4. Созданный алгоритмическо-программный комплекс адаптирован для решения практических задач (п.1–4 практической значимости).
   

Результаты, полученные в соавторстве:

1. Разработаны 10 вариантов формирования неоднородных случайных полей для моделирования полей сцинтилляций.
   
2. Созданное программное обеспечение адаптировано для применения в учебном процессе по дисциплине «Цифровая обработка сигналов».
   

Апробация работы. Основные положения и результаты работы докладывались и обсуждались на ряде научно-технических мероприятий: Юбилейная научно-техническая конференция, посвященная 50-летию радиотехнического факультета, 2000 г. (г. Томск); Межрегиональная научно-техническая конференция, посвященная 40-летию ТУСУР, 2002 г. (г. Томск); Международная конференция "Телевидение: передача и обработка изображений", 2002 г. (г. Санкт-Петербург); Всероссийская научно-техническая конференция "Современное телевидение", 2003 г. (г. Москва); Межрегиональные научно-технические конференции "Научная сессия ТУСУР", 2002 г., 2005 г. (г. Томск), Сибирско-Тайваньский Форум (г. Томск), 2009 г.

Публикации. По теме опубликовано 24 работы. Из них две в изданиях, рекомендованных ВАК. Получены 6 авторских свидетельств на разработанное программное обеспечение, выпущено учебно-методическое пособие.

Структура и объём работы. Диссертация состоит из введения, пяти глав, заключения и трёх приложений общим объёмом 210 страниц, содержит 78 иллюстраций и 6 таблиц. Библиографический список включает 107 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, определены цель и задачи, показаны научная новизна и практическая ценность, изложены положения, выносимые на защиту.

В первой главе проведён обзор некоторых алгоритмов линейной и ранговой обработки. Введены понятия опорной области, апертуры, маски фильтра, понятие малоразмерного объекта и т.д. Приведены основные сведения о принципах ранговой обработки и параметрах ранговых фильтров. Рассмотрены примеры тестовых изображений, используемых в диссертации, а также приведены описания используемых в диссертации критериев оценки качества обработки. На рис. 1 приведена незаполненная маска 7х7 элементов. Указаны координаты ненулевых элементов маски, т.е. соответствующих им элементов изображения, участвующих в обработке. Маску фильтра можно описать такими понятиями, как размеры, форма и структура. При этом форма характеризует симметрию и взаимное расположение ненулевых коэффициентов маски. Структура характеризует значения ненулевых коэффициентов маски и их количество. То есть, форма маски определяет форму локальной окрестности, а структура маски – количество используемых в окрестности пикселей и их вес в вариационном ряду. В данном случае все используемые коэффициенты имеют одинаковый вес 1 и маска имеет форму «круга». Согласно такой маске разностное уравнение рангового фильтра минимума первых разностей (М1Р) будет выглядеть следующим образом:



а минимум модулей первых разностей (ММ1Р):



где функция ограничения f[x] обнуляет все отрицательные значения. Для минимума первых разностей перепишем уравнение в упрощённом виде, при этом нет необходимости в вычислении всех первых разностей кроме одной:



Очевидно, что при такой форме реализации алгоритм М1Р существенно выигрывает, например, у алгоритма медианы по быстродействию, т.к. количество действий необходимых для определения максимального элемента вариационного ряда равно длине ряда (что существенно меньше количества действий необходимых для определения медианы) и не зависит от изначальной упорядоченности его элементов.

Процесс ранговой обработки состоит из следующих этапов: формирование выборки значений (яркостей пикселей изображения) по опорной области, описываемой маской; построение вариационного ряда из элементов выборки; выбор элементов вариационного ряда и использование их для формирования результата обработки; выполнение дополнительных операций для приведения результата обработки к заданному виду. Например, в медианном фильтре результатом обработки является срединный элемент вариационного ряда.

Для оценки эффективности обработки в диссертации используются три критерия: по результатам визуального наблюдения, по времени обработки и по значению пикового отношения сигнал/шум PSNR:

,

где M₁, M₂ определяют размеры области изображения, по которой производится оценка; x(i, j), y(i, j) – яркость пикселя в точке (i, j) исходного и обработанного изображений, соответственно; x_max, y_max – максимально возможные значения яркости.

Во второй главе рассматривается генератор тестовых изображений и два варианта оптимизации алгоритмов, рассмотренных в первой главе. Примеры работы генератора показаны на рис.2.



В первом случае создаётся тестовое изображение с четырьмя малоразмерными объектами цилиндрической формы, которые необходимо выделить. Центры выделяемых малоразмерных объектов расположены на средней строке изображения. Также добавлены четыре фоновых образования: три в виде эллипсов и одно в виде ступеньки, которые необходимо устранить. Результаты обработки этих изображений приведены на рис.4.

Во втором случае создаётся неоднородное поле сцинтилляций, моделирующее изображение, получаемое в высокочувствительных ТВ-датчиках с ЭОП. Известно, что число сцинтилляций в единицу времени распределено по закону Пуассона: , где λ(n₁, n₂) – параметр Пуассона и в данном случае является интенсивностью потока фотоэлектронов, благодаря которым и появляются сцинтилляции; k = 0, 1, … Параметр Пуассона функционально зависит от амплитуды фоновых образований в точке (n₁, n₂). На рис. 3 приведена схема моделирования количества сцинтилляций в единицу времени для отдельной точки, здесь α – равномерно распределённая на интервале (0; 1) случайная величина. Если M < 0, то сцинтилляции в данной точке нет. Если М ≥ 0, то на изображение аддитивно добавляется сцинтилляция в виде двумерной гауссоиды, имитирующей функцию рассеяния точки. В диссертации создан генератор 10 вариантов пуассоновских полей. Отличия вариантов в способах формирования координат, размера, амплитуды и др. параметров сцинтилляций. При этом 5 вариантов учитывают возможность смещения центра сцинтилляции относительно пикселя изображения.

На рис.4 приведены результаты обработки исходного изображения (рис.2а) с резкими перепадами яркости фильтрами М1Р и ММ1Р (рис.4а и4б) и с плавными перепадами – фильтром ММ1Р (рис.4г). Видно, что фоновые образования с резкими перепадами яркости полностью устраняются. При обработке фильтром ММ1Р изображения с плавными перепадами яркости появляются так называемые “ложные” объекты (рис.4г). В этом проявляется недостаток фильтра ММ1Р, который объясняется наличием в разностном уравнении операции взятия модуля. В то же время фильтр М1Р выделяет не все объекты, а только объекты положительного контраста. Таким образом, имеем два фильтра – один выделяет не все малоразмерные объекты, но не даёт «ложных» объектов при фильтрации нерезких перепадов яркости, другой выделяет все объекты, но на изображении появляются паразитные образования. В диссертации объединяются достоинства обоих фильтров. В результате получен фильтр «усовершенствованный минимум первых разностей» (УМ1Р), его аналитическая форма записи (согласно маске на рис.1) представлена ниже, а результат применения показан на рис.4в.:





Допустим в системе видеонаблюдения, предназначенной для выделения малоразмерных объектов, используется внутрикадровая обработка методом минимума первых разностей. Нетрудно заметить, что близко расположенные малоразмерные объекты частично "затемняют" друг друга, а при большой разности амплитуд (в 2 раза и более) объект с большей амплитудой полностью устраняет соседний объект, т.е. наблюдается эффект «затемнения». Предположим, что объекты движутся в разные стороны. При выполнении предыдущих условий возможно временное исчезновение объекта с меньшей амплитудой. Теперь добавим межкадровую обработку методом максимума (размер апертуры данного фильтра для упрощения условий составляет 1 пиксель). В этом случае, при увеличении количества кадров, охватываемых одной итерацией межкадровой обработки, вероятность устранения менее контрастного объекта уменьшается. Таким образом, подтверждается гипотеза, согласно которой что можно ослабить эффект «затемнения» при выделении малоразмерных объектов за счет использования межкадровой обработки в дополнение к внутрикадровой. Разностное уравнение полученного пространственно-временного рангового фильтра:



где N – количество используемых для обработки кадров.

В третьей главе приведено описание порядка, условий и результатов проведения численных экспериментов. На рис.5а показано исходное изображение двух эллиптических объектов, искажённых наличием сцинтилляций.





На рис.5б и рис.6 представлены результаты выделения этих объектов следующими межкадровыми фильтрами: скользящим средним, медианой и ранговым минимумом с одинаковыми масками (1х1х3 элемента). На рис.7 приведен график зависимости пикового отношения сигнал/шум от количества использованных для обработки кадров.

Преимущество алгоритма межкадрового минимума наблюдается даже визуально, учитывая униполярный контраст сцинтилляций. При учёте информации только по двум кадрам медианный алгоритм «превращается» в «скользящее среднее». При этом качество обработки ранговым минимумом ухудшается незначительно, и подтверждается выше выдвинутая гипотеза о применимости алгоритма межкадрового минимума для устранения сцинтилляций.

В четвёртой главе приведено описание разработанного в диссертации алгоритмическо-программного комплекса для разработки и исследования ранговых алгоритмов. Комплекс представляет собой интегрированную среду, написанную на MS Visual C++ в виде приложения с многодокументным интерфейсом. В качестве альтернативного решения создан комплекс программных модулей для системы Matlab. На рис.8 приведена структурная схема разработанного комплекса. Возможности созданной среды: многодокументный интерфейс; обработка серых (только сигнал яркости) 8-битных (т.е. всего 256 градаций серого) несжатых изображений или их последовательности; обработка как всего изображения так и его выделенной части внутрикадровыми ранговыми алгоритмами (М1Р, ММ1Р, УМ1Р), а также внутрикадровым скользящим средним; оценка по критерию пикового отношения сигнал/шум по всему изображению или по выделенной части; отображение гистограммы яркости всего изображения или его выделенной части; построение графиков, отображающих изменение сигнала яркости по выбранным строке или столбцу изображения, а также для выбранного пикселя в последовательности изображений; отображение минимального, максимального и среднего значения сигнала яркости для всего изображения или для его выбранной части.

В пятой главе описываются адаптации созданного алгоритмическо-программного обеспечения под решение конкретных задач.

Телевизионно-вычислительный комплекс (ТВК-РК) создан на базе специализированной телевизионной системы (СТВС) для визуально-измерительного контроля внутренних поверхностей трактов технологических каналов, металлоконструкций и рабочего пространства уран-графитовых ядерных реакторов. Разработанное алгоритмическо-программное обеспечение для ТВК-РК реализует следующие возможности: архивирование видеоданных в несжатом виде; обработка видеоданных; одновременный просмотр архивированных видеоданных в процессе обработки.

Активно-импульсная телевизионная система наблюдения "ZOND М1" предназначена для визуального обнаружения и идентификации объектов в тёмное время суток и в сложных метеоусловиях (снег, дым, туман, пыль, дождь т.д.). В диссертации создан набор программных модулей для обработки формируемых системой изображений.

Электронно-измерительный комплекс на базе лазерного дальномера предназначен для получения информации о наличии на наружной поверхности кожуха уран-графитового реактора неоднородностей в виде локальных выпуклостей вследствие механических воздействий на кожух со стороны конструктивных внутренних элементов реактора. Информацию о деформации кожуха реактора получают, измеряя дальномером расстояние от «точки наблюдения» до кожуха реактора. Созданное для комплекса программное обеспечение позволяет получать, анализировать и архивировать результаты измерений.

Разработанное алгоритмическое и программное обеспечение адаптировано для проведения видеоконференций в части получения и обработки информации от видеоустройств, а также для организации приёма-передачи мультимедийной информации между устройствами по шине USB2.0 на базе сигнальных процессоров фирмы Texas Instruments в режиме реального времени.

На базе созданного алгоритмическо-программного комплекса разработан лабораторный практикум по дисциплине «Цифровая обработка сигналов» с целью изучения методов анализа и синтеза цифровых линейных фильтров и для сравнения качества обработки тестовых изображений ранговыми и линейными фильтрами.

В приложении приведены: копии актов внедрения; копии свидетельств регистрации созданного программного обеспечения и его исходные тексты.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработан алгоритм усовершенствованного минимума первых разностей для выделения малоразмерных объектов, в том числе отрицательного контраста.
   
2. Сделано теоретическое предположение, что пространственная структура паразитных световых образований (полей сцинтилляций) в высокочувствительных ТВ-датчиках с электронно-оптическим преобразователем может быть апроксимирована неоднородным случайным полем. Программно реализован генератор неоднородных случайных полей.
   
3. Высказана гипотеза о том, что для подавления сцинтилляций следует поэлементно сравнивать амплитуды видеосигнала в двух и более кадрах и выбирать в качестве выходного сигнала минимальную из этих амплитуд.
   
4. Разработана методика проведения вычислительного эксперимента для проверки гипотезы и теоретического положения, в том числе моделирования неоднородных случайных полей.
   
5. Произведены сбор и обработка данных по результатам вычислительного эксперимента, подтвердившие справедливость теоретического положения и гипотезы, что позволило разработать алгоритмы пространственно-временной ранговой обработки телевизионных изображений и оценить их эффективность.
   
6. Создан телевизионно-вычислительный комплекс с радиационно-стойкой камерой для визуально-измерительного контроля внутренних поверхностей трактов технологических каналов, металлоконструкций и рабочего пространства уран-графитовых ядерных реакторов, обеспечивающий получение, цифровую обработку и архивирование видеоданных.
   
7. Разработана активная телевизионная система наблюдения для визуального обнаружения и идентификации объектов в тёмное время суток и в сложных метеоусловиях, в части обработки формируемых системой изображений.
   
8. Создан электронно-измерительный комплекс на базе лазерного дальномера, позволяющий получать, анализировать и архивировать результаты проводимых измерений.
   
9. Разработан комплекс алгоритмического и программного обеспечения для проведения видеоконференций в части получения и обработки информации от видеоустройств, а также для организации приёма-передачи мультимедийной информации между устройствами на базе сигнальных процессоров фирмы Texas Instruments в режиме реального времени.
   
10. Созданы программные инструментальные средства для применения в учебном процессе по дисциплине «Цифровая обработка сигналов» и выпущено учебно-методическое пособие используемое в курсовом и дипломном проектировании.
    

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Гальчук И.В., Костевич А.Г. Методы выделения малоразмерных подвижных объектов на сложном фоне. / Томск: Труды юбилейной НТК по радиоэлектронике, посвященной 50-летию РТФ, 2000. – Том 5, C. 82 – 86.
   
2. Гальчук И.В., Костевич А.Г. Генерирование пуассоновских полей на ЭВМ. / Материалы межрегиональной НТК, посвященной 40-летию ТУСУР, Томск, Россия 14 – 16 мая 2002 г., изд-во ТУСУР, 2002. – Часть 1, C. 119 –122.
   
3. Гальчук И.В., Костевич А.Г. Моделирование пространственной структуры слабых световых полей. / Тез. док. 10-й НТК “Современное телевидение”, Москва, Россия 19 – 20 марта 2002, г. М.: МКБ "Электрон", 2002.
   
4. Гальчук И.В., Костевич А.Г. Моделирование пуассоновских случайных полей. / СПб: Материалы 2-ой Международной конференции "Телевидение: передача и обработка изображений", 2002. – С. 58 – 59.
   
5. Гальчук И.В., Костевич А.Г., Курячий М.И. Ранговые алгоритмы выделения малоразмерных объектов на сложном фоне. / СПб: Материалы 2-ой Международной конференции "Телевидение: передача и обработка изображений", 2002. – С. 44 – 46.
   
6. Гальчук И.В. Программная реализация алгоритмов цифровой обработки изображений на базе цифровых сигнальных процессоров семейства VLIW. / Материалы Всероссийской НТК “Научная сессия ТУСУР – 2005”, Томск, Россия 26 – 28 апреля 2005 г., изд-во ТУСУР, 2005. – Часть 1, С. 95 – 96.
   
7. Гальчук И.В. Инструментальные средства для исследования алгоритмов цифровой обработки изображений. / Материалы Всероссийской НТК “Научная сессия ТУСУР – 2005”, Томск, Россия 26 – 28 апреля 2005 г., изд-во ТУСУР, 2005. – Часть 1, С. 97 – 98.
   
8. Гальчук И.В., Курячий М.И. Инструментальные средства для оценки эффективности ранговых алгоритмов цифровой обработки изображений / Изв. вузов. Приборостроение. 2005. № 11. С. 38–40.
   
9. Гальчук И.В. Межкадровая ранговая обработка телевизионных изображений. / Доклады Международной НПК “Электронные средства и системы управления”, Томск, Россия 12 – 14 октября 2005 г., Томск: Изд-во Института оптики атмосферы СО РАН, 2005. В 2-х частях. Ч. 1, С. 256 – 257.
   
10. Гальчук И.В. Межкадровая ранговая обработка: выделение малоразмерных объектов. / Вестник Сибирского отделения АН ВШ №1(9) / Томск: Изд-во Института оптики атмосферы СО РАН, 2005 г. – С. 148 – 153.
    
11. Свидетельство об отраслевой регистрации разработки №6127 ОФАП. Компьютерная лабораторная работа "Анализ характеристик цифровых фильтров для обработки одномерных сигналов". / Гальчук И.В., Костевич А.Г., Курячий М.И., 2006 г.
    
12. Свидетельство об отраслевой регистрации разработки №6128 ОФАП. Компьютерная лабораторная работа "Синтез цифровых фильтров для обработки одномерных сигналов" / Гальчук И.В., Костевич А.Г., Курячий М.И., 2006 г.
    
13. Свидетельство об отраслевой регистрации разработки №6129 ОФАП. Компьютерная лабораторная работа "Цифровая обработка двумерных сигналов". / Гальчук И.В., Курячий М.И., Ульянов В.Н., 2006 г.
    
14. Свидетельство об отраслевой регистрации разработки №6130 ОФАП. Компьютерная лабораторная работа "Цифровая линейная фильтрация изображений". / Гальчук И.В., Курячий М.И., Попов С.В., 2006 г.
    
15. Свидетельство об отраслевой регистрации разработки №6131 ОФАП. Компьютерная лабораторная работа " Цифровая нелинейная фильтрация изображений". / Гальчук И.В., Курячий М.И., Попов С.В., 2006 г.
    
16. Свидетельство об отраслевой регистрации разработки №6132 ОФАП. Компьютерная лабораторная работа " Цифровые методы коррекции изображений". / Гальчук И.В., Курячий М.И., Попов С.В., 2006 г.
    
17. Гальчук И.В., Костевич А.Г., Курячий М.И. Компьютерная лабораторная работа «Анализ характеристик цифровых фильтров для обработки одномерных сигналов» / Инновации в науке и образовании. Телеграф отраслевого фонда алгоритмов и программ / М: ФГНУ "ГОСКООРЦЕНТР", МФЮА, РУИ – 2006г. N 5(16) С. 7.
    
18. Гальчук И.В., Костевич А.Г., Курячий М.И. Компьютерная лабораторная работа «Синтез цифровых фильтров для обработки одномерных сигналов» / Инновации в науке и образовании. Телеграф отраслевого фонда алгоритмов и программ / М: ФГНУ "ГОСКООРЦЕНТР", МФЮА, РУИ, 2006г. N 5(16).
    
19. Гальчук И.В., Курячий М.И., Ульянов В.Н. Компьютерная лабораторная работа «Цифровая обработка двумерных сигналов» / Инновации в науке и образовании. Телеграф отраслевого фонда алгоритмов и программ / М: ФГНУ "ГОСКООРЦЕНТР", МФЮА, РУИ, 2006г. N 5(16) C. 7 – 8.
    
20. Гальчук И.В., Курячий М.И., Попов С.В. Компьютерная лабораторная работа «Цифровая линейная фильтрация изображений» / Инновации в науке и образовании. Телеграф отраслевого фонда алгоритмов и программ / М: ФГНУ "ГОСКООРЦЕНТР", МФЮА, РУИ, 2006г. N 5(16) C. 8.
    
21. Гальчук И.В., Курячий М.И., Попов С.В. Компьютерная лабораторная работа «Цифровая нелинейная фильтрация изображений» / Инновации в науке и образовании. Телеграф отраслевого фонда алгоритмов и программ / М: ФГНУ "ГОСКООРЦЕНТР", МФЮА, РУИ, 2006г. N 5(16) C. 8.
    
22. Гальчук И.В., Курячий М.И., Попов С.В. Компьютерная лабораторная работа «Цифровые методы коррекции изображений» / Инновации в науке и образовании. Телеграф отраслевого фонда алгоритмов и программ / М: ФГНУ "ГОСКООРЦЕНТР", МФЮА, РУИ, 2006г. N 5(16) C. 8 – 9.
    
23. Пустынский И.Н., Коновалов В.Ф., Курячий М.И., Гальчук И.В. Телевизионно-вычислительная система контроля с радиационно-стойкой видеокамерой. / Доклады Томского государственного университета систем управления и радиоэлектроники №2(18), часть 2 / Томск: Изд-во Томского государственного университета систем управления и радиоэлектроники, 2008 г. – С. 44 – 47. – ISSN 1818-0442
    
24. Пустынский И.Н., Курячий М.И., Гальчук И.В., Рудникович А.С. Система видения в сложных метеоусловиях / Опыт научно-технического и инновационного сотрудничества Томской области и Тайваня: Сборник материалов Сибирско-Тайваньского Форума: В 2 т. Томск, 16-17 сентября 2009 г. Т. 1. Томск: Томский государственный университет, 2009. C. 186-189. – ISBN 5-94621-275-3.