Алгоритм морфологической обработки радиолокационных изображений и автоматического обнаружения объектов по радиолокационной тени
Ключевые слова:
радиолокационная тень объектов, морфологические операции, устранение искажений, пространственная корреляция, автоматическое обнаружение
Аннотация
В статье обосновывается последовательность операций обработки радиолокационных изображений, обеспечивающих автоматическое обнаружение и селекцию объектов по их радиолокационной тени. В отличие от существующих алгоритмов с постоянным уровнем ложной тревоги (CFAR – Constant False Alarm Rate) предложено применять морфологические операции над инвертированным бинарным изображением. Определены параметры морфологических операций, которые обеспечивают устранение искажений радиолокационной тени объектов и исключение из «области интереса» (ROI – Regions of Interes) объектов, радиолокационные тени которых отличаются от эталонных (рассчитанных исходя из габаритов объекта и условий его съемки). Алгоритм работает при полном отсутствии сведений о параметрах плотности распределения вероятности отсчетов отметки объекта и фона. Приведены результаты обработки радиолокационных изображений реальных объектов, расположенных на естественном фоне.
Скачивания
Данные скачивания пока не доступны.
Литература
1. Авиационные системы радиовидения: монография / под ред. Г. С. Кондратенкова. – Москва : Радиотехника, 2015. – 648 с.
2. Купряшкин, И. Ф. Космическая радиолокационная съемка земной поверхности в условиях помех: монография / И. Ф. Купряшкин, В. П. Лихачев. – Воронеж : Издательско-полиграфический центр «Научная книга», 2014. – 460 с.
3. Болкунов, А. А. Оценка радиолокационной заметности вооружения, военной и специальной техники с применением беспилотных летательных аппаратов / А. А. Болкунов, Л. Б. Рязанцев, С. В. Сидоренко // Военная мысль. – 2017. – No 9. – С. 70.
4. Лихачев, В. П. Применение беспилотных летательных аппаратов для ведения тактической радиолокационной разведки / В. П. Лихачев, Л. Б. Рязанцев, И. Ю. Чередников // Военная мысль. – 2016. – No 3. – С. 24.
5. Способ формирования радиолокационного изображения : пат. 2578126 Российская Федерация : МПК G 01 S 13/00 / Лихачев В. П., Рязанцев Л. Б., Трущинский А. В., Купряшкин И. Ф. ; заявитель и патентообладатель Воронеж. Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования «Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия им. проф. Н. Е. Жуковского и Ю. А. Гагарина». – No 2014149401/07 ; заявл. 08.12.14 ; опубл. 20.03.16, Бюл. No 8. – 9 с.
6. Устройство формирования радиолокационного изображения в радиолокационной станции с синтезированной апертурой антенны : пат. 2619771 Российская Федерация : МПК G 01 S 13/90 / Купряшкин И. Ф., Лихачев В. П., Рязанцев Л. Б., Яковенков В. В. ; заявитель и патентообладатель Смоленск. ЗАО «Научно-исследовательский институт современных телекоммуникационных технологий». – No 2016104062 ; заявл. 08.02.16 ; опубл. 18.05.17, Бюл. No 14. – 11 с.
7. Automatic Target Recognition in Synthetic Aperture Radar Imagery / El-Darymli, K. [and others] // A State-of-the-Art Review. IEEE Access. – 2016. – No 4. – P. 6014–6058.
8. Системный подход к решению проблем автоматического дешифрирования радиолокационных изображений наземных объектов в реальном масштабе времени / В. А. Кузнецов [и др.] // Вестник Воронеж. гос. ун-та. Сер. Системный анализ и информационные технологии. – 2017. – No 2. – С. 5-15.
9. Сирота, А. А. Двухэтапный алгоритм обнаружения и оценивания границы объектов на изображении в условиях аддитивных помех и деформирующих искажений / А. А. Сирота, А. И. Соломатин, Е. В. Воронова // Компьютерная оптика. – 2010. – Т. 34, No 1. – С. 109–117.
10. Соломатин, А. И. Обнаружение и оценивание границ объектов на изображениях в условиях аддитивного шума и деформирующих искажений [Электронный ресурс] / А. И. Соломатин // Воронеж: ВГУ. 2011. – URL: http://www.dissercat.com/content/obnaruzhenie-i-otsenivanie-granits-obektov-na-izobrazheniyakh-v-usloviyakh-additivnogo-shuma#ixzz5AmbEoqHC
11. Способ искажения радиолокационного изображения в космической радиолокационной станции с синтезированной апертурой антенны : пат. 2622904 Российская Федерация : МПК G 01 S 13/90, G 01 S 7/38 / Купряшкин И. Ф., Лихачев В. П., Селезнев Д. А., Усов Н. А. ; заявитель и патентообладатель Смоленск. ЗАО «Научно-исследовательский институт современных телекоммуникационных технологий». – No 2016113470 ; заявл. 07.04.16 ; опубл. 21.06.17, Бюл. No 18. – 19 с.
12. Лихачев, В. П. Показатель помехоустойчивости РЛС с синтезированной апертурой антенны к параметрическим формируемым помехам, имитирующим точечные объекты / В. П. Лихачев, В. В. Семенов, А. А. Веселков // Антенны. – 2017. – No 12 (244). – С. 31.
13. Лихачев, В. П. Формирование радиолокационных изображений летательных аппаратов методом обращенного синтезирования апертуры в условиях частичной когерентности сигнала / В. П. Лихачев, А. Я. Пасмуров // Радиотехника и электроника. – 1999. – Т. 44. – No 3. – С. 294.
14. Park, J. New discrimination features for SAR automatic target recognition / J. Park, S. Park, K. Kim // IEEE Geosci. Remote Sens. Lett. – 2013. – No 10. – P. 476.
15.Neighborhood geometric center scaling embedding for SAR ATR / Y. L. Huang [and others] // IEEE Trans. Aerosp. Electron. Syst. – 2014.– No 50. – P. 180–192.
16. Target recognition in synthetic aperture radar images using binary morphological opera-tions / B. Y. Ding [and others] // J. Appl. Remote Sens. – 2016. – No 10. – P. 46.
17. Amoon, M. Automatic target recognition of synthetic aperture radar (SAR) images based on optimal selection of Zernike moment features/ M. Amoon; G. Rezai-rad // IET Comput. Vis. – 2014. No 8. – P. 77.
18. Anagnostopulos, G. C. SVM-based target recognition from synthetic aperture radar images using target region outline descriptors / Anagnostopulos G. C. // Nonlinear Anal. – 2009. – No71. – P. 2934–2939.
19.Papson, S. Classification via the shadow region in SAR imagery / S. Papson, R.M.Narayanan// IEEE Trans. Aerosp. Electron. Syst. – 2012. – No 48. – P. 969–980.
20. Cui, J. J. Automatic recognition of MSTAR targets using radar shadow and super resolution features // J. J. Cui, J. Gudnason, M. Brookes // In Proceedings of the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP). 2005. – P. 589–592.
20. Cui, J. Radar shadow and super resolution features for automatic recognition of MSTAR targets / J. Cui, J. Gudnason, M. Brookes // IEEE International Radar Conference – 2005. – P. 534–539.
21. Jahangir, M. Detecting Moving Targets in SAR Imagery Through Shadow Tracking / M. Jahangir // In Proceedings of EUSAR. – 2006. – P. 1–4.
22. Xu, H. Shadow-aided method for ground slow moving targets detection of airborne high-resolution SAR images / H. Xu [and others] // 2015 IEEE 5th Asia-Pacific Conference on Synthetic Aperture Radar (APSAR), Singapore. – 2015. – P. 831–834.
23. Donnell, B. P. Using Shadows To Detect Targets in Synthetic Aperture Radar Imagery / B. P. Donnell // Air Force Institute of Technology Graduate School of Engineering and Management (AFIT/EN), Degree of Master of Science in Electrical Engineering. – 2009. – 96 p.
24. A Novel Approach for Shadow Enhance-ment in High-Resolution SAR Images Using the Height-Variant Phase Compensation Algorithm / Y. Zhang [and others] // in IEEE Geoscience and Remote Sensing Letters. – vol. 10 No 1. – 2013. – P. 189–193.
25. An approach for shadow enhancement about tall and narrow targets in SAR images / Y. Zhang [and others] // 2015 IEEE Internation-al Geoscience and Remote Sensing Symposium (IGARSS), Milan. – 2015. – P. 3263–3265.
26. The shadow enhancement for targets with flat structures in SAR images / Y. Zhang [and others] // 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Beijing. – 2016. – P. 921–924.
27. Prasath, V. B. S. Radar shadow detection in synthetic aperture radar images using digital elevation model and projections [Электронный ресурс] / V. B. S. Prasath, O. Haddad // Journal of Applied Remote Sensing, 8(1), 083628. – 2014. – P. 7. – URL: https://www.researchgate.net/publication/256465152 Pre-print available at arXiv:1309.1830
28. SAR deception jamming target recognition based on the shadow feature / X. Tang [and others] // 25th European Signal Processing Conference (EUSIPCO), Kos. – 2017. – P. 2491-2495.
29. Жердев, Д. А. Распознавание объектов на радиолокационных изображениях с использованием показателей сопряженности и опорных подпространств / Д. А. Жердев, Л. Н. Казанский, В. А. Фурсов // Компьютерная оптика. – 2015. – Т. 39, No 2. – С. 255
30. Schumacher, R. Non-cooperative target identification of battlefield targets - Classification results based on SAR images / R. Schumacher, J.Schiller // In Proceedings of the IEEE International Radar Conference, Arlington, VA, USA. – 2005. – P. 167–172.
31. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс – Москва : Изд-во Техносфера, 2012. – 1104 с.
32.Огнев, И. В. Обработка изображений методами математической морфологии в ассоциативной осцилляторной среде / И.В.Огнев, Н. А. Сидорова // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2007. – No 4. – С. 87–97.
33. Tsai, V. J. D. Automatic shadow detection and radiometric restoration on digital aerial images/ V. J. D. Tsai // in Proc. IGARSS, Toulouse, France, Jul. 21–25. – 2003. – P. 732–733.
34.Tsai, V. J. D. Automated Shadow Compen-sation in Color Aerial Images [Электронный ресурс] / V. J. D. Tsai, J. Victor // Paper presented at the ASPRS 2006 Annual Conference, Reno, Nevada. – 2006. – URL: https://pdfs.semanticscholar.org/3dc5/201797f7a2082d699f8684d867d2c59d0660.pdf
35. Farajzadeh, M. Detection of Small Target Based on Morphological Filters / M. Farajzadeh, A. Mahmoodi, M. R. Arvan // Electrical Engineering (ICEE), 20th Iranian Conference, Tehran, Iran – 2012. – P. 1097 – 1101.
36. Bhanu, B. Genetic algorithm based feature selection for target detection in SAR images/ B.Bhanu, Y. Lin // Image and Vision Computing.– Volume 21, Issue 7. –2003. – P. 591–608.
37.Beant, K. Mathematical morphological edge detection for remote sensing images / B.Kaur, A. Garg // Proc. 3rd International Conference on Electronics Computer Technology. – 2011. – P. 324–327.
38. Using morphological differential attribute profiles for change ategorization in high resolution SAR images / M. Boldt [and others]// International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences.– Volume XL-1/W1. – ISPRS Hannover Work-shop, Germany. – 2013. – P. 29–34.
39. Yamada, Y. Relation between ground features and mathematical morphology using JERS-1/SAR data during flooding time in paddy areas/ Yamada Y. // Proceedings. 2003 IEEE Interna-tional Geoscience and Remote Sensing Symposi-um (IGARSS ’03). – 2003. – P. 2517.
40. SAR Image Segmentation Using Morphological Attribute Profiles / M. Boldt [and others]// The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XL-3, 2014. ISPRS Technical Commission III Symposium, 5 – 7 September 2014, Zurich, Switzerland. – P. 39–44.
41. Chang, M. Target Recognition in SAR Images Based on Information-Decoupled Representation / M. Chang, X. You // Remote Sens.– 2018. – 10(1). – P. 138.
42. Wang, G. A novel target detection method for SAR images based on shadow proposal and saliency analysis / G. Wang, J. You, H. Zhou // Neurocomputing. – 2017. – V. 267.– P. 220–231.
43. Target recognition in synthetic aperture radar images using binary morphological operations / B. Y. Ding [and others] //Appl. Remote Sens. – 2016. – 10. – 046006.
44. Otsu, N. A. Threshold selection method from gray – level histograms / N. A. Otsu // IEEE Trans. Sys., Man., Cyber. – 1979. – P. 62–66.
45. Liao, P. A. Fast Algorithm for Multilevel Thresholding / P. Liao, T. Chen, P. Chung // J. Inf. Sci. Eng. – 2017. – P. 713–727.
2. Купряшкин, И. Ф. Космическая радиолокационная съемка земной поверхности в условиях помех: монография / И. Ф. Купряшкин, В. П. Лихачев. – Воронеж : Издательско-полиграфический центр «Научная книга», 2014. – 460 с.
3. Болкунов, А. А. Оценка радиолокационной заметности вооружения, военной и специальной техники с применением беспилотных летательных аппаратов / А. А. Болкунов, Л. Б. Рязанцев, С. В. Сидоренко // Военная мысль. – 2017. – No 9. – С. 70.
4. Лихачев, В. П. Применение беспилотных летательных аппаратов для ведения тактической радиолокационной разведки / В. П. Лихачев, Л. Б. Рязанцев, И. Ю. Чередников // Военная мысль. – 2016. – No 3. – С. 24.
5. Способ формирования радиолокационного изображения : пат. 2578126 Российская Федерация : МПК G 01 S 13/00 / Лихачев В. П., Рязанцев Л. Б., Трущинский А. В., Купряшкин И. Ф. ; заявитель и патентообладатель Воронеж. Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования «Военный учебно-научный центр Военно-воздушных сил «Военно-воздушная академия им. проф. Н. Е. Жуковского и Ю. А. Гагарина». – No 2014149401/07 ; заявл. 08.12.14 ; опубл. 20.03.16, Бюл. No 8. – 9 с.
6. Устройство формирования радиолокационного изображения в радиолокационной станции с синтезированной апертурой антенны : пат. 2619771 Российская Федерация : МПК G 01 S 13/90 / Купряшкин И. Ф., Лихачев В. П., Рязанцев Л. Б., Яковенков В. В. ; заявитель и патентообладатель Смоленск. ЗАО «Научно-исследовательский институт современных телекоммуникационных технологий». – No 2016104062 ; заявл. 08.02.16 ; опубл. 18.05.17, Бюл. No 14. – 11 с.
7. Automatic Target Recognition in Synthetic Aperture Radar Imagery / El-Darymli, K. [and others] // A State-of-the-Art Review. IEEE Access. – 2016. – No 4. – P. 6014–6058.
8. Системный подход к решению проблем автоматического дешифрирования радиолокационных изображений наземных объектов в реальном масштабе времени / В. А. Кузнецов [и др.] // Вестник Воронеж. гос. ун-та. Сер. Системный анализ и информационные технологии. – 2017. – No 2. – С. 5-15.
9. Сирота, А. А. Двухэтапный алгоритм обнаружения и оценивания границы объектов на изображении в условиях аддитивных помех и деформирующих искажений / А. А. Сирота, А. И. Соломатин, Е. В. Воронова // Компьютерная оптика. – 2010. – Т. 34, No 1. – С. 109–117.
10. Соломатин, А. И. Обнаружение и оценивание границ объектов на изображениях в условиях аддитивного шума и деформирующих искажений [Электронный ресурс] / А. И. Соломатин // Воронеж: ВГУ. 2011. – URL: http://www.dissercat.com/content/obnaruzhenie-i-otsenivanie-granits-obektov-na-izobrazheniyakh-v-usloviyakh-additivnogo-shuma#ixzz5AmbEoqHC
11. Способ искажения радиолокационного изображения в космической радиолокационной станции с синтезированной апертурой антенны : пат. 2622904 Российская Федерация : МПК G 01 S 13/90, G 01 S 7/38 / Купряшкин И. Ф., Лихачев В. П., Селезнев Д. А., Усов Н. А. ; заявитель и патентообладатель Смоленск. ЗАО «Научно-исследовательский институт современных телекоммуникационных технологий». – No 2016113470 ; заявл. 07.04.16 ; опубл. 21.06.17, Бюл. No 18. – 19 с.
12. Лихачев, В. П. Показатель помехоустойчивости РЛС с синтезированной апертурой антенны к параметрическим формируемым помехам, имитирующим точечные объекты / В. П. Лихачев, В. В. Семенов, А. А. Веселков // Антенны. – 2017. – No 12 (244). – С. 31.
13. Лихачев, В. П. Формирование радиолокационных изображений летательных аппаратов методом обращенного синтезирования апертуры в условиях частичной когерентности сигнала / В. П. Лихачев, А. Я. Пасмуров // Радиотехника и электроника. – 1999. – Т. 44. – No 3. – С. 294.
14. Park, J. New discrimination features for SAR automatic target recognition / J. Park, S. Park, K. Kim // IEEE Geosci. Remote Sens. Lett. – 2013. – No 10. – P. 476.
15.Neighborhood geometric center scaling embedding for SAR ATR / Y. L. Huang [and others] // IEEE Trans. Aerosp. Electron. Syst. – 2014.– No 50. – P. 180–192.
16. Target recognition in synthetic aperture radar images using binary morphological opera-tions / B. Y. Ding [and others] // J. Appl. Remote Sens. – 2016. – No 10. – P. 46.
17. Amoon, M. Automatic target recognition of synthetic aperture radar (SAR) images based on optimal selection of Zernike moment features/ M. Amoon; G. Rezai-rad // IET Comput. Vis. – 2014. No 8. – P. 77.
18. Anagnostopulos, G. C. SVM-based target recognition from synthetic aperture radar images using target region outline descriptors / Anagnostopulos G. C. // Nonlinear Anal. – 2009. – No71. – P. 2934–2939.
19.Papson, S. Classification via the shadow region in SAR imagery / S. Papson, R.M.Narayanan// IEEE Trans. Aerosp. Electron. Syst. – 2012. – No 48. – P. 969–980.
20. Cui, J. J. Automatic recognition of MSTAR targets using radar shadow and super resolution features // J. J. Cui, J. Gudnason, M. Brookes // In Proceedings of the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP). 2005. – P. 589–592.
20. Cui, J. Radar shadow and super resolution features for automatic recognition of MSTAR targets / J. Cui, J. Gudnason, M. Brookes // IEEE International Radar Conference – 2005. – P. 534–539.
21. Jahangir, M. Detecting Moving Targets in SAR Imagery Through Shadow Tracking / M. Jahangir // In Proceedings of EUSAR. – 2006. – P. 1–4.
22. Xu, H. Shadow-aided method for ground slow moving targets detection of airborne high-resolution SAR images / H. Xu [and others] // 2015 IEEE 5th Asia-Pacific Conference on Synthetic Aperture Radar (APSAR), Singapore. – 2015. – P. 831–834.
23. Donnell, B. P. Using Shadows To Detect Targets in Synthetic Aperture Radar Imagery / B. P. Donnell // Air Force Institute of Technology Graduate School of Engineering and Management (AFIT/EN), Degree of Master of Science in Electrical Engineering. – 2009. – 96 p.
24. A Novel Approach for Shadow Enhance-ment in High-Resolution SAR Images Using the Height-Variant Phase Compensation Algorithm / Y. Zhang [and others] // in IEEE Geoscience and Remote Sensing Letters. – vol. 10 No 1. – 2013. – P. 189–193.
25. An approach for shadow enhancement about tall and narrow targets in SAR images / Y. Zhang [and others] // 2015 IEEE Internation-al Geoscience and Remote Sensing Symposium (IGARSS), Milan. – 2015. – P. 3263–3265.
26. The shadow enhancement for targets with flat structures in SAR images / Y. Zhang [and others] // 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Beijing. – 2016. – P. 921–924.
27. Prasath, V. B. S. Radar shadow detection in synthetic aperture radar images using digital elevation model and projections [Электронный ресурс] / V. B. S. Prasath, O. Haddad // Journal of Applied Remote Sensing, 8(1), 083628. – 2014. – P. 7. – URL: https://www.researchgate.net/publication/256465152 Pre-print available at arXiv:1309.1830
28. SAR deception jamming target recognition based on the shadow feature / X. Tang [and others] // 25th European Signal Processing Conference (EUSIPCO), Kos. – 2017. – P. 2491-2495.
29. Жердев, Д. А. Распознавание объектов на радиолокационных изображениях с использованием показателей сопряженности и опорных подпространств / Д. А. Жердев, Л. Н. Казанский, В. А. Фурсов // Компьютерная оптика. – 2015. – Т. 39, No 2. – С. 255
30. Schumacher, R. Non-cooperative target identification of battlefield targets - Classification results based on SAR images / R. Schumacher, J.Schiller // In Proceedings of the IEEE International Radar Conference, Arlington, VA, USA. – 2005. – P. 167–172.
31. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс – Москва : Изд-во Техносфера, 2012. – 1104 с.
32.Огнев, И. В. Обработка изображений методами математической морфологии в ассоциативной осцилляторной среде / И.В.Огнев, Н. А. Сидорова // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2007. – No 4. – С. 87–97.
33. Tsai, V. J. D. Automatic shadow detection and radiometric restoration on digital aerial images/ V. J. D. Tsai // in Proc. IGARSS, Toulouse, France, Jul. 21–25. – 2003. – P. 732–733.
34.Tsai, V. J. D. Automated Shadow Compen-sation in Color Aerial Images [Электронный ресурс] / V. J. D. Tsai, J. Victor // Paper presented at the ASPRS 2006 Annual Conference, Reno, Nevada. – 2006. – URL: https://pdfs.semanticscholar.org/3dc5/201797f7a2082d699f8684d867d2c59d0660.pdf
35. Farajzadeh, M. Detection of Small Target Based on Morphological Filters / M. Farajzadeh, A. Mahmoodi, M. R. Arvan // Electrical Engineering (ICEE), 20th Iranian Conference, Tehran, Iran – 2012. – P. 1097 – 1101.
36. Bhanu, B. Genetic algorithm based feature selection for target detection in SAR images/ B.Bhanu, Y. Lin // Image and Vision Computing.– Volume 21, Issue 7. –2003. – P. 591–608.
37.Beant, K. Mathematical morphological edge detection for remote sensing images / B.Kaur, A. Garg // Proc. 3rd International Conference on Electronics Computer Technology. – 2011. – P. 324–327.
38. Using morphological differential attribute profiles for change ategorization in high resolution SAR images / M. Boldt [and others]// International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences.– Volume XL-1/W1. – ISPRS Hannover Work-shop, Germany. – 2013. – P. 29–34.
39. Yamada, Y. Relation between ground features and mathematical morphology using JERS-1/SAR data during flooding time in paddy areas/ Yamada Y. // Proceedings. 2003 IEEE Interna-tional Geoscience and Remote Sensing Symposi-um (IGARSS ’03). – 2003. – P. 2517.
40. SAR Image Segmentation Using Morphological Attribute Profiles / M. Boldt [and others]// The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XL-3, 2014. ISPRS Technical Commission III Symposium, 5 – 7 September 2014, Zurich, Switzerland. – P. 39–44.
41. Chang, M. Target Recognition in SAR Images Based on Information-Decoupled Representation / M. Chang, X. You // Remote Sens.– 2018. – 10(1). – P. 138.
42. Wang, G. A novel target detection method for SAR images based on shadow proposal and saliency analysis / G. Wang, J. You, H. Zhou // Neurocomputing. – 2017. – V. 267.– P. 220–231.
43. Target recognition in synthetic aperture radar images using binary morphological operations / B. Y. Ding [and others] //Appl. Remote Sens. – 2016. – 10. – 046006.
44. Otsu, N. A. Threshold selection method from gray – level histograms / N. A. Otsu // IEEE Trans. Sys., Man., Cyber. – 1979. – P. 62–66.
45. Liao, P. A. Fast Algorithm for Multilevel Thresholding / P. Liao, T. Chen, P. Chung // J. Inf. Sci. Eng. – 2017. – P. 713–727.
Опубликован
2018-04-16
Как цитировать
Лихачев, В. П., Пантюхин, М. А., & Сидоренко, С. В. (2018). Алгоритм морфологической обработки радиолокационных изображений и автоматического обнаружения объектов по радиолокационной тени. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (2), 149-161. https://doi.org/10.17308/sait.2018.2/1223
Выпуск
Раздел
Интеллектуальные информационные системы
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
