- Геометрические и фотометрические модели наблюдаемого мира и систем формирования видеоданных, положенные в основу предлагаемого объектно-независимого подхода к структурному анализу изображений.
- Разработанный ортогональный базис обобщенных непроизводных структурных элементов, инвариантных к аффинным и проективным преобразованиям и пригодных для объектно-независимой структурной декомпозиции изображений на разных иерархических уровнях - от анализа взаимного положения и формы объектов сцены до описания текстуры их поверхностей.
- Методы структурной декомпозиции и описания изображений, единообразно реализуемые в рамках предложенной иерархической модели наблюдаемого мира на каждом ее уровне.
- Методы измерения параметров аффинных и проективных преобразований на основе аппроксимации изображений разработанными структурными элементами и аналитические выражения для измерения параметров аффинных преобразований, выведенные на основе этих методов.
- Иерархический метод сопоставления изображений реальных сцен с помощью их структурных описаний, построенных в разработанном базисе обобщенных структурных элементов, на основе объектно-независимых ограничений, следующих из результатов системного анализа моделей пространственной организации наблюдаемого мира и его взаимодействия с элементами естественных и искусственных зрительных систем.
- Обобщение и развитие в рамках разработанных формальных моделей известных методов теории автоматической обработки и анализа изображений и методов анализа изображений, реализованных в естественных зрительных системах.
2. Луцив В.Р., Долинов Д.С., Жеребко А.К., Новикова Т.А. Применение искусственных нейронных сетей в задачах обработки изображений // Оптический журнал. 1997. Т. 64, №2. С. 45-52.
3. Луцив В.Р. , Жеребко А.К. Согласованная фильтрация в естественных и искусственных нейронных сетях // Оптический журнал. 1999. Т. 66, №9. С. 69-72.
4. Lutsiv V.R., Allinson N.M., Zherebko A.K., Barabanov N.E. Neural net based images matching // SPIE Proceedings. 2000. V. 3962 “Applications of artificial neural networks in image processing”. P. 128-137.
5. Lutsiv. V.R., Malyshev I.A., Pepelka V.A. Automatic fusion of the multiple sensor and multiple season images // SPIE Proceedings. 2001. V. 4380 “Signal Processing, Sensor Fusion, and Target Recognition X”. P. 174-183.
6. Луцив В.Р., Малышев И.А., Потапов А.С. Совмещение аэро-космических изображений с субпиксельной точностью методом локальной корреляции // Оптический журнал. 2004. Т. 71, №5. С. 31-36.
7. Луцив В.Р., Малышев И.А., Потапов А.С. Принцип минимальной длины описания как средство улучшения дискриминантных методов распознавания // Оптический журнал. 2006. Т. 73, №10. С. 41-46.
8. Луцив В.Р., Андреев В.С., Губкин А.Ф., Ильяшенко А.С., Кадыков А.Б., Лапина Н.Н., Малышев И.А., Новикова Т.А., Потапов А.С. Алгоритмы автоматической обработки и анализа аэрокосмических снимков // Оптический журнал. 2007. Т. 74, №.5, С. 12-30.
9. Луцив В.Р. Моделирование зон внимания в задачах автоматической декомпозиции и структурного анализа изображений // Оптический журнал. 2007. Т. 74, №4. С. 59-67.
10. Луцив В.Р. Применение обобщенных эталонных функций в естественных и искусственных зрительных системах // Оптический журнал. 2007. Т. 74, № 11. С. 47-52.
11. Луцив В.Р., Новикова Т.А. Моделирование зон внимания на основе анализа локальных особенностей текстуры изображений // Оптический журнал. 2008. Т. 75, №7. С. 55-64.
12. Луцив В.Р. Объектно-независимый подход к структурному анализу изображений // Оптический журнал. 2008. Т. 75, №11. С. 26-34.
13. Луцив В.Р. Метод итеративной компенсации проективных искажений изображений // Оптический журнал. 2009. Т. 76, №7. С. 53-60.
14. Аверкин А.Н., Луцив В.Р., Потапов А.С. Построение систем локальных инвариантных признаков изображения на основе преобразования Фурье-Меллина // Оптический журнал. 2010. Т. 77, №1. C. 36-41.
15. Луцив В.Р., Лапина Н.Н., Малышев И.А., Потапов А.С. Особенности сопоставления изображений в задачах определения местоположения мобильного робота // Оптический журнал. 2010. Т. 77, №11. C. 25-34.
16. Луцив В.Р. Визуальные системы роботов. Глава VIII / Мясников В.А., Игнатьев М.Б., Покровский А.М. Программное управление оборудованием. – 2-е изд. – Л.: Машиностроение, 1984. С. 354-381.
17. Луцив В.Р. Создание гибких оптических информационных систем для ГАП // Материалы краткосрочного семинара «Гибкие автоматизированные производства в радиоаппарато- и приборостроении». – Л.: ЛДНТП, 1984. С. 31-34.
18. Луцив. В.Р. Методы обработки изображений при управлении роботами в ГАП // Сб. «ЭВМ в проектировании и производстве». Вып.2 /Под. ред. Г.В. Орловского. – Л.: Машиностроение, 1985. С. 154-162.
19. Луцив В.Р. Модель искажения изображений в зрительных анализаторах // Тезисы докладов к зональному семинару «Состояние, опыт и направления работ по комплексной автоматизации на основе гибких автоматизированных производств, робототехнических комплексов и промышленных роботов». Пенза, 1985. С. 86-88.
20. Луцив В.Р., Постнова М.Н. Алгоритмы распознавания изображений в ГПС // Материалы краткосрочного семинара «Опыт разработки и эксплуатации АСУ ТП». – Л.: ЛДНТП, 1985. С. 46-48.
21. Луцив В.Р. К вопросу структурного анализа изображений // Сб. Иконика/ книга VI / Труды ГОИ. 1992. Т. 79, Вып. 213. – С.-Петербург: ГОИ им. С.И. Вавилова. С. 65-71.
22. Луцив В.Р., Долинов Д.С. Нейронная сеть для сопоставления изображений, реализованная на транспьютерах // Материалы V Конференции «Транспьютерные системы и их применение». Москва, Домодедово, 1995. 1 с.
23. Luciv V, Dolinov D, Zherebko A. On the use of the neuron-like and parallel computational architectures for image processing // Proceedings of the 2-nd international conference “Applications of computer systems”. Szczecin, Poland, 1995. P. 213-214.
24. Luciv V., Dolinov D., Zherebko A. The artificial neural networks for image contours extraction and image segmentation on the base of texture geometric features // Proceedings of the third international conference “Applications of computer systems”. Szczecin, Poland, 1996. P. 355-363.
25. Lutsiv V.R., Dolinov D.S., Zherebko A.K., Barabanov N.E. The artificial neural network for image contours extraction // Proceedings of the IEEE international conference “Control of oscillation and chaos”, August 27-29, 1997, St. Petersburg, Russia. P. 536-538.
26. Lutsiv. V.R., Malyshev I.A., Pepelka V.A., Potapov A.S. The target independent algorithms for description and structural matching of aerospace photographs // SPIE Proceedings. 2002. V. 4741 “Geo-spatial image exploitation developments and applications I”. P. 351-362.
27. Луцив В.Р., Сильников М.В., Петроченков С.А., Новикова Т.А. О количественной оценке маскировочных свойств специзделий и спецобмундирования // Тезисы докладов пятой Всероссийской научно-практической конференции «Актуальные проблемы защиты и безопасности». С.-Петербург, 2 – 5 апреля 2002. C. 36-37.
28. Lutsiv. V.R., Potapov A.S. Information-theoretic approach to image description and interpretation // SPIE Proceedings. 2003. V. 5400 “Seventh International Workshop on Nondestructive Testing and Computer Simulations in Science and Engineering”. P. 277-283.
29. Lutsiv. V.R., Malyshev I.A., Potapov A.S. Hierarchical structural matching algorithms for registration of aerospace images // SPIE Proceedings. 2003. V. 5238 “Image and Signal Processing for Remote Sensing IX”. P. 164-175.
30. Lutsiv V., Malyshev I., Novikova T. Hierarchical approaches to analysis of natural textures // SPIE Proceedings. 2004. V. 5426 “Automatic Target Recognition XIV”. P. 144-154.
31. Lutsiv V.R., Potapov A.S., Malyshev I.A. Sub-pixel precise image analysis in the industrial environment // SPIE Proceedings. 2004. V. 5831 “Eighth International Workshop on Nondestructive Testing and Computer Simulations in Science and Engineering”. P. 199-203.
32. Lutsiv V., Potapov A., Novikova T., Lapina N. Hierarchical 3D structural
matching in the aerospace photographs and indoor scenes // SPIE Proceedings. 2005. V. 5807 “Automatic Target Recognition XV”. P. 455-466.
33. Lutsiv V. Computer simulation of attention fields in the task of image inspection and structural matching // Perception, V. 35, Supplement: ECVP 2006. Abstracts. (29th European conference on visual perception. St. Petersburg, 20-25 August 2006). P. 50.
34. Patent KR20110009547 (A) (Korea). Apparatus and method for detecting rotation-invariant features for localization of a mobile robot / Lutsiv V., Potapov A., Redkov V., and others; LG Electronics Inc. – Appl. No. KR20090066995 2009.07.22; Prior. No. KR20090066995 2009.07.22; Publ. 2011.01.28 by UK Intellectual Property Office; Classif.–intern.: A47L9/28; B25J13/08; G05D1/02.
35. Вадим Луцив. Автоматический анализ изображений. Объектно-независимый структурный подход. – Саарбрюккен, Германия: Ламберт Академик Паблишинг, 2011 г. – 300с.