Введение к работе
Актуальность темы
Текстурный анализ занимает важное место в обработке и классификации изображений различной природы. Наиболее широкое применение методы текстурного анализа нашли в медицине, материаловедении и дистанционном зондировании земли. Разработке и исследованию математического аппарата, обеспечивающего теоретическую основу для автоматизации обработки, анализа, распознавания и понимания текстурных изображений посвящены работы Р. М. Харалика, К. И. Лавса, X. Тамуры, X. Нимана, Ж. П. Серры, Д. Л. Четверикова и др.
В работе П. П. Кольцова, 2011 проведено комплексное исследование алгоритмов выделения и классификации текстур. Результаты сравнительной оценки хорошо известных методов текстурного анализа, в том числе основанных на матрицах смежности и авторегрессионной модели, показали, что для достижения достаточной степени эффективности применения текстурного анализа, требуется учёт специфики обрабатываемых изображений. Задача распознавания полутоновых текстур с позиции стохастической геометрии и функционального анализ рассматривалась в работах Н. Г. Федотова, 2010 и диссертации Д. А. Мокшаниной, 2010. Применение спектра обобщённых фрактальных признаков для сравнения текстур исследовалось в работах А. А. Рогова, 2008 и диссертации К. Н. Спиридонова, 2008.
В работе А. А. Потапова, 2004 предложена технология радиолокационного обнаружения малоконтрастных целей на основе вероятностных текстурных признаков. Применение методов текстурного анализа для обработки данных дистанционного зондирования земли исследовали в своих работах В. Су, 2012; П. Ракватин, 2012; Ю. Хан, 2012; И. А. Ризви, 2011; П. Р. Чоудхури, 2011 и др. Впервые применение текстурного анализа к обработке биомедицинских изображений было показано в работах Р. Лерски, 1993 и М. Стрелецкого, 1997. Обработке данных лучевой и ультразвуковой диагностики с использованием методов текстурного анализа посвящены работы С. Агнер, 2011; Р. Бхатачария, 2011; В. Стокера, 2011; С. И. Ниваса, 2011 и др.
Анализ опубликованных работ показывает: основной проблемой является высокая чувствительность алгоритмов к искажениям, что делает актуальной задачу построения помехоустойчивых алгоритмов. Процедура текстурного анализа существенно зависит от природы анализируемого объекта, при этом изображения кристаллических структур являются наименее исследованными, что делает актуальной тему диссертации.
Текстурный анализ кристаллограмм биологических жидкостей, относящихся к классу кристаллических микроструктур, проводят в медицине и биологии для суждения о состоянии здоровья человека, путём исследования морфо-
логических и геометрических изменений структуры изображения (С. В. Харченко, 1988; А. К. Мартусевич, 2002; Ю. Ю. Тарасевич, 2007 и др.). Проведённый в работе А. Б. Денисова, 2011 обзор исследований посвященных изучению кристаллограмм биологических жидкостей, свидетельствует о недостаточно развитом аппарате математических методов обработки изображений в данной области и необходимости проведения соответствующих исследований.
Электронные микроскопы высокого разрешения, как например JEM-2100 и JEM-ARM-200F фирмы JEOL или HF-3300 фирмы Hitachi, при увеличениях в миллионы раз дают возможность наблюдать кристаллические наноструктуры, например, атомарную структуру кристаллической решётки. Практическое использование методов анализа наноструктуры вещества требует значительных затрат, а итоговые данные являются результатом сложных и непрямых измерений и вычислений (Ю. К. Егоров-Тисменко, 2005; Э. Р. Кларк, 2007). Перспективным направлением исследований является применение методов текстурного анализа для решения задач оценивания параметров кристаллических решеток по электронным изображениям (Р. Ф. Эгертон, 2010; А. А. Орлов, 2011 и др.). Однако на современном уровне развития методов кристаллографии при определении параметров кристаллических наноструктур возникает неоднозначность, связанная с проблемой отождествления наблюдаемого образа с реально существующим объектом, что требует развития новых моделей наблюдения и методов, позволяющих определять необходимые условия возможности правильной классификации - условий наблюдаемости.
Цель диссертационной работы:
Разработка вычислительных методов текстурного анализа изображений кристаллических микро- и наноструктур, математическое моделирование и анализ наблюдаемости трёхмерных кристаллических структур по изображениям их проекций, создание инструментальных и проблемно-ориентированных программных комплексов текстурного анализа изображений.
Основные задачи диссертации
-
Разработка вычислительных методов и реализация алгоритмов текстурного анализа диагностических изображений кристаллических структур.
-
Сравнительный анализ алгоритмов классификации и идентификации кристаллических структур, выбор эффективного алгоритма текстурного анализа данного класса изображений.
-
Разработка математической модели наблюдения кристаллических наноструктур в пространстве состояний и определение условий наблюдаемости трёхмерных кристаллических структур по изображениям проекций.
-
Разработка инструментальных программных комплексов идентификации кристаллических наноструктур и проблемно ориентированных программных комплексов текстурного анализа изображений кристаллических структур.
Научная новизна работы
-
Разработана информационная технология текстурного анализа изображений кристаллических микроструктур, включающая алгоритм формирования пространства эффективных признаков, основанный на дискриминантном анализе, позволяющий уменьшить ошибку классификации заданного набора изображений диагностических кристаллограмм.
-
Предложен метод текстурного анализа изображений кристаллических наноструктур, для устранения неоднозначности возникающей при классификации и идентификации предложен алгоритм анализа наблюдаемости трёхмерных кристаллических структур, основанный на математическом моделировании наблюдения проекций кристаллических решеток с использованием теории кинематики вращательного движения системы материальных точек.
-
Проведено комплексное исследование задачи классификации и определены условия практического применения методов классификации для определения типа кристаллических решеток, отличающихся использованием пространства признаков, основанного на анализе статистического распределения расстояний между узлами на изображениях проекций.
-
Разработан алгоритм идентификации параметров кристаллической решётки, отличающийся применением метрик сравнения параметров ячеек Браве и Вигнера-Зейтца, обеспечивающий высокую вероятность точной идентификации типа кристаллической решётки.
-
Созданы инструментальные программные комплексы, позволяющие эффективно решать задачи анализа изображений кристаллических наноструктур. Созданы проблемно-ориентированные программные комплексы текстурного анализа изображений кристаллических микроструктур, позволяющие эффективно решать задачи анализа диагностических изображений кристаллограмм.
Практическая значимость работы
Разработанные системы определения типа и оценивания параметров кристаллической решётки апробированы в процессе решения конкретных задач и дали положительные результаты в ИСОИ РАН и ООО «Инновационные технологии». Программные комплексы текстурного анализа изображений кристаллических микроструктур используются в составе компьютерной системы, предназначенной для проведения диагностики заболеваний по изображениям кристаллограмм в ФБУ Центр реабилитации Фонда социального страхования Российской Федерации «Волгоград». Научно-методические результаты успешно применяются в учебном процессе на кафедре технической кибернетики СГАУ при подготовке бакалавров, магистров и специалистов по специальностям «Прикладная математика и информатика» и «Прикладные математика и физика». Результаты внедрения работы подтверждены соответствующими актами.
Реализация результатов работы
Диссертационная работа выполнялась в СГАУ и ИСОИ РАН в соответствие с планами государственных и отраслевых научных программ: российско-американской программы «Фундаментальные исследования и высшее образование» (гранты CRDF RUX0-014-SA-06, PG08-014-1, Y2-M-14-07) 2003-2010 гг.; ФЦП «Научные и научно-педагогические кадры инновационной России» (госконтракт № 02.740.11.0841) 2009-2012 гг.; гранта Президента РФ поддержки ведущих научных школ (НШ-7414.2010.9) 2010 г.; грантов РФФИ (№06-07-08006-офи, 07-08-96611-р_поволжье_а, 08-07-90712-моб_ст, 10-01-90708-моб_ст, 10-07-00341-а, 12-01-00237-а) 2006-2013 гг.; программы № 5 фундаментальных исследований Президиума РАН «Фундаментальные науки - медицине» 2005-2011 гг.; программы № 6 фундаментальных исследований ОНИТ РАН «Биоинформатика, современные информационные технологии и математические методы в медицине» 2012 г.; государственного задания № 8.3195.2011 Минобрнауки РФ 2012-2013 гг.
Методы исследования:
В диссертационной работе используются методы распознавания образов, обработки изображений и математического моделирования, основы теории вероятностей и математической статистики, теории кинематики вращательного движения, теории управления. Результаты исследований подтверждены реализацией основных алгоритмов в виде комплексов программ и проведением вычислительных экспериментов на тестовых и натурных изображениях.
На защиту выносятся:
-
Информационная технология текстурного анализа изображений кристаллических микроструктур, включающая алгоритм формирования пространства эффективных признаков для классификации заданного набора изображений.
-
Метод текстурного анализа изображений кристаллических наноструктур, включающий алгоритм анализа наблюдаемости трёхмерных кристаллических решёток по изображениям проекций и методы формирования пространства признаков с использованием оценки статистического распределения расстояний между узлами решёток на изображении их проекций.
-
Математическая модель наблюдения кристаллических решёток в пространстве состояний и полученные условия наблюдаемости кристаллических решеток. Алгоритм идентификации кристаллических решеток на основе оценивания параметров ячеек Браве и Вигнера-Зейтца.
-
Инструментальные программные комплексы для классификации и идентификации параметров кристаллических решёток. Проблемно-ориентированные программные комплексы текстурного анализа изображений кристаллических микроструктур.
Достоверность результатов
Достоверность полученных в работе экспериментальных результатов обеспечена на уровне 95% проведением вычислительных экспериментов и компьютерных расчётов с достаточными объёмами выборки. Достоверность полученных в работе выводов и рекомендаций подтверждена корректностью постановки задачи, стабильной воспроизводимостью результатов, систематическим характером экспериментальных исследований.
Апробация работы
Основные результаты и положения диссертации были представлены на 10 конференциях, в т.ч.: 5-й Международной конференции «Распознавание образов и анализ изображений: новые информационные технологии (РОАИ-5-2000) Самара, 16-22 октября 2000 г.; Fourth Indian Conference on Computer Vision, Graphics & Image Processing, ICVGIP 2004, Kolkata, India, December 16-18, 2004; 13th European Signal Processing Conference EUSIPCO 2005, Antalya, Turkey, September 4-8 2005; XVI Международной конференции «Лазерно-информационные технологии в медицине, биологии и геологии - 2008», п. Абрау-Дюрсо, Новороссийск, 8-12 сентября 2008; VI-й Международной научной конференции «Кинетика и механизм кристаллизации. Самоорганизация при фа-зообразовании». Иваново, Россия, 21-24 сентября 2010 г.; 8th Open German-Russian Workshop «PATTERN RECOGNITION and IMAGE UNDERSTANDING», OGRW-8-2011, Nizhny Novgorod, Russian Federation, November 21 -26, 2011.
Публикации
Автором лично и в соавторстве опубликовано 96 научных работ. Основное содержание диссертационной работы отражено в 36 публикациях: 20 статей в изданиях, рекомендованных ВАК; 2 монографии; 4 свидетельства об официальной регистрации программ для ЭВМ; 10 тезисов докладов на международных и всероссийских конференциях.
Личный вклад автора
Результаты, изложенные в диссертации, получены лично автором, вклад автора в работах, написанных в соавторстве, заключается в разработке математических методов текстурного анализа, разработке и реализации алгоритмов классификации и проведении вычислительных экспериментов. Постановка задач и обсуждение результатов проводились совместно с научным консультантом.
Структура работы
Диссертация состоит из введения, пяти глав и заключения, изложена на 190 страницах, содержит 67 рисунков, 16 таблиц, 3 приложения. Список литературы составляет 180 наименований.
