ГЛАВА 2
МЕТОДЫ ЦИФРОВОЙ ОБРАБОТКИ СЛОЖНЫХ ТЕКСТУРНЫХ ИЗОБРАЖЕНИЙ В КОМПЬЮТЕРНЫХ
СИСТЕМАХ
В главе рассматриваются новые принципы и методы обработки рентгеновских и
УЗ-изображений, ориентированные на применение автоматизированных процедур для
их количественного и качественного анализа. Для этого здесь рассматриваются
инвариантные к изменению масштаба, сдвига и ориентации метод распознавания
формы поверхности биомедицинских изображений, принципы компактного
представления, сетевые модели обработки, анализ биомедицинских изображений с
применением метода избыточного уравновешивания и параллельно-иерархической
нейросети, нейросетевой метод с обучением ПИ нейросети и формированием
текстурных признаков, а также система классификации рентгеновских и
УЗ-изображений на основе распознавания формы их поверхностей.
В работе обработка биомедицинских изображений организовывалась в виде
многоступенчатого процесса, подробно изложенного в Приложении А.
2.1. Метод формирования признаков компактного представления сложных текстурных
изображений
Данная часть работы связана с поиском и формированием информативных признаков
для выбранных распознаваемых объектов в сложных текстурних изображениях [2].
Общеизвестно, что качество распознавания в большей степени зависит от того,
насколько совокупность найденных признаков отображает наиболее существенную
разность объектов разных классов и подобие объектов одного и того же класса.
Вместе с тем универсального подхода к выявлению информативных признаков не
существует и к каждой задаче распознавания проблему признаков надо решать в
отдельности [2].
В работе предлагается в методологическом плане некоторый общий подход к
формированию признаков для значительного класса двумерных бинарных и
полутоновых изображений биомедицинских объектов.
Признаки изображения можно разделить на количественные, которые измеряются
непосредственно и отображаются действительными числами, и качественные,
обозначаемые символами. Некоторые из них определяются путем анализа силуэтов
(контуров) изображений, причем измерение этих признаков можно выполнять в
масштабе реального времени по мере поступлення отсчетов.
Задача символьного описания изображений есть переход от набора простейших
признаков к значительно меньшему набору средств описания, которые могут служить
в качестве начальных данных для последующей семантической интерпретации.
Основной этап при формировании символьного описания изображения состоит в
определении геометрических соотношений и связности между элементами в
предположении принадлежности их одному классу. В основе большинства методов
определения связности лежит цифровая модель [102].
2.1.1. Определение центра связности сложных изображений
Целью данной части работы является формирование простых признаков для анализа
бинарных и полутоновых изображений, с помощью которых можно описывать и
идентифицировать разные геометрические фигуры и в, частности, контуры перепадов
яркости в рентгеновских и УЗ-изображений.
Предложенный метод [103] определения центра связности основан на способе
уравновешения сумм связности. Из общего случая многоградационных изображений
рассматривается некоторый элемент, который связан с восемью соседними (рис.
2.1). Для исследования использованы бинарные изображения в виде плоских
геометрических фигур в декартовой системе координат (рис. 2.2).
Вначале определяется сумма связностей всех элементов, которые имеют значение 1
(рис. 2.3), потом связность каждого элемента 0 с элементами 1
(рис. 2.4).
Далее изображения совмещаются и вычисляется сумма всех элементов бинарного
изображения по горизонталям и вертикалям отдельно (рис. 2.5).
Методом уравновешивания определяется равенство сумм связностей по вертикалям и
горизонталям. Полученные таким образом две взаимоперпендикулярные линии и
фиксируют координаты центра связности
(рис. 2.6).
На рис. 2.6 центр связности () имеет координаты: =55,53; =55,53, а центр
тяжести (0) - =55,846; =55,846.
На основе выше рассмотренного метода построим математическую модель
уравновешивания полученных элементов бинарного изображения. Обозначим через -
связность единичного элемента , , а через - связность нулевого элемента , .
Нужно определить для каких координат , будет справедливо равенство сумм
связностей единичных и нулевых бинарных элементов.
Уравновешивание по столбцам и строкам должно удовлетворять следующей системе
условий:
(2.1)
Рассмотренный подход несложно применить для полутоновых изображений.
В этом случае необходимо применить операцию обобщенного контурного
препарирования [104] и отдельно анализировать суммы связностей единичных ,
нулевых и отрицательных препаратов.
Тогда аналогично системе условий (2.1) целесообразно сделать постолбцовое
уравновешивание сумм связностей нулевых и отрицательных препаратов и определить
для каких координат , будет соблюдаться равенство сумм отрицательных и нулевых
препаратов. То есть
Рис. 2.1. Направления связности элементов изображения
Рис. 2.2. Контурное представление изображения
Рис. 2.3. Связность единичных Рис. 2.4. Связность нулевых
элементов элементов
Рис. 2.5. Связность совмещенных единичных и нулевых элементов
Рис. 2.6. Сформированные центры связности () и тяжести (0)
(2.2)
Таким образом, применив операцию обобщенно-контурного препарирования [104] и
операцию уравновешивания [105] по столбцам и строкам – системы (2.1) и (2.2)
можно сформировать простые признаки для распознавания полутоновых изображений.
Полученные результаты позволяют сделать следующие обобщения:
У произвольного плоского объекта всегда можно выбрать характеристическую