 |
Анализ и интерпретация результатов тестирования
|
|
|
|
На основе результатов, полученных в ходе первого этапа тестирования, можно сделать вывод, что алгоритм предварительной обработки работает при условиях зашумления среднего уровня, разности освещенности и структуре линий и трещин любой сложности. Единственное ограничением для данного алгоритма служит разрешение исходного изображения. Это следует из анализа рисунков 23, 24, 25, 26. При разрешении 700х700pix появляются утолщения в местах пересечения линий и артефакты "заливки" замкнутых областей. При дальнейшем снижении разрешения искажения значительно усиливаются. Метод анализа данных, полученных в ходе второго этапа тестирования, заключался в соотнесении картины тестового изображения к значениям функций радиальных и тангенциальных проекций линий, а так же графиком распределения плотности линий в сегментах.
Особенность первого тестового изображения заключается в преобладании линий идущих радиально или с минимальным отклонением и симметрии относительно центра. Для удобства и наглядности будем рассматривать угловой сектор изображения. Значения функции Rad (сумма радиальных проекций) представлены графиком на рисунке 31. Рост значений функции на участке "1" можно соотнести с тем, что на сегмент "1" сектора тестового изображения приходится больше линий, а уменьшение значений на участке "2" можно соотнести с уменьшением линий и их утоньшением в сегменте "2". Данные соотношения применимы для большинства изображений (рис.32, рис.33).
На рисунке 34 представлен график значений функции Tan (тангенциальные проекции линий). Острые пики на данном графике можно соотнести с линиям, минимально отклоняющиеся от радиуса. Данный эффект возникает из-за того что все пиксели лежащие на радиусе при проекции на нормаль суммируются функцией Tan. Обойти его на данном этапе разработки не представляется возможным, но из-за малой протяженности данные возмущения вносят минимальный вклад в среднее значение функции. С другой стороны эти возмущения пригодны для описания радиальных линий, они несут информацию о длине и распределении по угловым секторам. Данное соотношение применимо и к другим изображениям, имеющим радиальные линии (рис.35). Для остальных изображений установить соотношение между картиной разломов и функцией Tan не удалось, что говорит о необходимости корректировки расчета тангенциальных проекций.
|
|
|
Графики распределения плотности линий в сегментах для всех изображений похожи. Из визуального соотнесения картин разломов и графиков, можно предположить, что форма линий уровня, их количество, величина градиента и локальные особенности графика плотности несут информацию о структуре разломов.
Проверка данной гипотезы требует автоматизации работы алгоритмов и наличие достаточно большой выборки изображений.
Заключение
Подведем итог нашей работы.
Нами была изучена литература по кристаллографическим методам исследования, что позволило нам рассмотреть вопрос об особенностях описания результатов кристаллизации биологических жидкостей.
Выполнено изучение литературы по обработке изображений, распознаванию образов и методов реализации, на основе которых был разработан алгоритм распознавания формы трещин на изображении кристаллограммы. Алгоритм реализован в программных средах MATLAB и Mathcad.
Произведено тестирование алгоритма на специально отобранных изображениях кристаллограмм. Также били проведены анализ и интерпретация данных, полученных в ходе тестирования, сформулирован вывод о применимости алгоритма.
|
|
|
В итоге проведенных исследований выдвинутая нами гипотеза экспериментально подтвердилась. Поставленная цель была достигнута.
Таким образом, есть перспективы и далее продолжать работу по разработке и исследованию системы распознавании формы микрообъектов (на примере кристаллограмм) с целью решения проблемы автоматизации анализа данных кристаллографических исследований.
Библиографический список
1. Биокристалломика: общие представления, методология и методы исследования. [Текст] Учеб. пособие / сост. А.К. Мартусевич, А.А. Гришина. - Киров: Типография ВГСХА, 2009. - 26 с.
2. Воробьев, А.В., Кристаллогенез биологических жидкостей и субстратов в оценке состояния организма [Текст] / А.В. Воробьев, А.К. Мартусевич, С.П. Перетягин - Н. Новгород: ФГУ "ННИИТО Рос-медтехнологий", 2008. - 384 с.
. Мартусевич А.К. Физиология и патология кристаллостаза: общая парадигма и перспективы изучения [Текст] / Вестник Нижегородского университета им Н.И. Лобачевского. - 2010. - №1. - С.135‒139.
. Булатов, А. Изучение физико-биологических свойств плазмы крови онкогематологических больных с трансфузией тромбоцитов [Текст]: Выпускная квалификационная работа [Текст] / А. Булатов. - Киров, 2012. - 180 с.
5. И.М. Журавель "Краткий курс теории обработки изображений" [Электронный ресурс]. - Режим доступа: http://matlab. exponenta.ru/imageprocess/book2/index. php <http://matlab.exponenta.ru/imageprocess/book2/index.php>
. Курс "Введение в компьтерное зрение 2013" [Электронный ресурс]. - Режим доступа: http://courses. graphics. cs. msu.ru/course/view. php? id=4 <http://courses.graphics.cs.msu.ru/course/view.php?id=4>
. Анисимов, Б.В. Распознавание и цифровая обработка изображений: Учебное пособие для студентов вузов [Текст] / Б. В Анисимов, В.Д. Курганов, В.К. Злобин - М.: Высш. шк., 1983. - 295 с. ил.
. Распознавание образов. Состояние и перспективы. Пер. с англ. [Текст] / под редакцией Гуревича И.Г. М.: Радио и связь, 1985.
. Гонсалес, Р. обработка изображений в среде MATLAB. Перевод с английского В.В. Чепыжова [Текст] / Р. Гонсалес, Р. Вудс, С. Эддинс - М.: Техносфера, 2006. - 616с.
. Фу, К. Структурные методы в распознавании образов [Текст] / К. Фу. - М.: Мир, 1977.
. Canny J. F. Finding edges and lines in images [Текст] / Master’s thesis, MIT, Cambridge, USA, 1983.
|
|
|
