Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору
Проаналiзовано сучасний стан проблеми обробки складних зображень в iнформацiйно-аналiтичних системах комп’ютерного зору. Розглядається розв’язок проблеми автоматизованої обробки зображень в IАС комп’ютерного зору для складних умов представлення ракових клiтин людини (апоптозу — смертi клiтин та руйн...
Saved in:
| Date: | 2009 |
|---|---|
| Main Author: | |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Видавничий дім "Академперіодика" НАН України
2009
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/17182 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору / В.В. Грицик // Доп. НАН України. — 2009. — № 7. — С. 36-41. — Бібліогр.: 4 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859604314763296768 |
|---|---|
| author | Грицик, В.В. |
| author_facet | Грицик, В.В. |
| citation_txt | Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору / В.В. Грицик // Доп. НАН України. — 2009. — № 7. — С. 36-41. — Бібліогр.: 4 назв. — укр. |
| collection | DSpace DC |
| description | Проаналiзовано сучасний стан проблеми обробки складних зображень в iнформацiйно-аналiтичних системах комп’ютерного зору. Розглядається розв’язок проблеми автоматизованої обробки зображень в IАС комп’ютерного зору для складних умов представлення ракових клiтин людини (апоптозу — смертi клiтин та руйнацiї). При цьому здiйснюється попередня обробка зображень в умовах впливу хiмiчних та фiзичних чинникiв розпiзнавання та класифiкацiї, проведення статистичних оцiнок даних.
The current state of image processing problems within information-analytic systems of computer vision has been analyzed. Solving the problem of automatic image processing under complex conditions of a representation of human cancer cells (apoptosis, programmed cell death) is considered. The previous image processing under conditions of the influence of chemical and physical factors of the processing and the classification is realized, and the statistical estimation of data is performed.
|
| first_indexed | 2025-11-28T02:33:59Z |
| format | Article |
| fulltext |
оповiдi
НАЦIОНАЛЬНОЇ
АКАДЕМIЇ НАУК
УКРАЇНИ
7 • 2009
IНФОРМАТИКА ТА КIБЕРНЕТИКА
УДК 681.62:655
© 2009
В.В. Грицик
Обробка складних зображень та їх розпiзнавання
в iнформацiйно-аналiтичних системах комп’ютерного
зору
(Представлено членом-кореспондентом НАН України В.В. Грициком)
Проаналiзовано сучасний стан проблеми обробки складних зображень в iнформацiй-
но-аналiтичних системах комп’ютерного зору. Розглядається розв’язок проблеми ав-
томатизованої обробки зображень в IАС комп’ютерного зору для складних умов пред-
ставлення ракових клiтин людини (апоптозу — смертi клiтин та руйнацiї). При цьому
здiйснюється попередня обробка зображень в умовах впливу хiмiчних та фiзичних чин-
никiв розпiзнавання та класифiкацiї, проведення статистичних оцiнок даних.
Обробка складних зображень є однiєю з важливих i актуальних задач у найрiзноманiтнi-
ших галузях науки та прикладного застосування складних зображень в автоматизованому
процесi обробки даних. Особливо важливою є реалiзацiя в iнформацiйно-аналiтичних систе-
мах (IАС) для рiзних предметних областей знань, наприклад в мiкробiологiї та в технiчних
розробках, на основi комп’ютерного зору в реальному часi [1–3].
Нижче розглядається вирiшення проблеми автоматизованої обробки зображень в IАС
комп’ютерного зору для складних умов представлення ракових клiтин людини (апопто-
зу — смертi клiтин та руйнацiї). При цьому здiйснюється попередня обробка зображень
в умовах впливу хiмiчних та фiзичних чинникiв розпiзнавання та класифiкацiї, проведення
статистичних оцiнок даних.
Опис об’єктiв зображень та мета дослiдження. Об’єктом дослiдження є раковi
клiтини людини. Мета дослiдження — пошук методiв, алгоритмiв реалiзацiї IАС на основi
комп’ютерного зору впливу клiтини ракових новоутворень людини для їх руйнацiї i апо-
птозу — смертi ракових клiтин. В основi IАС є обробка, розпiзнавання та класифiкацiя
i прийняття рiшень на базi комп’ютерного зору. Бiологiчний матерiал пiддається впливу хi-
мiчних, фiзичних та природних чинникiв рiзного роду [4]. Пiсля цього клiтини обробляють
i здiйснюють розпiзнавання, класифiкацiю i аналiз, що полягає у виконаннi певної статисти-
чної руйнацiї ДНК клiтин (комети). Ступiнь руйнацiї ДНК клiтини визначається ступенем
витягування її хвоста (комети).
36 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2009, №7
Рис. 1. Рiзновиди комет
Основнi функцiональнi задачi IАС комп’ютерного зору полягають у наступ-
ному.
1. Розробка та реалiзацiя алгоритмiв пошуку об’єктiв (клiтин) на полi уваги.
2. Розпiзнавання певних класiв зображень об’єктiв.
3. Класифiкацiя та автоматизацiя аналiзу, прийняття рiшень та звiтностi прийняття
рiшень i керування у звiтностi.
Попередня обробка зображень клiтин. Iснують рiзнi методики зображень та оброб-
ки клiтин перед подальшим аналiзом, через це i рiзновидiв зображень комет є кiлька
(див. рис. 1, а, б ). Двома основними є чорно-бiлi, та так званi червонi зображення комет [4].
Щоб визначити ступiнь впливу зовнiшнього чинника на комети (медичний препарат,
методика лiкування тощо), необхiдно порiвняти площi ядра комети i її хвоста. Оскiльки
досi дослiдження комет проводилося виключно вручну, то класифiкацiйними параметрами,
якими користувалися на практицi, були не площi вiдомих частин комети (площу складно
визначити), а радiус її ядра i довжина хвоста. Тобто класифiкацiя полягала у зiставленнi
цих величин.
Класи образiв клiтин. Згiдно iз ступенем руйнацiї ДНК клiтини, комети було подiле-
но [4] на шiсть класифiкацiйних угрупувань, тобто класiв, за такими критерiями.
К л а с 0 . Мiстить у собi тi з клiтин, ступiнь дiї препарату на якi найменший. Клiти-
на практично не реагує на подразник i руйнацiя її ДНК не вiдбувається. Хвiст клiтини
невеликий або взагалi вiдсутнiй.
К л а с 1 . Об’єднує клiтини, в яких радiус хвоста менший — дорiвнює двом радiусам
ядра. Такi клiтини слабо реагують на зовнiшнiй фактор, дiя якого дослiджується.
К л а с 2 . Це комети, якi вiдреагували на подразник сильнiше, нiж попереднi класи
клiтин, проте вплив на них недостатнiй.
К л а с и 3 i 4 . Клiтини-комети, вплив подразника на якi досить вагомий, проте повної
руйнацiї ДНК не вiдбувається.
К л а с 5 . Рiдко зустрiчається на практицi. Маса клiтини п’ятого класу повнiстю пере-
йшла у хвiст, а отже зовнiшнiй фактор впливу призвiв до повної руйнацiї її ДНК.
Математичний опис класових спiввiдношень комет наведений в табл. 1.
Модель та алгоритми пошуку об’єктiв на полi уваги i фiльтрацiя попереднiх
образiв. Моделi, функцiональнi завдання та розробка алгоритмiв. В межах поставлених
проблем розглянуто моделi та дослiджено основнi етапи розробки алгоритмiв пошуку зо-
бражень на полi уваги, розпiзнавання об’єктiв та їх класифiкацiя, автоматизацiя аналiзу та
звiтностi, прийняття рiшення паралельного контролю та зворотний iнформацiйний зв’язок.
ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2009, №7 37
Алгоритм пошуку об’єктiв на полi уваги. У цiй основнiй задачi алгоритму є пошук
в межах поля уваги завантаженого користувачем зображення об’єктiв. При цьому необхiдно
розв’язати таку задачу: вiдокремлення зображення об’єктiв та зображення фону у полi
уваги. Таким чином здiйснити певну фiльтрацiю зображень у полi уваги.
Розпiзнавання та класифiкацiя об’єктiв на полi уваги. На цьому етапi IАС за-
пропонована модель розпiзнавання та класифiкацiї складних зображень, якi мiстять у собi
три складовi зображень (див. рис. 1, а, б ): ядра комет, хвоста i фон. Для розв’язання задач
запропоновано такий пiдхiд: створення масиву вiдтворення ядра комет; масиву вiдтворення
комет загалом. Цей пiдхiд i запропонований метод дають можливiсть здiйснювати пiд час
розпiзнавання i класифiкацiї аналiз складових компонентiв клiтин — об’єктiв класифiкацiї.
Алгоритм пошуку об’єктiв на полi уваги. Самонавчальна система фiльтрацiї i вiд-
окремлення зображень в рамках IАС. Для побудови масивiв (робочi масиви, навчальнi сис-
теми) розроблено навчальну систему (програмну систему), яка визначає iз певної кiлькостi
пiкселiв зображення тi, що належать об’єктам зображень (ядрам в одному випадку i коме-
там — в iншому). Цю задачу розв’язано на основi алгоритму фiльтрацiї.
Система оптимiзацiї обсягiв iнформацiйної обробки даних зображення. На
цьому етапi здiйснюється аналiз зображення з метою вибору типу зразкiв, якi використову-
ються для подальшого опрацювання iнформацiї, на основi властивостi чорно-бiлих i скла-
дових кольорових зображень. Цей пiдхiд дає можливiсть зменшити обсяги iнформацiйної
обробки даних i опрацювання робочих зображень (рис. 1, б ) та оптимiзувати.
Алгоритм фiльтрацiї та вiдбору даних зображення. Залежно вiд значення яскра-
востi даних зображення, що вiдображає ядра комет зображення, запропоновано такий ал-
горитм:
Aij =
{
1, 0 6 aij 6 l,
0, l 6 aij 6 255,
(1)
Bij =
{
1, 0 6 aij 6 L,
0, L 6 aij 6 255,
(2)
де A — масив, що вiдображає ядра комет на зображеннi; 1 — верхня межа допустимої яскра-
востi даних (пiкселiв), що належать ядрам комет; aij — яскравiсть поточних даних зобра-
жень; B — масив, що вiдтворює комети, розташованi на зображеннi; L — верхня допустима
межа яскравостi даних (пiкселiв) зображення, властивих кометам зразка; i, j — координати
поточних даних (пiкселя) зображення. Як результат фiльтрацiї отримано масиви даних A
i B: цей алгоритм реалiзує виконання i формування вихiдних масивiв, де визначає данi
в межах зображення, видiлення зображення на основi фiльтрацiї зображення та отримано
Таблиця 1
Клас Спiввiдношення
0 R 6 r
1 R < 2 ∗ r
2 R = 2 ∗ r
3 2 ∗ r < R < 3 ∗ r
4 3 ∗ r < R
5 3 ∗ r < R (без ядра, клiтина повнiстю перейшла у хвiст)
38 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2009, №7
Рис. 2. Критична область невизначеностi
Рис. 3. Вiдображення та обробка зображень: а — наглядне вiдображення; б — оброблене вiдображення
певний обсяг даних зображення разом з об’єктами на фонi (фонових даних), де створюється
певна критична область невизначеностi (невпевненостi) (див. рис. 2).
Завади на зображеннi. Як правило, в реальних умовах представлення зображення
клiтин у полi уваги маємо вплив завади названих ореол [4] — результат стороннього впливу,
який проявляється у виглядi шумового оточення об’єктiв або зображення (рис. 3, а, б ).
Вiдзначимо труднiсть представлення складних зображень, яка полягає в тому, що еле-
менти зображення ореолу мають ту ж iнтенсивнiсть, що й комети. У зв’язку з цим для
обробки зображення запропоновано алгоритм видiлення об’єктiв, який об’єднує такi етапи:
1) формування робочих масивiв A i B, якi вiдтворюють завантажене для обробки зо-
браження;
2) подальшi етапи видiлення зображень здiйснюються на основi їх обробок. Це має ряд
переваг, основою яких є проведення певної кiлькостi iтерацiй, що реалiзують обробку даних
iз масивами, а не iз зображеннями, тому час виконання програми iстотно знизиться. Робочi
масиви мiстять вiдтворенi зображення n об’єктiв класифiкацiї. Тому для цього необхiдно
виконати їх почерговий перебiр. Оскiльки об’єкти на зображеннi розмiщенi хаотично, то
наперед їх кiлькiсть не визначена, що ускладнює реалiзацiю перебору;
3) на цьому етапi здiйснюється алгоритм доцiльного спрямування обробки, яка полягає
у вiдокремленнi (вирiзаннi) пiкселiв поточного об’єкта у масив — буфер, де класифiкується,
а пiсля цього видiляється.
Така модель реалiзацiї етапiв запропонована для того, щоб проводити послiдовну кла-
сифiкацiю об’єктiв — клiтин.
Наступний алгоритм видiлення об’єктiв зображень полягає у здiйсненнi та реалiзацiї
алгоритму перебору об’єктiв для класифiкацiї, що функцiонує таким чином:
1) методом перебору пiкселiв зображення (елементiв робочого масиву) по рядках знахо-
диться перший нефоновий пiксель (елемент масиву дорiвнює 1);
ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2009, №7 39
2) вiдносно вибраного пiкселя здiйснюється вирiзання (знiмання) усiх одиничних пiк-
селiв, розташованих з лiвого та правого бокiв вiдносно поточного пiкселя. Знiмання по-
лягає в обнулiннi пiкселiв робочого масиву i їх вiдтвореннi у буферi з тими ж коорди-
натами;
3) знiмання першого ряду пiкселiв об’єкта; виконується пошук одиничного пiкселя, роз-
ташованого на один ряд нижче i дотичного до видiлених пiкселiв даного ряду. Вiдносно
знайденого пiкселя повторно виконується операцiя 2;
4) ознакою завершення видiлення об’єкта є вiдсутнiсть у новому рядку дотичних до
поточного одиничних пiкселiв;
5) при вирiзаннi (зняттi) об’єкта у буфер здiйснюється завершення його обробки. Пiсля
нового його виклику все повторюється. Ознакою завершення класифiкацiї є вiдсутнiсть
у робочому масивi об’єктiв (робочий масив порожнiй).
Фiльтрацiя. Важливим у розпiзнаваннi складних зображень клiтин є здiйснення фiль-
трацiї, тобто вiдсiювання стороннiх об’єктiв i конгломератiв [3], якi не можуть бути адекват-
но прокласифiкованi алгоритмом класифiкацiї, оскiльки, по-перше, наперед вони йому не
вiдомi, а по-друге, наслiдком злиття комет є неможливiсть визначення їх класифiкацiйних
ознак.
Алгоритм вiдсiювання стороннiх об’єктiв реалiзовано за їх габаритами (величиною, роз-
мiрами). В алгоритмi (програмi) закладено дiапазон допустимих розмiрiв комет. Всi об’єкти,
розмiри яких лежать у цьому промiжку, визначаються як потенцiйнi комети. Тi з об’єк-
тiв-перешкод, за габаритами яких не реалiзовано алгоритм фiльтрацiї та якi мають розмi-
ри, меншi за мiнiмально допустимi, усуваються без передачi у буфер класифiкацiї. Що ж
до конгломератiв, то вони визначаються недопустимо великими розмiрами. Пiсля внесення
конгломерату до статистичного блоку (статистики) вiн також видаляється.
Таким чином, на основi такого алгоритму у цьому етапi програма усуває об’єкти зобра-
ження, якi не варто класифiкувати.
Алгоритм видiлення об’єктiв добре себе зарекомендував: пiд час його випробування
i проведення експериментальних та iмiтацiйних, обчислювальних дослiджень отримано ви-
соку достовiрнiсть розв’язку задач в умовах опуклих об’єктiв; у випадку неопуклих об’єктiв
потрiбно роздiлити об’єкт на частини i здiйснити опрацювання їх по черзi. Особливо ефек-
тивним є алгоритм у застосуваннi випадку, коли комети є опуклими клiтинами.
Алгоритм обробки даних для мiнiмiзацiї у полi уваги рецепторного поля.
Нижче дослiджено та розроблено пiдхiд i запропоновано алгоритм для розробки i реалiзацiї
мiнiмiзацiї у полi уваги рецепторного поля обробки даних. Необхiднiсть реалiзацiї зумовлена
тим, що об’єкти для класифiкацiї надаються по черзi у спецiально видiлений буфер пам’ятi,
де формується у виглядi масиву, що за розмiрами дорiвнює робочим масивам. Об’єкти
класифiкацiї вiдображаються згiдно з їх розмiщенням на зображеннi поля уваги.
Мета iдеї мiнiмiзацiї площi масиву — буфера, що обробляється пiд час процесу оброб-
ки даних для класифiкацiї, дозволить iстотно зменшити витрати часу на класифiка-
цiю. Через те, що об’єкти мають довiльну форму i певний образ (зображення), приро-
дно запропонувати простий окiл поля уваги як площу описаного навколо об’єкта прямо-
кутника.
Оскiльки в масивi присутнiй лише один об’єкт, то алгоритм його видiлення досить про-
стий. Здiйснюється пошук чотирьох крайнiх точок об’єкта, закладеного у буфер шляхом
почергового перебору елементiв буфера за рядками i за стовпцями. Таким чином, визначено
крайнi точки, якi позначимо через A, B, C, D (рис. 4).
40 ISSN 1025-6415 Reports of the National Academy of Sciences of Ukraine, 2009, №7
Рис. 4. Визначення крайнiх точок об’єкта
A(x1, y1), B(x2, y2),
C(x3, y3), D(x4, y4).
(3)
Алгоритм класифiкацiї зображень комет. В основу алгоритму класифiкацiї зобра-
жень комет покладено пiдхiд до визначення радiуса ядра комети r i довжини хвоста R.
Цi величини визначаються як пошук максимально видiленого вiд центра об’єкта (комети,
ядра) пiкселя. Вiдстань обчислюється таким чином:
l =
√
(x2 − x1)2 + (y2 − y1)2. (4)
Отже, алгоритм визначається як належнiсть до того чи iншого класу комет за спiввiдно-
шеннями величин r i R.
На основi класифiкацiї зображень формуються основнi статистичнi данi та спiввiдно-
шення: параметри r i R (r/R). Цi показники є базою АIАС для проведення дослiджень
зображень, їх вiдтворення, розпiзнавання та прийняття рiшень у керуваннi.
1. Форсайт Д., Понс Ж. Компьютерное зрение: современный подход. – Москва; Санкт-Петербург; Киев:
Вильямс, 2004. – 908 с.
2. Грицик В.В., Влах М.А. Технiчнi та програмнi засоби розпiзнавання та аналiзу зображень складних
бiологiчних об’єктiв // Iнформацiйнi технологiї i системи. – 2005. – 8, № 1. – С. 17–28.
3. Грицик В.В. Iнформацiйно-аналiтична система обробки та розпiзнавання i управлiння складними
зображеннями в заданому полi уваги. Системнi технологiї // Регiон. мiжвуз. зб. наук. праць. Мате-
матичне та програмне забезпечення iнтелектуальних систем. – 2006. – № 47. – С. 96–101.
4. Ключiвська О.Ю., Стойка Р.С. Вплив флюрохромних барвникiв на апоптоз // Iнформацiйнi техно-
логiї i системи. – 2005. – 8, № 1. – С. 89–102.
Надiйшло до редакцiї 01.12.2008Державний науково-дослiдний iнститут
iнформацiйної iнфраструктури НАН України, Львiв
V.V. Hrytsyk
Sophisticated image processing and its recognition within
information-analytic systems of computer vision
The current state of image processing problems within information-analytic systems of computer
vision has been analyzed. Solving the problem of automatic image processing under complex condi-
tions of a representation of human cancer cells (apoptosis, programmed cell death) is considered.
The previous image processing under conditions of the influence of chemical and physical factors of
the processing and the classification is realized, and the statistical estimation of data is performed.
ISSN 1025-6415 Доповiдi Нацiональної академiї наук України, 2009, №7 41
|
| id | nasplib_isofts_kiev_ua-123456789-17182 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1025-6415 |
| language | Ukrainian |
| last_indexed | 2025-11-28T02:33:59Z |
| publishDate | 2009 |
| publisher | Видавничий дім "Академперіодика" НАН України |
| record_format | dspace |
| spelling | Грицик, В.В. 2011-02-23T20:32:45Z 2011-02-23T20:32:45Z 2009 Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору / В.В. Грицик // Доп. НАН України. — 2009. — № 7. — С. 36-41. — Бібліогр.: 4 назв. — укр. 1025-6415 https://nasplib.isofts.kiev.ua/handle/123456789/17182 681.62:655 Проаналiзовано сучасний стан проблеми обробки складних зображень в iнформацiйно-аналiтичних системах комп’ютерного зору. Розглядається розв’язок проблеми автоматизованої обробки зображень в IАС комп’ютерного зору для складних умов представлення ракових клiтин людини (апоптозу — смертi клiтин та руйнацiї). При цьому здiйснюється попередня обробка зображень в умовах впливу хiмiчних та фiзичних чинникiв розпiзнавання та класифiкацiї, проведення статистичних оцiнок даних. The current state of image processing problems within information-analytic systems of computer vision has been analyzed. Solving the problem of automatic image processing under complex conditions of a representation of human cancer cells (apoptosis, programmed cell death) is considered. The previous image processing under conditions of the influence of chemical and physical factors of the processing and the classification is realized, and the statistical estimation of data is performed. uk Видавничий дім "Академперіодика" НАН України Інформатика та кібернетика Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору Sophisticated image processing and its recognition within information-analytic systems of computer vision Article published earlier |
| spellingShingle | Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору Грицик, В.В. Інформатика та кібернетика |
| title | Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору |
| title_alt | Sophisticated image processing and its recognition within information-analytic systems of computer vision |
| title_full | Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору |
| title_fullStr | Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору |
| title_full_unstemmed | Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору |
| title_short | Обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору |
| title_sort | обробка складних зображень та їх розпізнавання в інформаційно-аналітичних системах комп'ютерного зору |
| topic | Інформатика та кібернетика |
| topic_facet | Інформатика та кібернетика |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/17182 |
| work_keys_str_mv | AT gricikvv obrobkaskladnihzobraženʹtaíhrozpíznavannâvínformacíinoanalítičnihsistemahkompûternogozoru AT gricikvv sophisticatedimageprocessinganditsrecognitionwithininformationanalyticsystemsofcomputervision |