Моделирование микроскопических изображений на основе анализа и модификации спектральных характеристик

• Автор: Смольянинов, Николай Александрович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Владивосток
• Количество страниц: 156 с. : ил.

Содержание
Введение
1. Моделирование, спектральный анализ и фильтрация микроскопических изображений
1.1. Спектральный анализ и спектральные характеристики изображений
1.2. Моделирование процессов формирования микроскопических изображений
1.3. Фильтрация микроскопических изображений
1.4 Постановка задач исследования
2. Моделирование и анализ изображений на основе ортогональных преобразований
2.1. Обобщенные спектральные характеристики изображений
2.2. Обобщенная фильтрация изображений
2.3. Моделирование изображений с заданными спектральными характеристиками
2.4. Моделирование изображений на основе анализа спектральных характеристик вейвлет-преобразований
2.4.1. Моделирование и анализ изображений на основе непрерывного вейвлет-преобразования
2.4.2. Моделирование и анализ изображений на основе дискретного вейвлет-преобразования
2.5 Основные результаты главы
3. Моделирование и анализ фрактальных изображений
3.1. Стохастические фрактальные изображения
3.1.1. Степенные спектральные плотности и фрактальные изображения
3.1.2. Оценивание фрактальной размерности
3.2. Моделирование стохастических фрактальных изображений
3.3. Моделирование изображений с заданными
фрактальными характеристиками

3.3.1. Моделирование изображений с фрактальными свойствами
3.3.2. Инвариантные меры в пространственной области
3.3.3. Моделирование фрактальных структур различных масштабові
3.4. Основные результаты главы
4. Применение разработанных методов и программных средств для моделирования и анализа изображений
4.1. Программные средтства для моделирования и анализа изображений.
4.2. Идентификация спектральных характеристик и моделирование микроскопических изображений
4.3. Устранение искажений непериодических микроструктур на изображениях
4.4. Исследование взаимосвязи кристаллических и магнитных наноструктур по микроскопическим изображениям
4.5. Моделирование изображений оптической микроструктуры термохалинных
неоднородностей морской воды и облачного покрова
4.6 Основные результаты главы
Заключение
ЛИТЕРАТУРА

Введение
Актуальность работы. Начиная с середины 60-х годов, в оптической и электронной микроскопии применяются различные средства обработки изображений. В 1964 г. Клуг и Бергер использовали для спектрального анализа микроскопических изображений явление оптической дифракции. В 1966 г. Де Розия и Клуг предложили метод фильтрации изображений, основанный на двойном преобразовании Фурье в оптической системе. С конца 60-х годов в оптической и электронной микроскопии начинают широко использоваться методы цифровой обработки изображений (А. Розенфельд, У. Прэтт и др.). К середине 80-х годов в СССР разработан метод оптико-структурного машинного анализа микроскопических изображений (K.M. Богданов, К.А. Яновский, Б.П. Пантелеев, Ю.Г. Козлов, В.И. Шихер,
B.C. Эм), а также комплекс аппаратуры “Протва”, в состав которого входили оптические и электронные микроскопы, микро и мини ЭВМ, автоматизированная система дифракционного анализа изображений, система морфометрического анализа микрообъектов, система обработки телевизионных изображений. В последнее десятилетие многократно увеличилась вычислительная эффективность доступных широкому кругу исследователей персональных компьютеров. Повсеместное распространение получили высококачественные системы ввода и отображения двумерной информации. Возросли и возможности электронно-оптических методов исследования особенно в части, касающейся цифровой обработки изображений. Однако по-прежнему актуальными остаются методы обработки и анализа, использующие спектральный анализ, фильтрацию и моделирование микроскопических изображений.
Спектральный анализ - важнейшее направление в обработке микроскопических изображений. Спектральные характеристики изображений позволяют количественно описывать упорядочения и анизотропию в структуре, оценивать и идентифицировать спектральные плотности

нелинейного медианного фильтра [17,41] устраняет высокочастотный шум в местах однородного поведения основного сигнала и при этом не размывает естественные резкие границы между участками с различными уровнями интенсивности.
На рис. 1.5 показана общая структура программных средств для фильтрации микроскопических изображений, разработанных в ЛЭМОИ ДВФУ. По алгоритмической реализации процедуры линейной и нелинейной фильтрации, представленные в данной программной системе, разделяются на пространственную и пространственно-частотную фильтрацию. Для пространственной фильтрации используется скользящая маска-фильтр, накладываемая на обрабатываемое изображение. С помощью различных масок реализованы: процедуры линейной
фильтрации в пространственной области с импульсной характеристикой, задаваемой в окне конечных размеров (НЧ и ВЧ фильтрации, преобразования Лапласа, градиентные преобразования, фильтрация с произвольно конструируемой в пределах окна импульсной характеристикой и др.); процедуры нелинейной фильтрации (удаление тренда, медианная фильтрация, фильтрации Уоллиса, Собеля, статистическое дифференцирование, морфологическая фильтрация и др.) [18,22,25,38].
В случае пространственно-частотной фильтрации обработка изображений как с помощью линейных, так и с помощью нелинейных фильтров осуществляется в частотной области. Методами пространственно-частотной фильтрации реализованы: процедуры
линейной фильтрации (НЧ, ВЧ, полосовая, оптимальная и др.); устранение смаза, размытия; согласованная фильтрация; нелинейная фильтрация (вычисление кепстра, извлечение корня из спектральных коэффициентов и др.) [18,26,38,52].