Математическое моделирование, методы и программные средства текстурного анализа изображений кристаллических структур

• Автор: Куприянов, Александр Викторович
• Шифр специальности: 05.13.18
• Научная степень: Докторская
• Год защиты: 2013
• Место защиты: Самара
• Количество страниц: 239 с. : ил.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. ФОРМИРОВАНИЕ ЭФФЕКТИВНЫХ ПРИЗНАКОВ

ИЗОБРАЖЕНИЙ КРИСТАЛЛИЧЕСКИХ СТРУКТУР

1Л Этапы текстурного анализа изображений кристаллических структур .Л

1.2 Методы классификации текстурных изображений

1.3 Метод формирования статистических текстурных признаков

1.3.1 Этапы статистического текстурного анализа

1.3.2 Матрицы смежности

1.3.3 Статистические текстурные признаки второго порядка

1.3.4 Статистические текстурные признаки третьего порядка
1.3.5 Метод расчёта статистических текстурных признаков
1.4 Метод формирования признаков пространственного спектра
1.4.1 Формирование изображения пространственного спектра
1.4.2 Факторы формы спектра
1.5. Методы формирования признаков для сегментации изображений
1.5.1 Алгоритм текстурного анализа на основе сегментации
1.5.2 Локальные энергетические характеристики текстуры

1.6 Алгоритм формирования пространства эффективных признаков
1.6.1 Критерии разделимости классов
1.6.2 Формирование признаков, максимизирующих критерий разделимости
1.6.3 Экспериментальное исследование алгоритма формирования эффективных признаков на тестовых изображениях
1.7 Выводы
ГЛАВА 2. ТЕКСТУРНЫЙ АНАЛИЗ ИЗОБРАЖЕНИЙ
КРИСТАЛЛИЧЕСКИХ МИКРОСТРУКТУР
2.1 Задачи анализа изображений диагностических кристаллограмм
2.2 Методы предварительной обработки изображений
2.2.1 Гомоморфная фильтрация
2.2.2 Выравнивание яркости
2.2.3 Полосовая фильтрация
2.2.4 Адаптивная пороговая обработка
2.2.5 Адаптивная медианная фильтрация
2.2.6 Скелетизация изображения
2.2.7 Морфологическая обработка

2.3 Анализ кристаллограмм с использованием текстурных признаков
2.3.1 Результаты дискриминантного анализа
2.3.2 Результаты классификации с использованием статистических
текстурных признаков
2.3.3 Результаты классификации с использованием статистических
текстурных признаков поля направлений
2.3.4 Результаты текстурного анализа с использованием факторов формы пространственного спектра
2.4 Текстурный анализ кристаллограмм на основе выделения структурных элементов
2.4.1 Геометрический текстурный анализ дендритных кристаллограмм
2.4.2 Текстурная сегментация изображений кристаллограмм
2.5 Выводы:
ГЛАВА 3. ТЕКСТУРНЫЙ АНАЛИЗ И МАТЕМАТИЧЕСКАЯ МОДЕЛЬ
НАБЛЮДЕНИЯ КРИСТАЛЛИЧЕСКИХ НАНОСТРУКТУР
3.1 Формирование изображений кристаллических наноструктур
3.2 Кристаллические решётки
3.2.1 Параметры кристаллической решётки
3.2.2 Методы исследования кристаллических решёток

Двумерная матрица смежности Р& имеет размерность (7хС. На рисунке
1.5 графически представлена матрица образца кристаллограммы. Для визуализации использована обратная адаптивная логарифмическая шкала яркости: чем больше значение, тем темнее точка на рисунке.
Рисунок 1.5 - Визуализация матрицы смежности для изображения кристалло-граммы: а) полная матрица (256x256 точек); б) фрагмент матрицы (64x64 точек)
Сформированные матрицы являются инвариантными к повороту, сдвигу и масштабированию. Дополнительной нормировкой и центрированием значений матрицы обеспечивается инвариантность к линейным преобразованиям яркости, таким как изменение контрастности [4*; 27*].
1.3.3 Статистические текстурные признаки второго порядка
Для обеспечения достоверности тестирование работоспособности разработанных признаков проводилось на изображениях из альбома Бродаца (ВгосЫг) [5; 90] и базы данных текстурных изображений МеаьТех [6]. Далее в работе будут приводиться примеры обработки текстурных изображений и значения текстурных признаков, полученные с использованием разработанного программного комплекса для текстурного анализа диагностических кристаллограмм “Сгу1сх”.