Алгоритмы и программные средства эволюционной обработки изображений

• Автор: Белоусов, Артем Анатольевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Томск
• Количество страниц: 168 с. : ил.

Оглавление

Список использованных сокращений и обозначений

ВВЕДЕНИЕ
Глава I. Аналитический обзор эволюционных алгоритмов и их применения к обработке изображений

1.1. Задачи обработки изображений.

1.2. Анализ эволюционных алгоритмов.

1.2.1. Операторы генетического алгоритма.

1.2.2. Модели генетических алгоритмов

1.3. Обработка изображений при помощи генетических алгоритмов.

1.3.1. Улучшение изображений.

1.3.2. Распознавание образов.

1.3.3. Обработка медицинских изображений.
1.4. Цели и задачи исследования.
1.5. Основные результаты и выводы по главе 1
Глава 2. Применение генетического алгоритма для улучшения изображений .
2.1. Схема применения генетического алгоритма.
2.2. Функции, применяемые при обработке.
2.2.1. Ядро улучшения изображений
2.2.2. Критерий качества изображений.
2.3. Выбор модели генетического алгоритма.
2.3.1. Критерии выбора моделей.
2.3.2. Описание реализованных моделей генетических алгоритмов
2.3.3. Результаты тестирования различных моделей ГА
2.4. Определение наиболее ресурсоемких этапов обработки.
2.5. Выбор и исследование этапов предобработки изображений
2.5.1. Повышение четкости изображения с использованием модели
ШшптапсееПес1апсе
2.5.2. Выравнивание гистограммы изображения
2.5.3. Обработка масштабированных изображений
2.6. Применение предварительных этапов.
2.7. Основные результаты и выводы по главе 2.
Глава 3. Разработанные программные средства для улучшения изображений .
3.1. Библиотека для обработки изображений
3.1.1. Требования к библиотеке классов.
3.1.2. Выбор средств разработки.
3.1.3. Структура классов библиотеки.
3.2. Разработанные программные средства.
3.2.1. Приложение для автоматизированного тестирования методов обработки изображений.
3.2.2. Приложение для обработки изображений конечными пользователями.
3.3. Основные результаты и выводы но главе 3
Глава 4. Тестирование и применение разработанных алгоритмов и
программных средств.
4.1. Проблемы обработки изображений в металлографии.
4.1.1. Обзор задач металлографии и способов их решения
4.1.2. Применение разработанного алгоритма для подготовки снимков макро и микроструктуры шлифов
4.2. Тестирование разработанного ПО.
4.2.1. Описание экспериментов.
4.2.2. Результаты экспериментов.
4.3. Основные результаты и выводы по главе 4
ЗАКЛЮЧЕНИЕ.
Список использованных источников


Описана схема использования масштабирования в итоговом алгоритме. В третьей главе приведено полное описание разработанных программных средств. Сформулированы требования к библиотеке функций, реализующей разработанный алгоритм. Описывается набор принципов проектирования классов SOLID, использованный для разработки архитектуры библиотеки GeneticEnhancer. Произведен анализ доступных средств разработки и на основе анализа выбраны языки программирования для реализации библиотеки. Для разработки была выбрана платформа Microsoft . Net Framework и языки программирования Visual C++ и Visual С#, поскольку они отвечают всем сформулированным требованиям. Описывается технология ОрепМР, использованная для параллельной обработки массивов данных. Произведено исследование влияния применения данной технологии на время обработки. Показано, что применение параллельных вычислений для преобразования изображений и нахождения значения целевой функции позволяет сократить время обработки приблизительно на %. Осуществлено описание разработанных программных средств автоматизированного тестирования методов обработки изображений. Описана программа улучшения визуального качества изображений для конечных пользователей. Перечислены функции и возможности каждой из этих программ. В четвертой главе приведено описание задач металлографии, решаемых с использованием цифровых изображений. Описываются методы исследования макро- и микроструктуры металлических шлифов. Анализируются особенности получаемых при исследовании цифровых снимков. Произведена адаптация разработанного алгоритма для решения задач металлографии, учитывающая особенности получаемых снимков. Произведено тестирование разработанного алгоритма как независимое, так и в сравнении с алгоритмом автонастройки уровней и алгоритмом Multi-Scale Retinex, разработанным в NASA. Среднее время обработки изображения из тестового набора составило 3. Размер изображений при этом составил от 0, до 0, мегапикселей. Важным достоинством разработанного алгоритма является отсутствие затрат времени на обучение и адаптивная обработка каждого изображения в отдельности. Значение комплексной оценки изображения при этом увеличилось в среднем в , раза. Выявлена зависимость между повышением значения оценки и ее исходным значением, причем форма этой зависимости близка к логарифмической. В результате сравнения разработанного алгоритма с алгоритмом автонастройки уровней и MSR показано, что при сравнении качества обработанных изображений на основе оценки VIF (Visual Information Fidelity) разработанный алгоритм дает худшие результаты, однако при использовании представленной комплексной оценки и обратной оценки VIF разработанный алгоритм превосходит аналоги. Модифицированная оценка качества изображений, учитывающая особенности человеческого зрения и алгоритма обработки изображений. Практическая ценность и реализация результатов работы. Практически значимыми являются методы, алгоритмы, аналитические оценки и формулы, разработанные и полученные в результате диссертационного исследования. Разработанные программные средства для обработки изображений используются в ООО НЛП «Томская электронная компания» для обработки снимков микроструктуры металла шлифов на этапе их предварительной подготовки для анализа микроструктуры. Также внедренное программное обеспечение применяется в отделе маркетинга для автоматического улучшения фотоснимков низкого качества, полученных в промышленных условиях. Результаты внедрения подтверждены соответствующим актом. Кроме того планируется широкое распространение разработанных программных средств для конечных пользователей. Потенциальными потребителями разработанных продуктов являются исследовательские организации, производящие обработку цифровых снимков в различных областях (металлографии, дефектоскопии, техническом зрении, дистанционном зондировании), а также пользователи, производящие обработку фотоснимков низкого качества для личного пользования. Постановка задач диссертационного исследования выполнена автором совместно с В. Г. Спицыным.