Разработка алгоритма распознавания сложных объектов на основе текстурной информации

• Автор: Яковенко, Максим Константинович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Санкт-Петербург
• Количество страниц: 145 с. : ил.

Содержание

Перечень условных обозначений и сокращений.

Введение.

1. Анализ предметной области

1.1. Описание предметной области.

1.2. Методы дифференцирования лейкоцитов.

Экспертное распознавание.

Автоматическое распознавание.

1.3. Патентный поиск.

1.4. Предлагаемый подход к распознаванию.

1.5. Классификация методов автоматического распознавания клеток

1.6. Выводы
2. Параметры классификации клеток.
2.1. Постановка задачи поиска инвариантных признаков.
2.2. Методы описания текстуры
Статистические моменты.
Автокорреляционная функция.
Описание посредством контуров
Статистика длин примитивов СДП.
Спектр Фурье.
Фрактальный подход.
Фильтр Габора
Вэйвлеты.
Распределение энергии текстуры РЭТ
Разность уровней яркости РУР
Марковские случайные поля МСП.
Матрицы совместной встречаемости уровней яркости МСВУЯ
2.3. Сравнительный анализ существующих методов описания текстуры
2.4. Первая модификация метода МСВУВ на основе дискретных цепей Маркова.
2.5. Вторая модификация метода МСВУВ на основе дискретных случайных полей Маркова.
2.6. Предобработка изображений для использования метода МСВУВ
2.7. Пространство признаков классификации.
2.8. Определение параметров признаков.
2.9. Метод поиска шага построения МСВУЯ.
2 Выводы
3. Алгоритм классификации.
3.1. Классификация с минимальным риском.
3.2. Оценка вероятности ошибки классификации
3.3. Метод классификационного теста.
3.4. Выводы.
4. Оценка результатов.
4.1. Сравнительная характеристика классического и двух предложенных методов формирования МСВУЯ
4.2. Общие результаты классификации при использовании второй модификации МСВЯУ.
4.3. Анализ признаков, полученных при использовании второй модификации МСВЯУ, шаг 4
4.4. Формирование кластеров
4.5. Оценка качества мастеров, сформированных при использовании второй модификации МСВЯУ, шаг 4
На основе расстояния Махаланобиса
На основе классификации тренировочного множества.
На основе проверки статистической независимости центров кластеров.
4.6. Сравнение экспертной классификации с реализованной автоматической вторая модификация МСВЯУ, шаг 4
6.7. Выводы.
Заключение
Список литературы


Подавляющее большинство анализов для составления лейкоцитарной формулы делается вручную при помощи микроскопа и механического счетчика, который равносилен обыкновенным счетам. С помощью малого увеличения (х) находят начало мазка крови. Далее при помощи большего увеличения (х) производят дифференцирование лейкоцитов. Подсчет лейкоцитов проводят, соблюдая следующие правила: начинают, отступив 2-3 поля зрения от края мазка, проходят 3-5 полей зрения вдоль края мазка. Затем 3-5 нолей зрения под прямым углом по направлению к середине мазка, снова 3-5 полей зрения параллельно краю, затем под прямым углом и так далее до противоположного края мазка. Затем меняют положение стекла и другую половину клеток считают на противоположном крае. Минимальное количество лейкоцитов, необходимых для проведения анализа - 0. Для более точного результата (например, если при подсчете первой сотни отмечаются какие-либо отклонения) считают еще 0. Существуют и более высокие требования к статистической правдоподобности анализа. При этом необходимо дифференцировать от 0 до клеток. Актуальность проблемы создания автоматического классификатора основывается на необходимости проведения в повседневной жизни огромного количества рутинных исследований с привлечением высококвалифицированного медперсонала. Даже частичная компьютеризация с поиском клеток для анализа (с помощью ЦМ) не позволяет кардинальным образом увеличить мощность и эффективность лаборатории, так как в каждом анализе необходимо обработать 0 - клеток. И произвести эту' работу по классификации лейкоцитов может только опытный врач-гематолог. Следует отметить, что лейкоциты - одни из наиболее сложных дпя классификации биологических объектов ввиду их значительной вариабельности. Помимо разных этапов жизненного цикла самих клеток (они могут быть молодыми, зрелыми, отработанными), на вид лейкоцитов в значительной мерс оказывает влияние физическое состояние и здоровье человека. В настоящее время не получено приемлемых устойчивых результатов корректного распознавания этих клеток оптическим способом. Основной акцент в попытках распознавания лейкоцитов делался на цветовые, метрические и морфологические характеристики клеток. В данной работе в качестве основной дискриминационной характеристики выбрана текстура ядра и цитоплазмы клетки, что позволило получить высокие и стабильные результаты корректного распознавания. Целью данной работы является разработка алгоритма распознавания сложных биологических объектов на основе текстурной информации на примере белых кровяных телец (лейкоцитов) человека. Эффективность работы алгоритмов, основанных на разрабатываемом методе, должна быть сопоставима с экспертным распознаванием объектов исследования. МСВУЯ на основе дискретных случайных полей Маркова, позволяющая существенно повысить информативность получаемых текстурных описателей за счет пространственного (двумерного) сбора статистики совместной встречаемости уровней яркости и формирования единственной матрицы с полной и непротиворечивой информацией о текстуре изображения объекта. МСВУЯ на основе дискретных случайных полей Маркова существенно увеличивает информативность текстурных дескрипторов. МСВУЯ на основе интегральных оценок по критерию Фишера позволяет значительно упростить и ускорить процедуру предварительного обучения системы распознавания. Практическая ценность работы обуславливается высокими и стабильными показателями работы разработанного программного комплекса. Научные результаты, изложенные в диссертации, реализованы автором в виде программного комплекса для автоматического распознавания динамических объектов с ярко выраженной текстурной характеристикой. ООО «ОЭС» (г. Алгоритмические разработки и научно-практические рекомендации были применены научно-коммерческой фирмой «Диамант» (г. Санкт-Петербург) при реализации проекта «Анализатор качества характеристик объектива промышленного сканера», внутреннее техническое задание №ТЗ. Б процессе работы над диссертацией были осуществлены публикации [-], отражающие поэтапное появление основных результатов исследования.