Методы оконтуривания и сегментации в задачах автоматизированного обнаружения аномальных объектов на видеоизображениях

• Автор: Пасечник, Антон Сергеевич
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Владимир
• Количество страниц: 228 с. : ил.

Введение
Глава 1. Получение изображений в задачах медицинской диагностики и алгоритмы оконтуривания на видеоизображениях. Обзор современных методов.
1.1. Методы получения медицинских изображений
1.2. Математические методы и алгоритмы обнаружения аномальных
объектов на видеоизображениях
1.2.1. Обнаружение разрывов яркости на изображении
1.2.2. Обнаружение точек (как простейший случай)
1.2.3. Обнаружение линий (в частных задачах)
1.2.4. Обнаружение перепадов
1.2.5. Алгоритмы оконтуривания объектов на видеоизображениях
1.2.5.1. Метод оконтуривания Кэнни
1.2.5.2. Метод оконтуривания Prewitt
1.2.5.3. Метод оконтуривания Roberts Cross
1.2.5.4. Метод оконтуривания Sobel
1.2.5.5. Метод оконтуривания LoG
Глава 2. Критерии-для оценки качества оконтуривания объектов на
медицинских видеоизображениях
2.1. Оценка влияния шумов при оконтуриваняи изображений
2.2. Критерии количественной оценки качества работы алгоритмов оконтуривания..
2.2.1. Относительное количество ошибочно определенных пикселей в контуре
2.2.2. Среднеквадратическое значение ошибки определения контура
2.2.3. Оценка количества потерянных пикселей контура
2.2.4. Аддитивный критерий для оценки качества оконтуривания
Глава 3. Моделирование работы алгоритмов оконтуривания аномальных объектов на медицинских видеоизображениях
3.1. Разработка тестового медицинского видеоизображения
3.2. Моделирование работы алгоритмов оконтуривания
3.2.1. Калибровка порога чувствительности алгоритма оконтуривания
3.2.2. Моделирование оконтуривания в условиях отсутствия искажающих факторов
3.2.3. Моделирование оконтуривания в условиях шумового воздействия на видеоизображение
3.2.4. Моделирование оконтуривания в условиях расфокуссировашюго видеоизображения
Глава 4. Методы связывания контуров объектов на медицинских видеоизображениях

1 4.1. Локальная обработка
> 4.2. Глобальный анализ изображения с использованием преобразования Хо
4.3. Комбинированный метод связывания контуров с учетом специфики медицинских изображений
4.3.1. Сегментирование объектов с неявновыраженной морфологией на медицинских изображениях
4.3.1.1. Пространственные методы улучшения изображений и визуального восприятия неявно выраженных объектов'
4.3.1.2. Комбинированный метод связывания контуров объектов с неявновыраженной морфологией
4.3.2. Локализация объектов на видеоизображениях
4.3.3. Методы автоматизации при использовании алгоритмов оконтуривания и сегментации аномальных объектов на видеоизображениях
4.4. Оценка работы метода сегментирования объектов на изображениях
4.4.1. Экспертная оценка качества работы алгоритма сегментирования
4.4.2. Количественная оценка качества работы алгоритма сегментацгш
4.5. Структурная организация программно — аппаратного комплекса автоматизированной оперативной диагностики патологий
Заключение
Список литературы
Приложения
Приложение П
П.1.1. Рентгеновская диагностика
П.1.2. Преобразователи рентгеновского изображения
П.1.3. Ультразвуковые методы визуализации
П.1.4. Эндоскопические методы диагностики
П.1.5. Цитоморфологические методы
П.1.6. Получение изображений с помощью радиоизотопов и томографии
П. 1.6. Использование эффекта ядерного магнитного резонанса (ЯМР) для получения изображений
Приложение Ц2. Результаты сравнительных оценок качества работы алгоритмов' оконтуривания с использованием критериальной базы
Приложение ПЗ

Введение
Актуальность темы диссертации. С развитием глобализации, захлестнувшей огромное количество сфер жизнедеятельности современного человека, компьютерные технологии приобретают все большее и большее значение. Сегодня уже трудно себе представить работу любой организации без применения новых информационных технологий, без интеграции компьютеров в локальные и глобальные сети, а также без применения автоматизированных интеллектуальных систем, использующихся в конвейерном производстве продукции и контроле ее качества, в системах обеспечения безопасности, начиная от автомобильных парковок и вплоть до обеспечения государственной безопасности. К стратегическим областям, где широко востребованы инновационные разработки, относится также и медицина. Это и специальные приборы, и новые методы диагностирования и лечения заболеваний. Развитие в этой области является- одним из направлений национального проекта «Здоровье», поддерживаемого правительством Российской Федерации (протокол президиума Совета при Президенте Российской Федерации по реализации приоритетных национальных проектов № 2 от 21 декабря* 2005 г.). Одним из направлений проекта является усиление профилактической направленности здравоохранения. В. свою очередь, это подчеркивает необходимость создания современных диагностических комплексов с высокой пропускной способностью для целей массовой диспансеризации и выявления различных патологий на самых ранних стадиях. Оперативное и достоверное диагностирование невозможно без применения компьютерных методов анализа и алгоритмов обработки первичной медицинской информации, таких как снимки УЗИ, рентгенограммы, различного рода эндоскопические снимки. В ряде случаев снимки, полученные при первичной диагностике, нуждаются в обязательной компьютерной обработке, поскольку установление точного диагноза визуальными методами слишком затруднено.

Рис. 1.17. Исходное изображение Рис. 1.18. Изображение контура
пингвина
Так как, в описание предполагается вычисление производных по X и Y отдельно, то существует возможность анализировать вертикальные и горизонтальные границы объектов. Это иллюстрирует рис. 1.19.
Рис. 1.19.
Для сравнения проанализируем работу детектора краев 8оЬе1 на тестовых изображениях:
Е«е вй Slew Insert Tools Qeskltoi Sindov Help •»

Elle Edit View Ipserl loots Qesktot ffiindov Help -»
Dcÿy#

—- ч'т''-л

Рис. 1.