Введение
ГЛАВА 1. Модели изображений 19
Введение 19
1.1. Модель формирования изображения 21
1.1.1. Непрерывное и дискретное представление изображения 21
Представление изображения в непрерывной модели 21
Представление изображения в дискретной модели 23
1.1.2. Области изображения и области анализа 24
1.2. Двухмасштабная многокомпонентная модель изображения 26
1.2.1. Подход к построению модели 26
Два масштаба — масштаб окрестности и масштаб фрагмента 28
Многокомпонентное представление изображения 28
1.2.2. Модель окрестности (масштаб элементов) 29
Статистические связи элементов окрестности 32
1.2.3. Модель фрагмента (масштаб объектов) 35
Связь параметров модели с характеристиками изображения 38
1.2.4. Модель цветного изображения 40
1.3. Вероятностная модель контурного изображения 40
1.3.1. Общая постановка задачи 41
Особенности дискретного представления 42
1.3.2. Построение контурного изображения 44
Параметры модели и их соотношения 44
1.3.3. Эксперименты по синтезу контурных изображений 47
1.4. Оценка сложности изображения 49
Сложность как характеристика изображения 49
О сложности сигналов и функций 50
Использование оценки сложности в задачах восстановления 51
1.4.1. Применение двумерных вариаций для оценки сложности 52
Двумерные вариации и их дискретные аналоги 52
Двумерная вариация Кронрода з
Показатель размеров объектов изображения 57
Двумерная вариация как оценка сложности изображения 57
О сравнении и интерпретации оценок 59
1.4.2. Экспериментальные исследования 59
Влияние шума на оценку сложности изображения 61
Зависимости двумерных вариаций от размеров и поворота деталей 62
Выводы касательно оценки сложности изображения 63
1.5. Выводы и результаты 64
ГЛАВА 2. Декомпозиция изображения 66
Введение 66
2.1. Задача сглаживания изображения при сохранении контурных перепадов 67
2.1.1. Искажения контурных перепадов при использовании арифметического среднего медианы по фрагменту 68
2.1.2. Сглаживание на основе анализа распределения 70
Сигма-фильтр 71
2.2. Разработка метода декомпозиции изображения 72
О размере центральной области 74
2.2.1. Алгоритм декомпозиции «D» 75
2.2.2. Алгоритм декомпозиции «D » без повышения резкости 79
2.2.3. О компонентах, формируемых при декомпозиции 2.3. Декомпозиция цветного изображения 85
2.4. Изменение сложности изображения при сглаживании и декомпозиции 2
.4.1. Эксперименты с модельными изображениями 89
2.4.2. Эксперименты с реальными изображениями 91
2.5. Выводы и результаты 94
ГЛАВА 3. Разработка методов фильтрации, коррекции и улучшения изображений на основе двухмасштабной модели 96
Введение 96
3.1. Фильтрация помех 97
3.1.1. Фильтрация импульсных помех 97
Постановка задачи 97
Наиболее распространенные алгоритмы фильтрации 98
Вероятности ошибок предсказания 100 Алгоритм ранговой пороговой фильтрации 103
Экспериментальные данные 104
3.1.2. Фильтрация периодических помех 106
Фильтрация в частотной области 106
Построение фильтра-маски 108
Выполнение операции фильтрации 110
Фильтрация в пространственной области 111
3.2. Автоматическая яркостная (градационная) коррекция 113
3.2.1. Стандартные подходы 113
Задача градационной коррекции 113
Формализация и используемые методы 114
3.2.2. Алгоритм автоматической градационной коррекции 116
Функция локальных контрастов 116
Гипотеза о константности функции локальных контрастов 117
Алгоритм выравнивания функции локальных контрастов 119
Эквализация клиппированной гистограммы 121
Эксперименты по автоматической градационной коррекции 122
3.3. Улучшение изображений повышением локальных контрастов 125
3.3.1. Обзор используемых методов 126
3.3.2. Классификация методов повышения локальных контрастов 127
3.3.3. Сравнение методов 129
3.3.4. Применение декомпозиции для улучшения изображений 130
3.4. Улучшение цветных изображений 131
3.4.1. Градационная коррекция 133
3.4.2. Методы глобальной цветовой коррекции 134
3.4.3. Повышение локальных контрастов цветных изображений 135
3.5. Выводы и результаты 139
ГЛАВА 4. Разработка методов анализа изображений на основе двухмасштабной модели 141
Введение 141
4.1. Обнаружение объектов заданной площади 141
4.1.1. Обнаружение объектов с площадью больше заданной 141
4.1.2. Обнаружение объектов с площадью меньше заданной 142 4.1.3. Обнаружение объектов с площадью в интервале [Q1,Q2] 142
4.2. Обнаружение различий объектов на изображениях 144
4.3. Применение декомпозиции для нахождения границ объектов 146
4.4. Быстрое корреляционное совмещение изображений 149
4.5. Обнаружение дефектов на снимках электронных микросхем 1 4.5.1. Постановка задачи 152
4.5.2. Подход к построению алгоритма обнаружения дефектов 153
4.5.3. Предварительная обработка изображений 156
4.5.4. Формирование двумерного массива несовпадений 157
4.5.5. Формирование списка областей несовпадений 158
4.5.6. Удаление ложных пятен 160
4.6. Выводы и результаты 163
ГЛАВА 5. ПРИМЕНЕНИЕ МОДЕЛИ И МЕТОДОВ ОБРАБОТКИ ДЛЯ СЕГМЕНТАЦИИ
ИЗОБРАЖЕНИЙ 165
Введение 165
5.1. Сегментация изображений на основе прослеживания контуров 167
5.1.1. Особенности задачи сегментации снимков микросхем 167
5.1.2. Получение выровненных изображений 169
5.1.3. Алгоритм прослеживания контуров 171
5.1.4. Формирование объединенной карты контуров 175
5.1.5. Обработка карты контуров и формирование результата 177
5.2. Цвето-текстурная сегментация изображений 180
5.2.1. Особенности задачи сегментации изображений 182
5.2.2. Построение пространства признаков 184
5.2.3. Метрика в пространстве признаков 187
5.2.4. Структура алгоритма сегментации 188
5.2.5. Первичная сегментация — пирамидальный алгоритм 189
5.2.6. Вторичная сегментация — упрощение графа кластеров 193
5.2.7. Эксперименты по выбору параметров преобразований 195
5.3. Выводы и результаты 197
ГЛАВА 6. Применение разработанных методов для обработки и анализа видеопоследовательностей 201
Введение 201
6.1. Предварительная обработка видеокадров 203
6.1.1. Особенности получаемых видеоданных 203
6.1.2. Устранение систематических искажений 203
6.1.3. Устранение периодических помех 205
6.1.4. Выравнивание и усиление локальных контрастов сигнала
6.2. Компенсация дрейфа и получение усредненного изображения 207
6.3. Формирование карты контурных линий капилляров
6.3.1. Формирование опорного множества областей 211
6.3.2. Нахождение множества контурных точек 212
6.3.3. Формирование первичной карты контурных линий 212
6.3.4. Синтаксическая фильтрация и корректировка линий 213
6.3.5. Упрощение карты линий и карты областей
6.4. Выбор мажоритарного капилляра 216
6.5. Морфологический анализ и корректировка контурных линий
6.5.1. Векторное представление контурных линий.. 217
6.5.2. Анализ морфологической характеристики контурной линии 218
6.5.3. Корректировка расположения контурных линий
6.6. Построение распрямляющего отображения 220
6.7. Определение границ отделов капилляра 222
6.8. Преобразование кадров видеопоследовательности 223
6.9. Определение параметров кровотока 224
6.10. Выводы и результаты 226
ГЛАВА 7. Модификация модели и методов обработки для трехмерных изображений 228
Введение 228
7.1. Особенности трехмерных изображений 229
7.1.1. Области анализа и соседство элементов 230
7.2. Модификация двухмасштабной многокомпонентной модели 231
7.2.1. Модель окрестности (масштаб малого размера) 232
7.2.2. Модель фрагмента (масштаб большого размера)
7.3. Модификация методов частотной фильтрации при переходе в 3D 234
7.4. Модификация методов пространственной обработки и анализа при переходе в 3D 235
7.4.1. Методы, использующие оценку среднего по фрагменту 236
7.4.2. Операторы контурных перепадов 236
7.4.3. Фильтрация импульсных помех 238
7.4.4. Декомпозиция изображения 240
7.4.5. Обнаружение объектов заданного объема 241
7.5. Модификация некоторых вычислительные алгоритмов 242
7.5.1. Вычисление суммы по прямоугольному параллелепипеду 242
7.5.2. Вычисление порядковых статистик по прямоугольному параллелепипеду 2 7.6. Параллельный алгоритм вычисления порядковых статистик 245
7.7. Выводы и результаты 250
Заключение и основные результаты 252
Литература
