Редактирование: Распознавание образов

Актуальность темы исследования

Актуальность темы исследования

Теория распознавания образов – раздел информатики и смежных дисциплин, который включает в себя основы и методы идентификации и классификации предметов, явлений, процессов, сигналов и других объектов, подлежащих исследованиям. Они характеризуются некоторым набором свойств и признаков, по которым их можно отличать друг от друга. Эти задачи в жизни решаются довольно часто. Самой простой и наглядной задачей является распознавание сигнала светофора при переходе улицы. Распознавание цвета загоревшейся лампы позволяет принять правильное решение о возможности перехода улицы в данный момент

Теория распознавания образов – раздел информатики и смежных дисциплин, который включает в себя основы и методы идентификации и классификации предметов, явлений, процессов, сигналов и других объектов, подлежащих исследованиям. Они характеризуются некоторым набором свойств и признаков, по которым их можно отличать друг от друга. Эти задачи в жизни решаются довольно часто. Самой простой и наглядной задачей является распознавание сигнала светофора при переходе улицы. Распознавание цвета загоревшейся лампы позволяет принять правильное решение о возможности перехода улицы в данный момент

Необходимость распознавания образов возникает в самых различных областях: от военного дела и систем безопасности до оцифровки сигналов. Проблема распознавания образов приобретает огромное значение именно в наше время, в условиях информационных перегрузок. Распознавание образов широко используется в информационных системах. Широко известны задачи о распознавании фальшивых монет по фотографии, о поиске определенных людей в толпе по видеозаписям, о распознавании лиц людей и еще многие подобные задачи. Неслучайно проблема распознавания образов оказалась в поле междисциплинарных исследований. В том числе, распознавание образов легко в основу создания искусственного интеллекта, а создание технических систем и способов распознавания образа привлекает к себе огромное внимание.

Необходимость распознавания образов возникает в самых различных областях: от военного дела и систем безопасности до оцифровки сигналов. Проблема распознавания образов приобретает огромное значение именно в наше время, в условиях информационных перегрузок. Распознавание образов широко используется в информационных системах. Широко известны задачи о распознавании фальшивых монет по фотографии, о поиске определенных людей в толпе по видеозаписям, о распознавании лиц людей и еще многие подобные задачи. Неслучайно проблема распознавания образов оказалась в поле междисциплинарных исследований. В том числе, распознавание образов легко в основу создания искусственного интеллекта, а создание технических систем и способов распознавания образа привлекает к себе огромное внимание.

Распознавание образов – актуальная тема и одновременно огромная проблема современной науки. Никто пока не решил её в общем случае, в лучшем случае это созданные роботы, которые могут за несколько часов пройти комнату, которую обычный человек проходит за полминуты. Нет универсальных алгоритмов решения, но существует огромный пласт программного кода, который решает частные случаи этой задачи. Каждый ищет свой подход: нейронные сети, фильтрация изображения, работа с контрастами и переходами, применение различных масок и многое другое. В нашей задаче мы использовали несколько алгоритмов и пробовали пойти по разным дорогам: первым стал метод подсчета по площадям, а вторым использовалась совокупность методов цветообработки.

Распознавание образов – актуальная тема и одновременно огромная проблема современной науки. Никто пока не решил её в общем случае, в лучшем случае это созданные роботы, которые могут за несколько часов пройти комнату, которую обычный человек проходит за полминуты. Нет универсальных алгоритмов решения, но существует огромный пласт программного кода, который решает частные случаи этой задачи. Каждый ищет свой подход: нейронные сети, фильтрация изображения, работа с контрастами и переходами, применение различных масок и многое другое. В нашей задаче мы использовали несколько алгоритмов и пробовали пойти по разным дорогам: первым стал метод подсчета по площадям, а вторым использовалась совокупность методов цветообработки.

Для своей работы мы выбрали среду Matlab, так как в ней существует множество встроенных приложений для обработки изображений, множество готовых методов и фильтров для обработки, а так же существует хорошие описание и справка, подходящие для начинающих.

Для своей работы мы выбрали среду Matlab, так как в ней существует множество встроенных приложений для обработки изображений, множество готовых методов и фильтров для обработки, а так же существует хорошие описание и справка, подходящие для начинающих.

В частности нашей задачей было распознавание клеток по их фотографиям. Программистами были предприняты попытки решения этой задачи в общем случае, но до сих пор не существует оптимального алгоритма  решения.

В частности нашей задачей было распознавание клеток по их фотографиям. Программистами были предприняты попытки решения этой задачи в общем случае, но до сих пор не существует оптимального алгоритма  решения.

• Изготовить продукт, способный посчитать количество живых клеток на изображениях, полученных с помощью электронного микроскопа.

• Изготовить продукт, способный посчитать количество живых клеток на изображениях, полученных с помощью электронного микроскопа.

• Познакомиться с методами обработки изображений и научиться их использовать.

• Познакомиться с методами обработки изображений и научиться их использовать.

• Неравномерность изображения, из-за расположения источников света при проведении эксперимента, мы получили изображения с различной степенью яркости в разных частях изображения.

• Неравномерность изображения, из-за расположения источников света при проведении эксперимента, мы получили изображения с различной степенью яркости в разных частях изображения.

• Низкое качество изображения. Так как размеры одной клетки относительно небольшие, а качество изображения было довольно низким, многие методы стали нерабочими в данной задаче.

• Низкое качество изображения. Так как размеры одной клетки относительно небольшие, а качество изображения было довольно низким, многие методы стали нерабочими в данной задаче.

Было применено два метода обработки заданных изображений. Первым методом был испробован метод подсчета по площадям. В исходных изображениях существуют скопления клеток по три и более, которые составляют основную проблему реализации задачи. На изображениях клетки сходятся по своим границам, из-за чего невозможно разделить их четким образом. Если пренебречь границами клеток и подсчитывать площади этих скоплений, то эта проблема устранится сама собой.   

Было применено два метода обработки заданных изображений. Первым методом был испробован метод подсчета по площадям. В исходных изображениях существуют скопления клеток по три и более, которые составляют основную проблему реализации задачи. На изображениях клетки сходятся по своим границам, из-за чего невозможно разделить их четким образом. Если пренебречь границами клеток и подсчитывать площади этих скоплений, то эта проблема устранится сама собой.   

10) Подсчет числа клеток

10) Подсчет числа клеток

При написании второй программы мы поставили перед собой задачу разделения всех клеток на непересекающиеся замкнутые контуры (в идеале каждый контур должен был соответствовать 1 клетке). Первой стала проблема шумов и неровностей фона, к сожалению, не удалось справится с ней с помощью обычных фильтров, была найдена библиотека (BM3D), содержащая в себе функцию фильтрации, основанную на шумоподавлении (видимо "шумы"- неточности в изображении) путем детализации изображения при преобразовании. Усиление детализации достигается за счет группировки схожих фрагментов 2D изображения (например, блоков) в 3D- массивы данных, которые мы называем "группы". Так же были использованы фильтр Вейнера и фильтр Гаусса.

При написании второй программы мы поставили перед собой задачу разделения всех клеток на непересекающиеся замкнутые контуры (в идеале каждый контур должен был соответствовать 1 клетке). Первой стала проблема шумов и неровностей фона, к сожалению, не удалось справится с ней с помощью обычных фильтров, была найдена библиотека (BM3D), содержащая в себе функцию фильтрации, основанную на шумоподавлении (видимо "шумы"- неточности в изображении) путем детализации изображения при преобразовании. Усиление детализации достигается за счет группировки схожих фрагментов 2D изображения (например, блоков) в 3D- массивы данных, которые мы называем "группы". Так же были использованы фильтр Вейнера и фильтр Гаусса.

После фильтрации исходного изображения была использована функция multitresh, в результате найден коэффициент для бинаризации изображения. В ходе практических испытаний мы выявили, что нельзя использовать её для всех изображений, так как она определяет уровень, суммируя уровни цвета на всём изображении, в результате там, где клеток очень много коэффициент определяется не верно и большая часть клеток исчезает при бинаризации. Поэтому был определён конкретный коэффициент, который используется при дальнейших экспериментах.

После фильтрации исходного изображения была использована функция multitresh, в результате найден коэффициент для бинаризации изображения. В ходе практических испытаний мы выявили, что нельзя использовать её для всех изображений, так как она определяет уровень, суммируя уровни цвета на всём изображении, в результате там, где клеток очень много коэффициент определяется не верно и большая часть клеток исчезает при бинаризации. Поэтому был определён конкретный коэффициент, который используется при дальнейших экспериментах.

Вейнеровский фильтр основан на статистических данных из локальной окрестности каждого пикселя. Соотносит изображение оригинальное и обработанное с помощью фильтра Гаусса, в результате мы получаем сглаженное изображение с плавными переходами.

Вейнеровский фильтр основан на статистических данных из локальной окрестности каждого пикселя. Соотносит изображение оригинальное и обработанное с помощью фильтра Гаусса, в результате мы получаем сглаженное изображение с плавными переходами.