Просмотр статьи


Номер журнала: 2019.3

Заголовок статьи: Методы обнаружения и выделения областей на текстурных изображениях

Резюме

В статье речь идет о методах анализа текстурных изображений. Рассматриваются микрофотографии растительного сырья, полученные просвечивающей электронной микроскопией. Работа выполнена для Института химии твердого тела и механохимии СО РАН. Основной целью исследований является разработка и реализация алгоритмов, позволяющих обнаруживать и выделять на изображении области, представляющих интерес для специалистов-химиков. Например, области, в которых происходит разупорядочение исходной структуры материала после применения различных механохимических методов обработки. Для решения поставленной задачи используются текстурные признаки, кластеризация, R/S-анализ, ортогональные преобразования, вейвлет-анализ. Большое внимание было уделено разработке программных инструментов, позволяющих осуществлять выбор признаков, описывающих текстурные различия, чтобы сегментировать текстурные области на подобласти. То есть исследуется вопрос о применимости наборов текстурных признаков и других параметров для анализа экспериментальных данных с целью выявить на микрофотографиях характерные участки, которые в будущем можно будет увязать с пористостью, химической реактивностью и т.д.

Авторы

Г. Б. Абдикеримова, А. Л. Бычков, Вей Синьюй, Ф. А. Мурзин, Н. Е. Русских, Е. И. Рябчикова, С. С. Хайрулин

Библиография

1. Андреев Г. А., Базарский О. В., Глауберман А. С., Колесников А. И., Коржик Ю. В., Хлявич Я. Л. Анализ и синтез случайных пространственных текстур // Зарубежная радиоэлектроника. 1984. № 2. С. 3–33.
2. Харалик Р. М. Статистический и структурный подходы к описанию текстур // ТИИЭР. 1979. Т. 67, № 5. С. 98–119.
3. Потапов А. А. Новые информационные технологии на основе вероятностных текстурных и фрактальных признаков в радиолокационном обнаружении малоконтрастных целей // Радиотехника и электроника. 2003. Т. 48, № 9. С. 1101–1119.
4. Колодникова Н. В. Обзор текстурных признаков для задач распознавания образов // Доклады ТУСУРа. Автоматизированные системы обработки информации, управления и и проектирования. 2004. С. 117–118.
5. Sidorova V. S. Hierarchical Cluster Algorithm for Remote Sensing Data of Earth // Pattern Recognition and Image Analysis. 2012. V. 22, № 2. P. 373–379.
6. Федер Е. Фракталы. М.: Мир, 1991. 192 с.
7. Петерс Э. Хаос и порядок на рынках капитала. М.: Мир, 2000. 90 с.
8. Карманов А. П. Лигнин. Структурная организация и самоорганизация // Тезисы докладов III Всероссийской конференции «Химия древесины и органический синтез». Институт химии Коми научного центра Уральского отделения РАН, Сыктывкар, 1999. С. 66–67.
9. Карманов А. П., Матвеев Д. В. Проблемы химии древесины и лесохимии // Институт химии Коми научного центра Уральского отделения РАН, Сыктывкар. 2001. С. 50–52.
10. Rani R. Performance analysis of different orthogonal transform for image processing application // Inter. J. of Applied Research. 2015. V. 1, № 12. P. 844–847.
11. Shahdoosti H. R., Mirzapour F. Spectral-spatial feature extraction using orthogonal linear discriminant analysis for classification of hyperspectral data // European J. of Remote Sensing. 2017. V. 50, № 1. P. 111–124.
12. Воробьев В. И., Грибунин В. Г. Теория и практика вейвлет-преобразования. Санкт-Петербург: Изд.-во Военного университета связи, 1999. 92 с.

Ключевые слова

обработка изображений, микрофотографии, текстурные признаки, кластеризация, R/S-анализ, ортогональные преобразования, электронная микроскопия, растительное сырье

Скачать полный текст