sibsutisВестник СибГУТИThe Herald of the Siberian State University of Telecommunications and Information Science1998-6920СибГУТИsibsutis-85Research ArticleСтатьиМетоды обнаружения и выделения областей на текстурных изображенияхMethods for detecting and highlighting areas in textural imagesАбдикеримоваГ. Б.AbdikerimovaG. B.

Абдикеримова Гульзира Бахытбековна, ст. преподаватель

010000, Нурсултан, ул. Сатбаева, 2

gulzira1981@mail.ruБычковА. Л.BychkovA. L.

Бычков Алексей Леонидович, к.х.н., с.н.с.

630128,  Новосибирск, ул. Кутателадзе, 18

bychkov.a.l@gmail.comСиньюйВ.XinyuW.

Вей Синьюй, аспирант

150000, Харбин, ул. Сюефу 74

xinyuwei2016@163.comМурзинФ. А.MurzinF. A.

Мурзин Федор Александрович, к.ф.-м.н., зам. директора по научной работе

630090, Новосибирск, пр. Академика Лаврентьева 6

murzin@iis.nsk.suРусскихН. Е.RusskikhN. E.

Русских Николай Евгеньевич, аспирант

630090, Новосибирск, пр. Академика Лаврентьева, 6

russkikh.nikolay@gmail.comРябчиковаЕ. И.RyabchikovaE. I.

Рябчикова Елена Ивановна, д.б.н.,  профессор, руководитель группы микроскопических исследований

630090, Новосибирск, пр. Академика Лаврентьева, 8

lenryab@niboch.nsc.ruХайрулинС. С.KhayrulinS. S.

Хайрулин Сергей Сергеевич, м.н.с.

630090, Новосибирск, пр. Академика Лаврентьева, 6

s.khayrulin@gmail.comЕвразийский национальный университет им. Л. Н. ГумилеваKazakhstanИнститут химии твердого тела и механохимии СО РАНRussian FederationХэйлунцзянский университетChinaИнститут систем информатики им. А. П. Ершова СО РАНRussian FederationИнститут систем информатики им. А. П. ЕршоваRussian FederationИнститут молекулярной биологии и фундаментальной медицины СО РАНRussian Federation20191904202203513Copyright © Абдикеримова Г.Б., Бычков А.Л., Синьюй В., Мурзин Ф.А., Русских Н.Е., Рябчикова Е.И., Хайрулин С.С., 20222022Абдикеримова Г.Б., Бычков А.Л., Синьюй В., Мурзин Ф.А., Русских Н.Е., Рябчикова Е.И., Хайрулин С.С.Abdikerimova G.B., Bychkov A.L., Xinyu W., Murzin F.A., Russkikh N.E., Ryabchikova E.I., Khayrulin S.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.sibsutis.ru/jour/article/view/85

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.

The article deals with methods for analyzing textural images. Micrographs of plant materials obtained by the transmission electron microscopy are considered. This work was carried out for the Institute of Solid State Chemistry and Mechanochemistry SB RAS. The main goal of the research is the development and implementation of algorithms allowing us to detect and highlight areas of interest to chemists in the image. For example, areas, in which the initial structure of the material is disordered after applying various mechanochemical methods of processing. To solve this problem, we use: analysis of textural features, clustering, R/S-analysis, orthogonal transformations, wavelet analysis. Much attention was paid to the development of software tools that allow us to select features describing textural differences in order to segment textural regions into subregions. So, the question of the applicability of sets of textural features and other parameters for the analysis of experimental data is being investigated in order to identify characteristic areas in microphotographs that can be associated in future with the porosity, chemical reactivity, etc.

обработка изображениймикрофотографиитекстурные признакикластеризацияR/S-анализортогональные преобразованияэлектронная микроскопиярастительное сырьеimage processingmicrophotographstextural featuresclusteringR/S-analysisorthogonal transformationselectron microscopyplant materialsРабота поддержана Российским научным фондом (грант № 16-13-10200) и Российским фондом фундаментальных исследований (грант № 18-08-01284).ReferencesАндреев 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.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.Харалик Р. М. Статистический и структурный подходы к описанию текстур // ТИИЭР. 1979. Т. 67, № 5. С. 98–119.Харалик Р. М. Статистический и структурный подходы к описанию текстур // ТИИЭР. 1979. Т. 67, № 5. С. 98–119.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.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.Колодникова Н. В. Обзор текстурных признаков для задач распознавания образов // Доклады ТУСУРа. Автоматизированные системы обработки информации, управления и проектирования. 2004. С. 117–118.Колодникова Н. В. Обзор текстурных признаков для задач распознавания образов // Доклады ТУСУРа. Автоматизированные системы обработки информации, управления и проектирования. 2004. С. 117–118.Sidorova V. S. Hierarchical Cluster Algorithm for Remote Sensing Data of Earth // Pattern Recognition and Image Analysis. 2012. V. 22, № 2. P. 373–379.Sidorova V. S. Hierarchical Cluster Algorithm for Remote Sensing Data of Earth // Pattern Recognition and Image Analysis. 2012. V. 22, № 2. P. 373–379.Федер Е. Фракталы. М.: Мир, 1991. 192 с.Федер Е. Фракталы. М.: Мир, 1991. 192 с.Петерс Э. Хаос и порядок на рынках капитала. М.: Мир, 2000. 90 с.Петерс Э. Хаос и порядок на рынках капитала. М.: Мир, 2000. 90 с.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.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.Карманов А. П., Матвеев Д. В. Проблемы химии древесины и лесохимии // Институт химии Коми научного центра Уральского отделения РАН, Сыктывкар. 2001. С. 50–52.Карманов А. П., Матвеев Д. В. Проблемы химии древесины и лесохимии // Институт химии Коми научного центра Уральского отделения РАН, Сыктывкар. 2001. С. 50–52.Rani R. Performance analysis of different orthogonal transform for image processing application // Inter. J. of Applied Research. 2015. V. 1, № 12. P. 844–847.Rani R. Performance analysis of different orthogonal transform for image processing application // Inter. J. of Applied Research. 2015. V. 1, № 12. P. 844–847.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.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.Воробьев В. И., Грибунин В. Г. Теория и практика вейвлет-преобразования. Санкт-Петербург: Изд.-во Военного университета связи, 1999. 92 с.Воробьев В. И., Грибунин В. Г. Теория и практика вейвлет-преобразования. Санкт-Петербург: Изд.-во Военного университета связи, 1999. 92 с.

The authors declare that there are no conflicts of interest present.