Methods for detecting and highlighting areas in textural images
Abstract
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.
About the Authors
G. B. Abdikerimova
Евразийский национальный университет им. Л. Н. Гумилева
Kazakhstan
Kazakhstan
A. L. Bychkov
Институт химии твердого тела и механохимии СО РАН
Russian Federation
Russian Federation
W. Xinyu
Хэйлунцзянский университет
China
China
F. A. Murzin
Институт систем информатики им. А. П. Ершова СО РАН
Russian Federation
Russian Federation
N. E. Russkikh
Институт систем информатики им. А. П. Ершова
Russian Federation
Russian Federation
E. I. Ryabchikova
Институт молекулярной биологии и фундаментальной медицины СО РАН
Russian Federation
Russian Federation
S. S. Khayrulin
Институт систем информатики им. А. П. Ершова СО РАН
Russian Federation
Russian Federation
References
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 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.
Review
For citations:
Abdikerimova G.B., Bychkov A.L., Xinyu W., Murzin F.A., Russkikh N.E., Ryabchikova E.I., Khayrulin S.S. Methods for detecting and highlighting areas in textural images. The Herald of the Siberian State University of Telecommunications and Information Science. 2019;(3):5-13. (In Russ.)
Views:
201
Email this article 
