Меню
Главная
Авторизация/Регистрация
 
Главная arrow Информатика arrow Исследование характеристик системы распознавания формы микрообъектов

Разработка алгоритма распознавания линий и расчет их радиальных и тангенциальных составляющих

В процессе считывания и преобразования в цифровой массив изображение подвергается различным искажениям и зашумлению, что требует применения средств для его улучшения и реставрации.

Весь алгоритм можно разбить на несколько этапов:

1) Ввод изображения.

2) Предварительная обработка.

3) Распознавание линий.

4) Расчет их радиальных и тангенциальных составляющих

5) Вывод результата.

Ввод изображения будет осуществляться по средствам захвата с оптического устройства (камеры) либо считывания уже имеющегося.

Предварительная обработка направлена на улучшение изображения, отсечение лишней информации и состоит из нескольких шагов:

1) Преобразование в полутоновое изображение.

Так как цвет не несет для нас значимой информации, можно перевести его в полутоновое, заменив значения RGB для каждого элемента матриц на значение интенсивности яркости. Это ускорит процесс обработки, так как программе или функции, работающий с матрицей изображения, необходимо будет оперировать с одним значением для каждого элемента.

2) Выравнивание освещения (компенсация разности освещения).

Большинство изображений фаций имеет неравномерное освещение, что вызывает проблемы в процессе дальнейшей обработки. Компенсацию разности будем производить с помощью алгоритма Single scale retinex (SSR).

Принцип работы данного алгоритма:

Исходное изображение (рис.2)

Получаем приближенное изображение освещения путем низкочастотной фильтрации (рис.3)

G - матрица свертки низкочастотного фильтра

Восстановим изображение по формуле (рис.4)

3) Сглаживающая фильтрация (устранение шумов).

Как правило, фильтрация осуществляется путем свертки матрицы изображения с маской, представляющей фильтр. В нашем случае будем использовать фильтр Гаусса. Фильтр Гаусса является результатом операции размытия изображения функцией Гаусса. Данный подход широко применяется в графических редакторах, как правило, для уменьшения зашумленности изображения и сглаживания резких краев. Также Гауссово сглаживание используется в качестве оператора этапа предварительной обработки во многих системах распознавания образов.

С точки зрения математики, применение фильтра Гаусса равносильно свертке изображения с функцией Гаусса (также данный подход известен как двумерное преобразование Вейерштрасса). Механизм работы фильтра заключается в расчете функции Гаусса для каждого пикселя изображения. Уравнение гауссовой функции для одного измерения имеет следующий вид:

, (1)

где x - координата объекта в одномерном пространстве;

у - среднеквадратичное гауссово отклонение.

В двумерном случае дважды осуществляется расчет функции Гаусса (1) для каждого из измерений:

, (2)

где x,y - координаты объекта в двумерном пространстве;

у - среднеквадратичное гауссово отклонение.

Формула (2) дает поверхность, ограниченную концентрическими окружностями, распределенными относительно центральной точки по Гауссу. Значения, вычисляемые на основе этого распределения, используются для построения конволюционной матрицы, которая применяется к исходному изображению.

1) Выделение краев.

Выделение краев будет осуществляться детектором границ Канни. Его преимущества перед остальными детекторами:

а) Хорошее обнаружение, т.е. минимальная вероятность пропуска реального перепада яркости и минимальная вероятность ложного определения перепада (максимизирование выходного отношения сигнал/шум).

б) Хорошая локализация (пиксели, определенные как пиксели края, должны располагаться насколько возможно ближе к центру истинного края).

в) Только один отклик на один край.

Вышеперечисленные критерии были записаны в виде уравнений, которые были решены численно, и был определен путем моделирования вид оптимального (в смысле указанных выше критериев) оператора выделения края.

Принцип работы детектора:

1. Свертка изображения с ядром - производной от фильтра гаусса.

2. Поиск значения и направления градиента.

3. Выделение локальных максимумов.

Утоньшение полос в несколько пикселей до одного пикселя.

4. Связывание краев и обрезание по порогу.

Определяем два порога: нижний и верхний

Верхний порог используем для инициализации кривых

Нижний порог используем для продолжения кривых

Пример работы детектора границ Канни представлен в виде исходного изображения (рис.6) и обработанного изображения (рис.7)

Процесс распознавания лини и расчет их радиальных и тангенциальных составляющих можно объединить в одну операцию. Для этого разделим изображение кристаллограммы на несколько сегментов (рис.8). В пределах каждого сегмента ведем радиус с заданным углом смещения, если на его пути будет встречаться линия, проецируем её на радиус и нормаль к нему, поворачиваем радиус на заданный угол и повторяем операцию.

Проекция на радиус будет представлять собой радиальную составляющую линии, а проекция на нормаль - тангенциальную.

 
< Предыдущая   СОДЕРЖАНИЕ   Следующая >
 

Предметы
Агропромышленность
Банковское дело
БЖД
Бухучет и аудит
География
Документоведение
Естествознание
Журналистика
Инвестирование
Информатика
История
Культурология
Литература
Логика
Логистика
Маркетинг
Математика, химия, физика
Медицина
Менеджмент
Недвижимость
Педагогика
Политология
Политэкономия
Право
Психология
Региональная экономика
Религиоведение
Риторика
Социология
Статистика
Страховое дело
Техника
Товароведение
Туризм
Философия
Финансы
Экология
Экономика
Этика и эстетика
Прочее