Диссертация (Автоматизированная бактериоскопическая диагностика туберкулеза), страница 14
Описание файла
Файл "Диссертация" внутри архива находится в папке "Автоматизированная бактериоскопическая диагностика туберкулеза". PDF-файл из архива "Автоматизированная бактериоскопическая диагностика туберкулеза", который расположен в категории "". Всё это находится в предмете "медицина" из Аспирантура и докторантура, которые можно найти в файловом архиве РНИМУ им. Пирогова. Не смотря на прямую связь этого архива с РНИМУ им. Пирогова, его также можно найти и в других разделах. , а ещё этот архив представляет собой докторскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени доктора медицинских наук.
Просмотр PDF-файла онлайн
Текст 14 страницы из PDF
Так, сегментацияпредставленного класса изображений с помощью приведенных алгоритмовпозволяет получить либо крупные объекты не отделимые без дополнительнойобработки от более мелких объектов, либо только четко очерченные наизображении объекты, либо незавершенные границы сегментированных объектов.Полученные результаты свидетельствуют о том, что применение представленныхалгоритмов невозможно без дополнительной пред- или постобработки цифровыхмикроскопических изображений мокроты, окрашенной по методу Циля-Нильсена,что несомненно увеличит число проходов по изображению и, соответственно,время сегментации таких изображений. В связи с этим необходима модификациясуществующих или разработка новых алгоритмов, позволяющих осуществлятьсегментацию используемого класса изображений с минимальным числом проходовпо изображению и, соответственно, минимальным временем выполнения.3.2.
Разработка методов сегментации цифровых микроскопическихизображений мокроты, окрашенной по методу Циля-НильсенаВ данном разделе представлены модифицированный и разработанныеалгоритмы, которые могут применяться для сегментации цифровых изображений,в том числе микроскопических изображений мокроты, окрашенной по методуЦиля-Нильсена: модифицированный алгоритм пороговой бинаризации, методсегментации, основанный на математическом аппарате искусственных нейронныхсетей, метод сегментации на основе самоорганизующейся карты Кохонена и методсегментации с применением вейвлет-преобразования Mexican Hat (Мексиканскаяшляпа).773.2.1.
Модифицированный алгоритм пороговой бинаризацииВ данном разделе представлены этапы реализации модифицированногоалгоритма пороговой бинаризации цифровых изображений [3].На первом этапе, после получения цифрового изображения производитсяперевод данного цветного изображения в черно-белый вид. Для этого производятсяследующие операции:1.Согласно цветовой схеме RGB (red, green, blue) значение цвета каждогопикселя на изображении раскладывается на значения трех цветовых составляющих(R, G, B).2.Все три цветовых составляющих каждого пикселя приравниваются кнаибольшему из значений цветовой схемы. Так, если наибольшее значение уконкретного пикселя имеет составляющее R, то значения составляющих G и Bприравнивается к нему.
В этом заключается первая модификация алгоритмапороговой бинаризации.На этапе перевода изображения из цветного в оттенки серого в классическомалгоритме пороговой бинаризации как правило применяться другой подход, когдазначения цветовых составляющих не приравниваются к значению наибольшего, апростоусредняютсяилиприравниваютсяккоэффициентуяркости,рассчитываемому по формуле (1): = 0,299 ∗ + 0,587 ∗ + 0,114 ∗ ,где, Y – значение коэффициента яркости пикселя, R, G, B – значения,соответствующих составляющих цвета пикселя.Однако, в таком случае получаемое в оттенках серого изображение обладаетменьшей контрастностью, чем при использовании применяемого нами подхода, аконтрастность играет существенную роль на дальнейших этапах обработкиизображения и выделения на нем объектов.Итогом данного этапа является цифровое изображение в оттенках серого.Следующимэтапомявляетсяопределениесреднегоарифметического78коэффициента яркости всех пикселей изображения.
Так как на предыдущем этапевсе значения составляющих цвета R, G, B нами были приравнены, то на данномэтапе рассчитывается среднее арифметическое значений любого из трехсоставляющих цвета пикселя. Представленные два этапа предобработкиизображения могут производится за один проход по изображению.Далее определяется стандартное отклонение коэффициента яркости всегоцифрового изображения по формуле:=∑( −)2,(31)где σ – стандартное отклонение коэффициента яркости изображения, yi – значениекоэффициента яркости конкретного пикселя, Y – среднее арифметическоекоэффициента яркости изображения, n – число пикселей изображения.Для осуществления третьего этапа требуется еще один проход поанализируемому изображению.На следующем этапе производится бинаризация изображения, такимобразом, чтобы все изображение состояло только из черных и белых пикселей.
Дляэтого в классических методах пороговой бинаризации как правило используетсяпороговая функция вида:итог = { при ≥ порогпри < порог ,(32)где yитог – итоговое значение коэффициента яркости пикселя, ymax – максимальныйкоэффициент яркости, соответствующий белому цвету (255), ymin – минимальныйкоэффициент яркости, соответствующий черному цвету (0), yi – значениекоэффициента яркости конкретного пикселя, yпорог – некоторое пороговое значениекоэффициента яркости.В соответствии с данной формулой если значение коэффициента яркостипикселя больше порогового значения, то пиксель приобретает значение белогоцвета, а если меньше, то он приобретает значение черного цвета. Проблема такогоподхода заключается в том, что выбор порогового значения как правило основан79на имеющихся априорных знаниях об изображении, что существенно снижаетуниверсальность алгоритмов выделения объектов.Другим часто применяемым в классическом алгоритме бинаризацииподходом выбора порогового значения коэффициента яркости изображения для егобинаризации является выбор порогового значения на основании гистограммыраспределения коэффициента яркости.
Так, после построения гистограммыраспределения коэффициента яркости изображения на ней определяются пики иопределение порогового значения коэффициента яркости основывается на выборезначения находящегося между пиками на гистограмме (рисунок 8).Рисунок 8 – Определение порогового значения коэффициента яркости наосновании гистограммы распределения коэффициента яркости изображенияОднако, такой подход к определению порогового значения коэффициентаяркости не всегда может быть использован. Среди медицинских изображениявстречаются изображения, у которых гистограмма распределения коэффициентаяркости имеет только один пик (рисунок 9, 10).80Рисунок 9 – Гистограмма распределения коэффициента яркости изображения содним пикомРисунок 10 – Гистограмма распределения коэффициента яркости изображения содним пиком81Второй модификацией классического метода пороговой бинаризацииявляется выбор порогового значения.
Предлагается определять пороговое значениекоэффициента яркости исходя из предположения, что на изображении большуюплощадь занимает фон и среднее арифметическое коэффициента яркостиопределяемое на одном из предыдущих этапов смещается в сторону яркости фона.В связи с этим определение порогового коэффициента яркости предлагаетсяосуществлять следующим образом:порог = − ,(33)где yпорог – пороговое значение коэффициента яркости, Y – среднее арифметическоекоэффициента яркости изображения, σ – стандартное отклонение коэффициентаяркости изображения.Схема модифицированного алгоритма бинаризации для сегментациицифровых микроскопических изображений мокроты, окрашенной по методу ЦиляНильсена представлена на рисунке 11.
Данный алгоритм реализуется за трипрохода по изображению: первый – перевод изображения в оттенки серого иопределение среднего коэффициента яркости изображения, второй – определениестандартногоотклонениякоэффициентаяркостиизображения,третий–собственно бинаризация изображения.Так как стандартное отклонение является параметром, характеризующимразброс значений в наборе данных, в данном случае наборе значенийкоэффициентов яркости всего изображения и непосредственно связанным сисходным изображением, то такой способ выбора порогового значения носит болееуниверсальный характер, чем использование априорных знаний об изображении.Итогом применения модифицированного алгоритма бинаризации являетсясегментированное изображение, представленное на рисунке 9.
Визуальная оценкарезультатов, приведенных на рисунке 12, при сравнении с результатамиприменения не модифицированного метода пороговой бинаризации (рисунок 5а)свидетельствует о том, что выбор в качестве порога разности между среднимкоэффициентом яркости и стандартным отклонением коэффициента яркостиизображения позволяет получить более ограниченные и контрастные объекты.82НачалоРасчет среднегоарифметическогокоэффициентаяркостиизображенияДвумернаяматрицазначений цветовпикселейРасчет стандартногоотклонения яркостиизображенияДаПиксельостается наизображенииЗначения яркостипикселя больше разностисредней яркости истандартного отклоненияяркости пикселя?Двумернаяматрицазначений цветовоставшихсяпикселейНетПиксельисключается изизображенияКонецРисунок 11 – Схема модифицированного алгоритма пороговой бинаризации длясегментации цифровых микроскопических изображений мокроты, окрашенной пометоду Циля-Нильсена83Однако, при использовании данного подхода к сегментации цифровыхмикроскопических изображений мокроты, окрашенной по методу Циля-Нильсена,также крупные объекты являются неотделимыми от более мелких.Рисунок 12 – Бинаризованные изображения с применением пороговойбинаризации с выбранной в качестве порога разностью между среднимкоэффициентом яркости изображения и стандартным отклонением коэффициентаяркости изображенияВ результате реализации данного этапа исследования разработана программадля ЭВМ (рисунок 13) «Компьютерная система выделения объектов на цифровыхизображениях микроскопических препаратов» (свидетельство о регистрациипрограммы для ЭВМ в Федеральной службе по интеллектуальной собственности№2016619934 от 01.09.2016 года).