Автореферат (1150571), страница 2
Текст из файла (страница 2)
Приведена оценка потери точности вычислений на склеиваемых границах областей; оценено ее влияние на значение взвешенной энтропии, выступающее вкачестве классифицирующего признака. Показана эффективность модифи7цированного алгоритма для использования на многоядерных системах.
Программа для реализации классического алгоритма запускалась на компьютерес процессором Intel CoreDuo T2050 и объемом оперативной памяти 1.5GB.Время вычислений составило 13 мин. 3 сек. Оптимизированный алгоритмзапускался на той же конфигурации оборудования. Время вычислений составило 1 мин. 38 сек. В результате продемонстрировано уменьшение временивычислений приблизительно в 10 раз.4. Разработан и реализован комплекс программ для исследования и классификации изображений биомедицинских препаратов, который объединяетв себе методы статистического анализа с помощью вычисления характеристик Харалика второго порядка в координатах цветовых пространств RGBи HSV; методы имитационного моделирования структуры изображения путем построения агрегатов с помощью априорного анализа коэффициентовраспределения для модели DLA; методы анализа с помощью построения стационарного потока на связанном с изображением графе.Апробация результатов.
Основные результаты диссертационной работы докладывались и обсуждались на следующих научных конференциях исеминарах:1. Конференция “Научные исследования и их практическое применение.Современное состояние и пути развития”, 2012, Одесса;2. LXVI и LXVII Международные конференции “Герценовские чтения”.Секция “Актуальные информационные системы и технологии моделирования”, 2013 - 2014, РПГУ им. Герцена, Санкт-Петербург;3. “Межвузовский конкурс-конференция студентов, аспирантов и молодыхученых Северо-Запада”, 2013, СПбГПУ, Санкт-Петербург;4. Восьмая международная конференция “Актуальные проблемы прикладной математики, информатики и механики”, 2013, ВГУ, Воронеж;5.
Семинары “Информатика и компьютерные технологии”, доклады “Алгоритм анализа изображений, основанный на построении стационарного потокана графе” и “Разработка и реализация алгоритмов классификации изображений биомедицинских препаратов”, 2014–2015, СПИИРАН, Санкт-Петербург;6. 9-th International Conference on Communications, Electromagnetics andMedical Applications (CEMA), 2014, Technical Univercity of Sofia, Sofia, Bulgaria.8Основное содержание работыДиссертационная работа состоит из введения, четырех глав, заключения,библиографического списка и одного приложения.
Работа изложена на 107страницах машинописного текста, содержит 17 рисунков, 27 таблиц и списоклитературы из 102 наименований.Введение содержит обзор современного состояния предметной области,обоснование актуальности диссертационной работы. Во введении сформулированы предмет и цели исследований, аргументирована научная новизна работы, представлены выносимые на защиту положения, приведена оценка ихтеоретической и практической значимости.Первые три главы содержат описание алгоритмов, разработанных дляреализации комплекса программ по исследованию и классификации биомедицинских изображений. В четвертой главе приведено описание особенностейреализации разработанного комплекса.Первая глава содержит исследование метода классификации изображений с помощью статистических методов Харалика второго порядка с точкизрения его применимости для классификации изображений биомедицинскогохарактера.Для вычисления признаков Харалика второго порядка изображение представляется как решетка пикселей заданной интенсивности, по нему строятсячетыре матрицы относительных частот расположения пикселей по направлениям 0, 45, 90 и 135 градусов.
На основании матриц вычисляются 14 числовых характеристик, набор которых в дальнейшем может быть использованкак вектор признаков для классификации изображений.Рассмотрена применимость вычисления статистических характеристик Харалика второго порядка для задачи классификации изображений растворовсеребра различной концентрации. Показано, что для предварительно приведенных к оттенкам серого изображениям растворов серебра ни один извычисленных признаков не позволяет разделить изображения на группы всоответствии с их действительной классификацией.Предложен и реализован метод использования координат цветовых пространств RGB и HSV в качестве входных данных для алгоритма классификации.
Для исследуемых изображений растворов серебра различной концен9трации показано, что предложенный автором метод при вычислении для координаты H признаков “суммарная энтропия” и “обратный момент” позволяет разделить их на группы, соответствующие действительной классификации изображений. Это дает возможность построить классификатор высокойточности, разделяющий изображения в соответствии с их действительнымиклассами.В результате проведенных в первой главе исследований можно утверждать, что выбор координаты для представления исходных изображений вразличных цветовых пространствах, таких как RGB или HSV, может значительно влиять на результаты классификации.Вторая глава посвящена исследованию использования диффузионноймодели DLA (Diffusion Limited Aggregation) для описания изображений сложных процессов в системах различной природы, в том числе биологических.Модель DLA описывает рост группы частиц, называемой агрегатом, приброуновском блуждании этих частиц по линиям координатной сетки.
Предполагается, что частицы присоединяются к агрегату последовательно.В главе приведено описание классической модели DLA, а также описаниереализованных автором для ее компьютерного моделирования алгоритмов.Автором предложен метод априорной оценки коэффициентов выбора дляпостроения агрегата, аналогичного по своим характеристикам агрегату, построенному по классической модели DLA. При бросании частицы на координатную сетку вычисляются коэффициенты выбора для каждой из граничныхточек агрегата.
Показано, что эти оценки зависят только от суммы покоординатных расстояний между бросаемой частицей и граничной точкой агрегатапо абсциссе (a) и ординате (b) и могут быть вычислены по формулеP (a, b) =14a+b.(1)После вычисления коэффициентов выбора для каждой из граничных точекагрегата строится функция распределения случайной величины присоединения частицы к граничным точкам агрегата, из области значений которойслучайным образом выбирается значение. Прообраз этого значения и определяет, к какой точке агрегата присоединится частица.Описаны особенности реализации предлагаемого алгоритма для построе10ния компьютерной модели агрегата.Полученные оценки алгоритмической сложности предлагаемого алгоритма сформулированы в виде следующего доказанного утверждения.Утверждение 1.
Пусть число ячеек в рассматриваемой области M , ачисло бросаемых частиц T . Тогда вычислительная сложность этапа предподсчета предлагаемого алгоритма равна O(M ), а вычислительная сложностьэтапа бросания частиц равна O(T 2 ). Размер используемой памяти пропорционален O(M ) на этапе предподсчета и является константой на этапе бросаниячастиц.Показано, что предлагаемый автором алгоритм позволяет уменьшить время построения агрегатов из 10000 частиц в 40 раз по сравнению с классической версией алгоритма.Сравнение емкостных размерностей агрегатов, построенных двумя способами, и вычисление дивергенции Кульбака–Лейблера между определяющимиизображения агрегатов вероятностными мерами позволяют утверждать, чтопостроенный в результате предложенного автором алгоритма агрегат по своим структурным особенностям близок к агрегату сопоставимой мощности,построенному по классическому алгоритму.Приведено описание модели DLA для построения агрегатов на нерегулярной триангуляционной сетке, приближающей произвольную поверхность.Аналогично плоскому случаю, частицы блуждают по треугольникам триангуляции и присоединяются к агрегату последовательно.
Основным отличиеммодели от плоского случая является неравновероятность перехода между треугольниками, зависящая от соотношения сторон. Приведено описание реализованных автором алгоритмов для компьютерного моделирования процессаDLA на триангуляционной сетке.Автором предложена адаптация метода априорной оценки коэффициентов выбора для применения его к моделированию процесса DLA на триангуляционной сетке. Для этого введено понятие матрицы коэффициентов выбораи представлен эффективный алгоритм ее вычисления с помощью построения последовательности матриц Gk , каждая из которых содержит значениявсех коэффициентов выбора для путей длины k. С помощью матрицы G,11являющейся частичной суммой матриц Gk для некоторого N , определяютсякоэффициенты выбора для всех треугольников, входящих в границу агрегата. Их них аналогично плоскому случаю выбирается тот, к которому будетприсоединена частица.Описаны особенности реализации алгоритма для построения компьютерной модели агрегата на поверхности.Полученные оценки вычислительной сложности сформулированы в видеследующего доказанного утверждения.Утверждение 2.
Пусть число треугольников в рассматриваемой триангуляции равно M , максимальная из рассматриваемых длин путей равна N ,а число бросаемых частиц равно T . Тогда вычислительная сложность алгоритма построения матрицы G равна O(N M 2 ), а вычислительная сложностьэтапа бросания частиц, как и в плоском случае, пропорциональна T 2 . Приэтом размер используемой памяти на этапе построения матрицы G пропорционален M 2 , а на этапе бросания частиц, как и в плоском случае, константен.Показано, что предлагаемый автором алгоритм работает в 10-15 раз быстрее классического при построении последовательности из 10 агрегатов на поверхностяхx2 y 2+− z2 = 144(2)иx2+ y 2 = 2z,(3)4что позволяет эффективно решать задачу исследования динамики сложныхсистем.Третья глава содержит описание способа классификации биомедицинских изображений с помощью их представления в виде ориентированногографа и построения стационарного потока на нем.Описан способ интерпретации изображения в качестве ориентированногографа, при котором каждому пикселю изображения ставится в соответствиевершина графа.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
