автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Автоматизированное проектирование предметно-ориентированных процедур обработки и анализа двумерных ахроматических изображений

На правах рукописи

ргв од

• с ^ - "О

Крылов Борис Алексеевич

АВТОМАТИЗИРОВАННОЕ ПРОЕКТИРОВАНИЕ ПРЕДМЕТНО-ОРИЕНТИРОВАННЫХ ПРОЦЕДУР ОБРАБОТКИ И АНАЛИЗА ДВУМЕРНЫХ АХРОМАТИЧЕСКИХ ИЗОБРАЖЕНИЙ

05.13.12. Системы автоматизации проектирования

Автореферат диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 2000 г.

Работа выполнена на кафедре проектирования компьютерных систем Санкт-Петербургского государственного института точной механики и оптики (Технического университета).

Научный руководитель:

доктор технических наук Короткое К.Г.

Научный консультант:

кандидат технических наук, профессор Петухов Г.А. Официальные оппоненты:

доктор технических наук, профессор Тропченко А.Ю. кандидат технических наук, доцент Белов Л.Б

Ведущая организация: Санкт-Петербургский Государственный электротехнический университет (ЛЭТИ).

Защита диссертации состоится {9 декабря 2000 г. в °часов на заседании диссертационного Совета К 053.26.04 Санкт-Петербургского Государственного института точной механики и оптики (Технического университета) по адресу: 197101, г. Санкт-Петербург, ул. Саблинская, 14.

С диссертацией можно ознакомится в библиотеке СПб ГИТМО(ТУ). Автореферат разослан ноября 2000 г.

Ученый секретарь диссертационного совета

Поляков В.И.

]9S5,0'} - п

1.ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Автоматизация проектирования (АП) является интенсивно развивающимся направлением современной науки и техники. Подходы, методы и алгоритмы разработанные в рамках создания систем автоматизированного проектирования (САПР) находят применение в различных прикладных областях. Одной из них является метод газоразрядной визуализации (ГРВ) - измерительно-вычислительная система анализа параметров индуцированного свечения объектов в электромагнитных полях высокой напряженности.

В основе метода лежит автоматизированная обработка и анализ изображений свечения газового разряда (ГРВ-грамм) с целью извлечения количественной информации об объектах и процессах, протекающих в поле изображения. ГРВ-грамма представляет собой сложное, фрактальное, ахроматическое изображение, при обработке и анализе которого необходимо учитывать особенности процесса визуализации, причем начальная обработка должна осуществляться на этапе получения изображения. Данная задача характеризуется большим объемом обрабатываемых данных, причем обработку информации необходимо выполнить за приемлемый промежуток времени и с максимальной точностью. Применение метода ГРВ в различных областях науки и техники для исследования объектов самой разнообразной природы (от кремниевых пластин в микроэлектронике и до биологических жидкостей в медицине) требует разработки методов и алгоритмов обработки и анализа ГРВ-грамм, учитывающих специфические особенности конкретной предметной области.

Все это делает необходимым создание библиотеки программ, ориентированных на решение определенных практических задач. Отсюда возникает проблема выбора на основе введенных критериев наилучшего алгоритма с целью формирования оптимальной процедуры решения конкретной задачи.

Необходимость при проверки различных гипотез применимости развитых алгоритмов в процессе решения трудоемких многопараметрических задач делает актуарной разработку системы автоматизированного проектирования предметно-ориентированных процедур обработки и анализа ГРВ-грамм.

Целью работы является разработка метода автоматизированного проектирования предметно-ориентированных процедур и их программная реализация с целыо обработки и анализа ГРВ-грамм при обеспечении комплексного характера решаемых задач и инвариантности прикладного программного обеспечения.

Задачи работы. Для достижения сформулированной цели в работе ставятся и решаются следующие задачи:

•Разработка метода АП предметно-ориентированных процедур обработки и анализа ГРВ-грамм, удовлетворяющих заданному критерию эффективности. •Анализ процесса формирования изображения газового разряда; оценка роли различных факторов, влияющих на параметры получаемых ГРВ-грамм. •Развитие математических принципов многофакторной оценки ГРВ-грамм. •Определение комплекса параметров анализа двумерных ахроматических изображений.

•Разработка алгоритмов обработки и анализа ГРВ-грамм, учитывающих специфические особенности различных предметных областей и их программная реализация.

•Создание на базе библиотеки операций, САПР предметно-ориентированных процедур обработки и анализа ГРВ-грамм.

•Обоснование и экспериментальное подтверждение перспективности применения развитых методов и алгоритмов при решении задач исследования характеристик ГРВ-грамм объектов различной природы.

Методы исследований основаны на теории и методах автоматизации проектирования технических систем, методах математического моделирования и управления, теории вероятностей и математической статистики, теории принятия решений, системного анализа, методах оптимизации, методах цифровой обработки изображений и машинной графики.

Научная вовизиа работы и основные положения, выносимые на защиту. В ходе выполнения работы получены следующие новые научные результаты:

1. Предложен метод автоматизированного синтеза предметно-ориентированных процедур обработки и анализа двумерных ахроматических изображений, в основе которого лежит многокритериальная оптимизация на базе алгоритма вычисления оценок (голосования) и обучения на основе стратегии Байеса.

2. Разработан алгоритм выбора вариантов на уровне объекта исследования, маршрута проектирования и реализующих его средств САПР, отличающийся возможностью организации направленного перебора на множестве альтернатив.

3. Разработан подход к анализу двумерных ахроматических изображений ГРВ-грамм на базе САПР процедур обработки и анализа данных.

4. Разработана методика многофакторного параметрического анализа ахроматических изображений.

5. Предложена гибкая, легко модифицируемая и адаптируемая структура программного комплекса АП предметно-ориентированных процедур обработки и анализа изображений на базе библиотеки операций.

Практическая ценность работы состоит в разработке алгоритмов и программ, автоматизирующих процесс обработки и анализа ГРВ-грамм, использование которых позволило создать измерительно-вычислительные системы анализа двумерных ахроматических изображений.

Основные результаты работы используются в составе программно-аппаратного комплекса "Корона-ТВ", разрешенного к применению Комитетом по Новой Медицинской Технике МЗ РФ (май-декабрь 1999). Программно-аппаратный комплекс сертифицирован и выпускается серийно, внедрен в медицинских и исследовательских центрах России, Англии, Германии, Индии, Словении, США, Финляндии, Швеции.

Апробация работы. Основные результаты доложены и обсуждены в период 1985-2000 гг. на 21 конференциях и семинарах. Среди них: Всесоюзные и Международные конференции: "Разработка и применение в народном хозяйстве ЕС ЭВМ" (Москва, 1985); "Автоматизация конструкторского проектирования РЭА и ЭВА" (Пенза, 1985, 1986, 1987); "Системы автоматизированного проектирования (САПР-85)" (Москва, 1985); "Проектирование и изготовление РЭА" (Фрунзе, 1986, 1988);

"Системы автоматизированного проектирования в машино- и приборостроении" (Кишинев, 1986); "Проблемы создания и развития интегрированных автоматизированных систем в проектировании и производстве" (Москва, 1987); "Машинная графика и автоматизация проектирования в радиоэлектронике" (Челябинск, 1988); "Проблемы вычислительной математики и автоматизации научных исследований" (Алма-Ата, 1988); "Экспертные системы в решении задач комплексной автоматизации- проектирования и производства РЭА" (Ленинград, 1989); "Создание интеллектуальных САПР СБИС и электронных средств)" (Москва, 1990); "Опыт разработки и применения приборно-технических САПР" (Львов, 1991); "Разработка и эксплуатация САПР в радиоэлектронике" (Челябинск, 1991); "Кирлионика, белые ночи "(СПб, 1998); "Автоматизация проектирования, технология элементов и узлов компьютерных систем " (СПб, 1998); «Биомедприбор-98» (Москва 1998); "Наука, Информация, Сознание" (СПб, 1999). Научно-технических конференциях профессорско-преподавательского состава ГИТМО(ТУ) (СПб, 1997,1999,2000)

Публикации. По теме диссертации опубликовано 23 работы.

Структура н объём диссертации. Диссертация содержит введение, 5 глав, заключение, список литературы. Рукопись содержит 179 страниц текста, 33 рисунка, 3 таблицы.

2. СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуатьность темы диссертации, формулируется цель и задачи исследования.

В первой главе рассматриваются вопросы создания САПР программных процедур, учитывающих специфические особенности ГРВ-грамм, исследуется процесс формирования изображения газового разряда, анализируется современное состояние проблемы автоматизированной обработки и анализа изображений.

Автоматизированное исследование изображений основывается на их анализе и обработке. Анализ изображения предусматривает изучение отдельных характеристик, составных частей или фрагментов в поле изображения. Конечным результатом анализа является распознавание или классификация объектов, процессов или изображений. Обработка изображений является этапом предшествующим анализу, и заключается во внесении в формируемое изображение тех или иных изменений с целью приведения его к некоторому стандартному представлению.

Проведенные исследования показали, что процесс обработки и последующего анализа ГРВ-грамм во многом определяется способом формирования изображения. При всем многообразии конкретных технических решений сущность процесса визуализации может быть сведена к некоторой теоретической схеме (рис. 1).

- ' Рв Риз Рд

{Х}гп—► {Х}гт—ИХК—Зк

^ {Х)ои ч- |

Рис 1.

Первичным процессом является процесс Рв взаимодействия электромагнитного поля (ЭМП) с объектом исследования (ОИ) (набор свойств объекта отражает

множество {Х}ои> а набор параметров ЭМП - множество {Х}пт), в результате которого происходит искажение ЭМП за счет поверхностных и объемных свойств объекта и при определенной напряженности ЭМП возникает эмиссия заряженных частиц, участвующих в инициировании начальных фаз газового разряда {Х}п>. Газовый разряд, в свою очередь, может влиять на состояние объекта, вызывая вторичные эмиссионные, деструктивные и тепловые процессы. Состояние ОИ характеризуется комплексом параметров (множество {Х}ои), в котором определяющую роль с точки зрения процесса ГРВ играют физико-химические и эмиссионные процессы, процессы газовыделения, структурные и эмиссионные свойства ОН Неоднородность поверхности и объема, процессы эмиссии заряженных частиц или выделения газов оказывают влияние на параметры электромагнитного поля (процесс Рв), за счет чего изменяются параметры газового разряда (множесгво{Х}п>)- Такими параметрами являются характеристики тока разряда и оптического излучения. При этом основная информация извлекается из характеристик излучения, которое представляет собой пространственно-распределенную группу участков различной яркости. Приемник излучения преобразует пространственное распределение яркости в изображение (процесс Рц,), а анализ амплитудных характеристик видеосигналов приводит к формированию набора параметров (множество {Х}Из), из которых строится набор параметров, необходимый для формирования заключения о состоянии ОИ (Зк).

Изображение ГР представляет собой сложную двумерную, фрактальную фигуру, пространственные и спектральные характеристики которой несут информацию о структуре и свойствах объекта индуцировавшего разряд.

Интенсивность излучаемой световой энергии с единицы поверхности в точке с координатами (х, у) можно представить неким числом Ь(х, у). Единичный элемент изображения, характеризуемый определенными значениями (х, у), принято называть пикселем, а величину Ь(х, у) - яркостью.

Плотность размещения пикселей связана с пространственным разрешением ПЗС-камеры, отсюда имеет место дискретное представление непрерывного процесса. Кроме того, яркость свечения ГР изменяется во времени, поэтому на ряду с пространственной дискретизацией имеет место дискретизация по времени.

Значение уровня яркости в каждом из пикселей можно определить путем взвешенного усреднения Ь(х, у) в малой окрестности д, за время экспозиции р..

где а^с-дгя^^Цвзвешивающая функция, определяемая параметрами ПЗС-камеры.

После дискретизации изображение представляется прямоугольным полем дискретных элементов (пикселей). Каждый пиксель характеризуется яркостью Ь, кодируемой целым числом в диапазоне от 0 ("черное") до 255("белое"), а все изображение представляет собой матрицу В - [Ь(х,у)].

Процедуру решения задачи обработки и анализа ГРВ-грамм можно представить следующим образом. Пусть I - истинное изображение газового разряда. Процесс получения, формирования, дискретизации и т.д. можно рассматривать как пе-

1с-Ч) ¡.х-О/.у-д

редачу истинного изображения по каналу с помехами. В результате предметом анализа служит не истинное, а реальное наблюдаемое изображение I. В процессе анализа последнее должно быть классифицировано, т.е. должен быть определен его прототип в классе эквивалентности К/, либо на наблюдаемом изображении / следует обнаружить регулярности заданного вида А

Таким образом, можно определить для множеств {I}, {С} и {/"}, где {1} = {К.}, преобразования формирования {Iе} и анализа {Г1} изображений:

Тогда обработка и анализ ГРВ-грамм сводится к определению на множестве {1} систем преобразований {Iе} н {Т*}.

Такая постановка задачи позволяет определить процедуру автоматизированной обработки и анализа ГРВ-грамм как последовательность операций, характеризующуюся фиксированной структурой процесса, конкретная реализация которого зависит от целей и типа анализа, предметной области, характера задачи, физических реальностей объекта, способов получения и формирования изображения, обстоятельств, этим процессам сопутствовавших.

Можно выделить следующие основные этапы решения задачи:

• Синтез модели наблюдаемого изображения - т.е. получение изображения, пригодного для последующей обработки и анализа.

• Автоматизированный синтез процедуры решения задачи с учетом предметной области, целей и задачи анализа.

• Фильтрация изображения - предварительная обработка исходного изображения, которая преследует цель выделить полезные составляющие сигнала изображения на фоне неизбежного шума и тем самым привести изображение к некоторому стандартному представлению.

• Синтез формализованного представления изображения.

• Формирование заключения.

Структура процесса обработки и анализа двумерных ГРВ изображений с использованием САПР предметно-ориентированных процедур показана на рис. 2.

Средства формирования процедуры

Рис. 2. Структурна* схема процесса обработки и анализа ГРВ-грамм с использованием САПР

Здесь P={P14>2,...,P„,Pi^'Л , -Ро'} -процедуры реализующие преобразования {7*} и ft1}. 0={0b02)...,0a,0r,02\...cv} - множество операций из которых строятся процедуры.

Вторая глава посвящена вопросам автоматизации проектирования проблемно-ориентированных процедур обработки и анализа ГРВ-грамм.

Процесс обработки и анализа ГРВ-грамм можно рассматривать как последовательность конечного множества операций или решающих правил {Т}, где {Tjcffl^jufr*}), {T}-{Tt}; HI,2,...,L образованное для выработки коллективного решения, а 7} 1-ое решающее правило.

Вид коллективного решения конкретизируется типом задачи. В нашем случае решением может быть отнесение некоторого объекта или ситуации Хк одному из классов или множеств Aj . Исходная ситуация X характеризуется вектором параметров или признаков: X = {xt, ..., хц}.

Формально задачу принятия коллективного решения можно представить следующим образом: если Si, l-l,2,...,L - индивидуальные решения, принимаемые членами коллектива — решающими правилами Т/, I -1,2,...,L , то коллективное решение определяется как некоторая функция индивидуальных решений:

S~~F(Sl,S2,...,ShX). (2.1)

Здесь F— алгоритм принятия коллективного решения.

Решение задачи S состоит в выборе номера одного из классов Aj j=l,2,...,J, для каждой конкретной ситуации X, для которой правила Г, принимают различные решения:

Si:XeAj = Tt(X); l=I,2,...,L;j^l,2,...,J.

Рассматриваемые последовательности решающих правил можно рассматривать как голосующие алгоритмы. Пусть q, - голосующая функцияу-го класса:

Ф=2Л. VI[S,=j],j=l,2,...,J. (2.2)

Где - соответствующим образом нормированный вес / -го решающего правила; суммирование ведется по тем /, для которых Si=j. Решение о принадлежности ситуации А" к одному из классов^, j=l,2,..., J принимается по следующему правилу: XeAj*. еслиq^ = max qj,j = 1,2,...,J.

Введем понятие области или множества компетентности решающего правила Под этим будем понимать совокупность ситуаций X, для которых данное правило коллектива в некотором смысле наиболее компетентно, например, в смысле минимума вероятности ошибки, машинного времени или требуемого объема памяти. Обозначим эти множества В1:1=1,2,...,L.

Введем зависимость щ от распознаваемой ситуации X: щ.Ц{(Х) fl ,еслиХеВ,

причем Т.Щ (X) = 1; VXeQ?; 1-1,2,...,L; (f - и-мерное пространство признаков (xj.x?,... ,XrJ. Подставляя выражение (2.3) в (2.2), получаем, что решение коллектива решающих правил S определяется решением того правила Т), к области компетентности которого Bi принадлежит распознаваемая ситуация X:S=Si.

Предлагаемый подход относится к иерархическим и представляет собой двухуровневую процедуру. На первом уровне осуществляется распознавание принад-

лежности ситуации X к той или ииой области компетентности В;, 1=1,2.....L;

на втором - решение правила, соответствующего данной области, отождествляется с решением всего коллектива.

Введем понятие коэффициента компетентности решающего правила. Пусть F' - алгоритм распознавания областей компетентности В/, l=l,2,...,L; тогда можно построить следующее правило отнесения ситуации X к той или иной области компетентности:

г

Х-ьВ,.-, если vn(X)=vasa.v,{X) / = 1,2.....L

Величину Vi'(X) будем называть коэффициентом компетентности /-го решающего правила в ситуации X.

Синтез коллективного решающего правила F (2.1) сводится к определению оценок областей компетентности каждого решающего правила - члена коллектива, т.е. к распознаванию в конкретной ситуации X номера правила, которое в этой ситуации следует применять.

В работе данную задачу предлагается решать с помощью классического алгоритма обучения на основе стратегии Байеса.

В начале задаются априорные вероятности разделяемых множеств P(Bi);b нашем случае такими множествами являются области компетентности решающих правил Bi, l=l,2,...,L; и условные распределения P(X/Bi). На основе этой информации алгоритм позволяет определить апостериорную вероятность принадлежности ситуации Хк области компетентности В/, 1-1,2,... ,L:

Р(В,/Х) = кР(В,)Р(Х/В,), где к— нормирующий множитель:

Ы\1^Р{В,)Р(Х1В,) = \1Р(Х)

м

Область компетентности В;., к которой относится ситуация X, определяется согласно выражению: Хе В{», если Р(В^/Х) = max P(Bt/X).

Этим определяется то решающее правило Г/., чье решение в данной ситуации отождествляется с решением коллектива. Полученные таким образом апостериорные вероятности однозначно определяют коэффициенты компетентности (2.3).

, ч fl ,еатР(.В„/Х)=тзхР(В1/Х) //.(ЛГ) = „

[О , в противном случае.

Под обучением в данном алгоритме понимается выделение обучающих последовательностей для каждой из областей В/, 1=1,2,... ,L и оценка по этим последовательностям значенийP(Xf/Bi), i=l,2,...,n; l=I,2,...,L.

Эксперименты на модельных задачах показали, что для обработки и анализа ГРВ-грамм Байесово решающее правило при достаточной представительности обучающей последовательности обеспечивает оптимальное в смысле минимума вероятности ошибки разбиение пространства признаков на области компетентности.

В третей главе рассматриваются вопросы разработки методов и алгоритмов автоматизированной обработки и анализа ГРВ-грамм.

Существующие прикладные пакеты обработки изображений не могут быть использованы для обработки ГРВ-грамм в связи со спецификой возникающих задач, необходимостью учета диагностических гипотез и проведения обработки на уровне систем принятия решения. Поэтому была разработана программная среда, представляющая собой библиотеку операций САПР обработки и анализа ГРВ-грамм, ориентированных на работу в различных предметных областях. Адаптация осуществляется за счет комбинации оптимальных для данной предметной области операций из библиотеки, выбора соответствующих процедур и (или) подбора оптимальных пороговых значений.

В состав библиотеки включены следующие основные алгоритмы.

Подавление высокочастотной составляющей шума. Алгоритм основан на пороговом методе обработки изображений, с учетом особенностей ГРВ-грамм и выполняется в три стадии.

На первой - определяется порог высокочастотной составляющей шума. Пусть Ь/(х1,у1) и Ь2(х2,у3) яркости двух смежных точек // с координатами (х1,у/) и ¡2 с координатами (х2,У2). Если порог С выделяет эти перепады, то он находится между Ь^ХьуО и Ь2(х2,у]), Ь1(х1,у1)<С< Ь2(хъУ2) или Ь2(х2,у2)<С< Ь1(х1,у1). Число перепадов, которое выделилось с помощью порога С, равно ЩСу=£,0(1 ¡¿^С), где если Ь1(х],у1)<С< Ь2(х2,у2) или Ь2(х2,у2)<С<Ь!(х,,у¡) и равно 0 в противном случае. Контраст между двумя точками определяется как ¡(х1,у 1)-Ъ2(х2,у2)\. Полный

контраст при этом подсчитывается как Е(С)=ЕС(иЛ2,С) по веем перепадам, где если Ь1(х1,у1)<С< Ь2(х2,у2) или Ь2(х2,у2)<С<Ь1(х1,у1) и равно 0 в противном случае. Средний контраст рассчитывается как Е(С)/Ы(С). Порог, соответствующий максимальному среднему контрасту, считается оптимальным.

На второй стадии на основе определенного порога выделяются угловые участки изображения Рь не содержащие полезной информации, по которым определяется спектр шума ЩЬ) .

На третей стадии производится вычитание высокочастотной составляющей шума из изображения. Рассматривается каждый пиксель исходного изображения, и если яркость Ь не встречается в спектре шума (т.е. ЩЬ) = 0), он остается без изменений. Если И(Ь)>0, то решение принимается на основе того, как часто он в нем встречается. Например, когда К(Ь) превышает некоторую заданную долю Ь общей площади спектра шума, т.е. Ы(Ь)>И*Б, пиксель удаляется Ь(х,у)=Ьр, где Ьр - яркость .фона. ,

Подавление низкочастотной составляющей шума (помехи). В работе предложен подход, в основе которого лежит эвристически определяемая мера зашумленности изображения, определяемая на основе анализа фрагментного спектра изображения, его площади Бт и медианы ко. Пороговое значение д вычисляется как . функция от и ко, т.е. д-Д8тк^ . В простейшем случае это может быть часть общей площади спектра, т.е. д=И3*Ят, где настраиваемый коэффициент, обычно Ъз<1. Все компоненты размером меньше <7 удаляются из изображения.

Псевдоокрашивание. Для визуальной оценки изображения в системе предусмотрено три алгоритма псевдоокрашивания, ориентированные на выделение различных особенностей ГРВ-грамм. В первом яркостной спектр изображения разбивается на К, частей равной площади и каждому участку присваивается определен-

ный цвет Siß)-const. Во втором алгоритме участок спектра, занимаемый изображением, разбивается на К равных частей. И в третьем алгоритме весь спектр разбивается на Ki равных частей.

Для оценки специфических изменений изображений, характерных для конкретных задач, разработан набор автоматизированных функций вычисления количественных параметров ГРВ-грамм.

Общая площадь изображения: S = ¿i Zy ри, где p,j= 1, если b(ij) <q и рц = О, если b(ij) >q; q-пороговоезначение фона.

Частичные площади градаций серого 5/, определяемые как количество пикселей в интервале яркостей [bij.bJ.

Плотность изображения: отношение площади изображения свечения А=\а(х,у)\ к общей площади региона, включающего в себя изображение В=\Ь(х,у)\. Плотность изображения D вычисляется как:

о=Ел/2Х

/сЛ /сЛ

где pi~ 1, если а(х,у) <L,pi~0, если а(х,у) > L; L -пороговое значение фона; S,=/ для всех i сА.

Длина периметра изображения. Для вычисления этого параметра реализовано два подхода:

- площадь разностной фигуры, образуемой при сдвиге исходного изображения на один пиксель по всем координатам.

- длина огибающей развертки изображения.

Интегральная яркость изображения:

PJ =£ d[iV't <*№: i * 0 i-0

где dfi]- количество пикселей изображения, для которых b(x,y)=i, i'e(0,250),

Ширина яркостного спектра изображения: LJ = K-N, где К = шах{Ь,(х,у)} для всех /', принадлежащих области изображения; N = min {b,(x,y)} для всех i, принадлежащих области изображения.

Коэффициент формы: q= L2/S, где L - длина периметра изображения свечения, S-общая площадь изображения свечения.

Фронтальность (по Мандельброту) f. отношение длин периметров изображения свечения, полученных при различных масштабах ГРВ-граммы.

Следующий комплекс расчетов основан на преобразовании исходного изображения из сферической системы координат в декартову систему одномерных кривых-векторов, что производится на основании уравнений Эйлера по яркостным и векторным эквиденситам. Изображение может быть представлено как функция F(x) некоторого аргумента х от угла в пределах [0-2л]. В качестве функции F(x) может выступать максимальная длина радиуса изображения, длина медианы, яркость или средние величины по радиусу. Как правило, функция F(x) неоднородна и меняется достаточно хаотически. Без больших погрешностей можно рассматривать ее как часть неограниченной вероятностной переменной и применить аппарат описания статистических зависимостей, что позволяет вычислить ряд параметров.

Энтропия ГРВ-грамм. Введем параметр суммарной яркости: 6 = 1 1Т(х)с1х где х е [0,2л]. Перейдем от функции Р(х) к нормированной функцииДх) :

Дх) = К(х)/0 = 2к {\Г(х)сЬс}, х е [0, 2л] удовлетворяющей условию нормировки: | Дх)сЬ = I, х е [0, 2л]

Функция Дх) в пределах от 0 до 2л меняется от/„,„ до /тах- Разделим область значений функции/ЭД на N равновеликих интервалов и построим график Рф распределения плотности значений функции ./ЭД в интервале [/тш,/„щ]. С целью использования вероятностной интерпретации введем нормированную функцию р(]), имеющую смысл плотности вероятности. Р(0= Рт\Рт} ■ /е ¡/тах./тт] \рф #= 1, /е Цтах.Дпт]

Энтропия ГРВ-граммы, определяется следующим образом:

¿Я*,= — \рв)Ьк(р(!)}#. /е Цгпах.Дпт] Дисперсия Ш1 может быть определена по формуле :

т = \ \f-fofpO) <1/ , /е Цтах.Дпт];

где /о математическое ожидание.

Высшие центрированные моменты можно расчитать по формуле.

тк = ] \f-fof4 р(0 <1/ /е [/тах, Дпт] Функция автокорреляции, является характеристикой регулярности процесса, может быть определена следующим образом: К(у) == I (Дх) ~№(*+У) -/№ Реализован набор параметров, учитывающих фракгальную динамику ГРВ-грамм. Изображение разбивается на ряд строк-овалов, вложенных один в другой, и анализируется распределений яркости каждого пикселя соответствующего овала, а также длина радиус-вектора, пересекающего определенные пиксель. За длину принимается количество засвеченных элементов сетки, пересеченных данным радиус-вектором, проведенным под фиксированным углом до выбранного овала. Определенная подобным образом длина зависит от угла радиус-вектора, проведенного из фиксированного центра изображения. Такая строчно-овальная развертка позволяет исследовать динамику развития процесса образования изображения во времени и пространстве. Использовано разложение ГРВ-граммы на 8 строк-овалов, каждая из которых дискретизировалась по углу поворота радиус-вектора на величину 0,35156 . В результате для каждого овала образуются два вектора П у и размером 1024x1 каждый, где у - номер овала (/е0, ],...,7). Эти данные преобразовываются и сжимаются методом анализа фрактальной динамики. Суть метода заключается в том, что исследуются динамические спектры мощностей фрагментов исходного процесса. Для их описания строятся двухпараметрические математические модели в виде: М(п) = к, где п - номер гармоники в спектре мощности и путем решения задачи нелинейной регрессии находят оценки параметров модели к, р. Таким образом, определяются две матрицы оценок размером 8x8 каждая: ......

К =

ГР\\Рм......Р\% 1

РаРгз......Рт

Для каждой из матриц К и ропределяются их сингулярные разложения и находятся максимальные сингулярные числа БМр, кроме того для каждой из этих матриц определяются интегральное среднее и нормированное стандартное опслонение.

Таким образом, каждая из исходных матриц П к Р2 в результате этих преобразований превращается в шесть чисел, обладающих рядом положительных свойств: помехоустойчивостью, робастностью, узнаваемостью.

В системе реализовано два алгоритма классификации ГРВ-грамм. Первый, на основе Байесовской стратегии принятия решений. Статистические параметры выше перечисленных признаков являются критерием их ранжирования по информативности в составе данной выборки для данной задачи классификации. Второй, на основе алгоритма ближайшей точки, где в качестве метрики выбрано евклидово расстояние.

Все вышеперечисленные алгоритмы реализованы в виде программных процедур и объединены в библиотеку операций обработки и анализа ГРВ-грамм.

В четвертой главе рассмотрена практическая реализация САПР предметно-ориентированных процедур анализа и обработки изображений свечения ГР (рис.3.).

Рис. 3. Структура САПР предметно-сриектированных процедур обработки и анализа изображений

Аппаратная часть комплекса "Корона ТВ" позволяет получать одиночные (покадровые) изображения или последовательности изображений (кадров) ГРВ-грамм в реальном масштабе времени и запоминать их в виде BMP или AVI файлов. САПР состоит из следующих основных блоков: а) библиотека операций, где в виде законченных программных модулей реализованы основные функции обработки и анализа ГРВ-грамм: предварительная обработка изображений (программная дискретизация; удаление шумов и помех; псевдоокрашивание); сегментирование ГРВ-грамм (построение вписанного эллипса; секторальные разбиения изображения); развертка изображения; вычисление различных параметров изображения; классификация ГРВ-грамм; б) подсистема синтеза процедур, где на основе результатов предшествующего обучения на тестовых задачах в автоматизированном режимы проектируется общая процедура обработки и анализа ГРВ-грамм. В процессе син-

теза процедуры предусмотрен интерактивный режим, с целью учета спецефических требований анализа изображений; в) интерфейс пользователя, представляет собой комплекс программ обеспечивающих взаимодействие пользователя и программно-аппаратного комплекса; г) в системе на базе библиотеки операций разработаны системные процедуры: наблюдение ГРВ сигнала в реальном масштабе времени; начальный ввод и сохранение изображений с проведением внутренней компрессии данных; статистическая обработка полученных параметров и построение гистограмм; синтез и печать заключений в требуемой форме.

Все вышеперечисленные процедуры объединены в программный комплекс "GDV" работающий в среде Windows 95/98. На его основе разработан ряд модификаций программно-аппаратных комплексов для исследования параметров газоразрядного свечения объектов различной природы.

В пятой главе рассмотрены примеры конкретных приложений разработанных методов, алгоритмов и программ в различных предметных областях. Основным критерием правильности развитых в предыдущих главах положений является их проверка при исследовании реальных ОИ. Все исследования проводились с участием специалистов конкретной предметной области в профильных научно-исследовательских организациях.

В программу исследований были включены следующие основные направления:

1. Изучение газоразрядного свечения технологических элементов микросхем.

2. Исследование ГРВ параметров образцов крови на предмет поиска специфических онкомаркеров.

3. Выявление диагностических возможностей метода ГРВ на примере исследования в терапевтической клинике с включением больных широкого профиля.

Исследования проводились на базе СПб Технического Университета, Института Биохимии АН РФ, СПб гос. Медицинского Университета им. И.П. Павлова, СПб Военно-Медицинской Академии, СПб Академии МСУ, Онкологического Центра Грузии, СПб НИИ Спорта, СПб Академии Спорта, Скандинавского международного Университета, Университета г.Куопио.

Полученные результаты показали большую перспективность метода, алгоритмов и программ во всех исследованных направлениях. Выявлены статистически значимые корреляты разработанных ГРВ параметров состояния объекта исследования с общепризнанными показателями состояния. В заключении приведены основные результаты работы.

3. ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработан метод АП процедур обработки и анализа ГРВ-грамм, учитывающий специфические особенности различных предметных областей.

2. На базе библиотеки операций разработана САПР предметно-ориентированных процедур обработки и анализа двумерных ахроматических изображений.

3. Проведено исследование процесса формирования изображения ГР с целью определения роли различных факторов, влияющих на параметры получаемых ГРВ-грамм и выделения базового набора операций.

4. Выделен комплекс параметров анализа двумерных ахроматических изображений.

5. Развиты математические принципы многофакторной оценки ГРВ-грамм.

6. Разработаны алгоритмы обработки изображений, учитывающие особенности процесса формирования изображения ГР.

7. Разработаны алгоритмы анализа ГРВ-грамм, учитывающие цели и тип анализа, особенности предметной области, характер задачи, физическую реальность объекта.

8. Проведено обоснование и экспериментальное подтверждение перспективности применения развитых методов и алгоритмов при решении задач исследования характеристик ГРВ-грамм объектов различной природы.

По теме диссертации опубликованы следующие работы:

1. Крылов Б.А., Кузнецов А. Л., Яковлева С.Ю. Проблема адаптации САПР на базе ЕС ЭВМ к классу объектов проектирования //"Разработка и применение в народном хозяйстве ЕС ЭВМ" / Тез. докл. н.-т. семинара,- Москва,-1985.-ч.1-с. 157-158.

2. Крылов Б.А., Петухов Г.А., Яковлева С.Ю. Информационное обеспечение САПР ПП на базе АРМ (СМ-4) //"Проектирование и изготовление РЭА" / Тез. докл. н.-т. семинара -Фрунзе,-1986 - с.20-22.

3. Крылов Б.А., Кузнецов А.Л., Яковлева С.Ю. Инструментальная САПР на базе мини- ЭВМ //"Автоматизация конструкторского проектирования РЭА и ЭВА" / Тез. докл. н.-т. семинара.- Пенза,-1986.- с.34-35.

4. Крылов Б.А., Герцена Е.В., Кузнецов А.Л. Программное и информационное обеспечение диалогового ввода данных в САПР //"Автоматизация конструкторского проектирования РЭА и ЭВА'ТТез. докл. н.-т. семинара. -Пенза, -1987,-с.29-31.

5. Крылов Б.А., Арустамов С.А., Кузнецов А.Л. Язык управления процессом автоматизированного проектирования топологии узлов ЭВА //"Проблемы проектирования и производства коммутационных плат" / Тез. докл. н.-т. семинара,-Фрунзе,-1988,- с.8-10.

6. Крылов Б.А., Петухов Г.А., Герцена Е.В. Универсальная модель объекта проектирования графической САПР топологии узлов ЭВА //"Машинная графика и автоматизация проектирования в радиоэлектронике" / Тез. докл. н.-т. семинара. -Челябинск,-1988.- с.51-52.

7. Крылов Б.А., Белобаба О.И. Интеллектуальный интерфейс конструктора узлов ЭВА //"Экспертные системы в решении задач комплексной автоматизации проектирования РЭА" / Тез. докл. н.-т. семинара.- Ленинград,-1989.- с.64-65.

8. Крылов Б.А., Петухов Г.А. Проблемно-ориентированный язык проектирования топологии узлов ЭВА //"Создание интеллектуальных САПР СБИС и электронных средств" / Тез. докл. н.-т. семинара.-"Радио и связь"- Москва,-1990.-C.76-77.

9. Крылов Б.А., Арустамов С.А., Кузнецов А.Л. Инженерия знаний САПР БИС //"Опыт разработки и применения приборно-технических САПР" / Тез. докл. и,-т. семинара - Львов,-1991.- с.49.

Ю.Крылов Б.А., Арустамов С.А., Петухов Г.А. Лингвистическое обеспечение инструментальной САПР топологии КФУ //"Разработка и эксплуатация САПР в радиоэлектронике" / Тез. докл. н.-т. семинара.- Челябинск,-1991.- с.7.

11. Крылов Б.А., Короткое К.Г., Белобаба О.И. Автоматизированная обработка Кирлиан-изображений//Тез. докл. 29 н.-т. конф. ГИТМО(ТУ),-СПб-1997-С.22-24.

12. Крылов Б.А. Компьютер и работа с видеосигналом//Тез. докл. 29 н.-т. конф. ГИТМО(ТУ), - СПб-1997,- с.23-24

13. Короткое К.Г., Гурвиц Б.Я., Крылов Б. А. Новый концептуальный подход к ранней диагностике paj?a // Сознание и физ. реальность. - 1998. - Т.З, № 1, с.50-58.

14. Короткое К.Г., Кузнецов А.Л., Крылов Б.А., Белобаба О.И. Описание программной части комплекса "Корона ТВ"// От эффекта Кирлиан к биоэлектрографии .Сборник - СПб., 1998,- с.243-250.

15. Короткое К.Г., Кузнецов А.Л., Крылов Б.А. Теоретические основы обработки изображений в комплексе "Корона ТВ"// От эффекта Кирлиан к биоэлеюрогра-фии .Сборник-СПб., 1998.-C.252-256.

16. Короткое К.Г., Кузнецов А.Л., Крылов Б.А. Математические задачи стандартизации Кирлианографии// От эффекта Кирлиан к биоэлектрографии .Сборник -СПб., 1998.-C.269-274.

П.Крылов Б.А., Короткое К.Г., Кузнецов А Л. Исследование процесса формирования изображений при ГРВ // "Автоматизация проектирования, технология элементов и узлов компьютерных узлов" / Тез. докл. межвуз. н.-т. семинара. — СПб, 1998.-с.18.

18. Крылов Б.А., Короткое К.Г., Белобаба О.И. Алфавит признаков описания Кирлиан-изображений // "Автоматизация проектирования, технология элементов и узлов компьютерных узлов'УТез. докл. межвуз. н.-т. семинара.-СПб,1998.-с.19.

19. Крылов Б.А., Кузнецов А Л. Обучаемая система распознавания изображений // "Автоматизация проектирования, технология элементов и узлов компьютерных узлов" / Тез. докл. межвуз. н.-т. семинара. -СПб, 1998. - с.25.

20. Гурвиц Б.Я., Крылов Б.А., Короткое К.Г. Использование метода ГРВ для разработки нового подхода к ранней диагностике онкологических заболеваний // «Биомедприбор-98» / Тез. докл. Межд. Конф. - Москва, - 1998. - с. 106-107.

21.Kuznetsov A., Korotkov К., Krylov В. BEOGDV- image recognition system // "S1S-997 Proc. Intern. Congress - St.Petersburg, - 1999,- P. 47-48.

22. Крылов Б.А., Короткое К.Г., Белобаба О.И. Автоматизированный анализ изображений, полученных методом ГРВ// Тез. докл. 30 н.-т. конф. ГИТМО(ТУ) -СПб,1999,- с.37.

23.Крылов Б.А. Измерительно-вычислительная система регистрации и анализа газоразрядного свечения//Тез. докл. юбилейной н.-т. конф. ГИТМО(ТУ) -СПб,

2000.-Ч.2- с. 16-17.

Тиражирование и брошюровка выполнена в Центре издательских систем ИТМО. Тел: (812) 233-46-69. Лицензия ПЛД № 69-182 от 26.11.96 Тираж ЮС экз. Бумага ГОЗНАК

Введение

Глава 1. Автоматизированное проектирование процесса обработки и анализа изображений. И

1.1. Автоматизированная обработка и анализ изображений.

1.2. Концепция системы автоматизированного проектирования.

1.3. Принципы формирования изображения в системах ГРВ.

1.4. Формальная модель изображения свечения ГР.

1.5. САПР процедур обработки и анализа ГРВ-грамм.

1.6. Постановка задачи исследования.

Глава 2. Синтез проблемно-ориентированных процедур обработки и анализа изображений.

2.1. Общая постановка задачи.

2.2. Определение области компетентности проектных операций.

2.2.1. Алгоритм обучения на основе байесовской теории решений.

2.2.2. Алгоритм обучения на основе метода потенциальных функций.

2.2.3. Алгоритм обучения на основе метода Фикса-Ходжеса.

2.2.4. Обучение на основе априорного задания областей компетентности.

2.3. Оптимизация коллективного решения. 66 2.3.1. Алгоритм оптимизации коллективного решения.

2.4. Выводы.

Глава 3. Методы и алгоритмы автоматизированной обработки и анализа ГРВ-грамм.

3.1. Процедуры предварительной обработки исходного изображения.

3.1.1. Подавление высокочастотной составляющей шума.

3.1.2. Фильтрация низкочастотной составляющей шума.

3.1.2.1. Анализ фрагментного спектра изображения.

3.1.2.2. Маскирование исходного изображения.

3.2. Процедуры специальной обработки изображения.

3.2.1. Псевдоокраска ГРВ-грамм.

3.2.2. Трансформирование координатных отображений ГРВ-грамм с выделением значимых элементов.

3.2.3. Средства метрологического тестирования работоспособности комплекса.

3.2.4. Построение угловых секторов в соответствии с диагностическими таблицами.

3.3. Операции анализа изображений.

3.3.1. Параметры ГРВ-грамм, используемые для анализа.

3.3.2. Вычисление интегральных параметров.

3.3.2.1. Общая площадь изображения свечения ГР.

3.3.2.2. Плотность изображения.

3.3.2.3. Длина периметра изображения свечения ГР.

3.3.3. Вычисление спектральных параметров.

3.3.3.1. Интегральная яркость изображения.

3.3.3.2. Ширина яркостного спектра изображения.

3.3.4. Вычисление фрактальных параметров.

3.3.4.1. Коэффициент формы изображения.

3.3.4.2. Фрактальность по Мандельброту.

3.3.5. Вычисление структурных параметров.

3.3.5.3. Параметры вписанного эллипса.

3.3.6. Вычисление вероятностных параметров.

3.3.6.1. Формирование заданной функции развертки.

3.3.6.2. Дисперсия и высшие центрированные моменты.

3.3.6.3. Энтропия функции.

3.3.6.4. Функция автокорреляции.

3.4. Анализ фрактальной динамики ГРВ-грамм.

3.4.1. Этапы реализации метода.

3.4.2. Алгоритм распознавания типа изображения.

3.5. Автоматизированное заполнение диагностических секторальных таблиц в соответствии с диагностическими картами.

3.6. Выводы.

Глава.4. Практическая реализация автоматизированного программного комплекса для применения метода ГРВ.

4.1. Структура программного обеспечения САПР предметно-ориентированных процедур обработки и анализа ГРВ-грамм.

4.2. Подсистема синтеза процедур обработки и анализа ГРВ-грамм.

4.3. Программная реализация операций обработки и анализа изображений.

4.3.1. Начальный ввод и сохранение изображения.

4.3.2. Операции обработки изображения.

4.3.3. Построение внутреннего эллипса.

4.3.4. Секторальная разбивка ГРВ-грамм.

4.3.5. Развертка изображения.

4.3.6. Вычисление числовых характеристик ГРВ-грамм.

4.3.7. Метрологический контроль и тестирование.

4.3.8. Построение информационных матриц для распознавания типа изображения.

4.3.9. Автоматизированное заполнение диагностических секторальных таблиц в соответствии с диагностическими картами.

4.3.10. Сравнительный анализ ГРВ-грамм.

4.4. Выводы.

Глава. 5. Примеры конкретных приложений разработанных методов, алгоритмов и программ в различных предметных областях.

5.1. Программа экспериментальных исследований.

5.2. Разработка методики выявления онкомаркеров в образцах крови.

5.3. Результаты и перспективы применения ГРВ-графии в терапевтической клинике.

5.4. Исследование газоразрядного свечения технологических элементов микросхем.

5.5. Выводы. 169 Заключение 170 Литература

Актуальность темы. Автоматизация проектирования (АП) является интенсивно развивающимся направлением современной науки и техники. Подходы, методы и алгоритмы разработанные в рамках создания систем автоматизированного проектирования (САПР) находят применение в различных прикладных областях. Одной из них является метод газоразрядной визуализации (ГРВ) - измерительно-вычислительная система анализа параметров индуцированного свечения объектов в электромагнитных полях высокой напряженности.

В основе метода лежит автоматизированная обработка и анализ изображений свечения газового разряда (ГРВ-грамм) с целью извлечения количественной информации об объектах и процессах протекающих в поле изображения. ГРВ-грамма представляет собой сложное, фрактальное, ахроматическое изображение, при обработке и анализе которого необходимо учитывать особенности процесса визуализации, причем начальная обработка должна осуществляться на этапе получения изображения. Данная задача характеризуется большим объемом обрабатываемых данных, причем обработку информации необходимо выполнить за приемлемый промежуток времени и с максимальной точностью. Применение метода ГРВ в различных областях науки и техники для исследования объектов самой разнообразной природы (от кремниевых пластин в микроэлектронике и до биологических жидкостей в медицине) требует разработки методов и алгоритмов обработки и анализа ГРВ-грамм, учитывающих специфические особенности конкретной предметной области.

Все это делает необходимым создание библиотеки программ, ориентированных на решение определенных практических задач. Отсюда возникает проблема выбора на основе введенных критериев наилучшего алгоритма с целью формирования оптимальной процедуры решения конкретной задачи.

Необходимость при проверки различных гипотез применимости развитых алгоритмов в процессе решения трудоёмких многопараметрических задач делает актуальной разработку системы автоматизированного проектирования (САПР) предметно-ориентированных процедур обработки и анализа ГРВ-грамм.

Целью работы является разработка метода автоматизированного проектирования предметно-ориентированных процедур и их программная реализация с целью обработки и анализа ГРВ-грамм при обеспечении комплексного характера решаемых задач и инвариантности прикладного программного обеспечения.

Задачи работы. Для достижения сформулированной цели в работе ставятся и решаются следующие задачи:

• Разработка метода АП предметно-ориентированных процедур обработки и анализа ГРВ-грамм, удовлетворяющих заданному критерию эффективности.

• Анализ процесса формирования изображения газового разряда; оценка роли различных факторов, влияющих на параметры получаемых ГРВ-грамм.

• Развитие математических принципов многофакторной оценки ГРВ-грамм.

• Разработка комплекса параметров анализа двумерных ахроматических изображений.

• Разработка алгоритмов обработки и анализа ГРВ-грамм, учитывающих специфические особенности различных предметных областей и их программная реализация.

• Создание на базе библиотеки операций САПР предметно-ориентированных процедур обработки и анализа ГРВ-грамм.

• Обоснование и экспериментальное подтверждение перспективности применения развитых методов и алгоритмов при решении задач исследования характеристик ГРВ-грамм объектов различной природы. Методы исследований основаны на теории и методах автоматизации проектирования технических систем, методах математического моделирования и управления, теории вероятностей и математической статистики, теории принятия решений, системного анализа, методах оптимизации, методах цифровой обработки изображений и машинной графики.

Научная новизна работы и основные положения, выносимые на защиту.

1. Предложен метод автоматизированного синтеза предметно-ориентированных процедур обработки и анализа двумерных ахроматических изображений, в основе которого лежит многокритериальная оптимизация на базе алгоритма вычисления оценок (голосования) и обучения на основе стратегии Байеса.

2. Разработан алгоритм выбора вариантов на уровне объекта исследования, маршрута проектирования и реализующих его средств САПР, отличающийся возможностью организации направленного перебора на множестве альтернатив.

3. Разработан подход к анализу двумерных, ахроматических изображений ГРВ-грамм на базе САПР процедур обработки и анализа данных.

4. Разработан комплекс алгоритмов обработки изображений, учитывающих особенности процесса ГРВ.

5. Разработан комплекс алгоритмов анализа ГРВ-грамм, учитывающих цели и тип анализа, особенности предметной области и характер задачи.

6. Разработана методика многофакторного параметрического анализа ахроматических изображений.

7. Предложена гибкая, легко модифицируемая и адаптируемая структура программного комплекса АП предметно-ориентированных процедур обработки и анализа изображений на базе библиотеки операций.

Практическая ценность работы состоит в разработке алгоритмов и программ, автоматизирующих процесс обработки и анализа ГРВ-грамм, использование которых позволило создать измерительно-вычислительные системы анализа двумерных ахроматических изображений.

Основные результаты работы используются в составе программно-аппаратного комплекса "Корона-ТВ", разрешенного к применению Комитетом по Новой Медицинской Технике МЗ РФ (май-декабрь 1999). Программно-аппаратный комплекс сертифицирован и выпускается серийно, внедрен в медицинских и исследовательских центрах России, Англии, Германии, Индии, Словении, США, Финляндии, Швеции.

Апробация работы. Основные результаты доложены и обсуждены в период 1985-2000 гг. на 21 конференциях и семинарах. Среди них: Всесоюзные и Международные конференции: "Разработка и применение в народном хозяйстве ЕС ЭВМ" (Москва, 1985); "Автоматизация конструкторского проектирования РЭА и ЭВА" (Пенза, 1985, 1986, 1987); "Системы автоматизированного проектирования (САПР-85)" (Москва, 1985); "Проектирование и изготовление РЭА" (Фрунзе, 1986, 1988); "Системы автоматизированного проектирования в машино- и приборостроении" (Кишинев, 1986); "Проблемы создания и развития интегрированных автоматизированных систем в проектировании и производстве" (Москва, 1987); "Машинная графика и автоматизация проектирования в радиоэлектронике" (Челябинск, 1988); "Проблемы вычислительной математики и автоматизации научных исследований" (Алма-Ата, 1988); "Экспертные системы в решении задач комплексной автоматизации проектирования и производства РЭА" (Ленинград, 1989); "Создание ин

Основные результаты диссертационной работы состоят в следующем:

1. Разработан метод автоматизированного синтеза предметно-ориентированных процедур обработки и анализа двумерных ахроматических изображений, в основе которого лежит многокритериальная оптимизация на базе алгоритма вычисления оценок (голосования) и обучения на основе стратегии Байеса.

2. Разработан алгоритм выбора вариантов на уровне объекта исследования, маршрута проектирования и реализующих его средств САПР, отличающийся возможностью организации направленного перебора на множестве альтернатив.

3. Разработан подход к анализу двумерных, ахроматических изображений ГРВ-грамм на базе САПР процедур обработки и анализа данных.

4. Определен комплекс параметров анализа двумерных ахроматических изображений.

5. Разработана методика многофакторного параметрического анализа ахроматических изображений.

6. Разработаны алгоритмы обработки изображений, учитывающие особенности процесса формирования изображения ГР.

7. Разработаны алгоритмы анализа ГРВ-грамм, учитывающие цели и тип анализа, особенности предметной области, характер задачи, физическую реальность объекта.

8. Разработан комплекс методов и моделей позволяющих производить компьютерную ГРВ-графию объектов различной природы. Показано, что заложенные основы ГРВ-графии не зависят от типа используемой аппаратуры и методов получения информации. т

Совокупность полученных результатов позволило создать САПР проектно-ориентированных процедур обработки и анализа двумерных ахроматических изображений на базе которого создан программно-аппаратный комплекс анализа ГРВ-грамм "Корона-ТВ".

Применение методов компьютерной ГРВ-графии позволяет получать качественно новую информацию о функциональном состоянии, характере жизнедеятельности и реакции на воздействия широкого класса объектов, протекающих в них процессах и явлениях, что имеет важное прикладное значение для широкого круга практических задач.

Заключение.

Различие предложенных газоразрядных параметров раковой и донорской крови свидетельствует о наличии в крови каких-то факторов, сказывающихся на характеристиках газоразрядного свечения. Этот факт позволяет говорить о перспективе создания системы ранней диагностики патологических процессов, и в частности, ракового состояния по характеристикам газоразрядного свечения образцов крови. Целесообразно ставить задачу стадийной типизации образцов в зависимости от значения параметров.

Отмеченное различие характеристик раковой и донорской крови достоверно сохраняется при больших стадиях разведения. Это может свидетельствовать о возникновении кооперативных эффектов структурирования, сохраняющихся при удалении молекулярных агентов патологического признака.

Данная процедура позволяет статистически достоверно выявлять различные типы образцов крови.

Использование комплекса независимых параметров газоразрядного свечения, характеризующих геометрические, яркостные, спектральные характеристики позволяет существенно повысить достоверность классификации.

Развитая методика открывает перспективы экспериментального исследования энергоинформационных аспектов не только крови, но и различных биологических жидкостей и может служить основой для ценных практических применений.

5.3. Результаты и перспективы применения ГРВ-графии в терапевтической клинике

Любая болезнь сопровождается изменениями функций многих систем с преимущественными нарушениями регуляции в одном органе. Среди обследованных 300 больных бронхиальной астмой (БА) у большинства определялись изменения центральной и вегетативной нервной системы, обмена биологически активных веществ, признаки гормонального дисбаланса, иммунологические сдвиги. У половины больных выявлена пищеварительная или ренальная дисфункция. Отмечена корреляция функциональных сдвигов с вегетативным дисбалансом и нарушениями перфузии лёгких по данным сцинтиграфии. Таким образом, при БА, кроме хронического воспаления, изменённой чувствительности и реактивности бронхов, выявляются множественные дисфункции различных систем и органов. Для оценки таких системных нарушений необходимы холистические методы диагностики, позволяющие единой мерой оценивать нарушения активности разных функциональных систем (ФС) и организма как целого. К холистическим методам диагностики относится исследование биологически активных веществ, роль которых в воспалительном каскаде у больных БА хорошо изучена, методы регистрации биопотенциалов, например, сердца - электрокардиография (ЭКГ), мозга -электроэнцефалография (ЭЭГ).

С позиций полученных экспериментальных данных и физиологических концепций европейской и восточной медицины, ГРВ-грамма пальцев рук человека может служить маркером нарушений энергообмена внутренних органов и организма как целого. Действительно, надежность функционирования организма как единого целого обеспечивается обширными зонами перекрытий вегетативной и соматической иннервации. Общность иннервации отдельных частей организма является структурной основой существования множества микроакупунктурных систем -плацдармов эффективного лечебного воздействия на все ФС организма. Доказано, что на кисти рук проецируются практически все органы, а дистальные точки пальцев рук имеют самое широкое корковое представительство.

Исходя из этих представлений, была поставлена задача изучить клиническую информативность ГРВ-графии. Было показано следующее.

1. У обследованных 40 практически здоровых лиц встречались различные типы ГРВ - граммы. Чаще регистрировались ГРВ-граммы, характеризующиеся довольно равномерной короной свечения с исчерчен-ностью по внешнему кругу - фрактальностью. У 78 больных атопической БА с лёгким течением заболевания ГРВ-грамма по основным параметрам (площади изображения, уровню шума и фрактальным коэффициентам) приближалась к ГРВ-грамме здоровых лиц.

2. При обследовании 40 больных БА методами ГРВ-графии, ЭЭГ и ЭКГ выявлена связь между электрофизиологическими характеристиками пальцев рук, мозга и сердца. Более высокий уровень шума и более выраженная фрактальность ГРВ-граммы отмечены у больных с сохранённой альфа-активностью головного мозга (второй тип ЭЭГ). У больных же с преобладанием медленных дельта-волн (третий тип ЭЭГ) эти показатели ГРВ-граммы были достоверно ниже. Площадь ГРВ-граммы коррелировала с величиной интервала RR ЭКГ, уровень шума - с продолжительностью интервала PQ ЭКГ. Нарастание тяжести БА сопровождалось более выраженными изменениями параметров ГРВ-граммы, уменьшением площади свечения, уровня шума и фрактальности изображения, снижением активности головного мозга по данным ЭЭГ, нарушениями продолжительности временных интервалов ЭКГ.

3. Проведённое исследование психологического статуса 20 больных БА с использованием опросника Спилбергера-Ханина и цветового теста Люшера показало, что динамика психологического состояния больных в процессе лечения также коррелирует с изменениями ГРВ-граммы. Повышение работоспособности больных сопровождалось увеличением площади ГРВ-граммы. Увеличение активности и снижение уровня тревожности коррелировало с повышением значения параметра ВЕа.

4. Анализ изменений ГРВ-граммы в связи с характером воспаления в бронхах (эозинофильным или нейтрофильным) был проведён у 92 больных БА по данным цитологии мокроты и бронхоальвеолярного ла-важа. Более выраженные изменения ГРВ-граммы (разорванные контуры изображения, локальные выбросы) обнаружены при нейтрофильном воспалении. Обострение БА на фоне обострения воспалительного процесса в бронхах сопровождалось снижением площади свечения, уменьшением уровня шума и фрактальности изображения.

5. Анализ влияния выкуривания одной сигареты на ГРВ-грамму, проведённый у 10 практически здоровых лиц и 10 больных хронической обструктивной болезнью лёгких, выявил существенные различия в действии выкуривания сигареты на ГРВ-грамму у больных хроническим бронхитом и БА. Через 5 минут после выкуривания сигареты у здоровых людей и больных БА отмечалось уменьшение площади и коэффициента формы ГРВ-граммы, через 30 минут у больных Б А резко снижался уровень шума. У больных же хроническим бронхитом, наоборот, наблюдалось увеличение площади и коэффициента формы ГРВ-граммы. Позитивные сдвиги энергограммы у больных хроническим бронхитом сохранялись через 30 минут после курения и были более выраженными у "злостных курильщиков" (курящих более 5 лет и больше 10 сигарет в день). its

6. При оценке энергетических эффектов основных медикаментозных и немедикаментозных средств, применяемых при лечении больных БА, обнаружено наибольшее позитивное влияние на показатели ГРВ-граммы ингаляции бекотида, акупунктуры, ультрафиолетового облучения крови и конституциональных гомеопатических средств. Ингаляция бронхолитика беротека достоверно реже сопровождалась положительными сдвигами ГРВ-граммы [77,78].

Таким образом, метод ГРВ оказывается ценным диагностическим инструментом для терапевтической клиники.

5.4. Исследование газоразрядного свечения технологических элементов микросхем.

Метод ГРВ активно применяется в дефектоскопии с начала семидесятых годов. Наиболее эффективным он оказался для контроля качества диэлектрических покрытий на металлах и контроля композиционных диэлектриков [79,81,82].

Нами были исследованы фазовые переходы металл-полупроводник при изменениях температуры. В качестве объекта были выбраны пленки двуокиси ванадия.

Пленка двуокиси ванадия толщиной 80 нм приготавливалась путем вакуумного напыления ванадия на ситалловую подложку и последующего его окисления на воздухе. Такая пленка обладает скачком электропроводности при фазовом переходе металл-полупроводник шириной в 17,5 К и температурном гистерезисом. Характеристики ФПМП определялись по абсолютной площади свечения ГР и электропроводности с использованием четырехзондового метода. В результате исследования трех различных образцов пленки V02 методом ГРВ было установлено, что фазовый переход воспроизводимо обнаруживается по температурным зависимостям интенсивности свечения. Результаты эксперимента показаны на рис. 5.2. Кривая 1 показывает зависимость удельного сопротивления от температуры, а 2 - зависимость суммарной площади свечения от температуры.

Для проверки влияния на характер изображений микрорельефа поверхности и включений-дефектов в диэлектриках были проведены эксперименты на модельных объектах.

И расчетным путем, и экспериментально было установлено, что воспроизводимо визуализируются микровыступы размером более 3 мкм и впадины глубиной более 8 мкм. При изменении конфигурации выступа от прямоугольного до полусферического высота визуализируемого элемента увеличивалась до 10 мкм, что хорошо согласуется с результатами расчетов.

Дефекты в диэлектрике имитировались металлическими и диэлектрическими нитями диаметром 300, 200, 100, 30 мкм и шариками 100 мкм, заложенными в диэлектрик на разную глубину. Толщина слоя диэлектрика над этими "дефектами" варьировалась изменением числа слоев диэлектрической пленки толщиной 65 и 230 мкм, наклеиваемых друг на друга.

Теоретический анализ показывает, что при диэлектрической проницаемости включения 8в, больше диэлектрической проницаемости материала Si (bb>8i) наличие включения приводит к усилению электрического поля в газовом зазоре над включением, то есть к более интенсивному развитию разрядного процесса в данной области, а при 8b<Bi - к ослаблению электрического поля. Действительно, при исследовании образцов, у которых (металлическое включение) в области дефекта наблюдается наиболее интенсивное свечение ГР. При Sb<Si (включение в виде воздушной полости 8в=1) при правильно подобранных параметрах засветка в области включения существенно слабее застветки фона. Из расчетов следует также, что возмущающее влияние шарообразного включения существенно быстрее спадает с ростом глубины залегания в диэлектрике по сравнению с цилиндрическим покрытием. Этот вывод подтверждается и экспериментально. Увеличение диэлектрической проницаемости материала объекта приводит к большей плотности засветки изображения.

Газоразрядная дефектоскопия позволяет также обнаружить наличие металла, расположенного на поверхности или в толщине диэлектрика по изображению границ этой пленки. Было, например, установлено, что граница пленки толщиной 0.8 мкм четко наблюдается при глубине ее залегания в диэлектрике до 300 мкм. Предельные значения некоторых параметров объектов, определяемых методом ГРВ приведены в таблице 5.1 [80].

1. Быков Р.Е. Теоретические основы телевидения.-СПб.: изд. "Лань", 1998,288 с.

2. Яншин В.В. Анализ и обработка изображений: принципы и алгоритмы,- М.: Машиностроение, 1994, 112 с.

3. Александров В.В., Горский Н.Д. Представление и обработка изображений: рекурсивный подход,- Л-д. : Наука, 1985, 190 с.

4. Горелик А.Л., Гуревич И.Б., Скрипкин В.А. Современное состояние проблемы распознавания. М. : Радио и связь, 1985.

5. Претт У. Цифровая обработка изображений, в двух книгах, М.: Мир, 1982, 790 с.

6. Image analysis: Principles and practice / Publ. J. Ljebl, Short Run press, London, 1985, p 250.

7. Искусственный интеллект: Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова,- М. : Радио и связь, 1990, 464 с.

8. Мартинес Ф. Синтез изображений. Принципы, аппаратное и программное обеспечение: Пер. с франц. М. : Радио и связь, 1990, 192с.

9. Построение современных систем автоматизированного проектирования / Жук К.Д., Тимченко А.А. и др. Киев : Наук. Думка, 1983,248с.

10. ГОСТ 22487-77 Проектирование автоматизированное. Введен с 01.07.78. ГОСТ 23501 .0-79 Системы автоматизированного проектирования. Основные определения. Введен с 01.01.80.

11. Вермишев Ю.Х. Основы автоматизированного проектирования,- М. : Радио и связь, 1988, 280 с.

12. Интеллектуальные системы автоматизированного проектирования больших и сверхбольших интегральных микросхем / В.А. Мищенко, Л.М. Городенко и др. М. Радио и связь, 1988, 272 с.т

13. Сольницев Р.И. Основы автоматизированного проектирования гироскопических систем,- М. : Высшая школа, 1985, 240 с.

14. Гридин В.Н. Теоретические основы построения базовых адаптируемых компонентов САПР МЭА М.: Наука, Гл. ред. Физ.-мат лит., 1989, 256 с.

15. Крылов Б.А., Кузнецов A.JL, Яковлева С.Ю. Проблема адаптации САПР на базе ЕС ЭВМ к классу объектов проектирования //"Разработка и применение в народном хозяйстве ЕС ЭВМ" / Тез. докл. н.-т. семинара.-Москва,-1985.-4.1- с.157-158.

16. Малышев Н.Г., Мишук Н.В. Основы оптимального управления процессами автоматизированного проектирования. М. : Энерго-атомиздат, 1990, 224 с.

17. Крылов Б.А., Кузнецов A.JL, Яковлева С.Ю. Инструментальная САПР на базе мини- ЭВМ //"Автоматизация конструкторского проектирования РЭА и ЭВА" / Тез. докл. н.-т. семинара,- Пенза,-1986,- с.34-35.

18. Крылов Б.А., Петухов Г.А., Яковлева С.Ю. Информационное обеспечение САПР ПП на базе АРМ (СМ-4) //"Проектирование и изготовление РЭА''/Тез.докл. н.-т.семинара.-Фрунзе,-1986.-с.20-22.

19. Крылов Б.А., Герцена Е.В., Кузнецов A.JI. Программное и информационное обеспечение диалогового ввода данных в САПР //"Автоматизация конструкторского проектирования РЭА и ЭВА"/Тез. докл. н.-т. семинара. -Пенза, -1987.-29-31.

20. Грибковский В.,Гапоненко В.,Киселев В. 1988. Прафесар электро-графп i магнетызму. Мшск. Навука i тэхшка.

21. Романий С.Ф., Черный З.Д. 1991. Неразрушающий контроль материалов по методу Кирлиан. Днепропетровск.

22. Dumitresku W. 1977. ЕЕ Electronography. Bucurest.

23. Eidson W., Fanst D., Kyler H. 1978. IEEE and ERA Spec. Session. N.Y. Pergamon Press.

24. Короткое К.Г.Эффект Кирлиан.С-Петербург, 1995,Изд.«Ольга»,218 с.

25. Garjaev P. et.al. Quantum Electronics, v.21, № 6, p. 603-604, 1994

26. Garjaev P. Wave Genom. Moscow. "Obchestv Polza" Publishing House, 1994

27. Korotkov K. Aura and Consciousness New Stage of Scientific Understanding. St.Petersburg division of Russian Ministry of Culture, State Publishing Unit "Kultura". 270p. St.Petersburg, 1998.

28. Hameroff S.R. et al . "Models for molecular computation", Computer, November p.30-39 (1992)

29. Toepler M. 1921. Uber die physikalischen Grundgezete der in der Iso-latorentechnik auftretenden elektrischen Gleiterscheinungen. Arch, fur Elektr., Bd.l0,№ 5/6,s.l57-185.

30. Rodewski W.,Martin O., Theilen H. 1941. Arch.Electotechnic. B.35, N 7, S.424.

31. Дашук П.Н.,Челноков Л.Л.,Ярышева М.Д. 1975. Электронная техника, вып.6, с. 9.

32. Merill F.H.,Hippel А. 1939. J.Appl.Phys.,v.lO, N 12, р.873.

33. Грановский B.JI. 1971. Электрический ток в газах. М. Наука.

34. Kononenko I. (1991) Semi-naive Bayesian classifier, Proc. European Working Session on Learning-91 (Y.Kodratoff (ed.), Springer-Verlag), Porto, March, 206-219.

35. Дашук П.Н. Скользящий разряд в устройствах газоразрядной визуализации. Proceedings of the International Congress "SIS-99", St.Petersburg, p.70. 1999

36. Коротков К.Г. 1980. Изучение свойств разряда при формировании газоразрядных изображений поверхности.Труды J1I1H,N 371,с.51-54.

37. Karvarainen A., "Hierarchic concept of matter and field". NY (1995)

38. Казанцев T.B. Формальная модель бинарного изображения //- СПб., Приборостроение № 8-9, 1996, с. 32-38.

39. Крылов Б.А. Компьютер и работа с видеосигналом// Тез. докл. 29н.-т. конф. ГИТМО(ТУ), СПб- 1997,- с.23-24

40. Цифровая обработка телевизионных и компьютерных изображений / Под ред. Ю.Б. Зубарева, В.П. Дворкина М.: Международный центр научной и техн. Информации, М.: 1997, 212 с.

41. Крылов Б.А., Петухов Г.А., Герцена Е.В. Универсальная модель объекта проектирования графической САПР топологии узлов ЭВА //"Машинная графика и автоматизация проектирования в радиоэлектронике'УТез.докл.н.-т.семинара.-Челябинск,-1988.-с.51-52.

42. Кузнецов А. Л. Влияние дискретизации на геометрические свойства изображений // От эффекта Кирлиан к биоэлектрографии .Сборник -СПб., 1998,- с.257-268.

43. Искусственный интеллект. Кн. 2. Модели и методы : Справочник / Под ред. Д.А. Поспелова М.: Радио и связь, 1990, 304 с.

44. Крылов Б.А., Коротков К.Г., Белобаба О.И. Автоматизированный анализ изображений, полученных методом ГРВ// Тез. докл. 30 н.-т. конф. ГИТМО(ТУ) СПб,1999.- с.37.

45. Крылов Б.А. Измерительно-вычислительная система регистрации и анализа газоразрядного свечения//Тез. докл. юбилейной н.-т. конф. ГИТМО(ТУ) -СПб, 2000.-ч.2- с. 16-17.

46. Крылов Б.А., Арустамов С.А., Кузнецов A.JI. Инженерия знаний САПР БИС //"Опыт разработки и применения приборно-технических САПР" / Тез. докл. н.-т. семинара,- Львов,-1991,- с.49.

47. Анисимов В.И., Стрельников Ю.Н. Современные средства интерактивного конструирования РЭА и БИС / ЭВМ в проектировании и производстве. Сб. статей. Вып. 4-Л-д.Машиностроение,1989,с.5-20

48. Смирнов О.Л. и др. САПР: формирование и функционирование проектных модулей,- М.: Машиностроение, 1997, 272 с.

49. Растригин Л.А., Эренштейн Р.Х. Методы коллективного распозна-вания.-М.: Энергоиздат, 1981, 80 с.

50. Разоренов Г.И., Поддубский Г.А. Автоматизированный отбор признаков при классификации объектов.// "Заводская лаборатория", том 51, №7, 1985, с. 48-50.

51. Крылов Б.А., Кузнецов A.JI. Обучаемая система распознавания изображений // "Автоматизация проектирования, технология элементов и узлов компьютерных узлов" / Тез. докл. межвуз. н.-т. семинара. -СПб, 1998. с.25.

52. Андерсон Т. Введение в многомерный статистический анализ.-М: Физматгиз 1963,- 500с.

53. Айзерман М.А. , Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. М: Наука, 1970. -384с.

54. Браверман Э.М. О методе потенциальных функций. -Изв. АН СССР. Автоматика и телемеханика, 1965, № 12 , с 200-213

55. Браверман Э.М., Аркадьев А.Г. Обучение машины классификации объектов. М: Наука , 1971. -192с.

56. Вишняк В.Н., Червоненкис А.Я. Теория распознавания образов. М: Наука, 1974, -416с.

57. Раудис Ш. Алгоритмы построения правила классификации. Статистические проблемы управления,- Вильнюс, 1975, Вып. 14, с.11-53.

58. Касавин А.Д. Адаптивные алгоритмы кусочной аппроксимации в задачах идентификации. -Изв. АН СССР, Автоматика и телемеханика, 1972, №12, с 3-5.

59. Слейгл Дж. Искусственный интеллект М: Мир, 1973,- 320с.

60. Мучник И.Б. Алгоритм формирования локальных признаков для зрительных образов. Изв. АН СССР, Автоматика и телемеханика, 1966, №10 , с.88-99.

61. Крылов Б.А., Коротков К.Г., Белобаба О.И. Алфавит признаков описания Кирлиан-изображений // "Автоматизация проектирования, технология элементов и узлов компьютерных узлов"/Тез. докл. межвуз. н.-т. семинара-СПб, 1998.-с.19.

62. Коротков К.Г., Кузнецов А.Л., Крылов Б.А. Теоретические основы•mобработки изображений в комплексе "Корона ТВ"// От эффекта Кирлиан к биоэлектрографии .Сборник СПб., 1998.-е.252-256.

63. Zlokozov V.B. Smoos a program for the filtration of nonstationary statistical series // Comp Phys. Comm., 1(05.05.81). -P 373-383.

64. Коротков К.Г., Кузнецов A.JI., Крылов Б.А. Математические задачи стандартизации Кирлианографии// От эффекта Кирлиан к биоэлектрографии .Сборник СПб., 1998,- с.269-274.

65. Mandel Р. 1986 Energy Emission Analysis: New Application of Kirlian Photography for Holistic Health. Synthesis Publishing. Co. W. Germany.

66. Крылов Б.А., Коротков К.Г., Белобаба О.И. Автоматизированная обработка Кирлиан-изображений// Тез. докл. 29 н.-т. конф. ГИТМО(ТУ), -СПб -1997- с.22-24.

67. Mandelbrot В.В. Fractals: forms, chance and dimension. San Francisco: W. N. Freeman and Co., 1982

68. Korotkin D. On gas discharge around electrolyte drops // "Energy of earth and human"/ Proc. Intern. Congress St.Petersburg, - 2000 - P. 24-25.

69. Коротков К.Г., Полонников Р.И. Преобразование и сжатие данных ГРВ-изображений на базе анализа фрактальной динамики.// Proceedings of the International Congress , St.Petersburg, p.25-27. 99

70. Крылов Б.А., Коротков К.Г., Кузнецов А.Л. Исследование процесса формирования изображений при ГРВ // "Автоматизация проектирования, технология элементов и узлов компьютерных узлов" / Тез. докл. межвуз. н.-т. семинара. СПб, 1998. - с. 18.

71. Коротков К.Г., Кузнецов А.Л., Крылов Б.А., Белобаба О.И.

72. Описание программной части комплекса "Корона ТВ"// От эффекта Кирлиан к биоэлектрографии .Сборник СПб., 1998,- с.243-250.

73. Крылов Б.А., Арустамов С.А., Кузнецов A.JI. Язык управления процессом автоматизированного проектирования топологии узлов ЭВА //"Проблемы проектирования и производства коммутационных плат" / Тез. докл. н.-т. семинара,- Фрунзе,-1988 с.8-10.

74. Kuznetsov A., Korotkov К., Krylov В. BEOGDV image recognition system // "SIS-99'7 Proc. Intern. Congress - St.Petersburg, - 1999,- P. 47-48.

75. Коротков К.Г., Гурвиц Б.Я., Крылов Б.А. Новый концептуальный подход к ранней диагностике рака // Сознание и физ. реальность. -1998. Т.З, № 1, с.50-58.

76. Гурвиц Б.Я., Крылов Б.А., Коротков К.Г. Использование метода ГРВ для разработки нового подхода к ранней диагностике онкологических заболеваний // «Биомедприбор-98» / Тез. докл. Межд. Конф. Москва, - 1998. - с. 106-107.

77. Коротков К.Г., Попечителев Е.П. Контроль состояния ребенка с помощью комплекса регистрации газоразрядных изображений пальцев рук. НПК «Проблемы инструментальной оценки состояния с помощью компьютерных систем», Москва, 1999. С.57-59.

78. Романий С. Ф., Карамушко В. А. 1981. Дефектоскоп импульсный высокочастотный ДИВ-1. Дефектоскопия. № 11.-С. 76-80.

79. Коротков К.Г. 1980. О возможности выявления микронеровностей объектов при фотографировании с экрана газоразрядной трубки. Журн.научн.и прикладн. фотографии и кинематографи. t.25,N 5, с.374-377.