автореферат диссертации по радиотехнике и связи, 05.12.04, диссертация на тему:Метод представления данных изображения радужной оболочки для формирования индивидуального кода

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

1. МОДЕЛЬ ИЗОБРАЖЕНИЯ РАДУЖНОЙ ОБОЛОЧКИ.

1.1. Радужная оболочка как объект исследования иридодиагностики. Симптоматика дифференциальной оценки биомикроскопии радужной оболочки.

1.1.1. Цвет радужной оболочки.

1.1.2. Тип радужной оболочки.

1.1.3. Плотность.

1.1.4. Состояние зрачка.

1.1.5. Состояние автономного кольца.

1.1.6. Адаптационные кольца.

1.1.7. Токсико-дистрофические знаки.

1.1.8. Лимфатический розарий.

1.1.9. Лакуны.

1.1.10. Токсические и пигментные пятна.

1.2. Состояние вопроса и дальнейшие перспективы развития методов кодирования изображений.

1.2.1. Теоретический обзор методов компрессии и тенденций их развития.

1.2.1.1. Устранение статистической зависимости.

1.2.1.2. Использование разбиения.

1.2.1.3. Учет ошибок компрессионных трансформаций.

1.2.2. Экспериментальное обоснование гибридных технологий кодирования изображений.

1.2.2.1. Фрактально-интерполяционный метод компрессии.

1.2.2.2. Интерполяционное сжатие с кодированием ошибок интерполяции.

1.2.2.3. Блочное кодирование.

1.2.2.4. Кодирование контуров.

1.3. Оценка качества компрессионных трансформаций ИРО.

1.3.1. Одиночные методы.

1.3.2. Парные методы.

1.3.2.1. Оценки на основе корреляции.

1.3.2.2. Статистические оценки.

1.3.2.3. Оценка потерь и ложных компонент.

1.3.2.4. Дифференциально-статистический подход.

ВЫВОДЫ.

ЦЕЛЬ И ЗАДАЧИ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ.

2. ТЕОРИЯ КОДИРОВАНИЯ ИЗОБРАЖЕНИЯ РАДУЖНОЙ ОБОЛОЧКИ.

2.1. Общие замечания по выбору методов компрессии ИРО.

2.2. Интерполяция изображений на основе полиномов и контуров.

2.2.1. Кодирование низкочастотных составляющих изображения на основе полиномов.

2.2.1.1. Постановка задачи полиномиальной интерполяции ИРО.

2.2.1.2. Полиномиальная интерполяция по методу наименьших квадратов.

2.2.1.3. Полиномиальная интерполяция по методу Лагранжа.

2.2.2. Кодирование высокочастотных составляющих изображения с помощью методов кодирования контуров.

2.2.2.1. Модель контура.

2.2.2.2. Линейные пространства вектор-контуров.

2.2.2.3. Свойства скалярного произведения в пространстве Ск.

2.2.2.4. Спектральный анализ контуров изображений.

2.2.2.5. Wavelet-преобразование и выделение контуров.

2.3. Фрактальное кодирование изображений.

2.3.1. Постановка задачи фрактального кодирования.

2.3.2. Системы итерируемых функций.

2.3.3. Аффинные преобразования.

ВЫВОДЫ.

3. ГИБРИДНЫЙ МЕТОД КОМПРЕССИИ ИЗОБРАЖЕНИЯ РАДУЖНОЙ ОБОЛОЧКИ.

3.1. Разбиение изображения на локально стационарные фрагменты.

3.1.1. Модель изображения как совокупности фрактальных и топологических объектов.

3.1.1.1. Фрактальные объекты.

3.1.1.2. Топологические объекты.

3.1.2. Модель изображения радужной оболочки как объекта исследования иридодиагностики.

3.2. Методы компрессии ИРО на основе фрактально-топологической модели изображения.

3.2.1. Выбор субкодеров для построения гибридного фрактального метода.

3.2.2. Методы классификации блоков.

3.2.3. Стыковка субкодеров.

3.3. Кодирование ИРО полиномно-контурным методом.

3.3.1. Разбиение ИРО на фрагменты и предварительные преобразования.

3.3.2. Выделение и кодирование контуров.

3.3.3. Стыковка субкодеров.

3.4. Оценка быстродействия алгоритмов.

3.4.1. Фрактальные методы компрессии.

3.4.2. Полиномно-контурный метод.

ВЫВОДЫ.

4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ГИБРИДНОГО МЕТОДА КОМПРЕССИИ ИЗОБРАЖЕНИЯ РАДУЖНОЙ ОБОЛОЧКИ ГЛАЗА.

4.1. Методика проведения эксперимента.

4.2. Результаты машинного моделирования.

4.2.1. Оценка быстродействия исследуемых кодеров.

4.2.2. Оценка качества компрессионных трансформаций.

4.3. Характерные артефакты кодеров.

ВЫВОДЫ.

В последнее время большой интерес вызывает поиск новых, безопасных и достаточно надежных методов экспресс диагностики заболеваний, с помощью которых можно проводить массовые профилактические осмотры населения. В этом отношении представляется перспективным совершенствование методов распознавания болезней, основанных на сигнальной функции экстерорецептивных зон организма. К наиболее информативным в настоящее время экстерорецептивным диагностическим средствам следует отнести индикацию болезней по адаптационно-трофическим изменениям радужной оболочки глаза. Внедрение машинных методов в эту область открывает для исследований новые возможности как теоретического, так и прикладного характера.

Иридологическое обследование одного больного занимает у врача-иридолога в среднем 2 часа [56], поэтому компьютерный анализ является предпочтительным, более удобным и эффективным. Исходным объектом для анализа является массив пространственных отсчетов, получаемый после процедур дискретизации и квантования изображения радужной оболочки глаза (ИРО) с помощью цифровой телевизионной камеры. Однако такое представление индивидуальных ИРО характеризуется большим объемом данных, что даже при современном уровне развития техники исключает создание банков хранения большого множества файлов изображений, затрудняет процесс передачи данных ИРО по каналам связи. Более того, эти проблемы по мере дальнейшего развития техники становятся еще более актуальными, так как увеличение разрешающих способностей устройств ввода-вывода изображений и возможности более детального анализа ИРО с целью выявления новых информационных иридологических знаков приведут к увеличению исходного объема данных ИРО для каждого индивида. Учитывая большой объем данных массива для представления ИРО, возникает повод для разработки компрессионного кода, минимизирующего объем данных.

Очевидно, что индивидуальный код должен, прежде всего, опираться на структурные особенности ИРО. Такой подход позволит в дальнейшем использовать этот код для целей машинной диагностики заболеваний. Помимо этого такой код можно будет использовать для помехоустойчивого распознавания личности в системах автоматического опознавания и идентификации, для разработки поисковых систем электронных архивов, содержимым которых, в частности, могут быть ИРО (например, полученные после массовых обследований населения), для разработки и ведения электронных баз данных с результатами таких обследований, по которым, в частности, можно будет выявлять некоторые статистические данные заболеваний. Вместе с тем основное предназначение такого кода остается все же построение на его основе систем автоматизированных иридологических комплексов (АИК). Такие системы предназначены для ранней (доклинической) топической диагностики заболеваний и системного анализа. Кроме 8 того АИК предоставит возможность иридологу средней квалификации проводить массовые скрининговые обследования населения, а также выполнять роль справочника для начинающих иридологов.

Таким образом, исследование и разработка метода компрессионных преобразований исходных данных ИРО для построения индивидуального кода позволяет получить сжатое отображение исходного пространственного цифрового сигнала ИРО, обеспечивающее экономичное хранение кода, передачу при необходимости по каналу связи и декодирование - восстановление телевизионного изображения радужной оболочки глаза индивида для различных прикладных задач интерактивной и автоматизированной диагностики, применяемой в целях медицины, а также распознавания личности.

Выводы.

По результатам машинного моделирования фрактального, гибридного фрактального и гибридного полиномно-контурного методов кодирования можно сделать следующие выводы:

• получена практическая реализация гибридного метода компрессии на основе модели изображения как объекта исследования иридодиагностики;

• гибридный полиномно-контурный метод обладает примерно в 2.6 раз большими временными, однако диапазон коэффициентов компрессии у него в 1.5. 10 раз (в зависимости от контекста изображения) шире, чем у фрактальных кодеров, при этом качество компрессионных трансформаций по метрике PSNR лучше на 2.3dB при к -10. 60 для полиномно-контурного кодера и хуже на 1.5. ,2dB при £>60.

ЗАКЛЮЧЕНИЕ

По результатам представленной диссертационной работы можно сделать следующие выводы:

• проведен аналитический обзор современных методов компрессии изображений, что позволило предложить классификацию и рассмотреть их использование применительно к ИРО;

• предложена оригинальная модель изображения радужной оболочки как совокупности высокочастотных (контуров) и низкочастотных (участков изображения, аппроксимируемых с помощью полиномов) фрагментов;

• алгоритмически и программно реализован оригинальный гибридный полиномно-контурный метод компрессии, включающий в качестве субкодеров метод кодирования контуров для кодирования высокочастотных областей, и метод полиномиальной аппроксимации для кодирования низкочастотных областей изображения радужной оболочки глаза.

• для разработанного гибридного полиномно-контурного метода, и фрактальных методов кодирования проведено экспериментальное моделирование, а также комплексная оценка качества компрессионных трансформаций декодированных изображений;

• в ходе экспериментальных исследований установлено:

- гибридный полиномно-контурный метод обладает в зависимости от контекста изображения примерно в 2.6 раза большими временными затратами, но диапазон коэффициентов компрессии шире в 2. 10 раз, чем у фрактальных кодеров, при этом качество компрессионных трансформаций по метрике PSNR для полиномно-контурного кодера лучше на 2. .3dB при к < 60 и хуже на 1.5. .2dB при £>60;

- диапазон коэффициентов компрессии для фрактальных кодеров достигает значений к = 120, что позволяет генерировать код длинной около / = 2Кбайт, в то время как для гибридного полиномно-контурного кодера значения коэффициентов компрессии достигают к = 190 и длинна кода составляет / = 1.3Кбайт;

• разработанный полиномно-контурный метод и фрактальные методы, обладая свойством масштабной инвариантности, взаимно дополняют друг друга: фрактально-топологический гибридный метод кодирования позволил сформировать скомпрессирован-ный индивидуальный код ИРО человека и масштабно-инвариантно восстановить ИРО для целей врачебной диагностики; гибридный метод полиномно-контурного кодирования ИРО позволил генерировать индивидуальный код для целей последующей автоматизированной иридодиагностики;

124

Рекомендации.

В качестве рекомендаций к данной диссертационной работе можно определить перспективы развития работ в данном направлении:

• на основе предложенной модели изображения разработать базы данных для ведения медицинских архивов иридологических обследований населения;

• построение поискового пространства для систем автоматизированной обработки для нужд иридодиагностики и систем автоматизированного распознавания;

• построение на основе предложенного метода систем автоматизированного анализа изображений радужной оболочки глаза;

• разработка систем автоматизированного распознавания личности.

1. Антипин М. В. Интегральная оценка качества ТВ изображения. М.: Наука, 1970. 154с.

2. Астафьева Н. М. Вейвлет-анализ: основы теории и примеры применения.// Успехи физических наук, 1996 Т. 166, № 11. С. 1145 - 1170.

3. Атлас глазных болезней. / Под ред. Н. А. Пучковской; АМИ ССР. М.: Медицина, 1981.-368с.

4. Бахвалов Н. С. Численные методы. М.: Наука, 1975. 632 с.

5. Беклемишев Д. В. Курс аналитической геометрии и линейной алгебры. М.: Наука, 1974.-320 с.

6. Введение в топологию: Учебное пособие. /Ю. Г. Борисович, Н. М. Близняков,

7. Я. А. Израилевич, Т. Н. Фоменко М.: Наука, Физматлит, 1995. 416 с.

8. Бурцев А. И., Белов П. Н., Бушуева JI. С. Численный анализ метрологической информации, имеющей различную точность, основанный на полиномиальной аппроксимации. // Труды ГМЦ, 1974, № 132 С. 30 - 40.

9. Васильев Р. А., Егорова С. Д. Оценка качества интерполяционных преобразований изображений. // Известия СПбГЭТУ (ЛЭТИ), 1998. Вып. 1. С. 18 - 22.

10. Вельховер Е. С. Клиническая иридология. М.: Орбита, 1992. 432 с.

11. Водовозов А. М., Рыбников А. А. Исследование радужной оболочки глаза в трансформированном свете. Волгоград: Б.и., 1992. 160 с.

12. Головина JI. И. Линейная алгебра и некоторые ее приложения. М.: Наука, 1979. 392 с.

13. Джайн А. К. Успехи в области математических моделей для обработки изображений // ТИИЭР, 1981. Т. 69, № 5. С. 9 - 39.

14. Дженсен Б. Бодин Д. Б. Популярная иридология: Пер. с англ. М.: АО "Крон пресс",1995.- 179 с.

15. Егорова С.Д. и др. Процедуры интерполяции в технологии преобразований пространственных сигналов. // Радиоэлектроника, Сб. научн. тр. СПбГЭТУ, 1995. Вып.1. СПб.: МГП "Поликом",- С. 23 34.

16. Егорова С. Д., Кириллов A. JI. Кодирование изображения радужной оболочки // 56-я научно-техническая конференция, посвященная Дню радио, Санкт-Петербург, апрель 2001 г. Материалы конференции. СПб.: Изд-во СПбГЭТУ «ЛЭТИ». С. 63 - 64.

17. Иридодиагностика / Е. С. Вельховер, Н. Б. Шульпина, 3. А. Алиева, Ф. Н. Ромашов М.: Медицина, 1988.-231 с.

18. Иридодиагностика: Справочник / В. В. Кривенко, Г. С. Лисовенко, Г. П. Потребня, Т. А. Сядро. Киев: Советская энциклопедия, 1991. - 138 с.

19. Калиткин Н. Н. Численные методы. М.: Наука, 1998. 512 с.

20. Кириллов А. Л., Егорова С. Д. О параметрах цифрового отображения радужной оболочки глаза // Известия высших учебных заведений России. Радиоэлектроника, 2001, Вып. 1.-С. 61 -69.

21. Кириллов А. Л., Егорова С. Д. Цифровое кодирование изображения радужной оболочки для формирования индивидуального кода.// Сб. материалов 4-ой международной конференции «Распознавание 99». Курск, 20 22 октября 1999 г. Курск: КПИ, 1999.-С.161-163.

22. Ковалевский Е. И. Глазные болезни. М.: Медицина, 1980. 280 с.

23. Корн Г., Корн Т. Справочник по математике: Пер. с англ. / Под ред. И.Г. Арамано-вича. М.: Наука, 1978. 832 с.

24. Кунт, М. Джонсен О. Блочное кодирование графических материалов: Обзор // ТИИЭР, 1980. Т. 68, №7. С. 21 - 40.

25. Магеррамов В. А. Метод представления случайных полей для изучения солнечной поверхности. //1 Солнечные данные, 1975, № 10. - С. 75 - 78.

26. Методы передачи изображений. Сокращение избыточности / У. К. Прэтт, Д. Д Сакрисон, X. Д. Мусманн. и др. Под ред. У. К. Прэтта: Пер. с англ. М.: Радио и связь, 1983.

27. Певзнер Б. М. Качество цветных телевизионных изображений. 2-е изд. М.: Радио и связь, 1988.-244 с.

28. Применение данных наблюдений со спутников в четырехмерном численном анализе. // Метрология и гидрология. 1974, № 6. С. 107 - 111.

29. Приемов Д. Г. Гибридный метод компрессии с масштабно-инвариантным декодированием. Диссертация на соискание ученой степени кандидата технических наук / СПбГЭТУ, 1998.- 155 с.

30. Прэтт У. Цифровая обработка изображений. М.: Мир, Т.1, 2., 1981.

31. Рагимов А. Т. Основы теории и проектирования иридодиагностических телевизионных систем. СПб.:, 2000. 140 с.

32. Рамачадран. К. Метод кодирования для векторного представления технических чертежей // ТИИЭР, 1980. Т. 68, № 7. С. 68 - 73.

33. Тихонов М. И., Миронов М. А. Марковские процессы. М.: Сов. радио, 1977. 488 с.

34. Федер Е. Фракталы. Пер. с англ. М.: Мир, 1991. 254с.

35. Фурман Я. А. Основы теории обработки контуров изображений. Йошкар-Ола: Мар-ГТУ, 1997.-255 с.

36. Фурман Я. А. Спектральный анализ замкнутых полигональных контуров плоских изображений // Радиотехника, 1994. № 12. С. 41 - 44.

37. Barnsley М. F. Fractals Everywhere (Second edition). Cambridge: Academic Press Professional, 1993. 532 p.

38. Barnsley M. F., Ervin V., Hardin D., Lancaster J. Solution of an Inverse Problem for Fractals and Other Sets // Proceedings of the National Academy of Science, 1986. Vol. 83, №7 P. 1975- 1977.

39. Barnsley M. F., Hurd L. P. Fractal Image Compression. Wellesley, Ma.: AK Peters, Ltd., 1992.-244 p.

40. Davis G. M. Self-quantization of wavelet subtries: a wavelet-based analysis of fractal image compression // Proceedings of Data Compression Conference. Snowbird, Utah., Mar. 1995.- P. 232-241.

41. Davoine F., Bertin E., Chassery J.-M. From rigidity to adaptive tessellation for fractal image compression: comparative studies / IEEE 8th Workshop on Image and Multidimensional Signal Processing. Cannes, Sept. 1993. P. 56 57.

42. Edwards T. Discrete Wavelet Transforms: Theory and Implementation // Draft, 1992. Vol. 2. June 4. P. 1 -26.

43. Farell P. Recursive block coding for image data compression. Dresden: Springer-Verlag, 1990.

44. Dudbridge F. Fast image coding by a hierarchical fractal construction. URL http://inls.ucsd.edU/y/Fractals/Dudb94.ps. 1994.

45. Fisher Y., Jacobs E. W., Boss R. D. Fractal image compression using iterated transforms. San Diego, CA.: Apr. 1991. P. 1 27. (Naval Ocean Systems Center Technical Report 1408.).

46. Fisher Y., Menlove S. Fractal encoding with HV partitions // Fractal Image Compression: Theory and Application. Y. Fisher (ed.). New York, NY: Springer-Verlag, 1994. P. 119 136.

47. Fractal Image Compression: Theory and Application. / Y. Fisher (ed.). -New York, NY: Springer-Verlag, 1994. 341 p.

48. Freeman H. One the Digital Computer Classification of geometric Line Pattern// Proc. Nat. Electron. Conf., №18. P. 312 - 324.

49. Furman Ya. A. Yanshin V.V. Extraction and Linear Filtrening of Closed Polygonal Contours of Image // Pattern Recognition and Image Analisis, 1994. Vol. 4, № 2. P. 146 - 166.

50. Golub G. N. C. Reinsch Singular value decomposition and least squares solution, 1970. Math. Vol. 14. P. 403-420.

51. Hall D. Iridology: How the eyes reveral your health and your personality. New Canaan CN: Keats Publ., 1981. 241 p.

52. Jacquin A. A novel fractal block-coding technique for digital images / IEEE ICASSP Proceedings, 1990. Vol 1.4. P. 2225 - 2228.

53. Jacquin A. Image coding based on a fractal theory of iterated contractive image transformations / IEEE Transactions on Image Processing, 1992. Vol. 1, № 1. P. 18 - 30.

54. Jain A. K. A sinusoidal family of unitary transforms / IEEE Trans. Pattern Anal. Mach. Intelligence, 1979. Vol. РАМ1-1/ Oct. P. 356 - 365.

55. Jensen B. Iridology. The science and practice in the healing arts / Esconado, 1982. Vol. 2 -580 p.

56. Kim C.-S., Kim R. C., Lee S.U. Novel image compression method with non-iterative decoder / IEEE ICIP Proceedings, 1995.

57. Krupnik H., Malah D., Karin E. Fractal representation of images via the discrete wavelet transform // IEEE 18th Conference of Electrical Engineering. Tel-Aviv., Mar. 1995.

58. Leps0y S., 0ien G.E. Fast attractor image encoding by adaptive codebook clustering // Fractal Image Compression: Theory and Application. Y.Fisher (ed.). -Springer-Verlag, New York, NY: 1994. P. 177 - 198.

59. Lloyd S. P. Least Squares Quantization in PCM // IEEE Transactions on Information Theory, 1982.Vol. IT-28. Mar., P. 127 - 135.

60. Lundheim L. Discrete framework for fractal signal modeling // Fractal Image Compression: Theory and Application. Y.Fisher (ed.). New York, NY: Springer-Verlag, 1994. P. 137- 152.

61. Paul T. Biorthogonal bases of compactly supported wavetets // J. Math. Phys., 1992. Vol. 25(11).-P. 3252.

62. Rattinen H. Kimmo K. Critical Review Of Fractal Image Compression. // International Journal of Modern Physics C, 1995. Vol. 6. 1. P. 47 - 66.129

63. Reusens E. Partitioning complexity issue for iterated functions systems based image coding // Proceedings of VII European Signal Processing Conference. Edinburg, UK, Sep. 1994. Vol. l.-P. 171-174.

64. Reusens E. Overlapped adaptive partitioning for image coding based on the theory of iterated functions systems // ICASSP Proceedings. Adelaide, Apr. 1994. Vol.5. P. 569 - 572.

65. Saupe D. Accelerating fractal image compression by multi-dimensional nearest neighbor search // Proceedings of Data Compression Conference. IEEE Computer Society. Snowbird, Utah. Mar. 1995. P. 222 - 231.

66. Saupe D. The futility of square isometries in fractal image compression // IEEE ICIP Proceedings. Sep. 1996. P. 152 - 154.

67. Signes J. Geometrical interpretation of IFS based image coding // NATO ASI Conference on Fractal Image Encoding and Analysis, Trondheim. Jul. 1995.

68. Shusterman E., Feder M. Image compression via improved quadtree decomposition algorithms // IEEE Trans. Image Processing, 1994, № 3(2). P. 207 - 215.

69. Simoncelli E.P.,Adelson E.H. Efficient Pyramid Image Coder (EPIC).- URL ftp://whitechapel.media.mit.edU/pub/epic/epic.tar.Z.

70. Sweldens W., Schroder P. Building Your Own Wavelets at Home.- URL ftp.math.scarolina.edu/pub/swsc95.ps 1995. 30 p.

71. Vrscay E.R. A Hitchhiker's Guide to Fractal-Based Function Approximation and Image Compression. URL http://links.uwaterloo.ca. - 1995. - 20p.

72. Vines G. Signal Modeling with Iterated Function System: Ph.D. Thesis. Atlanta, USA: Georgia Institute of Technology. 1993. 117 p.

73. Wavelet Analysis and Its Applications (Vol. l:An Introduction to Wavelet. Vol. 2: Wavelets: A Tutorial in Theory and Applications). San Diego: Academ. Press, Inc., 1992.

74. Wavelet and Their Application (Ed. R Coifman) Boston: Jones and Barlett Publ., 1992.