автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Разработка на базе ПК экспертного диагностического комплекса обработки и анализа биомедицинских изображений

РОССИЙСКАЯ АКАДЕМИЯ НАУК САНКТ-ПЕТЕРБУРГСКИЙ ИНСТИТУТ ИНФОРМАТИКИ И АВТОМАТИЗАЦИИ

На правах рукописи

ЛЕДЮКОВ Михаил Алексеевич

РАЗРАБОТКА НА БАЗЕ ПН ЭКСПЕРТНОГО ДИАГНОСТИЧЕСКОГО КОМПЛЕКСА ОБРАБОТКИ И АНАЛИЗА БИОМЕДИЦИНСКИХ ИЗОБРАЖЕНИИ

Специальность 05.13.16 — Применение вычислительной

техники, математического моделирования и математических методов в научных исследованиях

Автореферат диссертации - на соискание ученой степени кандидата технических наук

Санкт-Петербург — 199 6

работа выполнена в Санкт-Петербургском институте информатики и автоматизации РАН.

Научный руководитель:

— доктор технических наук, профессор В. В. АЛЕКСАНДРОВ

Официальные оппоненты:

— доктор технических наук, профессор Р. И. ПОЛОННИКОВ;

— кандидат технических наук А. С. ЧИСТОВИЧ

Ведущая организация — Санкт-Петербургский

государственный университет

Защита состоится МСсА. 1990 г.

в на заседании специализированного совета Д 003.62.01

при Санкт-Петербургском институте информатики и автоматизации РАН по адресу: 199178, Санкт-Петербург, 14 линия, д. 39.

С диссертацией можно ознакомиться в библиотеке специализированного совета Д.003.62.01.

Автореферат разослан <$3 ->##/¿¿¿<2 1996 года

Ученый секретарь специализированного совета Д 003.62.01 кандидат технических наук

В. Е. МАРЛЕЙ

Подп. к печ. 16.04.96 г. Печ. л. 1,0 Учет.-изд. л. 1,0

Зак. 3026 тир. 60 ротапринт бесплатно

Типография ВИККА им. А. Ф. Можайского

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В настоящее время в теории и практике обработки и анализа изображений наметилась тенденция создания специализированных экспертных

диагностических комплексов. Теоретические основы таких систем описаны в трудах Д.Марра, Р.Фишера, В.В.Александрова, Хорна Б.К.П.

На их базе реализованы проблемно-ориентированные СОИ в самых разных предметных областях. При этом все чаще в качестве аппаратной базы используются ПЭВМ. Экспертов, для которых предназначены СОИ, привлекают широкие возможности наращивания периферийного оборудования ПЭВМ, мобильность, простота эксплуатации,' надежность, небольшие' затраты на обслуживание и модернизацию системы. Однако при практическом использовании такие, СОИ имеют ряд недостатков, затрудняющих построение адекватных описаний объекта:

1) инертность отклика интерфейса, затрудняющая выбор требуемой операции;

2) погрешность метрологического обеспечения, ухудшающая точность измерений и искажающая результаты анализа;

3) потребность в дополнительных усилиях при выделении объекта исследований на изображении (в ручном редактировании или в применении системы идентификации), существенно снижающая производительность всего комплекса;

4) громоздкость и сложность "дружественного" интерфейса, требующая дополнительных затрат времени эксперта на освоение навыков, необязательных для диагностики.

При этом предлагается неоправданно большое число вариантов технических решений сходных задач. Между тем, специфической особенностью процесса принятия

диагностического решения является выполняемая экспертом последовательность действий.

СЭДК, в отличие от АСОИ, в своей основе содержит:

1) интерфейс, сочетающий эффективность формирования и простоту воспроизведения последовательности действий эксперта;

2) минимальный набор операций обработки и анализа

изображений, достаточный для принятия диагностических решений;

3) высокую эффективность реализации этих операций;

Наиболее интересными с исследовательской точки зрения представляются биомедицинские изображения, которые трудно интерпретировать даже эксперту в предметной области. Например: рентгеновские снимки, термографические снимки, изображения органов микроорганизмов при предельных увеличениях оптического микроскопа.

Цель работы. Целью диссертационной работы является проектирование и построение на базе персонального компьютера экспертного диагностического комплекса обработки и анализа биомедицинских изображений.

Эта цель достигается решением следующих конкретных задач:

1) формирование набора стандартных операций обработки на основе анализа существующих СОИ, достаточного для принятия диагностического решения в предметных областях, сходных с биомедицинскими;

2) определение конфигурации и характеристик аппаратной части СЭДК, обеспечивающих выполнение сформированного набора операций;

3) разработка интерфейса, обеспечивающего эффективное формирование последовательности действий эксперта и простое ее воспроизведение;

4) разработка способа увеличения точности метрологической подсистемы при заданной разрешающей способности подсистемы ввода;

5) программная реализация операций обработки с минимально-возможным потреблением ресурсов ПК;

6) верификация комплекса и программного обеспечения.

Для решение перечисленных задач применялись следующие методы исследования: цифровой обработки изображений, машинной графики, цифровой картографии, аналитической геометрии, статистической обработки сигналов, структурного программирования и принципы построения интерактивного интерфейса.

Научная новизна. В ходе работы получены новые научные результаты, которые выносятся на защиту:

1) метод выделения объектов на полутоновых изображениях, основанный на анализе взаимосвязи площади и периметра при наращивании области и уточнении границ посредством изменения масштаба представления;

2) рекурсивный метод прореживания полигонов на основе системы метрических соотношений;

3) алгоритм описания полигона прямоугольным контуром;

4) способ повышения метрологической точности комплекса, основанный на сценке площади и периметра объекта по трем характеристикам его дискретного изображения;

5) принципы построения интерфейса, обеспечивающего эффективное формирование цепочки действий пользователя-специалиста в предметной области и простое ее воспроизведение.

Практическая ценность работы. Практическая ценность работы заключается в следующем:

1) разработан и реализован действующий СЭДК "КОНТУР", включающий в себя:

- аппаратную часть на базе ОИС "ГЛАЗ" (ИЧП "ТВиН" Грибунина А.Г.),

- драйвер ввода биомедицинских изображений в ПЭВМ типа 1ВМ РС АТ-286 ИЗ ОИС "ГЛАЗ",

- оригинальный графический интерфейс,

- подсистему метрологического обеспечения,

- подпрограммы предварительной обработки и морфологического анализа биомедицинских изображений;

2) реализована подпрограмма выделения указанных специалистом объектов на биомедицинских изображениях;

3) разработана система автоматизированной классификации двустворчатых моллюсков В1уа1у1а, основанной на определении угла логарифмической спирали;

4) разработана автоматизированная система морфологических исследований свободноживущих нематод 5аЬа11ег1а ко1аепз1з по изображениям, полученным при увеличениях более чем □ 2000 раз;

5) разработаны приложения под Windows для обработки рентгеновских изображений и термографических снимков;

6) разработана подпрограмма описания полигонов прямоугольным контуром.

Реализация и внедрение. С целью верификации предложенных положений и отладки разработанных алгоритмов СЭДК "КОНТУР" выставлялся в 1991 году на Всесоюзный конкурс программистов "SoftWare-91" в г.Ташкенте и с 1992 года используется для обучения студентов в Санкт-Петербургском государственном университете. На его базе разработаны действующие подсистемы, вышеописанные в подпунктах 2,3,4- Они активно используется в научных исследованиях сотрудниками Зоологического института РАН при работе с оптической измерительной системой "Глаз" (ИЧП "ТВиН") . Так, группа ученых под руководством В.В.Гальцовой выполнила ряд исследований, в которых автоматически были вычислены некоторые индексы и процентные соотношения, используемые при исследовании нематод (например, общая длина тела нематоды, длина пищевода, хвоста, спикул, рулька, диаметр тела на уровне различных структур/ размеры амфида, его расстояние от переднего конца и т.д.). Для каждого экземпляра получено от 20 до 32 морфометрических параметра и от 10 до 15 соотношений и индексов. Кроме промеров для каждого экземпляра были получены компьютерные изображения разных участков тела.

Windows-приложения для обработки рентгеновских снимков используются в Городском детском диагностическом центре.

Подпрограмма описания полигонов применяется в научно-внедренческой фирме "АСУ РОСТ".

Апробация работы. Основные результаты работы

докладывались и получили одобрение:

1) на Всесоюзном конкурсе программистов "SoftWare-91" (2-е место),

2) на международной конференции в Зоологическом институте РАН в Санкт-Петербурге в 1993 году.

3) на международной выставке "Больница-93" в

Санкт-Петербурге.

Публикации: по теме диссертации опубликовано 4 научных работы.

Объем и структура работы: Диссертационная работа состоит из введения, 4 глав и заключения (116 страниц машинописного текста), приложения (3 страниц), списка литературы (107 наименований на 10 страницах).

СОДЕРЖАНИЕ РАБОТЫ

Во введении содержится обоснование актуальности темы диссертации, сформулирована цель и задачи работы, научные результаты, выносимые автором на защиту, оценена практическая ценность полученных результатов.

В первой главе дана общая характеристика существующих подходов к обработке изображений, дан анализ и классификация современных СОИ. Формулируются основные требования к разрабатываемому СЭДК как к инструменту для выработки и принятия диагностического решения специалистом в области биомедицинских исследований.

В теории и практике анализа изображений закрепилась

к

тенденция создания специализированных экспертных диагностических систем. При этом предлагается неоправданно большое число вариантов технических решений сходных задач.

По техническим средствам СОИ подразделяются на:

1) использующие универсальные микропроцессоры и развитое программное обеспечение - характеризуются возможностью использования развитого программного обеспечения, его неограниченного наращивания и допустимостью внесения произвольного количества изменений, позволяя использовать программное обеспечение, не связанное с обработкой изображений;

2) использующие микропроцессоры и ЭВМ, аппаратно специализированные на обработку изображений - существенно

сокращают время, на выполнение стандартных операций обработки изображения, сохраняя при этом возможность задания другой комбинации операций;

3) с аппаратурной реализацией алгоритмов обработки изображений - характеризуются минимальным временем обработки, возможностью обработки нескольких изображений одновременно, но при этом отсутствует позможность оперативного.изменения и разработки оригинальных управляющих алгоритмов.

Основные из существующих в настоящее время СОИ 1-го типа:

1) малые СОИ для решения узкого круга задач (TGA, Morphomat, mini MOP, Videoplan) позволяют определять: объемную долю фазы, площадь поверхности элементов в единице объема, диаметр эквивалентной сферы; размер, площадь и диаметры Фере элементов; вычислять координаты центров масс и фактор формы элементов; проводить статистический анализ результатов обработки.

2) обычноупотребительные СОИ для решения большинства задач анализа (VIDS, Omnimet, Leitz TAS, СВИТ ИЗОТ) могут дополнительно выполнять следующие операции: медианная и градиентная фильтрация, коррекция "неравномерности освещения; коррекция стереопар и преобразование в псевдоцветное изображение; ручное редактирование изображения; эрозия/дилатация элементов; запоминание цепочки действий оператора.

3) мощные СОИ для решения широкого круга задач (Magiskan, TN-8500, IBAS, SEM-IPS, Metapericolor, Pericolor) позволяют также производить: булевые операции над изображениями; вращение, сжатие, расширение, усреднение, маскирование изображений; фильтрацию по методам Лапласа, Собела, Гаусса, диффузионную и линейную; подчеркивание краев и уменьшение шумов; восстановление границ зерен; скелетизацию; деагломерацию сфер; определение кривизны элементов и ориентации; построение 2-х и 3-х мерных гистограмм; 2-х мерное быстрое преобразование Фурье; 3-х мерную реконструкцию внутренней микроструктуры по серии срезов; прямые и обратные преобразования Уолша,Адамара, и пр.

Стремительное распространение относительно недорогих устройств ввода оптической информации наряду с возможностью последующей их обработки при помощи ПЭВМ привело к появлению соответствующих программных средств на любой вкус.

Предварительно отметим некоторые особенности проблемы обработки видеоинформации:

1) бросается в глаза удивление ученых фактом нетривиальности проблемы машинного видения. И удивление это понятно - даже неграмотный человек, не имеющий понятия о тригонометрии, логарифмах и элементарно не умеющий считать, легко и быстро узнает знакомые лица, предметы и т.п. при плохом освещении, на большом расстоянии и в различных сочетаниях;

2) большинство написанных работ и выпущенных коммерческих приборов в области машинного видения имеют узкую специализацию, опираясь на мощную базу априорных знаний о предмете исследования;

3) все большее число ученых предлагают различные способы представления видеоинформации, позволяющие восстановить исходное изображение и вместе с тем существенно ускорить процесс его обработки. То есть наблюдается устойчивая тенденция переложить принятие решений о принадлежности изображения или его части к некоторому классу объектов на плечи человека - специалиста в своей предметной области, снабдив его для этого необходимым инструментарием.

Эксперты, не имея возможности применять одну СОИ для обработки изображений объектов различного типа, вынуждены решать проблему выбора из нескольких приблизительно равноценных вариантов. Между тем, специфической особенностью процесса принятия диагностического решения является выполняемая экспертом последовательность действий. Поэтому актуальным является проектирование и построение СЭДК, содержащего минимально - достаточный набор операций обработки и анализа изображений для решёния однотипных задач в нескольких сходных предметных областях. Такой СЭДК должен включать интерфейс, обеспечивающий эффективность

формирования последовательности действий эксперта.

рысокоэффективную реализацию входящих в набор операций » обработки и анализа изображений.

Во второй главе описывается удовлетворяющий этим требованиям СЭДК "КОНТУР", его состав, особенности, метрологическое обеспечение, принципы построения интерфейса.

СЭДК "КОНТУР" включает в себя:

- устройство ввода;

- графический интерфейс пользователя;

- система выделения объектов исследования на изображении;

- программа анализа структурных характеристик объектов изображения с блоком коррекции искажений ввода и оценки погрешности измерений;

- средства хранения и обмена.

1) Устройство ввода включает в себя:

- малокадровая черно-белая телекамера высокого разрешения. Использована телекамера типа "Видикон" с изменяемым углом развертки.

- блок управления*. Электронный блок управления позволяет выбрать и увеличить любую часть рассматриваемой области изображения до 2-х крат без изменений оптического тракта.

- Интерфейсный блок представляет собой одноплатный блок, устанавливаемый в одно из интерфейсных гнезд IBM PC. Входными сигналами интерфейса служат стандартный видеосигнал с телекамеры, видеомагнитофона или телевизора и импульсы синхронизации строчной и кадровой разверток. При вводе информации с телекамеры импульсы синхронизации снимаются с блока, синхронизации камеры, а при получении видеосигнала с видеомагнитофона - от конкретного монитора. Регулировки интерфейса позволяют адаптировать блок к видеосигналам •амплитудой от 0.1 В до 10 В. Максимальное разбиение изображения при вводе с телекамеры соответствует 800 на 600 точек при 256 уровнях серого.

- Видеоконтрольное устройство служит для контроля работы компонент ввода.

2) Графический интерфейс пользователя позволяет совместить высокую математическую мощность с удобным сервисом для пользователя. Это достигнуто за счет соблюдения

принципов:

- четкого разграничения выполняемых внутри раздела операций по функциональному назначению;

- объединения текстового названия операции с графическим изображением (пиктограммой), обозначающей содержание порождаемого раздела (у клавиш верхнего уровня) или выполняемой операции;

- однозначной взаимосвязи каждой операции обработки'с клавишей меню (и ее кодом);

- использование в качестве управляющих только клавиш стрелок, <Enter> и <Esc> наряду с перемещениями "мышки" и двух ее кнопок.

3) Система выделения объектов исследования на изображении основана на анализе взаимосвязи площади и периметра при наращивании областей и на уточнении границ при спуске на нижний уровень пирамидального представления изображения.

4) Программа анализа структурных характеристик объектов * изображения позволяет измерить любые геометрические

параметры выделенных объектов и рассчитать глобальные интегральные характеристики изображения. Используется взаимосвязь • между размерами реальных объектов и их дискретными образами в фотоприемнике, что позволяет существенно повысить точность измерений. Программа обеспечивает также статистическую обработку полученных результатов и оценку погрешности измерений.

5) Средства хранения и обмена обеспечивают хранение и обмен' данными на ПЭВМ типа IBM PC. Для хранения небольших изображений (до 64 К) применен формат IPT, обеспечивающий наивысшую скорость обработки. Статистические данные хранятся в виде ASCII файлов в пригодном к обмену с электронными таблицами виде. При использовании интерфейса комплекса обеспечивается управление базой видеоданных и базой статистических данных. СУБД комплекса позволяет сравнивать различные группы данных одного типа с графической интерпретацией результатов.

Для функционирования комплекса требуется:

- ПЭВМ типа IBM PC XT/AT с ОЗУ не менее 640 Kb;

- графический адаптер не хуже EGA 640*350 (16 цветов);

- манипулятор типа "Мышь" (хотя возможна работа без него);

- устройство ввода изображений в ЭВМ (для работы с микроскопом желательна оптическая система "ГЛАЗ" разработки ИЧП "ТВиН" А.Г.Грибунина).

В СЭДК "КОНТУР" реализовано около 70% наиболее часто используемых функций системы Magiskan GM3. Большинство применяемых функций стандартны для систем такого рода и описаны в литературе. Наряду с широтой предоставляемых возможностей обработки "КОНТУР" обеспечивает жесткую ограниченность выбора из них в каждый конкретный момент работы программы, концентрируя внимание пользователя. Выбор операции в первый раз обеспечен полной информацией о ней что, как и зачем обрабатывается. Начиная же с некоторого момента, выбор может осуществляться без лишних затрат времени благодаря наглядности оригинальных

символьно-графических композиций. Это позволяет эффективно формировать цепочку действий при принятии диагностического решения. Возможность автоматического запоминания и исполнения последовательности операций обработки имеется у лучших из общеупотребительных СОИ, однако даже у представителей мощных СОИ (таких как Magiskan GM3 фирмы Ooyce-Loebl Ltd.) они часто неудобны в применении. СЭДК "КОНТУР" в пакетном режиме способна воспроизводить цепочку действий, осуществленную ранее специалистом. Каждая операция обработки в комплексе получает в соответствие одну клавишу меню, причем ее расположение фиксировано. При вызове операции видна вся порожденная символьно-графическая композиция, отображающая результат действий пользователя. Это позволяет довольно просто организовать запись в специальный стек выполняемых оператором действий по выбору операций обработки и последующее их воспроизведение, контекстную подсказку, анализ состояния комплекса и другой необходимый сервис.

Управление системой меню и графическим курсором в "КОНТУРе" осуществляется одновременно и клавиатурой, и мышкой. При этом в процесс работы с мышкой не вносится временных задержек (т.к. до опроса клавиатуры в этом случае дело не доходит), а при работе с клавиатурой в любой момент доступны все глобальные операции (сброс системы с записью состояний, контекстная подсказка, операции редактирования, управления графическим курсором, вывод текущего времени и пр. ) .

Для достижения высокой точности измерений геометрических параметров проведены экспериментальные исследования, в ходе, которых анализировались значения периметра и площади получаемых в ЭВМ изображений объекта и аналогичных значений на самом объекте. В результате получены оценки периметра и площади объекта по характеристикам его дискретного изображения. Так как периметр и площадь лежат в основе вычисления всех геометрических параметров, то учет этой связи существенно повышает точность измерений комплекса в целом. Параметры тестовых изображений для системы IBAS 2000, например, определяются на порядок точнее при вдвое меньшем разрешении системы ввода.

В третьей главе описываются объекты биомедицинских исследований и способ их выделения на изображениях.

В реальной исследовательской работе специалистов разного профиля часто необходимо на имеющемся изображении выделить и детально исследовать какой-либо один объект. Такая ситуация типична для врача, исследующего патологию какого-либо органа; для биолога, изучающего развитие определенных тканей; для зоолога, проводящего промеры органов микроорганизмов и во многих других случаях. Специалисту в таких случаях удобно лишь указать исследуемый орган на изображении, не занимаясь предварительным обучением системы, редактированием или прочей трудоёмкой работой. Система должна сама выделить объект в окрестности указанной точки. При этом считается неизвестной никакая априорная информация об объекте. Процесс выделения может основываться лишь на

следующих предположениях:

- о корреляции точек, принадлежащих объекту;

- о непрерывности поверхности объекта;

- о 'достаточной представительности на изображении точек объекта.

На изображениях ряда предметных областей выделение объектов является непростой задачей даже для специалистов. Таковы, например, термографические и рентгеновские снимки, изображения органов микроорганизмов под предельным увеличением и другие биомедицинские изображения. Способ получения и характер применения определяют особенности этих изображений:

- статичность (неизменность во времени). Обуславливается инертностью используемых устройств ввода: рентгеновской установки, оптического микроскопа, тепловизионной видеокамеры.

- отсутствие цветности. Обуславливается характером применения БМИ: важна только яркость частей объекта. На БМИ она однозначно соответствует температуре или плотности тканей.

- размытость краев и плохая различимость объектов. Вызваны наложениями исследуемых объектов друг на друга, присутствием большого числа объектов, не представлеющих исследовательского интереса.

Из особенностей следуют свойства биомедицинских изображений:

- пересечение диапазонов яркостей внутри и вне объектов осложняет применение пороговых методов бинаризации и приводит к неадекватности выделения контуров;

- большое число характеристик окрестности точек затрудняет при сегментации использование систем идентификации;

- разнообразие исследуемых объектов может быть настолько большим, что невозможно создание конечного множества эталонов для систем распознавания;

- угол между источником освещения и фотоприемником при исследовании "на просвет" близок к развернутому, что исключает возможность применения метода Марра.

Хорн Б.К.П. в 1989 году сделал вывод о нереальности автоматической интерпретации таких изображений.

Действительно, здесь неприменим ни подход Розенфельда (не выполняются 2 из 5 его предположений), ни подход Марра-Фишера-Хорна (полупрозрачные поверхности не

удовлетворяют физическим ограничениям). Поэтому выделение объекта на биомедицинском изображении является значительным шагом на пути автоматизации биомедицинских исследований.

В примененном в "КОНТУРе" алгоритме выделение начинается с определения максимальной по площади области объекта в окрестности указанной человеком опорной точки, что_ обеспечивается методом наращивания областей. При этом область наращивается за счет соседних точек, имеющих наибольшую корреляцию с точками области. Момент выхода за пределы объекта, содержащего опорную точку, определяется согласно полученному в ходе работы критерию подобия наращиваемых областей. Критерий основывается на анализе изменения площади, периметра и среднеквадратичного яркостного отклонения по области на каждом шаге. Далее происходит уточнение границы объекта, которое основано на выводе Марра о нахождении границы поверхности в месте совпадения точек пересечения нулевого уровня при выборе соседних размеров рецепторных полей. Под пересечением сигналом нулевого уровня понимается точка, в которой вторая производная сигнала пересекает нулевую отметку. Для поиска таких точек при обеспечении изменения размеров рецепторных полей в 2 раза применяется пирамидальное представление изображения объекта. Сравнение соседних уровней при пирамидальном представлении позволяет корректировать неоднозначность интерпретации изображения.

В четвертой главе проанализированы существующие проблемы при обработке границ объектов, представленных упорядоченными списками отрезков (в дальнейшем называемых полигонами). Делается вывод о возможности целевого прореживания полигонов при наличии априорной информации о структуре объектов. Приводится описание алгоритма действующей программы прореживания картографической информации прямоугольными

контурами.

-При обработке полигонов возникают следующие проблемы:

- применение переборных методов требует слишком больших временных затрат, недопустимых при использовании ПК;

- аналитические методы не позволяют адекватно оценить корректность описания полигонов правильными графическими примитивами;

- отсутствует корреляция параметров соседних точек.

Поэтому адекватное автоматическое описание полигона

правильными примитивами с заданной точностью возможно лишь при наличии априорной информации о форме и ограничениях на возможное взаиморасположение объектов.

При описании прямоугольным полигоном критерием для удаления при прореживании служит первое правило треугольника.. То есть удаляется узел В, если значение функционала

где с - длина стороны АВ а - длина стороны ВС Ь - длина стороны АС

является минимальным для данного полигона. При использовании в качестве критерия других функционалов возможно получение наилучшего описания полигона дугами, окружностями и другими примитивами.

Для прекращения второй функционал:

прореживания в рассмотрение вводится

fг = с

+ а

Этот функционал основан на втором правиле треугольника и достигает своего максимума для прямоугольного треугольника ABC. При применении этого правила к полигону в целом необходимо просуммировать значения второго функционала для всех узлов полигона. Удаление узлов в этом случае происходит

с запоминанием их номеров и значений соответствующих сумм f2. Когда останется четыре узла, ищется глобальный максимум среди запомненных сумм и восстанавливаются все узлы, удаленные после прохождения этого максимума. То есть процесс удаления прекращается по достижении глобального максимума второго функционала.

Полученный полигон описывается прямоугольным контуром равной площади. Для этого определяется ориентация полигона по его моментам инерции и-все стороны полигона заменяются отрезками параллельными и перпендикулярными главной оси инерции полигона таким образом, чтобы положение полученных-отрезков не изменяло бы площади полигона. В алгоритме используются аналитические формулы вычисления площадей многосторонних фигур.

Подпрограмма описания полигонов прямоугольными контурами существенно облегчает векторизацию растровых изображений и необходима при вводе в ЭВМ картографической информации жилых массивов с большим числом домов, гаражей, кварталов и других объектов, имеющих прямоугольную форму. Особенно заметен выигрыш во времени при вводе объектов сложной формы.

В заключении описаны основные результаты работы и оценка уровня работы в сравнении с лучшими разработками.

В работе получены следующие основные результаты:

1) проведен анализ существующих систем обработки \ изображений и выработаны требования к экспертному диагностическому комплексу, предназначенному для анализа биомедицинских изображений;

2) разработана автоматизированная система ввода, хранения, улучшения качества и Морфологического анализа биомедицинских изображений, содержащая оптимизированный набор стандартных функций и обеспечивающая удобство пользования, необходимую точность и оценку погрешности измерений при ограниченных вычислительных ресурсах ПЭВМ типа IBM PC;

3) разработан метод и алгоритм выделения объектов на биомедицинских изображениях, основанный на анализе взаимосвязи площади и периметра при наращивании областей и

уточнении границ посредством изменения масштаба представления;

4) разработаны способ описания . границ объектов минимальным числом отрезков на основе анализа параметризованной пары функционалов и программа для IBM PC на его основе;

5) разработаны способ повышения точности измерений геометрических параметров объектов дискретных изображений, отличающийся примененными аналитическими соотношениями между реальными и дискретными значениями площади и периметра и оптическая измерительная система на его основе, обеспечивающая высокую точность измерений;

6) разработан удобный графический интерфейс, обеспечивающий отладку и применение методов обработки и анализа изображений;

7) разработана система классификации двустворчатых моллюсков Bivalvia по изображению их профиля;

8) разработана система морфологического исследования свободноживущих нематод, относящихся к виду Sabatieria kolaensis (Saweljev, 1912) Filipjev, 1922;

9) разработаны приложения под Windows для экспертного медицинского диагностического комплекса;

10) разработана программа описания полигона адекватным прямоугольным контуром.

Основные результаты диссертации опубликованы в следующих работах:

1. Ледюков М.А., Пантелеев В.П., Струй A.B. Анализатор изображений для исследования керамики // Стекло и керамика, № 9, 1990. - с.14-16.

2. Ледюков М.А. Автоматизированная система предварительной обработки и определения параметров полутонового изображения "КОНТУР" // Структуры данных, алгоритмы и программы обработки сложных изображений. Препринт № 162 - С.-П.:СПИИРАН, 1992. - с.20-32.

3. Гальцова В.В., Герасимов A.A., Кулангиева Л.В., Ледюков М.А., Мандрыка О.Н., Старобогатов Я.И. Экспертная система для идентификации биологических объектов на примере

морских гидробионтов // IX Международное координационное совещание "Автоматизация процессов управления техническими средствами исследования и использования мирового океана" (СПбГЭТУ, Санкт-Петербург, 22-24 ноября 1994 года. ): Тезисы докладов. - СПб, 1995.

4. Ледюков М.А. Система обработки и анализа изображений "КОНТУР" // IV Санкт-Петербургская Международная Конференция "Региональная Информатика-95" ("РИ-95", Санкт-Петербург, 15-18 мая 1995г.): Тезисы докладов.' Часть 1. - СПб, 1995; с. 71 .

5. Ледюков М.А. Система предварительной обработки и. морфологического анализа изображений "КОНТУР" // Информационные технологии и интеллектуальные методы. СПб.: СПИИРАН, 1996, c:il5-119.

/JP