автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.14, диссертация на тему:Система ввода, хранения, обработки и анализа ультразвуковых изображений

ВВЕДЕНИЕ.

Г Л А В А 1. СОСТОЯНИЕ ПРОБЛЕМЫ АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ, АНАЛИЗА И ХРАНЕНИЯ УЛЬТРАЗВУКОВЫХ СНИМКОВ

1.1 Методы и средства регистрации, хранения, и анализа ультразвуковых снимков.

1.1.1 Развитие методов визуализации медицинских объектов.

1.1.2 Ультразвуковой метод получения изображений.

1.1.3 Основные характеристики медицинских ультразвуковых диагностических систем.

1.2 Необходимость и актуальность автоматизации регистрации, хранения, обработки и анализа ультразвуковых сндмков.

1.2.1 Необходимость построения компьютерных систем визуализации ультразвуковых изображений.

1.2.2 Задача повышения качества изображения.

1.2.3 Задача измерения объектов на УЗ снимках.

1.3 Выводы и постановка задачи исследования.

Г Л А В А 2. ИССЛЕДОВАНИЕ АЛГОРИТМОВ ПОВЫШЕНИЯ КАЧЕСТВА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ.

2.1 Алгоритмы повышения качества медицинских изображений.

2.2 Оценка качества изображений.

2.2.1 Контраст изображения.

2.2.2 Гистограмма изображения.

2.2.3 Динамический диапазон изображения.

2.2.4 Отношение сигнал—шум.

2.2.5 Другие параметры оценки спекл—шума.

2.3 Исследование алгоритмов повышения контраста изображения.

2.3.1 Алгоритм последовательного усиления срезов плотности.

2.3.2 Алгоритм локального контрастирования.

2.3.3 Линейный метод коррекции искажений.

2.3.4 Рекурсивная линейная фильтрация изображений.

2.3.5 Алгоритмы нелинейных преобразований.

2.3.5.1 Парабалическое преобразование.

2.3.5.2 Контрастное преобразование.

2.3.5.3 Гперболическое преобразование.

2.3.6 Алгоритм ступенчатого сглаживания гистограммы.

2.3.7 Алгоритм сглаживания гистограмм скользящим окном.

2.3.8 Степенная интенсификация.

2.4 Исследование алгоритмов фильтрации спекл—шума.

2.4.1 Усредняющий и медианный фильтры.

2.4.2 Сигма-фильтр.

2.4.3 Фильтры Ли, Кауна.

2.4.4 Фильтр Фроста.

2.4.5 Модификация фильтров Фроста и Ли.

2.4.6 Геометрический фильтр.

2.5 Выводы по второй главе.

Г Л А В А 3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ УЛЬТРАЗВУКОВЫХ СНИМКОВ.

3.1 Разработка алгоритма эквализации гистограммы с определением размера адаптивной окрестности.

3.2 Алгоритм усиления контраста.

3.3 Медианный фильтр для устранения спекл—шума.

3.4 Фильтр для устранения спекл—шума с сохранением границ.

3.5 Разработка алгоритмов измерения параметров объектов на ультразвуковых изображениях.

3.5.1 Разработка алгоритмов определения линейных размеров различными способами.

3.5.2 Разработка алгоритма измерения объема объекта по диаметру и контуру.

3.5.3 Разработка алгоритма измерения объема объекта по двум диаметрам.

3.5.4 Разработка алгоритма измерения параметров объектов по реперным точкам.

3.5.5 Разработка алгоритма измерения площадей и периметров объектов

3.5.6 Исследование точности измерения параметров объектов.

3.6 Выводы по третьей главе.

Г Л А В А 4. СТРУКТУРА СИСТЕМЫ ВВОДА, ХРАНЕНИЯ ОБРАБОТКИ И АНАЛИЗА УЛЬТРАЗВУКОВЫХ СНИМКОВ.

4.1 Современные технологии ввода, хранения обработки и анализа УЗ снимков.

4.2 Структура и технические характеристики УЗ установки.

4.3 Структура алгоритмического обеспечения системы ввода, хранения, обработки и анализа УЗ снимков.

4.4 Структура информационного обеспечения системы обработки УЗ снимков.

4.4 Разработка устройств обработки изображений.

4.4.1 .Устройство повышения контраста.

4.4.2. Устройство устранения спекл—шума.

4.5 Выводы по четвертой главе.

Г Л А В А 5. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ КОМПЬЮТЕРНОЙ СИСТЕМЫ ВВОДА, ХРАНЕНИЯ, ОБРАБОТКИ И АНАЛИЗА УЗ СНИМКОВ.

5.1 Обработка и анализ снимков щитовидной железы.

5.2 Обработка снимков печени.

5.3 Обработка снимков почек.

5.4 Селезенка.

5.5 Особенности обработки снимков поджелудочной железы.

5.6 Измерения биологических объектов.

5.7 Получение трехмерных изображений.

5.8 Выводы по пятой главе.

Одной из важных проблем современной медицины в России является обновление парка диагностического оборудования. Особо следует обратить внимание на дорогостоящее оборудование визуализации внутренних органов человека: ультразвуковые системы, рентгенодиагностические системы, эндоскопическое оборудование и др. [26, 38, 42, 60]. К тому же в последнее десятилетие наблюдается рост числа заболеваний, лечение которых эффективно только на ранних стадиях, например онкологических [24, 53, 44, 78]. Диагностическая информация, о которых в подавляющем большинстве представляется врачу—диагносту в виде изображений. Изображение как носитель информации является одним из наиболее емких и наглядных средств ее отображения [29, 35,49, 98, 108].

Самым безопасным и достаточно эффективным методом визуализации является ультразвуковая (УЗ) диагностика [44, 58, 78].

Современные образцы УЗ систем, выпускаемых ведущими зарубежными фирмами диагностического оборудования, по функциональным возможностям практически полностью перекрывают потребности любого медицинского учреждения [46]. Такие системы позволяют: получать высококачественную диагностическую информацию; создавать архивы текстовой и графической информации, эффективно их использовать; обрабатывать графическую информацию; уменьшить сроки обследования и снизить долю повторных исследований.

Цена УЗ систем высока и поэтому наша отечественная медицина не может приобретать для неспециализированных клиник дорогостоящее оборудование [77]. Необходимое улучшение качества медицинской диагностики, все возрастающие требования к количеству получаемой информации приводит к необходимости использования, на базе имеющегося оборудования, более совершенных систем визуализации. 7

Отсюда следует, что необходимо разработать систему обладающую всеми возможностями современных УЗ приборов, на базе имеющихся УЗ аппаратов. Это можно сделать путем подключения к УЗ системе персональной электронно—вычислительной машины (ПЭВМ), дополненную соответствующим алгоритмическим и программным обеспечением.

Программное и алгоритмическое обеспечение позволит эффективно использовать все функциональные возможности ПЭВМ в целях расширения возможностей УЗ системы: осуществлять быструю оцифровку и ввод в память ПЭВМ видеоизображения; использовать ряд процедур и функций обработки изображений; создать электронный архив тексто—графической информации и эффективно его использовать и др.

Во многих случаях получаемые изображения низкого качества. Поэтому необходимо особое внимание уделять вопросам улучшения визуального качества УЗ снимков [59, 61, 73, 88, 107, 125, 126, 142]. В результате возникает актуальная техническая и научная задача разработки системы ввода, хранения, обработки и анализа УЗ снимков [124, 137].

Целью диссертационной работы является создание на базе широко распространенных УЗ установок, компьютерной техники и новых информационных технологий системы хранения, обработки и анализа ультразвуковых снимков, отвечающей современным медицинским требованиям.

Исходя из цели работы задачами исследования являются:

1. Анализ состояния разработки и использования систем регистрации, обработки, анализа и хранения ультразвуковых снимков.

2. Исследование известных методов и алгоритмов повышения контраста и устранения спекл—шума ультразвуковых снимков.

3. Выбор и обоснование количественных характеристик для оценки возможностей исследуемых и разработанных алгоритмов обработки и анализа ультразвуковых снимков.

4. Разработка и исследование новых алгоритмов устранения спекл—шума и повышения контраста снимков. 8

5. Разработка новых устройств повышения контраста и устранения спекл—шума.

6. Разработка структуры и реализация системы хранения, обработки и анализа УЗ снимков.

7. Практическое применение системы ввода, хранения, обработки и анализа УЗ снимков для решения практических задач, стоящих при УЗ обследовании.

Методы исследования. В работе использованы методы дискретной математики, математической логики, основные понятия математического анализа и теории множеств, методы цифровой обработки сигналов и изображений.

Научная новизна.

В процессе проведенных исследований получены следующие новые результаты:

1. Разработаны два новых алгоритма повышения контраста на ультразвуковых изображениях, обеспечивающие повышение контраста до требуемых норм (0,6 — 0,8).

2. Разработаны два новых алгоритма устранения спекл—шума на ультразвуковых изображениях, позволяющие снизить уровень спекл — шумов до минимального уровня (6 — 10 %).

3. Разработаны устройство линейного повышения контраста изображений и устройство, позволяющее понизить уровень шумов путем сравнения текущего элемента изображения с п - связанной окрестностью.

Практическая ценность работы. Включенные в диссертацию результаты получены автором при выполнении хоздоговорных НИР №1852/97, № 1902/97 и госбюджетных НИР №264/91, №340/98.

Практические результаты работы позволяют:

1. Повысить контраст УЗ снимка до требуемых норм (0,6 — 0,8).

2. Уменьшить спекл—шум до минимального уровня (6 — 10 %).

3. Создать устройства повышения контраста и уменьшения спекл—шума, обеспечивающие обработку УЗ снимков в реальном масштабе времени. 9

4. Создать достаточно дешевую и легко тиражируемую систему ввода, хранения, обработки и анализа УЗ снимков с высокими техническими характеристиками, отвечающую современным техническим требованиям к аналогичным системам.

На защиту выносятся следующие результаты работы:

1. Результаты сравнительного анализа и экспериментальных исследований существующих алгоритмов повышения контраста и устранения спекл—шума на УЗ изображениях.

2. Новые алгоритмы повышения контраста и устранения спекл—шума ультразвуковых изображений и результаты их исследований.

3. Оригинальные устройства для повышения контраста и устранения спекл—шума ультразвуковых изображений.

4. Система ввода, хранения, обработки и анализа УЗ изображений массового применения.

5. Результаты практического применения разработанной системы при решении конкретных задач обработки, хранения и анализа УЗ изображений.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на 7—ом Международном научно-техническом семинаре «Проблемы передачи и обработки информации в информационно-вычислительных сетях» (г. Москва, 1997 г.); на научно—технической конференции «Управление в технических системах» (г. Ковров, 1998 г.); на III международной научно — технической конференции «Физика и радиоэлектроника в медицине и биотехнологии» (г. Гаврилов —Посад, 1998 г.); на I Всероссийской научно—технической конференции «Компьютерные технологии в науке, проектировании и производстве» (г. Нижний Новгород, 1999 г.); на Всероссийской научно—технической конференции студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (г. Рязань, 1997 и 1998 гг.); на ежегодная научно—техническая конференция студентов и аспирантов вузов России «Радиоэлектроника и электротехника в народном хозяйстве» (г. Москва, 1998 г.); на III Всероссийской научной конференции (г. Муром, 1999 г.); на 4

10 международной конференции «Оптико—электронные приборы и устройства в системах расспознования образов, обработки изображений и символьной информации» (г. Курск, 1999 г.); на научно—технических конференциях преподавателей и сотрудников Муромского института (филиала) Владимирского государственного университета (г. Муром, 1997-1999 гг.)

Публикации. Основные результаты работы опубликованы в 21 печатной работе.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, списка литературы имеющего 143 наименований. Общий объем диссертации 166 е., в том числе 125 с. основного текста, 16 с. списка литературы, 25 с. приложений. Таблиц 16, рисунков 97.

Основные результаты, полученные в данной работе, сводятся к следующему:

1. Осуществлен анализ состояния систем регистрации, обработки, хранения и анализа УЗ изображений. Показана необходимость усовершенствования УЗ установок, используемых в Российских медицинских учреждениях на основе новых компьютерных и информационных технологий.

2. Установлены количественные оценки, характеризующие качество ультразвукового изображения.

3. Проанализированы и исследованы наиболее распространенные алгоритмы повышения контраста и устранения спекл—шума медицинских ультразвуковых изображений. Результатами анализа и исследования показана необходимость разработки новых алгоритмов.

4. Разработаны и исследованы новые алгоритмы повышения контраста и устранения спекл—шума на ультразвуковых изображениях, позволяющее улучшить визуальное качество получаемой диагностической информации.

5. Реализованы алгоритмы измерения геометрических параметров биологических объектов и исследована их точность.

1. Разработана структура аппаратного, алгоритмического и информационного обеспечения компьютерной системы ввода, хранения, обработки и анализа УЗ снимков.

2. Создана система ввода, хранения, обработки и анализа УЗ изображений массового обслуживания.

8. С использованием созданной системы решены конкретные задачи, связанные с обработкой, архивным хранением и анализом ультразвуковых снимков щитовидной железы, печени, почек, селезенки и поджелудочной железы.

126

ПО ТЕМЕ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ СЛЕДУЮЩИЕ РАБОТЫ:

1. Андрианов Д.Е. Программная реализация и использование алгоритма последовательного усиления срезов плотности изображений. В сб. ст. Методы, устройства и программы обработки данных. — Ташкент: НПО «Кибернетика» АН РУз, 1996. С. 18-22.

2. Андрианов Д.Е., и др. Обработка УЗИ-снимков. Проблемы передачи и обработки информации в информационно-вычислительных сетях: Тез. докл. 7-го Международного научно-технического семинара / Под ред. И.А. Цветкова. — М.: НИЦПрИС, 1997. С. 50-51.

3. Андрианов Д.Е. Исследование метода локального контрастирования. В сб. ст. Методы, устройства и программы обработки данных. — Ташкент: НПО «Кибернетика» АН РУз, 1996. С. 23-26.

4. Андрианов Д.Е., и др. Компьютерная система ввода, хранения и обработки УЗИ—снимков. В сб. ст. Системы, методы обработки и анализа данных. - Ташкент: НПО «Кибернетика» АН РУз, 1997. С. 59—61.

5. Андрианов Д.Е. Модификация медианного фильтра для удаления смаза на УЗИ—снимках. Радиоэлектроника и электротехника в народном хозяйстве. Ежегодная научно—техническая конференция студентов и аспирантов вузов России. Тезисы докладов. В 2-х томах.— М.: Изд—во МЭИ, 1998. Том 2. С. 114—115.

6. Андрианов Д.Е. Анализ алгоритмов повышения контраста на ультразвуковых изображениях. Биотехнические, медицинские и экологические системы и комплексы. Тез. докл. Всероссийской научно—технической конференции студентов, молодых ученых и специалистов. Рязань: РГРА. 1998. С. 23—25.

7. Андрианов Д.Е., Жезляева Е.С. Предварительная обработка УЗИ— снимков. В сб. ст. Системы, методы обработки и анализа данных. - Ташкент: НПО «Кибернетика» АН РУз, 1997. С. 173—176.

8. Андрианов Д.Е. Повышение информативности УЗИ—снимков при помощи алгоритма последовательного усиления срезов плотности. Физика и радиоэлектроника в медицине и биотехнологии: Материалы III межд. науч. — техн. конф./ Под ред. JI.T. Сушковой. -— Гаврилов—Посад: Институт оценки земли, 1998. С. 220-221.

9. Андрианов Д.Е. Технологические особенности в обработке ультразвуковых медицинских изображений. Компьютерные технологии в науке, проектировании и производстве. Тезисы докладов I Всероссийской научно—технической конференции. В 19 частях. Часть 9. — Нижний Новгород: НГТУ, 1999. С. 39.

10. Андрианов Д.Е., Орлов A.A. Модификация фильтра Рампони для подавления спекл—шума на медицинских изображениях. В сб. ст. Обработка и анализ данных. - Ташкент: НПО «Кибернетика» АН РУз, 1998. С. 21-25.

П.Андрианов Д.Е., Орлов A.A. Исследование точности измерения параметров объектов на многомерных сигналах. Управление в технических системах: Материалы научно—технической конференции. — Ковров: КГТА, 1998. С. 78-80.

12. Андрианов Д.Е., Олейник К.А. Обработка изображений методом фильтрации произведения. Биотехнические, медицинские и экологические системы и комплексы. Тез. докл. Всероссийской научно—технической конференции студентов, молодых ученых и специалистов. — Рязань: РГРА. 1997. С. 59—60.

13. Садыков С.С., Андрианов Д.Е. Применение линейных методов препарирования ультразвуковых изображений. В сб. ст. Обработка и анализ данных. - Ташкент: НПО «Кибернетика» АН РУз, 1998. С. 15-20.

14. Андрианов Д.Е. Применение адаптивных амплитудных преобразований для обработки медицинских изображений. Физика и радиоэлектроника в медицине и биотехнологии: Материалы III межд. науч. — техн. конф./ Под ред. JI.T. Сушковой. — Гаврилов —Посад: Институт оценки земли, 1998. С. 219220.

128

15. Андрианов Д.Е. Устройство линейной нерекурсивной фильтрации пространственной структуры. В сб. ст. научных достижений муромских ученых. Труды преподавателей, сотрудников и аспирантов Муромского института (филиала). Владимир: ВлГУ, 1997. С. 181—183.

16. Положительное решение о выдаче свидетельства на полезную модель «Устройство для обработки изображений объектов» Садыков С.С., Андрианов Д.Е. за № 99111786/20 (012340) от 01.06.99.

17. Положительное решение о выдаче свидетельства на полезную модель «Устройство для обработки изображений» Садыков С.С., Андрианов Д.Е. за № 99111787/20 (012339) от 01.06.99.

18. Андрианов Д.Е. Анализ числовых характеристик для оценки спекл— шума на ультразвуковых изображениях. В сб. ст. Математические и технические средства обработки данных и знаний. - Ташкент: НПО «Кибернетика» АН РУз, 1999. С. 26-30.

19. Андрианов Д.Е. Анализ алгоритмов устранения спекл—шума на изображениях. Тез. докл. III Всероссийской научной конференции «Применение дистанционных радиофизических методов в исследованиях природной среды». —Муром. 1999. С. 253—254.

20. Андрианов Д.Е. Результаты практического применения компьютерной системы ввода, хранения, обработки и анализа ультразвуковых изображений. В сб. ст. Математические и технические средства обработки данных и знаний. -Ташкент: НПО «Кибернетика» АН РУз, 1999. С. 26-30.

21. Андрианов Д.Е. Применение адаптивных амплитудных преобразований для обработки медицинских изображений. Материалы 33-й научно— технической конференции преподавателей, сотрудников и аспирантов «Научные труды Муромских ученых». — Владимир, 1999. С. 128—130.

ЗАКЛЮЧЕНИЕ

1.Александров В.В., Горский Н.Д. Представление и обработка изображений. Рекурсивный подход. — Л.: Наука, 1985. 192 с.

2. Андрианов Д.Е., Жезляева Е.С. Предварительная обработка УЗИ— снимков. В сб. ст. Системы, методы обработки и анализа данных. Ташкент: НПО «Кибернетика» АН РУз, 1997. С. 173—176.

3. Андрианов Д.Е., и др. Компьютерная система ввода, хранения и обработки УЗИ—снимков. В сб. ст. Системы, методы обработки и анализа данных. -Ташкент: НПО «Кибернетика» АН РУз, 1997. С. 59—61.

4. Андрианов Д.Е., и др. Обработка УЗИ-снимков. Проблемы передачи и обработки информации в информационно-вычислительных сетях: Тез. докл. 7-го Международного научно-технического семинара / Под ред. И.А. Цветкова. М.: НИЦПрИС, 1997. 50—51 с.

5. Андрианов Д.Е. Исследование метода локального контрастирования. В сб. ст. Методы, устройства и программы обработки данных. — Ташкент, 1996. С. 23-26.

6. Андрианов Д.Е., Орлов A.A. Исследование точности измерения параметров объектов на многомерных сигналах. Управление в технических системах: Материалы научно—технической конференции. — Ковров: КГТА,1998. 78-80 с.

7. Ю.Андрианов Д.Е., Орлов A.A. Модификация фильтра Рампони для подавления спекл—шума на медицинских изображениях. В сб. ст. Обработка и анализ данных. Ташкент: НПО «Кибернетика» АН РУз, 1998. С. 21-25.

8. Андрианов Д.Е. Программная реализация и использование алгоритма последовательного усиления срезов плотности изображений. В сб. ст. Методы, устройства и программы обработки данных. — Ташкент, 1996. С. 18—22.

9. Андрианов Д.Е. Устройство линейной нерекурсивной фильтрации пространственной структуры. В сб. ст. научных достижений муромских ученых. Труды преподавателей, сотрудников и аспирантов Муромского института (филиала). Владимир: ВлГУ, 1997. С. 181—183.131

10. Положительное решение о выдаче свидетельства на полезную модель «Устройство для обработки изображений объектов» Садыков С.С., Андрианов Д.Е. за № 99111786/20 (012340) от 01.06.99.

11. Положительное решение о выдаче свидетельства на полезную модель «Устройство для обработки изображений» Садыков С.С., Андрианов Д.Е. за № 99111787/20 (012339) от 01.06.99.

12. Андрианов Д.Е. Анализ числовых характеристик для оценки спекл— шума на ультразвуковых изображениях. В сб. ст. Математические и технические средства обработки данных и знаний. Ташкент: НПО «Кибернетика» АН РУз, 1999. С. 26-30.

13. Андрианов Д.Е. Анализ алгоритмов устранения спекл—шума на изображениях. Тез. докл. III Всероссийской научной конференции «Применение дистанционных радиофизических методов в исследованиях природной среды». — Муром. 1999. С. 253—254.

14. Антонов А.О. Цифровая технология в работе рентгенологического отделения // Компьютерные технологии в медицине. 1997 N3 С. 43 - 45.

15. Ахметьянов В. Р., Пасмуров А. Я. Цифровые методы получения изображений с помощью космических радиолокационных станций с синтезированной апертурой// Зарубеж. радиоэлектроника 1987. N1 С.24-35.

16. Бабкин А.Е., Волков A.A. Новые возможности эндоскопии с применением компьютерной визуализации диагностических изображений. В сб.

17. Системы, методы обработки и анализа данных. Ташкент: НПО «Кибернетика» АН РУз, 1997. С. 36—43.

18. Беликова Т.П. Некоторые методы цифрового препарирования изображений. В сб. Цифровая обработка сигналов и ее применение. / Отв. ред. Л.П. Ярославский, М.: Наука, 1981. 221 с.

19. Беликова Т.П. Интерактивная система архивирования и передачи медицинских диагностических данных // Компьютерные технологии в медицине. 3/97.- С. 35-40.

20. Белич Р.Б. Результаты цифровой обработки радиолокационных изображений, полученных со спутника над сушей. // Методы и средства обработки аэрокосмических данных о параметрах природной среды. 1990. N. 39, 69-77.

21. Белокуров A.A. Методы сглаживания спекл-шума на радиолокационных изображениях земной поверхности // Зарубеж. электроника 1990. N6 С.26-35.

22. Бутаков Е.А. и др. Обработка изображений на ЭВМ. — М.: Радио и связь. 1987. 240 с.

23. Бьюси Р. С., Линейная и нелинейная фильтрация. // ТИИЭР. 1970. Том 58, N. 6, 6-17.

24. Васюков В. Н. О применении гомоморфного подхода в обработке изображений. / В сб. научных трудов Новосибирского технического университета. 1995. N. 1, 5-14.

25. Гиндзбург В.М. Формирование и обработка изображений в реальном времени. М.: Радио и связь, 1986. 232 е., ил.

26. Гранрат Д.Д. Роль моделей зрения человека в обработке изображений. — ТИИЭР, 1972. т.60 N 7. С. 93—107.

27. Грузман И. С., Метод повышения резкости на основе использования ограниченных данных. В сб. Научных трудов Новосибирского государственного университета. 1995. N. 2, 15-20.

28. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов. М.: Мир, 1988. 488 с.133

29. Егорова С.Д., Колесник В.А. Оптико—электронное цифровое преобразование изображений. — М.: Радио и связь, 1991. 208 с.

30. Емельянов Г. М., Кирьянов Б. Ф., Мартьянов М. В. Улучшение качества видеоизображений посредством преобразования гистограмм яркостей. Деп. ВИНИТИ, Новгородский политехнический институт. Новгород. 1986.

31. Иконика. Теория и методы обработки изображений / Отв. ред. Д. С. Лебедев, Н. Р. Попова; М.: Наука, 1983. 155 с.

32. Иконика в физиологии и медицине. Труды ГОИ. Ленинград: Наука, 1987.-183 е., ил.

33. Иосби Б. Визуализация объемных образований почек // Sonoace international. Русская версия— М.: СП "Ультрамед—М", 1999. Выпуск 4, С. 3— 10.

34. Клиническое руководство по ультразвуковой диагностике. Под. ред. Митькова В.В. М.: «Видар» 1996.- 336 с.

35. Конус-медик. Информационный бюллетень для потребителей медицинского оборудования. Серия 100. Диагностическое оборудование. Выпуск 111. Ультразвуковые приборы. Курск. Конус. №1, 1995, 40 с.134

36. Корн Г., Корн Т. Справочник по математике (для научных работников и инженеров): Пер. с англ. / Под общей ред. И.Г. Арамановича. М.:Наука, 1974. - 832 с.

37. Котляр В. В., Сойфер В. В., «Винтовой» пространственный фазовый фильтр. // Компьютерная оптика. 1992. N. 12, 61-65.

38. Красильников H.H. Теория передачи и восприятия изображений. Теория передачи изображений и ее восприятие. ■— М.: Радио и связь, 1986. 248 с.

39. Кузин JI.T. Основы кибернетики. Том 1 и 2. Учебное пособие для вузов.-М.: Энергия 1979.

40. Либенсон М.Н., Хесин А.Я., Янсон Б.А. Автоматизация распознавания телевизионных изображений. — М.: Энергия, 1975. 159 с.

41. Международный светотехнический словарь / Под ред. Д.Н. Лазарева. 3-е изд. М.: Наука, 1979. 278 с.

42. Мерабишвили В.М., Старинский В.В. Информационное обеспечение онкологической службы России. Материалы межгосударственного симпозиума «Новые организационные формы противораковой борьбы». Челябинск, 21—22 сентября 1991 г. — С—Пб.: Наука, 1994. С. 3.

43. Мирошников М.М., Нестерук В.Ф. Развитие методологии иконики и ее структурной схемы. В сб. Труды Государственного оптического института / Под ред. М.М. Мирошникова. - Ленинград: 1982. - Том 51, Вып. 185. С. 7-13.

44. Пахомов A.A., Ряхин А.Д. Востановление изображений искаженных амплитудным смазом. // Радиотехника и электроника. 1993. Том 38, N. 1, 183186.

45. Пиццутиелло Р., Куллинан Д. Введение в цифровую рентгенографию. — Нью Йорк: Компания Истман Кодак, Отделение медицинской науки, 1996. 222 с.

46. Применение цифровой обработки сигналов. / Под ред. Э. Опенгейма. М.: Мир, 1980. 552 с.

47. Психология машинного зрения. Б. Хорн, и др. Пер. с англ. / Под ред. B.JI. Стефанюка. — М.: Мир. 1978. 344 с.

48. Прэтт У. Цифровая обработка изображений. — М.: Мир, 1982. Т.1. 312 е.; Т.2. 480 с.

49. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике. — М.: Машиностроение, 1990. 320 с.

50. Рабинер Д., Гоулд Б. Теория и применение цифровой обработки сигналов. М.: Мри, 1978. 848 с.

51. Растокуев В. В., Шалина Е. В. Метод фильтрации облачности для данных прибора AVEHRR, относящихся к региону Балтийского моря. // Исследование земли из космоса. 1996. N. 1, 47-55.

52. Робинс М.Г. Принципы обратной фильтрации для линейных пространственно-зависимых систем отображения. // ТИИЭР. 1972. Том 60, N. 7, 134-144

53. Савчук A.A. Пространственно зависимые искажения изображения, вызванные движением, и реставрация изображений. // ТИИЭР. 1972. Том 60, N. 7, 124-133.

54. Садыков С.С. Цифровая обработка и анализ изображений. Ташкент: ФАН, 1994. 194 с.

55. Садыков С.С., Андрианов Д.Е. Применение линейных методов препарирования ультразвуковых изображений. В сб. ст. Обработка и анализ данных. Ташкент: НПО «Кибернетика» АН РУз, 1998. С. 15-20.136

56. Садыков С.С., Кадырова Г.Х., Азимов Ш.Р. Системы цифровой обработки изображений. — Ташкент: ФАН, 1988. 168 с.

57. Сондхи М.М. Реставрация изображения: устранение пространственно инвариантных искажений. // ТИИЭР. 1972. Том 60, N. 7,108-123.

58. Стокхэм Т.Г. обработка изображений в контексте модели зрения. // ТИИЭР. 1972. Том 60, N. 7, 93-107.

59. Стокхэм Т. Г., Кэннон Т. М., Ингебредсен Р. Б. Цифровое восстановление сигналов посредством неопределенной инверсной свертки. // ТИИЭР. 1975. Том 63, N.4, 160-177.

60. Технические средства рентгенодиагностики. / Под ред. И.А. Переслегина. — М.: Медицина, 1981. 376 е., ил.

61. Технические средства медицинской интроскопии. / Под ред. Б.И. Леонова. — М.: Медицина, 1989. 304 е., ил.

62. Тихонов В.И., и др. Автоматизированная система для обработки информации в НИИ онкологии. Тез. докл. Всесоюзного симпозиума «Автоматизированные информационные системы в онкологии», г. Бишкек, 11—12 сентября 1991. — Л.: Наука, 1991. С. 15.

63. Физика визуализации изображений в медицине. В 2 томах. / Под ред. С. Уэбба. М.: Мир, 1991.

64. Хант Б. Р. Цифровая обработка изображений. // ТИИЭР. 1975. Том 63, N. 4, 177-194.

65. Хант Б.Р. Структура данных и организация вычислений при цифровом улучшении качества изображения. // ТИИЭР. 1972. Том 60, N. 7, 160-164.

66. Холл Э.Л. сравнение трех методов цифровой пространственной фильтрации. // ТИИЭР. 1972. Том 60, N. 7, 165-169.

67. Хуанг Т. С., Шрайбер В. Ф., Третьяк О. Ж., обработка изображений. // ТИИЭР. 1971. Том 59, N.11, 59-85.

68. Цифровые методы оптимальной обработки сигналов: Межвуз. сб. науч. тр. Новосибирский электротехн. ин-т. / Отв. ред. Т.Б. Боружаев. Новосибирск, 1982.159 с.

69. Цифровая обработка сигналов и ее применение / Отв. ред. Л.П. Ярославский. М.: Наука, 1981. 217 с.

70. Чочиа П.А. Сглаживание изображений при сохранении контуров. // кодирование и обработка изображений. 1988. 87-98.

71. Шефер Р. В., Рабинер Л. Р. Цифровое представление речевых сигналов // ТИИЭР. 1975. Том 63, N. 4,146-159.

72. Элаши Ш., Бикнелл Т., Джордан Р. Л., Цзелинь У. Радиолокационные станции с синтезированием апертуры для космической съемки поверхности планеты: области применения, методы, конструкторские разработки. // ТИИЭР. 1982. Том 70, N. 10,49-66.

73. Эргон Ж. Синтез изображений. Базовые алгоритмы. Пер. с англ. — М.: Радио и связь, 1993. 216 с.

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

75. Ярославский Л.П. Введение в цифровую обработку изображений. М.: Советское радио. 1979. 312 е., ил.

76. Ahern F.J., Sirois J. Reflectance enhancements for the thematic mapper: an efficitent way to produce images of consistently high quality. // Photogrammetric engineering and remote sensing. 1989. Vol. 55, N. 1, 61-67.

77. Ahmand M. O., Sundararajan D. A Fast Algorithm for two-dimensional median filtering. // IEEE Transactions on circuits and system. 1988. Vol. 35, N. 6, 1364-1374.

78. Alkhairy A. S., Christian K. G., Lim J. S. Design and Characterization of optimal FIR with arbitrary phase. // IEEE Transaction on signal processing. 1993. Vol. 41. N. 2, 559-572.138

79. Amizi-Sadjadi M.R., Bannour S. Two dimensional recursive parameter identification for adaptive Kalman filtering. // IEEE Transaction on circuits and system. 1991. Vol. 38, N. 9, 1077-1081.

80. Baraldi A., Parmiggiani F. An alternative form of Lee filter for speckle suppression in SAR images. // Graphical models and image processing. 1995. Vol. 57, N. 1,75-78.

81. Beghdadi A., Negrate A.L. Contrast enhancement technique based on local detection of edges. // Computer vision, and image processing. 1989. N. 46, 162-174.

82. Bruse K. T., Chao J., WuChi S., Huang H.K. Full-frame cosine transform image compression for medical and industrial applications. // Machine vision and applications. 1991. Vol. 4, N. 2, 89-96.

83. Bolles W.W., Kanefsky M., Simann M. Recursive two-dimensional median filtering algorithms for fast image root extraction. // IEEE Transactions on circuits and system. 1988. Vol. 35, N. 10,1323-1326.

84. Bovik A.C., Huang T.S., Munson D.C. Image restoration using order-constrained least-squares methods. // Icassp 83: IEEE Speech and signal processing. Boston. 14-16 Apr. 1983. Vol. 2, N. 4, 828-832.

85. Buckreub S., Mittermayer J., Scheiber R., Moreira A. New aspects on SAR signal processing. // DLR nachrichten. 1997. N.86, 42-50.

86. Catte F., Lions P-L., Morel J-M., Coll T. Image selective smoothing and edge detection by nonlinear diffusion. // Society for industrial and applied Mathematics journal numeric analysis. 1992. Vol. 29, N. 1, 182-193.

87. Citrin S., Azimi-Sadjadi M. R. A full plane block Kalman filter for image estimation. // IEEE international symposium circuits and system. May 1-3. New York. 1990. Vol.1, 767-770.

88. Chang K-C., Yen Y-M., Chen J-C. Image restoration using second-order Kalman filter. // Proceedings of the national science council, republic of China. 1993. Vol. 17, N. 2, 131-138.

89. Cordey R. A., Macklin J. T. Complex SAR imagery and speckle filtering for wave imaging. // IEEE Transaction on geoscience and remote sensing. 1989. Vol. 27, N. 6, 666-673.

90. Crippen R.E. A simple spatial filtering routine for the cosmetic removal of can-line noise from handset TM P-tape imaging. // Photogrammetric engineering and remote sensing. 1989. Vol. 55, N. 3, 327-331.

91. Dash L., Chatterji B.N. Adaptive contrast enhancement and de-enhancement. // Pattern recognition. 1991. Vol. 24, N. 4, 289-302.

92. Doherty A., Payne R. R. Image processing of blurred medical images. // International conference acoustic sensing and imaging. 1993. 29-30 March, N. 369, 38-43.

93. Downie J.D., Walkup J.F. Optimal correlation filters for images with signal-dependent noise. // Journal optical society of America. 1994. Vol. 11, N. 5, 15991611.

94. Durand J. M., Gimonet B. J., Perbos J. R., Speckle in SAR images: an evaluation of filtering techniques. // Advances in space research remote sensing from space. 1987. Vol. 7,N. 11,301-304.

95. I.Evans A. N., Nixson M.S. Mode filtering to reduce ultrasound speckle for feature extraction. // IEE Processing vision, image and signal processing. 1995. Vol. 142, N. 2, 87-94.

96. Evans A.N., Nixson M.S. Speckle filtering in ultrasound images for feature extraction. // Acoustic Sensing and Imaging, 29-30 March 1993, Conference Publication. 1993. No. 369, 44-49.

97. Fotopoulos S. Median filtering with edge enhancement properties. // Europichen conferention circuits theory and design, ECCTD-89. 1989. 344-348.

98. Jeffs B.D., Gunsay M. Restoration of blurrend star field images by maximally sparse optimization. // IEEE Transaction on image processing. 1993. Vol. 2, N. 2, 202-211.

99. Kundu A., Zhou J. Combination median filter. // IEEE Transaction on image processing. 1992. Vol. 1, N. 3, 422-428.

100. Liu N., Caelli T.M. Recursive filter for image restoration. // Computer graphics and image processing. 1988. Vol. 44, N. 3. 333-349.

101. Lin H-M., Willson A. Median Filters with adaptive length. // IEEE Transactions on circuits and system. 1988. Vol. 35, N. 6, 675-690.

102. Lopes A., Touzi R., Nezry E. Adaptive speckle filters and scene heterogeneity. // IEEE Transaction on geoscience and remote sensing. 1990. Vol. 28, N. 6, 992-1000.

103. Nelson T.R., Elwins T.T. Visualization of 3D ultrasound data. // IEEE computer graphics and application. 1993. Vol. 13, N. 6, 50-57.

104. Malladi R., Sethiam J.A. A unified approach to noise removal, image enhancement, and shape recovery. // IEEE Transaction on image processing. 1996. Vol. 5, N. 11, 1554-1568.

105. Mallikarjuna H. S., Chaparro L. F. Iterative composite filtering for image restoration. // IEEE Transaction on pattern analysis and machine intelligence. 1992. Vol. 14. N. 6, 674-678.

106. Metsamaki S. Rank-algorithms in digital image processing. // Photogrammetric journal of Finland. 1989. Vol. 11. N. 2, 67-73.

107. Mitchell H.B. Fast small-kernel K-nearest neighbour noise-smoothing algorithm. // Europe Transaction telecommunication and relation technology. 1995. Vol. 6N. 5,609-612.

108. Mueller P.W., Hoffer R.N., Low-pass spatial filtering of satellite radar data. // Photogrammetric engineering and remote sensing. 1989. Vol. 55, N. 6, 887-895.

109. Mukherjee D., Chatterji B.N. Adaptive neighborhood extended contrast enhancement and its modifications. // Graphical models and image processing. 1995. Vol. 57, N. 3, 254-265.

110. Narasimha R. P. V., Vidyadhar M. S. R. R., Malleswara Rao T. C., Venkataratnam L. An adaptive filter for speckle suppression in synthetic aperture radar images. // International journal of remote sensing. 1995. Vol. 16, N. 5, 877-889.

111. Nieminen A., Neuvo Y. Theoretical analysis of the max/median filter. // IEEE Transaction on acoustics speech, and signal processing, 1988, Vol. 36, N. 5, 826-827.141

112. Pitas I., Venetsanopoulos A.N. A new filter structure for the implementation of certain classes of image processing operations. // IEEE Transactions on circuits and system. 1988. Vol. 35, N. 6, 636-646.

113. Pizer S.M., Amburn P., etc. Adaptive histogram equalization and its variations. // Computer vision, graphics, and image processing. 1987. Vol. 39, 355368.

114. Ranganth S. Image filtering using multiresolution representations. // IEEE Transaction on pattern analysis and machine intelligence. 1991. Vol. 13. N. 5, 426440.

115. Shiftman S., Shortliffe E.H. Biomedikal imaging the evolution of medical informatics. // Computing medical imaging and graphics. 1996. Vol. 20, N. 4, 189192.

116. Sklasky J. Medical Radiographic image and pattern recognition. // Procechings 5 International conference pattern recognition. London. 1-4 Apr. 1980. 374-429.142

117. Traking the specie out of SAR: the gamma filter. // Remote sensing in Canada. 1995. Vol. 23, N. 3, 2-3.

118. Touzi R., Lopes A. The principle of speckle filtering in polarimetric SAR imagery. // IEEE Transaction on geoscience and remote sensing. 1994. Vol. 32, N. 5, 1110-1114.

119. Vassiliou A.A., Boulianne M., Blaiss A.R. On the application of averaging median filters in remote sensing. // IEEE transaction on goosing and remote sensing. 1988. Vol. 26, N. 6, 832-838.

120. Wang X. On the gradient inverse weighted filter. // IEEE Transaction on signal processing. 1992. Vol. 40. N. 2, 482-484.

121. Wang X., Wang D. Adaptive forward-backward filtering of images. // IEEE international symposium circuits and system. May 1-3. 1990. Vol.4, 3134-3137.

122. Westin T. Filters for removing coherent noise of period 2in SPOT imagery. // International journal remote sensing. 1990. Vol. 11, N. 2, 351-357.