CC BY
59
УДК 616.079: 004.93.12
Амар Али Азази, Марголис Борис Иосифович
доктор технических наук, Тверской государственный технический университет
СИСТЕМА ОБРАБОТКИ И РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ СЛОЖНЫХ КРИВЫХ
В статье описывается информационная система, предназначенная для автоматизации распознавания сложных изображений в дерматоглифических исследованиях. Рассмотрены методы компьютерной обработки отпечатков ладоней и пальцев, используемые в системе.
Ключевые слова: информационная система, компьютерная обработка, распознавание изображений.
Распознавание изображений сложных кривых имеет высокую актуальность на современном этапе развития методов идентификации личности. Для многих задач медицины важное значение имеет дерматоглифи-ческое исследование, задача которого состоит в выделении классификационных признаков заболевания на основе изучения отпечатков ладоней и пальцев. Индивидуальное многообразие структур папиллярного рельефа чрезвычайно велико. Однако, несмотря на большое разнообразие, отдельные элементы дерматоглифики поддаются группировке в относительно небольшое число классов, что упрощает их анализ. Исследования показали, что основными признаками для диагностики являются: тип узора дистальных фаланг пальцев, ориентация пальцевого узора, пальцев, общий гребневой счёт, ладонный угол atd.
Таким образом, для принятия решения и диагностики предрасположенности пациента к заболеваниям определенного типа требуется выделить и распознать сложные изображения элементов дер-
матоглифики. Помимо того, что эта задача трудоемкая и утомительная, она требует наличия квалифицированных специалистов, способных уверенно распознавать эти элементы. Применение методов компьютерной обработки изображений способно существенно повысить скорость проведения диагностики на основе дерматоглифического исследования и способствовать его широкому внедрению. В данной статье рассмотрены методы, используемые при создании системы для автоматизации распознавания сложных изображений.
Процесс дерматоглифического анализа содержит три основные стадии обработки дактилокарты: сканирование и обработка изображения; анализ и распознавание типа изображения с индивидуальными особенностями; постановка диагноза на основании выявленных дерматоглифичес-ких признаков.
В процессе сканирования дерматоглифичес-ких изображений возможно появление дефектов, что приводит к значительным ошибкам при определении классификационных признаков.
Рис. 1. Исходное изображение и гистограмма
18
Вестник КГУ им. Н.А. Некрасова ♦ № 3, 2011
© Амар Али Азази, Марголис Б.И., 2011
Рис. 2. Реализация случайной функции и спектр Фурье
Для улучшения изображений используются методы обработки в пространственной области (пространственные методы) и методы обработки в частотной области (частотные методы). Пространственные методы основаны на прямом манипулировании элементами изображения. Главную роль при улучшении изображений и сегментации играет информация, извлекаемая из гистограмм яркости. Типичная гистограмма пальцевого узора приведена на рисунке 1.
Основными методами пространственной обработки являются методы градационных преобразований, методы гистограммной обработки, сглаживающие пространственные фильтры и пространственные фильтры, основанные на первой и второй производных.
Частотные методы основаны на двумерном дискретном преобразовании Фурье, которое обеспечивает значительную гибкость при разработке и реализации алгоритмов фильтрации при решении задач улучшения изображений. Визуальный анализ спектра существенно помогает при использовании инструментов анализа изображений в частотной области. На рисунке 2 приведен спектр Фурье для исходного изображения, приведенного на рисунке 1.
Также улучшения изображений можно добиться с помощью его морфологической обработки, используя операции замыкания и размыкания.
Следующим этапом обработки является бинаризация изображения. Сущность бинаризации заключается в разбиении полутоновых изображений на две области, одна из которых содержит все пиксели со значением ниже некоторого порога, а другая - выше этого порога.
Для дальнейшего анализа изображения с целью выделения классификационных признаков используется процедура утончения, которая сокращает двоичные объекты до отдельных линий, которые имеют толщину в один пиксель. Процедура утончения основывается на методах морфологической обработки изображения, используя операции ди-латации, эрозии, а также поисковые таблицы.
Базы данных текстурных изображений, используемые в целях анализа и распознавания, содержат либо полное представление эталона, либо сжатое интегральное описание топологических свойств изображений. Соответственно, процедуры распознавания основаны на методе сравнения с эталоном либо на дискриминантных решающих правилах в выбранном пространстве признаков. Эффективным методом решения данной задачи является согласованная фильтрация, основанная на корреляционном сопоставлении.
Определенные в процессе обработки изображения дескрипторы являются классификационными признаками, на которых строится определение предрасположенности пациента к заболеванию сахарным диабетом. Для классификации используется байесовский подход.
Методы обработки дерматоглифических изображений, получения дескрипторов и классификации заболевания составляют основу информационной системы, предназначенной для автоматизации дерматоглифических исследований и выявления предрасположенности пациента к заболеванию. Структура информационной системы представлена на рисунке 4.
Данная система реализует описанные выше методы компьютерной обработки изображений
Вестник КГУ им. Н.А. Некрасова ♦ № 3, 20111
Рис. 3. Окно определения параметров дискриминационной функции
Рис. 4. Структура информационной системы обработки сложных изображений
20
Вестник КГУ им. Н.А. Некрасова ♦ № 3, 2011
и имеет модульную структуру Модули предварительной обработки и распознавания изображений реализуют следующие функции:
- определение качества изображения и его корректировка;
- бинаризация изображения;
- ориентация изображения и его нормализация;
- морфологический анализ и выделение отдельных элементов изображения (ладонных линий);
- истончение (скелитизация) изображения для определения количественных показателей, таких как гребневый счет.
Последовательность обработки изображений определяется сценарием дерматоглифического анализа и управляется программой - супервизором, составляющим ядро информационной системы. Модули обработки изображения, формирования дескрипторов и диагностики подключаются последовательно по мере выполнения алгоритма анализа. Этап обработки изображений заканчивается генерацией классификационных признаков, на основе которых делается вывод о предрасположенности пациента к заболеванию. База данных системы содержит сведения о пациентах и цифровые изображения отпечатков ладо-
ней правой и левой руки, а также цифровые изображения эталонов (масок), необходимых для поиска необходимых фрагментов.
Система реализована в среде MATLAB с использованием пакетов расширения Image Processing Toolbox и Database Toolbox. Для классификации в данном случае использовался пакет статистического анализа Statistica. В дальнейшем для этой цели будет использоваться MATLAB.
Библиографический список
1. Рогачева Е.А. Особенности дерматоглифики у больных сахарным диабетом 1 типа // Успехи современного естествознания. - 2009. - №6. -С. 18-19.
2. ЯкушеваМ.Ю., Сарапульцев П.А., Трельс-кая Н.Ю. и др. Выявление генетической предрасположенности к возникновению сахарного диабета 2-го типа // Эфферентная терапия. - 2007. -Т. 13. - №4. - С. 9-13.
3. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. - М.: Техносфера, 2006. - 616 с.
4. ВизельтерЮ.В., Желтов С.Ю., КнязевВ.А. и др. Обработка и анализ цифровых изображений. - М.: ДМК Пресс, 2007. - 464 с.
Вестник КГУ им. Н.А. Некрасова ♦ № 3, 2011
21
