Modele deformowalne do ilościowej analizy i rozpoznawania obiektów w obrazach cyfrowych

HTML
DOWNLOAD

Wielkość: px

Rozpocząć pokaz od strony:

Download "Modele deformowalne do ilościowej analizy i rozpoznawania obiektów w obrazach cyfrowych"

Judyta Kasprzak
6 lat temu
Przeglądów:

1 Insyu Elekronk Polechnk Łódzkej Por M. Szczypńsk Modele deformowalne do loścowej analzy rozpoznawana obeków w obrazach cyfrowych Promoor: prof. dr hab. Andrzej Maerka

2 Cel pracy Opracowane efekywnych meod analzy obrazów z wykorzysanem deformowalnych model Porównane radycyjnych meod analzy obrazów meod wykorzysujących deformowalne modele.

3 Tezy pracy Modele deformowalne pozwalają na prawdłowe rozpoznawane obeków znekszałconych oraz na określane sopna ego znekszałcena Modele deformowalne sosowane do śledzena poruszających sę obeków przedsawonych w sekwencj obrazów cyfrowych pozwalają na określane ch położena orenacj odległośc od obserwaora Rozpoznawane określane położena obeków w obraze cyfrowym za pomocą model deformowalnych przy użycu procesorów sekwencyjnych wymaga krószego czasu przewarzana w porównanu do meod radycyjnych.

4 Meody badawcze Analza maemayczna Symulacja kompuerowa Weryfkacja eksperymenalna. Narzędza badawcze Programy analzy obrazów meodam radycyjnym: komercyjne opracowane samodzelne Sak - program analzy obrazów za pomocą model deformowalnych.

5 Pochodzene badanych obrazów Obrazy ulrasonografczne serca CZMP w Łodz dr E. Makowecka Obrazy rengenowske zaren Insyuu Agrofzyk PAN w Lublne dr J. Newczas projek badawczy 5P06F0109 Fzyczne bologczne skuk suszena mkrofalowego zaren pszency Obrazy MRI serca Aarhus Unersy Hospal dr H. Sødklde-Jørgensen program badawczy EC COST B11 Quanaon of Magnec Resonance Image Texure Sere obrazów przedsawających rzeczywse obeky w ruchu Encyklopeda Mulmendalna PWN - Hsora Wydawncwa Naukowe PWN S.A. Warszawa 1999 Obrazy uworzone szuczne.

6 Przykłady analzowanych obrazów

7 Tradycyjne meody analzy obrazów Przewarzane wsępne usuwane zakłóceń Segmenacja progowane jasnośc obrazu przekszałcena gradenowe przekszałcena morfologczne aproksymacja konuru równanem krzywej Określane cech obeków korelacja obrazu mask wzorca oblczane cech geomerycznych obeku Klasyfkacja.

8 Wady radycyjnych meod analzy obrazów Weloeapowość analzy Sraa częśc sonych nformacj w poszczególnych eapach Dług czas analzy.

9 Deformowalne modele w analze obrazów cyfrowych Deformowalna krzywa akywny konur: - wyznaczane konuru obeku M. Kass A. Wkn D. Terauzopoulos Snakes: Ace Conour Models 1988 W. Neuenschwander P. Fua O. Kuebler From Zplock Snakes o Velcro Surfaces 1995 Deformowalny wzorzec saka: - rozpoznawane obeku - określane sopna znekszałcena obeku. L. Wsko J-M. Fellous N. Kruger C. Malsburg Face Recognon by Elasc Bunch Graph Machng 1997 X. Wu B. Bhanu Gabor Waele Represenaon for 3-D Objec Recognon 1997

10 Idea akywnego konuru s=s m -1 s=0 s=1 akywny konur punk węzłowy s analzowany obek Budowa akywnego konuru Oddzaływane obrazu na srukurę Modelowane sprężysośc krzywej.

11 Przykład dopasowana akywnego konuru

12 Równana opsujące akywny konur Wewnęrzne naprężena krzywej konuru Składowa oddzaływana obrazu Dodakowa składowa oddzaływań zewnęrznych Równane ruchu punków węzłowych. s s l s m F ds s E s E s E E S m p e S 0 s E s S F ds s d ds s d s E

13 Idea deformowalnego wzorca sak Budowa sak Zaps cech obrazu wzorcowego w punkach węzłowych Proces dopasowana modelu do obeku.

14 Przykład dopasowana deformowalnego wzorca

15 Energa deformowalnego wzorca Modelowane wewnęrznych naprężeń Oddzaływane obrazu na sakę Dopasowane sak do obeku. Problem z modelowanem naprężeń dla punków węzłowych na brzegu sak j j j j E s s s s d E E E E p e S

16 Modyfkacje modelu akywnego konuru Model z punkem środkowym F e s=1 punk węzłowy N x 0 y 0 αs s=0 punk środkowy s=s m -1 s+1 s analzowany obek s-1 Model cśnenowy balonowy

17 Oddzaływana sł obrazu Graden jasnośc obrazu Progowane jasnośc

18 Przykłady dopasowana zmodyfkowanych model akywnego konuru Model cśnenowy balonowy Model z punkem środkowym

19 Oblczane naprężeń meodą szablonów geomerycznych D R f 4 b a c a' a'-b = b-c f 3 b a c rójką prosokąny równoramenny punk węzłowy f 1 b a c d równoległobok punk węzłowy f a c b c b a c b c b y x x y y x y y x x f 1 a d c b a d c b y y y y x x x x f a c b a c b y y y x x x f 3 a I J J I m m m m R j R j R R D f 4 sn cos sn cos

20 Saka rójkąna a c b c b a b c c b y x x y y x y y x x 3 3 f b a c punk węzłowy rójką równoboczny

21 Saka o ogranczonej elasycznośc Ogranczene deformacj sak do jej: przesuwana rozcągana obrou 1 1 j p j card d F D D j j p j j j r R R D D F j j x y p j j j j a D D D F

22 Sekwencyjne użyce model Przyspeszene procesu dopasowana Dokładność dopasowana do obeku.

23 Orygnalne osągnęca Modyfkacja funkcj oddzaływana obrazu Nowe modele akywnego konuru: model z punkem środkowym zmodyfkowany model cśnenowy Orygnalna meoda oblczana naprężeń w sace deformowalnego wzorca meoda dopasowana sak o rójkąnej srukurze połączeń Saka o ogranczonej elasycznośc Sekwencyjne zasosowane: modelu o ogranczonej elasycznośc modelu w pełn deformowalnego.

24 Zasosowane akywnego konuru 1 a b Wyznaczane obrysu lewej komory serca na obrazach ulrasonografcznych. Porównane wynków uzyskanych za pomocą akywnego konuru a obrysów zaznaczonych przez kardologa b.

25 Zasosowane akywnego konuru Wyznaczane obrysu lewej komory serca na obrazach MRI pokazano wybrane przekroje serca w ej samej faze pracy.

26 Wyznaczane konuru bruzdk położena zarodka zarna pszency

27 Dopasowane sak akywnego konuru do uszkodzonego obeku

28 Śledzene poruszających sę obeków

29 Odporność meod analzy obrazów na dodane zakłócena losowe Obraz poddawany analze Warość bezwzględna gradenu Odchylene sandardowe dodanych zakłóceń losowych Segmenacja przez progowane Progowane przekszałcena morfologczne Segmenacja z zasosowanem akywnego konuru

30 Źle zaklasyfkowane punky obrazu Odporność meod analzy obrazów na dodane zakłócena losowe Odchylene sandardowe zakłóceń losowych Ak. Konur Progowane Morfologa

31 Odporność meod analzy obrazów na dodane zakłócena losowe 480 Lczba punków brzegowych obszaru Ak. Konur Progowane Morfologa Odchylene sandardowe zakłóceń losowych

32 Sopeń rozróżnena obeków należących do różnych klas 8.00E E Współczynnk deformacj sak prosokąnej 6.00E E Ф se 4.00E ZA4 ZA4 ZB ZB 3.00E E Q= E+05 Q=00 F=18 F= E E E E E E E E+08.00E+08 Ф 1c

33 Sopeń rozróżnena obeków należących do różnych klas Współczynnk deformacj sak prosokąnej Ф e 0.08 ZA4 ZB Q=07 F= Ф 1

34 Sopeń rozróżnena obeków należących do różnych klas Współczynnk Fshera rozdzelena klas współczynnk deformacj deformowalnego wzorca maksmum funkcj korelacj mnmum funkcj sumy kwadraów różnc jasnośc punków obrazu mask wzorca rozpoznawane rzuu zarna rozpoznawane orenacj zarna

35 Czas wymagany do wykonana analzy obrazu Rodzaj analzy Czas wykonana analzy [ms] Penum 10MHz Celeron 400MHz Akywny konur z punkem środkowym * * Akywny konur sandardowy * * Wyznaczane konuru przez progowane 1 5 Wyznaczane konuru przez progowane 4 9 wraz z zamknęcem morfologcznym Wyznaczane konuru przez progowane 65 1 wraz z zamknęcem owarcem Deformowalny wzorzec z saką rójkąną Deformowalny wzorzec z saką prosokąną Wyznaczane maksmum funkcj korelacj Wyznaczane maksmum funkcj korelacj mnmum funkcj sumy różncy kwadraów * czas analzy zależy od wyzerowana lub ne parameru ξ modelu

36 Zasosowana deformowalnych model Dagnosyka medyczna: analza obrazów ulrasonografcznych serca analza obrazów serca z omografu MRI Analza obrazów rengenowskch zaren pszency: rozpoznawane rzuu orenacj obeku wyznaczane obrysu segmenacja przyblżone wyznaczane bruzdk zarodka Śledzene poruszających sę obeków w sekwencj obrazów cyfrowych.

37 Podsumowane Opracowano meody analzy obrazów za pomocą model deformowalnych umożlwające: segmenację określane położena orenacj sopna znekszałcena klasyfkację obeków eza 1 śledzene poruszających sę obeków określana ch położena orenacj odległośc od obserwaora eza Wykazano że analza obrazów z wybranej klasy za pomocą deformowalnych model jes szybsza od analzy za pomocą meod radycyjnych eza 3 Wykazano prakyczną użyeczność deformowalnych model Opracowano założena mplemenacj model deformowalnych w cyfrowym układze elekroncznym.

38 Publkacje 1 1. P. Srumłło P. Szczypńsk Auomac Exracon of Fuzzy and Broaken Image Edges usng Ace Conour Model XVIII KKTOUE P. Szczypńsk P. Srumłło Applcaon of an Ace Conour Model for Exracon of Fuzzy and Broken Image Edges Machne GRAPHICS & VISION Vol.5 No pp P. Srumłło P. Szczypńsk P. Makowsk Dokumenacja skompueryzowanego sanowska badawczego do analzy obrazów rengenowskch zaren pszency Insyu Elekronk Polechnka Łódzka P. Srumłło P. Szczypńsk P. Makowsk J. Newczas Program do Kompuerowej Analzy Obrazów Rengenowskch Zaren Pszency WEE PŁ Elekronka-Prace naukowe Łódź 1997 Zeszy nr pp P. Szczypńsk A. Maerka Varable-Flexbly Elasc Model for Dgal Image Analyss XXI KKTOUE Kekrz 1998 wyróżnene 6. P. Srumłło J. Newczas P. Szczypńsk P. Makowsk W. Woźnak Compuer Sysem for Analyss of X-Ray Images of Whea Grans In. Agrophyscs pp

39 Publkacje 7. P. Szczypńsk A. Maerka Varable-Flexbly Elasc Model for Dgal Image Analyss XXI KKTOUE Kekrz P. Szczypńsk A. Maerka Varable-Flexbly Elasc Model for Dgal Image Analyss Bullen of he Polsh Academy of Scences Techncal Scences Vol.47 No pp P. Szczypńsk A. Maerka Program do analzy obrazów za pomocą deformowalnych model Elekronka-Prace naukowe Łódź 000 Zeszy nr 5 pp M. Kocołek A. Maerka M. Srzeleck P. Szczypńsk Badane wpływu lczby pozomów jasnośc obrazu na zdolność dyskrymnacj eksur przy użycu macerzy zdarzeń Elekronka-Prace naukowe Łódź 000 Zeszy nr 5 pp P. Szczypńsk A. Maerka Objec Trackng and Recognon Usng Deformable Grd wh Geomercal Templaes Inernaonal Conference on Sgnals and Elecronc Sysems Usroń-Poland 000 pp M. Kocołek A. Maerka M. Srzeleck P. Szczypńsk Inesgaon of Wordlengh Effec on Dscrmnae Power of Co-occurrence Marx Dered Feaures for Dgal Image Texure Analyss Inernaonal Conference on Sgnals and Elecronc Sysems Usroń-Poland 000 pp

40 Udzał w projekach badawczych zwązanych z emayką pracy KBN 5P06F0109 Fzyczne bologczne skuk suszena mkrofalowego zaren pszency COST B11 Quanaon of Magnec Resonance Image Texure KBN 8T11C0017 Idenyfkacja obeków w obrazach cyfrowych z zasosowanem elasycznego modelu

Podobne dokumenty

Modele deformowalne do ilościowej analizy i rozpoznawania obiektów w obrazach cyfrowych

Politechnika Łódzka Wydział Elektrotechniki i Elektroniki Instytut Elektroniki mgr inż. Piotr M. Szczypiński Streszczenie rozprawy doktorskiej pt.: Modele deformowalne do ilościowej analizy i rozpoznawania