способ анализа изображения текстуры объекта

Классы МПК:G06K9/68 с помощью последовательных сравнений сигналов изображения с множеством эталонов, например адресной памятью
G06K9/56 с использованием локального оператора, те средств воздействия на элементарные точки изображения
G06T7/40 анализ текстуры
Автор(ы):, , ,
Патентообладатель(и):Товарищество с ограниченной ответственностью "Информ Инжиниринг"
Приоритеты:
подача заявки:
1995-02-06
публикация патента:

Способ анализа изображения текстуры объекта заключается в том, что представляют изображение объекта в виде входной матрицы чисел, каждый элемент которой соответствует уровню интенсивности /плотности сигнала, генерируемого объектом. Выбирают размер окна, посредством которого просматривают входную матрицу чисел, в зависимости от анализируемой текстуры объекта по меньшей мере в два раза меньшим размера входной матрицы чисел. Шаг перемещения окна устанавливают равным размеру окна. Выбирают по меньшей мере один текстурный признак, характеризующий текстуру объекта и определяют значение выбранного текстурного признака для начального положения окна, а затем для всех окон. Разбивают интервал значений вычисленного по меньшей мере одного текстурного признака по меньшей мере на два подынтервала и каждому подынтервалу присваивают код. Устанавливают для каждого окна на входной матрице чисел принадлежность вычисленного значения текстурного признака соответствующему подынтервалу и кодируют это вычисленное значение текстурного признака кодом соответствующего подынтервала, в результате чего получают выходную матрицу, каждый элемент которой соответствует одному окну на входной матрице чисел. Выбирают по меньшей мере один признак, характеризующий группу элементов выходной матрицы, с одинаковым кодом, и вычисляют значение выбранного признака, по которому идентифицируют изображение текстуры объекта. 10 з.п. ф-лы, 3 ил.
Рисунок 1, Рисунок 2, Рисунок 3

Формула изобретения

1. Способ анализа изображения текстуры объекта, заключающийся в том, что представляют изображение объекта в виде входной матрицы чисел, каждый элемент которой соответствует уровню интенсивности/плотности сигнала, генерируемого объектом, устанавливают размер окна, посредством которого просматривают входную матрицу чисел, устанавливают начальное положение окна на входной матрице чисел, направление просмотра и шаг перемещения окна, выбирают по меньшей мере один текстурный признак, характеризующий текстуру объекта, определяют значение выбранного текстурного признака для начального положения окна, перемещают окно в выбранном направлении с определенным шагом и в этом окне на каждом шаге вычисляют значение выбранного по меньшей мере одного текстурного признака и получают выходную матрицу чисел, отличающийся тем, что выбирают размер окна в зависимости от анализируемой текстуры объекта, устанавливают размер окна, по меньшей мере в два раза меньший размера входной матрицы чисел, а шаг перемещения окна устанавливают равным размеру окна, разбивают интервал значений вычисленного по меньшей мере одного текстурного признака по меньшей мере на два подынтервала и каждому подынтервалу присваивают код, устанавливают для каждого окна на входной матрице чисел принадлежность вычисленного значения текстурного признака соответствующему подынтервалу и кодируют это вычисленное значение текстурного признака кодом ссоответствующего подынтервала и получают выходную матрицу чисел, каждый элемент которой соответствует одному окну на входной матрице чисел, выбирают по меньшей мере один признак, характеризующий группу элементов выходной матрицы с одинаковым кодом, и вычисляют значение выбранного признака, по которому идентифицируют изображение текстуры объекта.

2. Способ по п.1, отличающийся тем, что во входной матрице чисел количество строк и столбцов устанавливают равным 2 в степени m, где m целое число 6, 7 12, при этом размер окна выбирают кратным 2 в степени n, где n целое число 3 6.

3. Способ по п.1 или 2, отличающийся тем, что вычисляют среднее значение выбранного признака путем определения отношения линейной комбинации количества элементов выходной матрицы с одинаковым кодом по меньшей мере в одной группе к общему количеству элементов выходной матрицы, по которому идентифицируют изображение текстуры объекта.

4. Способ по п.1, отличающийся тем, что в качестве элементов кода используют цвет.

5. Способ по п.1, отличающийся тем, что в качестве элементов кода используют число.

6. Способ по любому из пп.1 4, отличающийся тем, что в качестве различного признака, характеризующего соотношение элементов входной матрицы, используют количественную оценку отличительных признаков.

7. Способ по любому из пп.1 6, отличающийся тем, что в качестве сигнала, генерируемого объектом, используют оптическое излучение.

8. Способ по любому из пп.1 6, отличающийся тем, что в качестве сигнала, генерируемого объектом, используют электромагнитное излучение.

9. Способ по любому из пп.1 6, отличающийся тем, что в качестве сигнала, генерируемого объектом, используют рентгеновское излучение.

10. Способ по любому из пп.1 6, отличающийся тем, что в качестве сигнала, генерируемого объектом, используют ультразвуковое излучение.

11. Способ по любому из пп.1 7, отличающийся тем, что разлагают оптическое излучение, генерируемое объектом, на три составляющих компонента цвета красный, синий и зеленый соответственно, а входную матрицу чисел формируют в виде трех входных подматриц чисел, каждый элемент каждой из которых соответствует уровню интенсивности/плотности соответствующего компонента цвета, и анализируют по меньшей мере одну из входных матриц чисел.

Описание изобретения к патенту

Настоящее изобретение относится к способу обработки цифровых данных, а более точно - к способу анализа изображения текстуры объекта.

Изобретение может быть использовано для идентификации гистологических препаратов, исследуемых под микроскопом во время операции, для диагностики шлифов в геологии и металлографии, для прогнозирования в метеорологии, для дифференциации рельефа земной поверхности и поверхности других планет по аэрофотоснимкам и снимкам из космоса, для предсказания урожаев.

Наряду с контрастом, цветом и формой, текстура рассматривается как значимая характеристика объекта при его идентификации, различении, классификации, распознавании. Текстура характеризует все изображения, начиная с тех, что получают с помощью самолетных и спутниковых мультиспектральных сканирующих устройств при дистанционном зондировании и кончая микроскопическими изображениями культур клеток и препаратов тканей при биомедицинских исследованиях.

Изображение текстуры объекта формируется на основе интенсивности/плотности сигнала, генерируемого объектом. Такие сигналы могут быть как проникающими через объект, когда препарат находится под микроскопом или подвергается ультразвуковому, рентгеновскому исследованиям, так и отраженными от объекта, т.е. фотография, радиоволны.

Анализ изображения текстуры объекта используется в различных областях деятельности, поэтому он должен обладать повышенной точностью и скоростью. При решении медицинских задач во время операции способ позволяет анализировать препараты, находящиеся под микроскопом, и производить их дифференциальную диагностику для определения объема операции. В промышленности благодаря этому способу становится возможным проводить анализ металлов и сплавов. В метеорологии способ анализа изображения текстуры позволяет проводить анализ движения воздушных масс по аэрофотоснимкам и снимкам из космоса и делать прогноз более эффективным.

Появляется возможность снижения затрат при эксплуатации сотовой телефонной связи.

Известен способ анализа изображения текстуры объекта, заключающийся в том, что представляют изображение объекта в виде входной матрицы чисел, каждый элемент которой соответствует уровню интенсивности/плотности сигнала, генерируемого объектом, устанавливают размер окна, посредством которого просматривают входную матрицу чисел, затем устанавливают начальное положение окна на матрице, направление просмотра и шаг перемещения окна, выбирают по меньшей мере один текстурный признак, характеризующий текстуру объекта, и определяют значение выбранного текстурного признака для начального положения окна, которое перемещают в выбранном направлении с заданным шагом и в этом окне на каждом шаге вычисляют значение выбранного по меньшей мере одного текстурного признака, в результате чего получают выходную матрицу, по которой идентифицируют изображение объекта (см., например, статью "Pictorial feature extraction and recognition via

image modeling ", I.T.Tou, стр. 391-421, сборник " Image Modeling "под редакцией A.Rosenfeld, 1981, Academic Press, New Iork).

Указанный способ представляет собой градиентный метод описания (моделирования) текстур и выделения признаков, позволяющих различать текстуры. В основе формирования разделяющих признаков лежит сканирование изображения с помощью окна. Для каждого окна вычисляют матрицы G и E, размерность которых зависит от числа уровней интенсивности сигнала на изображение. Элементы матрицы g (i, j) представляют собой плотность совместной вероятности для пары точек с градиентом интенсивности (i - j). Элементы матрицы е (i, j)=f(i, j)* g(i.j), где f(i, j) - функция весов интенсивностей.

Указанный способ имеет сложную многоступенчатую структуру. Одна из его особенностей связана с тем, что при анализе изображений текстур для дальнейшей их классификации производится многократное сканирование изображения с помощью окон различного размера.

Другой особенностью способа является большой объем вычислений в каждом окне, т. е. проводится генерация различных матриц, формирование векторов, подсчет корреляционной функции при различных расстояниях между образами. Для вычисления матриц количество исходных уровней интенсивности уменьшается с 256 до 16 усреднением интенсивности в окне 6 х 6. Для избежания роста числа вариаций, связанных с возможным вращением изображения, производится также усреднение значений матриц, вычисленных по четырем направлениям: 0, 45, 90, 135 градусов. Различительными признаками для изображений разных классов служат весовые коэффициенты векторов, вычисленных на основе вышеуказанных матриц.

Указанный способ не позволяет быстро и с высокой точностью проводить анализ изображения текстуры объекта с целью его идентификации, например, во время операции проводить идентификацию гистологического препарата.

В основу настоящего изобретения поставлена задача создания способа анализа изображения текстуры объекта, в котором выбор размера окна для просмотра выходной матрицы чисел в соответствии с анализируемой текстурой объекта и шага перемещения окна позволяет повысить точность идентификации объекта, увеличить скорость анализа изображения при его идентификации, а также с высокой точностью и большой скоростью проводить идентификацию гистологических препаратов, исследуемых под микроскопом во время операции, диагностику шлифов в геологии и металлографии, делать прогноз в метеорологии, дифференцировать рельефы земной поверхности и поверхности других планет по аэрофотоснимкам и снимкам из космоса, предсказывать урожаи.

Поставленная задача решается тем, что в способе анализа изображения текстуры объекта, заключающемся в том, что представляют изображение объекта в виде входной матрицы чисел, каждый элемент которой соответствует уровню интенсивности/плотности сигнала, генерируемого объектом, устанавливают размер окна, посредством которого просматривают входную матрицу чисел, устанавливают начальное положение окна на матрице, направление просмотра и шаг перемещения окна, выбирают по меньшей мере один текстурный признак, характеризующий текстуру объекта, определяют значение выбранного текстурного признака для начального положения окна, перемещают окно в выбранном направлении с определенным шагом и в этом окне на каждом шаге вычисляют значение выбранного по меньшей мере одного текстурного признака, в результате чего получают выходную матрицу, согласно изобретению, выбирают размер окна в зависимости от анализируемой текстуры объекта, устанавливают размер окна по меньшей мере в два раза меньшим размера входной матрицы чисел, а шаг перемещения окна устанавливают равным размеру окна, разбивают интервал значений вычисленного по меньшей мере одного текстурного признака по меньшей мере на два подынтервала и каждому подынтервалу присваивают код, устанавливают для каждого окна на входной матрице чисел принадлежность вычисленного значения текстурного признака соответствующему подынтервалу и кодируют это вычисленное значение текстурного признака кодом соответствующего подынтервала, в результате чего получают выходную матрицу, каждый элемент которой соответствует одному оку на входной матрице числе, выбирают по меньшей мере один признак, характеризующий группу элементов выходной матрицы с одинаковым кодом, и вычисляют значение выбранного признака, по которому идентифицируют изображение текстуры объекта.

Целесообразно, что во входной матрице чисел количество строк и столбцов устанавливали равным 2 в степени m, где m - целое число от 6 до 12, при этом размер окна выбирали кратным 2 в степени n, где n - целое число от 3 до 6. Показано, чтобы вычисление значения выбранного признака осуществляли путем определения отношения линейной комбинации количества элементов выходной матрицы с одинаковым кодом по меньшей мере в одной группе к общему количеству элементов выходной матрицы.

Полезно, чтобы в качестве элементов кода использовали цвет.

Выгодно, чтобы в качестве элементов кода использовали число.

Целесообразно, чтобы в качестве различительного признака, характеризующего соотношение элементов входной матрицы, использовали количественную оценку комбинации кодов.

Полезно, чтобы в качестве сигнала, генерируемого объектом, использовали оптическое излучение.

Выгодно, чтобы в качестве сигнала, генерируемого объектом, использовали электромагнитное излучение.

Полезно, чтобы в качестве сигнала, генерируемого объектом, использовали рентгеновское излучение.

Выгодно, чтобы в качестве сигнала, генерируемого объектом, использовали ультразвуковое излучение.

Целесообразно, чтобы оптическое излучение, генерируемое объектом, разлагали на три составляющих компонента - красный, синий и зеленый соответственно, представляли изображение объекта в виде трех входных матриц чисел, каждый элемент каждой их которых соответствует уровню интенсивности/плотности соответствующего компонента цвета, и анализировали, по меньшей мере, одну из выходных матриц чисел.

В дальнейшем изобретение поясняется конкретным вариантом его воплощения со ссылкой на сопровождающие чертежи, на которых: фиг. 1a изображает текстуру препарата опухоли мозга астроцитому, полученную под микроскопом, согласно изобретению; фиг. 1b изображает текстуру препарата опухоли мозга олигодендроглиому, полученную под микроскопом, согласно изобретению; фиг. 2 изображает последовательность операций способа анализа изображения текстуры объекта, согласно изобретению; фиг. 3a, 3b изображает выходные матрицы, полученные при анализе изображений гистологических препаратов, согласно изобретению.

Способ анализа изображения текстуры объекта поясняется на примере идентификации двух гистологических препаратов опухоли мозга - астроцитомы (фиг. 1a) и олигодендроглиомы (фиг. 1b).

На фиг. 2 показана последовательность операций способа, осуществляемых для идентификации препаратов.

Получают изображение текстуры гистологического препарата опухоли мозга. Для этого помещают гистологический препарат под электронный микроскоп и выводят на дисплей изображение препарата, которое затем фиксируют и анализируют.

Представляют изображение гистологического препарата в виде входной матрицы чисел, каждый элемент которой соответствует уровню интенсивности/плотности сигнала, генерируемого препаратом.

В качестве сигнала, генерируемого объектом, может быть использовано оптическое излучение непосредственно от объекта, в общем случае - электромагнитное излучение, рентгеновское излучение или ультразвуковое излучение.

В некоторых случаях целесообразно, оптическое излучение, генерируемое объектом, разлагать на три составляющих компонента - красный, синий и зеленый соответственно. Затем представляют изображение объекта в виде трех входных матриц чисел, каждый элемент каждой из которых соответствует уровню интенсивности/плотности соответствующего компонента цвета. В этом варианте возможно анализировать по меньшей мере одну из выходных матриц чисел.

Устанавливают размер, окна посредством которого просматривают входную матрицу чисел, начальное положение окна на матрице, направление просмотра и шаг перемещения. За начальное принято положение окна в верхнем левом углу на входной матрице чисел.

Размер окна выбирают в зависимости от анализируемой текстуры объекта. Устанавливают размер окна по меньшей мере в два раза меньшим размера входной матрицы чисел, а шаг перемещения окна устанавливают равным размеру окна.

Целесообразно, при представлении изображения объекта в виде входной матрицы чисел устанавливать количество строк и столбцов равным 2 в степени m, где m - целое число от 6 до 12. При этом размер окна выбирают кратным 2 в степени n, где n - целое число от 3 до 6.

Выбирают, по меньшей мере, один текстурный признак, характеризующий текстуру объекта и определяют значение выбранного текстурного признака для начального положения окна.

Поскольку изображение любого объекта представляет собой совокупности темных и светлых пятен, являющихся максимальными связями изображения с определенными значениями яркости, то в качестве текстурного признака может быть выбран размер (удлиненность) или периметр темных или светлых пятен.

Перемещают окно в выбранном направлении слева направо по строкам матрицы и сверху вниз по столбцам с шагом, который равен размеру окна и составляет либо 8, либо 16, либо 32, либо 64 элемента матрицы, и в этом окне на каждом шаге вычисляют значение выбранного по меньшей мере одного текстурного признака.

Разбивают интервал значений вычисленного по меньшей мере одного текстурного признака по меньшей мере на два подынтервала и каждому подынтервалу присваивают код в виде числа или цвета. В описываемом варианте способа интервал значений разбивают на восемь подынтервалов и присваивают каждому подынтервалу признак, закодированный цветом.

Устанавливают для каждого окна на входной матрице чисел принадлежность вычисленного значения текстурного признака соответствующему подынтервалу и кодируют это вычисленное значение текстурного признака кодом соответствующего подынтервала. В результате получают выходную матрицу числовых или цветовых кодов, каждый элемент которой соответствует одному окну на входной матрице чисел.

В описываемом варианте способа получены две выходные матрицы цветовых кодов (фиг. 3a и 3b), которые состоят из окон, имеющих различные оттенки серого цвета. Могут быть получены матрицы, окна которых имеют различные цвета, или матрицы, в окнах которых записаны числа.

Выбирают по меньшей мере один признак, характеризующий группу элементов - чисел или цветов выходной матрицы, с одинаковым кодом. В качестве выбранного признака в описываемом варианте выбирают окна белого цвета.

Этот признак оценивает линейную комбинацию количества элементов, имеющих различные значения кодов на выходной матрице.

Вычисление значения выбранного признака осуществляют путем определения отношения линейной комбинации количества элементов выходной матрицы с одинаковым кодом по меньшей мере в одной группе к общему количеству элементов выходной матрицы.

В описываемом варианте определяют суммарное количество окон белого цвета в выходных матрицах и для каждой матрицы определяют отношения количества окон белого цвета к общему количеству окон. Сравнивают полученные значения с коэффициентом Ki, где: i - число классов, к которым может быть отнесено исходное изображение, Ki - экспериментально установленные для каждого класса коэффициенты. По результатам сравнения идентифицируют анализируемое изображение текстуры к одному из классов.

В описываемом варианте матрица на фиг. За идентифицирует астроцитому, а матрица на фиг. 3b - олигодендроглиому.

Если установить значение коэффициента Ki для определения, что именно изображено на фотографии, горы, песок, вода, лес и т.д., то по снимку из космоса можно идентифицировать изображение любого участка земной поверхности.

При идентификации опухолей задача хирурга состоит в том, чтобы прогнозировать ход и объем операции в зависимости от вида опухоли. До сиз пор во время операции предметное стекло с препаратом опухоли направлялось патологоанатому для идентификации опухоли. Препарат помещения в микроскоп и по ряду существующих установленных признаков визуально проводилась идентификация.

Предложенный способ позволяет проводить идентификацию препарата опухоли, разместив препарат под микроскопом, соединенным с персональным компьютером, в котором заложена соответствующая программа. Результата можно получить за несколько секунд, при этом возможность ошибки снижается значительно.

Класс G06K9/68 с помощью последовательных сравнений сигналов изображения с множеством эталонов, например адресной памятью

способ автоматической идентификации объектов на изображениях -  патент 2514155 (27.04.2014)
способ преобразования цветового пространства -  патент 2494461 (27.09.2013)
способ распознавания изображений лиц и система для его осуществления -  патент 2490710 (20.08.2013)
способ и устройство инвариантной идентификации отпечатков пальцев по ключевым точкам -  патент 2486590 (27.06.2013)
способ обработки выходных данных оптического распознавания символов (ocr), где выходные данные содержат изображения дважды отпечатанных символов -  патент 2439700 (10.01.2012)
способ распознавания объектов -  патент 2438174 (27.12.2011)
способ анонимной биометрической регистрации человека -  патент 2371765 (27.10.2009)
способ определения толщины льда замерзающих акваторий -  патент 2319205 (10.03.2008)
система мгновенного компьютерного распознавания объектов и способ распознавания -  патент 2308081 (10.10.2007)
система идентификации изображений -  патент 2302656 (10.07.2007)

Класс G06K9/56 с использованием локального оператора, те средств воздействия на элементарные точки изображения

Класс G06T7/40 анализ текстуры

cпособ автоматического распознавания объектов на изображении -  патент 2528140 (10.09.2014)
способ оценки фото-, кино- и видеоматериалов, содержащих нежелательное изображение (варианты) -  патент 2510905 (10.04.2014)
способ определения гряд и поясов торосов на ледяном покрове акваторий -  патент 2500031 (27.11.2013)
способ и система генерации анимированных художественных эффектов на статичных изображениях -  патент 2481640 (10.05.2013)
автоматизированная система анализа биомедицинских микроизображений для обнаружения и характеризации информативных объектов заданных классов на неоднородном фоне -  патент 2476932 (27.02.2013)
устройство и способы для увеличения динамического диапазона в цифровых изображениях -  патент 2444786 (10.03.2012)
анизометрический синтез текстуры -  патент 2419881 (27.05.2011)
способ распознавания изображения текстуры клеток -  патент 2385494 (27.03.2010)
адаптивная стабилизация изображения -  патент 2350036 (20.03.2009)
способ обработки изображения объекта -  патент 2116671 (27.07.1998)
Наверх