Реферат з теми випускної роботи

Адаптивний варіант фрактального алгоритму стиснення і його застосування для обробки медичних зображень

Аннотація

Темою даної публікації є тема магістерської роботи "Адаптивний варіант фрактального алгоритму стиснення і його використання для обробки медичних зображень". У даній роботі викладені матеріали з теми магістерської роботи, основна мета і задачі, які були поставлені і вирішені, вказані засоби та інструменти, які використовувалися при роботі, описана схема роботи модифікацій фрактального алгоритму, зроблен аналіз результатів їх роботи, проаналізована доцільність використання механізмів виділення важливих частин для обробки медичних зображень, створено програму, що реалізує перший, підготовчий етап роботи адаптивного алгоритму фрактального стиснення зображень — виділення значущою області, а також другий етап — розбиття зображення на блоки. Зроблено висновки по роботі алгоритмів, обгрунтований вибір модифікацій для подальшого застосування до оцифрованих медичних зображень.

Зміст

1. Вступ

   • Актуальність
   • Цілі та задачі
   • Передбачувана наукова новизна
   • Плановані практичні результати

2. Ступінь наукової розробленості та невирішені проблеми

3. Опис досліджень

4. Висновки

5. Література

Вступ

Актуальність

Зображення широко використовуються в різних сферах, як повсякденного життя людини, так і в конкретних галузях науки. Медичні зображення ставляться до класу дуже інформативних, тобто зображення такого класу несуть велику кількість даних, які дуже важливі для подальшого аналізу, якими не можна нехтувати. У той же час такі зображення часто мають великі розміри, що може викликати складності при роботі з ними. У зв'язку з цим при обробці зображень такого роду слід акуратно варіювати співвідношення ступеня стиснення і втрат якості зображення.

Одним з варіантів вирішення цієї дилеми може бути застосування алгоритмів виділення значущих областей. Такий підхід дозволяє розділяти всі зображення на частини і до кожної з частин застосовувати певний алгоритм стиснення. Таким чином, в результаті обробки такий алгоритм може дозволити досягти малого розміру на виході і незначних втрат інформації, тому розробка адаптивного алгоритму стиснення, який би забезпечив незначну похибку стиснення є актуальною.

Цілі і завдачі, які повинні вирішуватися

Мета роботи полягає у проведенні порівняльного аналізу існуючих методів модифікації фрактального алгоритму стиснення, перевірити можливість і доцільність реалізації алгоритмів виділення значущих областей медичних зображень. В якості критерію для порівняння пропонується аналізувати основні характеристики результату роботи методів та їх етапи роботи стосовно медичних зображеннь (час кодування, декодування, коефіцієнт стиснення)

Ідея роботи — розробка нової модифікації методу фрактального алгоритму стиснення з застосуванням алгоритму виділення значущих областей. Для досягнення зазначеної мети в магістерській роботі поставлені і вирішені наступні задачі:

• описати вимоги та етапи створення програмного продукту для обробки медичних зображень
• підготувати зображення для аналізу
• проаналізувати особливості функціонування існуючої техніки виділення значущих областей зображення і доцільність застосування алгоритмів виділення значущих областей для подальшого їх стиснення з використанням фрактального алгоритму
• скласти порівняльний аналіз модифікація фрактального алгоритму на етапі підбору домен-ранг
• описати алгоритми функціонування обраних модифікацій
• pозробка відповідних програмних компонент, проведення експериментів, порівняльні результати роботи
• зробити висновки про доцільність застосування фрактального алгоритму стиснення до медичних зображень (акцент зробити на втрату якості)

Предмет дослідження — фрактальні алгоритми стиснення зображень з втратами.

Об'єкт дослідження — модифікації фрактального алгоритму стиснення зображень.

Методи дослідження включають огляд літературних та інтернет джерел, проведення обчислювальних експериментів, порівняльний аналіз результатів, чисельні методи.

Передбачувана наукова новизна

Наукова новизна вже проведених і планованих у роботі досліджень передбачається в наступному:

1. Аналіз застосовності технік виділення значущих областей зображення.
2. Аналіз застосовності модифікацій фрактального алгоритму для підбору пари домен-ранг: FE-алгоритм, алгоритм, що використовує значення коефіцієнта кореляції Пірсона, алгоритм, що використовує значення ентропії блоків.
3. Аналіз застосовності нелінійних моделей відображень блоків зображень.
4. Проаналізовано механізми реалізація роботи обраних модифікацій алгоритму в програмному забезпеченні.
5. Зроблені висновки про доцільність застосування перерахованих модифікацій для обробки оцифрованих медичних зображень.

Плановані практичні результати

Планується реалізувати адаптивний алгоритм фрактального стистення зображень, що забезпечує достатньо малу похибку, яка б дозволила проводити подальший аналіз фахівцем (медичним працівником). Для цього є доцільним реалізувати для користувача вибір області інтересу і перегляд результату.

Ступінь наукової розробленості та невирішені проблеми

У більшості робіт присвячених темі виділення значущих областей виділяють методи, засновані на особливостях морфологічної будови зображення, на колірних показниках характеристик зображення або вручну шляхом завдання прямокутної області. У випадку, коли область інтересу визначається, виходячи з меж об'єктів, присутніх у зображенні, виділення кордонів областей зображення може бути виконано з використанням операцій морфологічної обробки зображень: дилатації, ерозії, центрального відображення і паралельного переносу [1]. У сучасних обчислювальних пакетах реалізовані можливості створення маски зображення. Так, наприклад MatLab пропонує створення маски шляхом завдання полігону. Для цього використовується функція poly2mask (x, y, m, n), де x, y — індекси пікселів вихідної маски зображення, що утворюють полігон маски, m, n — матриця зображення.

Вперше поняття фрактальних стиснень зображень було введено в 1990 році британським математиком Майклом Барнслі [2]. В даний час тема прискорення фрактальних алгоритмів стиснення активно вивчається. Дослідження ведуться у кількох напрямках. Всілякі модифікації стосуються практично всіх його сторін. Вони мають суттєві відмінності в структурі алгоритмів. Умовно всі існуючі модифікації можна розділити на класи: характеристичні, по особливостям структури алгоритму.

До першої групи можна віднести наступні алгоритми: FE-алгоритм, використання коефіцієнта кореляції Пірсона, класифікація блоків (яркостна конфігурація блоку). До другої групи: використання обрамляючих доменів, використання пірамідального методу порівняння, квадро-дерево і його модифікації. Крім того особливої уваги заслуговують алгоритми: з використанням нелінійного відображення, алгоритми базуються на обліку частоти використання доменів, в тому числі заснований на значеннях ентропії доменних блоків, дискретне перетворення Крестенсона-Леві (ДПКЛ), використання карт Кохонена.

У роботах іноземних авторів часто згадується метод для зменшення часу кодування за рахунок скорочення розміру басейну доменів на основі вартості ентропії кожного доменного блоку. Експериментальні результати на стандартних зображеннях показують, що запропонований метод дає чудову продуктивність у порівнянні зі звичайними алгоритмами фрактального кодування [3].

В межах Україні слід відзначити таких дослідників як Ватолін Д.С., Умняшкін С.В., Ілюшин С.В., Світло С.Д., Прохоров В.Г. Умняшкін С.В. пропонує відносно новий напрямок в модернізації фрактальних методів — алгоритми, засновані на мінімізації RD-функції Лагранжа [4]. Прохоров В.Г. описує доцільність використання карт Кохонена для прискорення процедури пошуку кращого домену для рангу [5]. Ілюшин С.В. пропонує використовувати коефіцієнт кореляції Пірсона в якості критерію оптимальності [6]. Ватолін Д.С. описує можливість застосування дискретного псевдокосінусного перетворення (ДПКП) [7], на базі якого можливо отримувати схему компресіі статичних зображень (аналогічна методу JPEG).

Серед робіт студентів, аспірантів ДонНТУ слід виділити роботи Авлеєвої А.Н. [8], яка створила систему створення та обробки фракталів, Бубліченко А. [9], який провів експериментальний аналіз існуючих методів модифікацій фрактального алгоритму, на етапах розбиття зображення на блоки і порівняння пар домен-ранг. Науковим керівником цих магістрів є к.т.н., доцент кафедри КСМ, Бєловодський Валерій Миколайович.

Опис досліджень

Передбачається реалізувати наступні етапи адаптивного алгоритму:

1. Виділення значущої області (прямокутна, в окремому випадку квадратна область, що задається користувачем)
2. Розбиття вихідного зображення на домени та ранги
3. Підбір пари домен-ранг з використанням FE-алгоритма, алгоритмів на базі коефіцієнта кореляції Пірсона, показника ентропії, нелінійного відображення
4. Стиснення зображення
5. Декомпресія
6. Оцінка похибки

Виділення значущою області

Для реалізації етапу виділення значущою області було створено програму на мові MatLab. Область інтересу задається двома протилежними точками передбачуваної області прямокутної форми (верхня ліва і права нижня). Після цього обрана область виділяється на вихідному зображенні лініями синього кольору (по контуру). При натисканні на кнопку "PolyMask" відбувається відсікання тієї частини зображення, яка лежить поза обраної області. Таким чином отримали нове зображення, яке безпосередньо буде стискатися (Малюнок 1).

Малюнок 1 — Візуалізація подготовчого этапа роботы алгоритма - виділення значущої області зображення. Анімация складається з 4 кадрів з затримкою в 80 мс між кадрами; затримка до повторного відображення складає 400 мс; кількість циклів відображення обмежено 10-а.

Наступним етапом роботи алгоритму є розбиття на блоки (домени та ранги). Цей етап є однаковим для всіх модифікацій алгоритму, що приймають участь в аналізі, так як особливості їх роботи виявляються на етапі пошуку пари домен-ранг.

Для детального аналізу були вибрані модифікації, які імовірно показують найбільш прийнятні результати. Це: FE-алгоритм [9], використання коефіцієнта кореляції Пірсона [6], показник ентропії [3], нелінійне відображення [10, 11]. Запропоновані модифікації застосовуються на етапі пошуку пари домен-ранг [9].

Висновки

Створено додаток, який реалізує перший (виділення значущою області) та другий етапи (розбиття на блоки). Підготовлено зображення для обробки. Проведено аналіз існуючих модифікацій алгоритму стиснення зображень (етапи роботи і можливі результати роботи, характеристики — час кодування, коефіцієнт стиснення, похибка стиснення для зображень у градаціях сірого з плавними переходами). Були зроблені наступні висновки:

Література:

1. Самира Эбрахими Кахоу, Адаптивный способ сжатия изображений [Текст] // Вісник Хмельницького національного університету, №2 ’2010. – 295 с.
2. Barnsley, Michael F., Sloan, Alan D., Iterated Systems, Inc. Methods and apparatus for image compression by iterated function system. United States Patent 4941193, July 10, 1990
3. Venkata Rama Prasad VADDELLA, Ramesh Babu INAMPUDI [Электронный ресурс]//Journal of Applied Computer Science & Mathematics, no. 9 (4), 2010, Suceava, http://jacs.usv.ro/getpdf.php?paperid=9_3
4. Umnyashkin S. V. Mathematical methods and algorithms for digital image compression using orthogonal transformation, Abstract, 2001 — 569 pp.
5. Prokhorov V.G. Using Kohonen maps to accelerate fractal image compression // Applied Software, № 2, 2009 — S. 7.
6. Илюшин С.В. Фрактальное сжатие телемедицинских изображений [Электронный ресурс], http://www.elsv.ru/files/actual/130.pdf
7. Ватолин Д.С. Использование ДКП для ускорения фрактального сжатия изображений// Журнал «Программирование», №3, 1999, 51—57 с.
8. Авлеева А.Н. Фрактальное сжатие изображений. Решение задач сжатия изображений с использованием систем итерированных функций. Магистерская диссертация, ДонНТУ, 2006 [Электронный ресурс] http://masters.donntu.ru/2006/fvti/avleeva/index.htm
9. Bublichenko A.V. Algorithms for image compression: a comparative analysis and modification // Qualification Masters work, 2008, 150 pp.
10. Кроновер Р.М. Фракталы и хаос в динамических системах // Основы теории. – М.: Постмаркет, 2000
11. Гмурман В.Е. Теория вероятностей и математическая статистика // Учеб. пособие для ВУЗов, 10-е изд. стер. — М.: Высшая школа, 2004. — 479 с.