Библиотека диссертаций Украины Полная информационная поддержка
по диссертациям Украины
  Подробная информация Каталог диссертаций Авторам Отзывы
Служба поддержки




Я ищу:
Головна / Технічні науки / Обчислювальні машини, системи та мережі


Нафез Оді Шхаді Швейкі. Нейроподібні методи обробки складних текстурних зображень у комп'ютерних системах : Дис... канд. наук: 05.13.13 - 2006.



Анотація до роботи:

Нафез Оді Шхаді Швейкі. Нейроподібні методи обробки складних текстурних зображень у комп’ютерних системах. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.13 - Обчислювальні машини, системи та мережі.
- Вінницький національний технічний університет, Вінниця - 2006.

Дисертацію присвячено реалізації комп'ютерних методів і засобів для поліпшення якості обробки складних текстурних зображень. У роботі обґрунтована актуальність проблеми організації цифрової автоматичної обробки ультразвукових і рентгенівських зображень, зроблено аналіз існуючих принципів і методів обробки складних текстурних зображень і особливості їх реалізації.

Запропоновано нейромережеву модель комп’ютерного обробляння текстурних зображень, використання якої дало розвиток новим нейроподібним комп'ютерним процедурам, що дозволили обчислювати кореляційну функцію з підвищеною точністю й швидкодією й інваріантістю до змін яскравості, контрасту, масштабу й повороту. Розроблено рекомендації щодо архітектурної й структурно-функціональної організації ПІ пам'яті, що забезпечує високу ефективність перетворення складних текстурних зображень.

Розроблено нові нейроподібні методи попереднього обробляння й опису окремих частин текстурних зображень, застосування яких дозволило автоматизувати процес визначення об'єкта для подальшого дослідження. Вперше запропоновано нейромережевий метод для розпізнавання рентгенівських зображень сегментів хребта й УЗ-зображень ЖМ, що дозволяє значно підвищити вірогідність діагнозу.

Практична цінність отриманих результатів роботи полягає в створенні експериментальної бази для розробки методів компактного представлення і розпізнавання складних текстурних зображень. Теоретичні і практичні дослідження, викладені в дисертаційній роботі, впроваджені на підприємстві і в навчальному процесі.

У дисертаційній роботі наведено теоретичне узагальнення й нове розв’язання актуальної наукової задачі, що дозволяє збільшити точність і швидкість обробляння рентгенівських і УЗ-зображень за рахунок використання нейроподібних методів сегментації й розпізнавання виявлених об’єктів.

Отримано такі основні наукові та практичні результати:

  1. Проаналізовано загальні підходи до синтезу автоматизованих процедур для розв’язання задач кількісного аналізу рентгенівських і УЗ-зображень, обґрунтована актуальність проблеми організації їх цифрової автоматичної обробки. Показано доцільність проведення спільної обробки цих зображень для виявлення патологій, пов'язаних із впливом сегментів хребта на внутрішні органи.

  2. Для аналізу складних текстурних зображень і визначення орієнтації фігури вперше запропоновано ознаку - вісь між центрами зв’язності й ваги, що дозволяє описувати й ідентифікувати різні геометричні фігури, вперше розроблено навчальний алгоритм для визначення координат точки прив'язки – уточненого центру ваги для текстурних зображень, який дозволяє робити обробку в реальному масштабі часу із максимальною помилкою визначення точки прив'язки ±1,5 пікселя, що у 1,5 рази менше, ніж при використанні традиційних методів.

  3. Удосконалено принцип узагальненого просторово-зв’вязаного препарування, що дозволяє здійснити переопис багатоградаційного зображення в бінарне, зручне для нейроподібної обробки методами картинної логіки, а також на основі ПІ перетворення обчислювати кореляційну функцію з підвищеною точністю, завадостійкістю й інваріантістю до повороту, і одержати структурний опис зображення, незначні зміни в якому не впливають на перші векторні компоненти.

  4. Уперше отримано методику формування сукупності нормованих хвостових препаратів паралельно-ієрархічної мережі, що формує ознаки, за якими можна диференціювати текстурні зображення, а організація навчання для ділянок ПІ мережі, сформульована у вигляді завдання оптимізації, дозволяє знайти такі набори вагових коефіцієнтів навчання, що забезпечують мінімум середньоквадратичної помилки шляхом послідовного настроювання коефіцієнтів форми поверхонь зображень.

  5. Запропоновано архітектурні і структурно-функціональні принципи організації ПІ пам'яті і способи представлення в ній масок, що забезпечують з одного боку оптимальний метод формування масок, а з іншого - масштабування паралелізму на різних ієрархічних рівнях кодування-декодування мережі ПІ перетворення.

  6. Розроблено завадостійкий метод локалізації зображення жовчного міхура, що дозволяє здійснювати операцію сегментації з підвищеною точністю.

  7. Імітаційне моделювання показало, що для контрастованих УЗ-зображень результати автоматичного виявлення зображення ЖМ на 10% точніше результатів напівавтоматичного методу, а метод автоматичної обробки зображень ЖМ дозволяє робити експрес-діагностику захворювань ЖМ, що істотно зменшує час дослідження.

  8. При реалізації розробленого методу локалізації положення зображення ЖМ абсолютна похибка виміру розмірів і загальної його площі в автоматичному режимі, в порівнянні з ручним режимом сегментації, не перевищує 2%. При цьому коефіцієнт кореляції визначався в межах 0,84 0,99.

  9. На відміну від кореляційних методів порівняння, мережна міра порівняння зображень дозволяє точніше оцінювати клінічний стан сегментів хребта, що підтверджується проведеними експериментальними дослідженнями, у яких проводилася кореляційна обробка кривих зрівноважування тих же міжхребтових отворів. Відсоток коректного розпізнавання зображень міжхребтових отворів досліджуваної бази даних склав 88,6%.

Публікації автора:

  1. Швейкі Нафез, Тимченко Л.І., Загоруйко Л.В., Ладуба Ю.М., Злепко С.М. Комп’ютерна формалізація ознак для обробки біомедичних зображень
    // Вісник Вінницького політехнічного інституту. - 2001. №3. - С. 82-86.

  2. Швейкі Нафіз, Байбак Ю.В., Тимченко Л.І., Фурдіяк Н.Ю. Особливості організації пірамідальних мереж для розпізнавання зображень
    // Вимірювальна та обчислювальна техніка в технологічних процесах. - 2000. - №2. - С. 136 - 140.

  3. Кожем’яко В.П., Колісник П.Ф., Швейкі Н., Хілес Ш.М., Тимченко Л.І. Метод автоматичної обробки ультразвукового зображення жовчного міхура //Український журнал медичної техніки і технології. - 2001. - №2. - С. 57-61.

  4. Тимченко Л.И., Кутаев Ю.Ф., Герций А.А., Швейки Н.О., Байбак Ю.В. Система координатной привязки для нестационарных сигналов // Известия РАН, сер. физическая. - 2001. - №6. - С. 886-890.

  5. L. Timchenko, Shweiki Nafez Ode, E. Khodiakov, J. Baybak. Parallel Hierarchical Network Images Processing // Proc. International SPIE on Optoelectronic Information Technologies. -"Photonics -ODS 2000". - Vinnytsia (Ukraine). - 2000. -- Р. 61-62.

  6. Кормановський С.І., Швейкі Нафез, Тимченко Л.І. Підхід до визначення центру зв’язності зображення // Вісник Вінницького політехнічного інституту. -2001. - №4. - С. 71-73.

  7. Тимченко Л.І., Фурдіяк Н.Ю., Швейкі Н.О., Гринчишин Р.М. Метод навчання паралельно-ієрархічної мережі на основі популяційного кодування // Вісник Вінницького політехнічного інституту. -2002. - №1. - С. 43 -46.

  8. Швейкі Нафез, Тимченко Л.І., Гринчишин Р.М., Івасюк Ю.Д. Реалізація паралельно-ієрархічного способу запису зображень // Вимірювальна та обчислювальна техніка в технологічних процесах. - 2001. - №2. - С. 107 – 112.