1. SCSIT
  2. Всі випуски
  3. Випуск 744, 2012
  4. Метод знаходження відповідних точок на контурах мікрооб’єктів біомедичної природи

Метод знаходження відповідних точок на контурах мікрооб’єктів біомедичної природи

SCSIT.
2012;
Випуск 744
: cc. 120 - 127
Authors: 

Г. Мельник

Тернопільський національний економічний університет, кафедра комп’ютерної інженерії

Характерною властивістю цифрових біомедичних зображень є наявність повторюваних елементів з нечіткою геометричною структурою. Наближення форми клітин до форми круга або еліпса вимагає вдосконалення алгоритмів зіставлення областей. Для визначення найкращого афінного перетворення між областями використано симетричну різницю множин точок областей. Застосуванням дискретних центральних моментів області підвищено точність визначення відповідних точок на контурах при визначенні афінних перетворень між областями мікрооб’єктів.

The characteristic feature of digital biomedical images is presense of repeated elements with fuzzy geometry. Cell shape is approximately equals to shape of circle or ellipse. It demands an improved algorithms for region matching. The symmetric difference of regions point sets used to determine the best affine transformation between the regions. Application of region discrete central moments increases the accuracy of contours corresponding points during calculation of affine transformations between the regions of microobjects.

біомедичні зображення
структурний аналіз
співставлення областей
центральні моменти
контур
відповідні точки
  1. Handbook of Texture Analysis / Ed. by Majid Mirmehdi, Xianghua Xie, Jasjit Suri. – London, UK: Imperial College Press, 2008. – 413. P.
  2. Tuceryan M. Handbook of Pattern Recognition and Computer Vision / M. Tuceryan, A.K. Jain // Handbook of Pattern Recognition and Computer Vision (2 nd Edition) / Ed. by C. H. Chen, L.F. Pau, P.S.P. Wang. – World Scientific Publishing Co., 1998. – P. 207–249.
  3. Ruifrok A. C. Quantification of histochemical staining by color deconvolution / A. C. Ruifrok, D. A. Johnston // Analytical and quantitative cytology and histology. The International Academy of Cytology and American Society of Cytology. – 2001. – Vol. 23, no. 4. – P. 291–299.
  4. Ovalle A. Kids: A distributed expert system for biomedical image interpretation. / A. Ovalle, Catherine Garbay // Information Processing in Medical Imaging / Ed. by Alan C. F. Colchester, David J. Hawkes. – Vol. 511 – 1991. – P. 419–433.
  5. Characterization of chromatin texture by contour complexity for cancer cell classification / T. Kiyuna, A. Saito, E. Kerr, W. Bickmore // 8th IEEE International Conference on BioInformatics and BioEngineering, 2008. «– Athens, 2008. – P. 1–6.
  6. Путятин Е.П. Обработка изображений в робототехнике / Е. П. Путятин, С. И. Аверин. – М.: Машиностроение, 1990. – 320 с.
  7. Contour correspondence via ant colony optimization / O. van Kaick, G. Hamarneh, H. Zhang, P. Wighton // Proc. 15th Pacific Conference on Computer Graphics and Applications (Pacific Graphics 2007) – Maui, Hawaii, United States, 2007. – P. 271–280.
  8. Schaffalitzky F. Geometric grouping of repeated elements within images / F. Schaffalitzky, A. Zisserman // In Proc. 9th British Machine Vision Conference (BMVC), Southampton, September 1998. – Southampton, UK: Springer-Verlag, 1998. – September. – P. 13–22.
  9. Liu Y. A computational model for periodic pattern perception based on frieze and wallpaper groups / Yanxi Liu, Robert T. Collins, Yanghai Tsin // IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). – 2004. – Vol. 26, No. 1. – P. 354–371.
  10. Wolter F. Spatio- temporal representation and reasoning based on rcc-8 / Frank Wolter, Michael Zakharyaschev // In Proceedings of the seventh Conference on Principles of Knowledge Representation and Reasoning (KR2000). – Breckenridge, Colorado, USA: Morgan Kaufmann, 2000. – P. 3–14.
  11. Navarrete I. Consistency checking of basic cardinal constraints over connected regions / Isabel Navarrete, Antonio Morales, Guido Sciavicco // IJCAI 2007, Proceedings of the 20th International Joint Conference on Artificial Intelligence, Hyderabad, India, January 6-12, 2007. – 2007. – P. 495–500.
  12. Березский О.Н. Теоретико-групповой подход к анализу симметричных изображений / О. Н. Березский // Управляю- щие машины и системы. – 2010. – T. 2. – С. 16–24.
  13. Veltkamp R. C. State of the art in shape matching / Remco C. Veltkamp, Michiel Hagedoorn // Principles of visual information retrieval. – 2001. –P. 87–119.
  14. Березский О.Н. Алгоритмы анализа и синтеза биомедицинских изображений /О. Н. Березский // Проблемы информатики и управления. – 2007. – № 2. – P. 134–144.
  15. Chetverikov D. A Simple and Efficient Algorithm for Detection of High Curvature Points in Planar Curves / Dmitry Chetverikov / Ed. by Computer Analysis of Images, Patterns. – 2004. – Vol. 2756/2003 –P. 746–753.
  16. Kilian J. Simple image analysis by moments. Opencv library documentation [Електронний ресурс] / J. Kilian – 2001. – Режим доступу до статті.: http://public.cranfield.ac.uk/- c5354/teaching/dip/opencv/SimpleImage AnalysisbyMoments.pdf