Тип работы:
Предмет:
Язык работы:


Анализ алгоритмов обработки изображений на основе метода оптического потока

Работа №126043

Тип работы

Бакалаврская работа

Предмет

программирование

Объем работы25
Год сдачи2020
Стоимость4850 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
14
Не подходит работа?

Узнай цену на написание


Введение 3
Постановка задачи 6
Обзор литературы 7
Глава 1. Методы оптического потока 8
1.1. Метод Хорна—Шанка 8
1.2. Метод Лукаса—Канаде 10
1.3. Комбинация локального и глобального методов 12
Глава 2. Разработка алгоритмов и программная реализация 13
2.1. Пирамиды изображений 13
2.2. Алгоритмы обработки изображений 14
2.3. Тестирование методов 15
2.4. Применение метода к радионуклидным изображениям 18
Выводы 21
Заключение 22
Список литературы 23

В задачах обработки изображений часто возникает необходимость отслеживания интересующего объекта и его движения. Конечная цель решения этой проблемы может быть довольно разнообразной: распознавание лиц, оценка трафика на дорогах, автоматизация процесса обработки медицинских изображений, реконструкция трехмерной сцены, стабилизация видео, управление дроном и др. Одним из основных инструментов для обработки последовательности изображений является оптический поток.
Оптический поток между двумя изображениями — это векторное поле, задающее естественную трансформацию первого изображения во второе [3].
Расчет оптического потока может быть двух видов: выборочный и плотный. Первый отображает поле скоростей некоторых интересующих точек (например, пикселей на краях и углах объекта), второй — скорости всех пикселей изображения. Плотный оптический поток, в отличие от разреженного, дает большую точность, но требует больше времени и вычислительных мощностей.
В рамках данной работы будут изучены два классических метода, а также их комбинация, которые затем будут применены к радионуклидным изображениям.
Актуальность использования методов оптического потока в радионуклидных исследованиях связана с тем, что такая медицинская диагностика требует решение задач, связанных как с совершенствованием аппаратных средств, так и с математической обработкой информации, получаемой в ходе исследований. Программы обработки данных радионуклидных исследований помогают определить множество физиологических параметров.
Радионуклидные исследования проводятся с помощью гамма-камер и томографов, которые предоставляют большое количество информации о функциях органов и систем.
Существуют такие режимы сбора данных радионуклидного исследования, как планарное статическое или динамическое сканирование, сцинтиграфия всего тела, томографическое сканирование, «Синхронизация» и «Томография с синхронизацией». Положение пациента по отношению к гамма-камере, количество получаемых изображений, возможность наблюдения за распределением индикатора в организме с течением времени и получение объемного распределения радиофармпрепарата — основные отличия между перечисленными режимами.
Одним из важных этапов при обработке радионуклидных данных является обнаружение и коррекция движения пациента во время исследования, так как даже небольшое смещение человека или исследуемого органа во время сбора данных может повлиять на правильность результатов. Полностью избежать движения невозможно, поскольку проведение исследования некоторых органов может занимать довольно много времени.
Методы оптического потока являются актуальными для применения в области радионуклидных исследований, поскольку они позволяют выполнять автоматическую коррекцию движения, возникшего на изображениях, благодаря чему процесс радионуклидной диагностики становится более точным и быстрым, поскольку врачу больше не приходится выполнять данную работу вручную.
Таким образом, цель работы — вычисление поля скоростей, отображающего направление смещения объектов на последовательности двух изображений. Изложенную задачу можно разбить на следующие шаги:
• изучить научную литературу и публикации, в которых описаны существующие для выполнения задачи методы;
• предложить алгоритмы обработки изображений;
• проанализировать полученные на тестах результаты, выявить основные преимущества и недостатки методов.

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В ходе проделанной работы получены следующие результаты:
• Изучены классические модели определения оптического потока Лукаса—Канаде, Хорна—Шанка, а также их комбинация.
• Предложены алгоритмы обработки изображений с использованием пирамиды изображений.
• Разработана программа и проведены тесты на различных изображениях, в том числе радионуклидных.


1. Котина Е.Д., Максимов К.М. Коррекция движения при томографических и планарных радионуклидных исследованиях // Вестник Санкт-Петербургского университета. Серия 10: Прикладная математика. Информатика. Процессы управления, 2011. № 1. С. 29-36.
2. Котина Е. Д., Пасечная Г. А. Определение поля скоростей в задачах обработки изображений // Известия Иркутского государственного университета. Серия: Математика, 2013. Т. 6, № 3. С. 48-59.
3. Котина Е.Д. Некоторые вопросы моделирования динамических процессов в радионуклидных исследованиях. СПб.: ВВМ, 2013. 150 с.
4. Котина Е. Д., Бажанов П. В. Об оптимизационном подходе при построении поля скоростей в задачах обработки изображений // Известия Иркутского государственного университета. Серия: Математика, 2018. Т. 24. С. 3-11.
5. Котина Е. Д., Леонова Е. Б., Плоских В. А. Обработка радионуклидных изображений с использованием дискретных систем // Вестник Санкт- Петербургского университета. Прикладная математика. Информатика. Процессы управления. 2019. Т. 15, Вып. 4. С. 544-554.
6. Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. М.: Наука, 1974. 285 с.
7. Beauchemin, S. S., Barron, J. L. The computation of optical flow // ACM Computing Surveys, 1995. Vol. 27, No 3. P. 433-466.
8. Bouguet J.Y. Pyramidal Implementation of the Lucas Kanade Feature Tracker Description of the Algorithm // Intel Corporation Microprocessor Research Labs, 1999.
9. Bruhn A., Weickert J., & Schnorr C. Lucas/Kanade Meets Horn/Schunck: Combining Local and Global Optic Flow Methods // International Journal of Computer Vision, 2005, P. 1-21.
10. Fortun D., Bouthemy P., Kervrann C. Optical flow modeling and computation: A survey // Computer Vision and Image Understanding, 2015. Vol. 134. P. 1-21.
11. Horn B.K.P., Schunck B.G. Determining optical flow // Artificial intelligence, 1981. Vol. 17. P. 185-203.
12. Ilg E., Mayer N., Saikia T., Keuper M., Dosovitskiy A., Brox T. FlowNet 2.0: Evolution of Optical Flow Estimation with Deep Networks // IEEE Conference on Computer Vision and Pattern Recognition, 2017.
13. Jara-Wilde J., Cerda M., Delpiano J., Hartel S. An implementation of combined local-global optical flow // Image Process On Line, 2015. P. 139-158.
14. Kondermann D., Abraham S., Brostow G., Forstner W., Gehrig S., Imiya A., Bernd J., Felix K., Marcus M., Helmut M., Rudolf M., Tomas P., Ralf R., Zimmer H. On Performance Analysis of Optical Flow Algorithms // Outdoor and Large-Scale Real- World Scene Analysis, 2011.
15. Kotina E.D., Ovsyannikov D.A. Velocity field based method for data processing in radionuclide studies // Problems of Atomic Science and Technology. Vol. 115, No 3, 2018. P. 128-131.
...


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ