
Тип работы:	Предмет:	Язык работы:

Построение поля скоростей для последовательностей медицинских изображений на основе оптимизационного алгоритма

Работа №	142422
Тип работы	Дипломные работы, ВКР
Предмет	прикладная информатика
Объем работы	42
Год сдачи	2023
Стоимость	4800 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено	18

Не подходит работа?

Узнай цену на написание

Содержание

Содержание
Введение 3
Обзор литературы 4
Постановка задачи 6
Глава 1. Определение поля скоростей 8
1.1. Вариация и градиент функционала 8
1.2. Алгоритм определения поля скоростей 8
Глава 2. Разбиение изображения на подобласти 11
2.1. Алгоритм разбиения изображения 11
2.2. Программная реализация алгоритма разбиения 12
Глава 3. Программная реализация построения поля скоростей 14
3.1. Случай сдвига 14
3.2. Случай поворота 18
3.3. Случай сдвига и поворота 22
3.4. Последовательность изображений 29
3.5. Анализ результатов для разных моментов времени T 31
Выводы 37
Заключение 38
Список литературы 39

Введение

Существует множество различных способов цифровой обработки изображений, соответствующих разным целям: улучшение качества изображения, распознавание объектов и анализ их движения, восстановление объектов и т.д. Не смотря на это, задача разработки новых алгоритмов всё ещё остается актуальной, так как обработка изображений является востребованной во многих областях, в частности в диагностической медицине - обработка изображений позитронно-эмиссионной томографии, однофотонной эмиссионной компьютерной томографии, гибридных установок и т.п.
Одним из методов цифрововой обработки изображений является построение поля скоростей. Такой метод обработки изображений позволяет определить наличие смещения областей интереса между соседними последовательными кадрами, а в случае его наличия определить направление движения. В частности, такой метод применяется при обработке результатов радионуклидных методов исследования.
В данной работе развивается подход, предложенный в работах Котиной Е.Д., Овсянникова Д.А., который позволяет рассматривать не только оптические, но и неоптические потоки. Разрабатывается оптимизационный алгоритм и программное обеспечение построения поля скоростей для последовательностей изображений.

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!

ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ

Курсовые Статьи Диплом Рязань

Заключение

В работе рассмотрена проблема определения поля скоростей в задачах цифровой обработки изображений. Задача построения поля скоростей решается как задача минимизации функционала с использованием градиентного метода. Был разработан и реализован алгоритм на основе предложенного подхода. Представлены результаты работы алгоритма в двух вариантах - параллельное и последовательное вычисление компонент искомого вектора параметров. Разработана и реализована модификация алгоритма с разбиением рассматриваемых изображений на подобласти на основе морфологического подхода. Реализовано построение поля скоростей для последовательностей медицинских изображений на примере радионуклидных изображений. Результаты данной работы могут применяться для обработки и анализа различных изображений, в частности медицинских - как для коррекции движения, так и для анализа последовательностей изображений.

Литература

[1] Котина Е.Д. Математическое моделирование в радионуклидной диагностике // Диссертация на соискание ученой степени доктора физикоматематических наук. Санкт-Петербургский государственный университет. Санкт-Петербург. 2010.
[2] Ovsyannikov D. A., Kotina E. D. Reconstruction of velocity field // Proceedings of ICAP2012, Rostock-Warnemiinde, Germany. 2012. pp. 256258.
[3] Kotina E.D., Ovsyannikov D.A. Velocity field based method for data processing in radionuclide studies // Problems of Atomic Science and Technology. 2018. Т. 115. № 3. С. 128-131.
[4] Lucas B. D. , Kanade T. An iterative image registration technique with an application to stereo vision // Proceedings of Imaging Understanding Workshop. 1981. С. 121 - 130.
[5] Horn B.K.P., Schunck B.G. Determining optical flow // Artificial Intelligence. 1981. №17. С. 185 - 203.
[6] Xiaoliang G., Bansmer S. Horn-Schunck optical flow applied to deformation measurement of a birdlike airfoil // Chinese Journal of Aeronautics. 2015. Т 28. №5. С. 1305 - 1315.
[7] Farneback G. Two-Frame Motion Estimation Based on Polynomial Expansion // Lecture Notes in Computer Science. 2003. Т. 2749. С. 363 - 370.
[8] Alba A., Arce-Santana E., Rivera M. Optical flow estimation with prior models obtained from phase correlation // Lecture Notes in Computer Science. 2010.
[9] Bai M., Luo W., Kundu K., Urtasun R. Exploiting semantic information and deep matching for optical flow // Proceedings of the 14th European Conference on Computer Vision, Lecture Notes in Computer Science. 2016. №9908. С. 154 — 170.
[10] Bailer C., Varanasi K., Stricker D. CNN-based patch matching for optical flow with thresholded hinge embedding loss // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2017. С. 3250 — 3259.
[11] Gadot D., Wolf L. PatchBatch: A batch augmented loss for optical flow // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2016. С. 4236 - 4245.
[12] Ranjan A., Black M.J. Optical flow estimation using a spatial pyramid network // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2017. С. 2720 - 2729.
[13] Sun D., Yang X., Liu M.Y., Kautz J. PWC-Net: CNNs for optical flow using pyramid, warping, and cost volume // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2018. С. 8934 - 8943.
[14] Bazhanov P., Kotina E., Ovsyannikov D., Ploskikh V. Optimization algorithm of the velocity field determining in image processing // Cybernetics and Physics. 2018. №7. С. 174 - 181.
[15] Гонсалес Р., Вуд Р. Цифровая обработка изображений. М.: ТЕХНОСФЕРА. - 2005.
... всего 22 источника