Введение 3
Глава 1. Анализ предметной области по теме «Разработка информационной системы анализа плотностных характеристик годичных колец хвойных деревьев» 6
1.1. Компьютерные методы анализа графических изображений 6
1.2. Актуальность измерения плотностных характеристик деревьев
хвойных пород 8
1.3. Выявление проблем и актуальности 14
1.4. Анализ публикаций по теме «Разработка информационной системы анализа плотностных характеристик годичных колец хвойных деревьев».... 17
1.5. Обзор существующих программных комплексов для определения
параметров плотности годичных колец 27
Глава 2.Методы обработки графических изображений 31
2.1. Бинаризация изображения 31
2.2. Нахождение контуров и операции с ними 36
2.3. Метод Оцу 40
2.4. Метод скользящего среднего 48
Глава 3. Апробация программного продукта и сравнительный анализ полученных результатов с контрольными 51
3.1. Поиск экспериментальных данных 51
3.2. Обзор программного продукта 56
3.3. Экспериментальные данные 60
Заключение 65
Список использованных источников 67
Приложение
При проведении анализа обработки изображений в различных технических системах (например, системах мониторинга Земли, распознавания летательных аппаратов, медицинской диагностики, оценки качества продукции), наиболее значимо то, какие математических модели применяются для обработки получаемых данных. По мере усложнения математических моделей необходимо стремиться к повышению вычислительной мощности технических средств.
В связи с этим необходимо обеспечивать построение эффективных методов обработки, и передачи больших объемов информации, связанных с изображениями различной природы.
При анализе задач, необходимо определить адекватную модель наблюдения. Практика показывает, что в настоящее время не существует универсального способа решения задач для достаточно широкого диапазона характеристик. Поэтому исследователям приходится находить новые модели или исследовать эффективность применения существующих.
Изображения могут подвергаться воздействию различных помех. Применяются соответствующие методы обработки. Отметим некоторые из них.
1. Необходимо иметь довольно большой объем начальной информации.
2. Выделение отдельных областей на изображении и их обработка. Одним из примеров, по-видимому, может служить подбор контраста изображения.
3. Возможно сглаживание по наиболее неоднородной окрестности центральной точки.
4. Существует возможность аппроксимации характеристик изображения. При этом целое изображение разбивается на отдельные части, в каждой из которых проводится аппроксимация полиномом, например, на основе метода наименьших квадратов.
5. Возможно применение комбинированных методов обработки изображений.
Компьютерное зрение также применяется в дендрологии: при подсчете количества годичных колец, вычисления их радиальных длин и подсчета количества клеток в годичном кольце. С развитием информационных технологий появилась возможность получать и обрабатывать фотографии клеточных структур годичных колец и соответственно вычислять различные параметры клеток таких как, размер, площадь, периметр, радиальные и тангенциальные размеры люминов, размеры стенок клеток. В связи с этим, измерение плотностных характеристик годичных колец деревьев можно проводить не только с помощью традиционных методов, таких как рентгенографический, но и при помощи технологий компьютерного зрения.
Физические факторы среды произрастания древесных растений оказывают влияние на рост и формирование годичных колец деревьев, существенно изменяя их строение. Связь структуры годичных колец с факторами окружающей среды легла в основу дендрохронологии - научной дисциплины, которая изучает информационное содержание, заключённое в структуре годичных колец. По мере своего развития дендрохронология стала родоначальницей целого спектра направлений исследования экологических проблем и проблем окружающей среды, объединённых под общим названием «дендроэкология» [1]. Название конкретного направления исследований отражает физический фактор внешней среды, хронология и степень воздействия которого фиксируется структурой годичного кольца (дендроклиматология, дендрогидрология, дендрохимия и т.п.). Все внешние факторы можно разделить на две группы. В первую группу можно включить те факторы, которые непосредственно влияют на ксилему годичных колец. Как правило, они связаны с катастрофическими событиями разного масштаба, происходящими вокруг дерева [4].
Актуальность темы «Разработка информационной системы анализа плотностных характеристик годичных колец хвойных деревьев» заключается в
4
том, разработан программный продукт, позволяющий измерять плотностные характеристики деревьев хвойных пород на основе пиксельного анализа фотоснимков что позволит сократить временные рамки получения результатов, сократить материальные затраты, увеличить скорость выполнения обработки данных.
Объект исследования - технологии обработки, улучшения фото снимков и анализ сцен, содержащих детали, подлежащие распознаванию.
Предмет исследования - анализ плотностных характеристик годичных колец хвойных деревьев на основе технологий обработки, улучшения фото снимков и анализ сцен, содержащих детали, подлежащие распознаванию.
Цельюмагистерской диссертации является выявления проблем анализа снимков клеточной структуры годичных колец хвойных деревьев и разработка информационной системы для определения плотностных характеристик.
Научная новизна заключается в том, что впервые алгоритмы и методы пиксельного анализа применяются в вычислении плотностных характеристик деревьев хвойных пород.
Практическая значимость заключается в том, что разработанный программный продукт является альтернативным рентгенографическому методу.
В рамках проекта решаются следующие задачи:
• анализ предметной области по теме магистерской диссертации;
• анализ методов распознавания изображений;
• разработка программного продукта;
• апробация программного продукта на предоставленных фотоснимках.
В первой главе рассмотрена предметная область, выявлены проблемы и актуальность по выбранной теме научного исследования.
Главной проблемой распознавания заключается в том, что имеющиеся аппаратные комплексы не могут с требующейся точностью распознавать структурные параметры годичных колец, что ставит под вопрос обоснованность любых выводов, полученных в ходе исследования.
Актуальность темы «Разработка информационной системы анализа плотностных характеристик годичных колец хвойных деревьев» заключается в том, разработан программный продукт, позволяющий измерять плотностные характеристики деревьев хвойных пород на основе пиксельного анализа фотоснимков что позволит сократить временные рамки получения результатов, сократить материальные затраты, увеличить скорость выполнения обработки данных.
Так же в первой главе с помощью электронной библиотеки eLIBRARY.RUobriH найдены и рассмотрены научные публикации, соответствующие данной теме. Были выделены две под темы и по которым найдены публикации взятые для более глубокого изучения темы.
Во второй главе описаны методы обработки графических изображений. Выделен отдельный параграф под описание метода Оцу, так как он был выбран для анализа изображения.
В третьей главе представлен программный продукт, разработанный в ходе выполнения магистерской диссертации, проведена апробация программного продукта и сравнительный анализ полученных результатов с контрольными.
Итогом магистерской диссертации, стала готовая к использованию информационная система, предназначенная для анализа плотностных характеристик годичных колец хвойных деревьев. Данные полученные в результате работы с информационной системы коррелируются с
традиционными методами и используются для анализа факторов, оказывающих влияние на сезонный рост деревьев, сезонная кинетика роста и формирования годичных колец хвойных деревьев, а также влияние внешних условий на дифференцировку ксилемы.
1. Силкин П. П. Методы многопараметрического анализа структуры годичных колец хвойных: монография/П. П. Силкин - Красноярск: Сибирский федеральный университет, 2010. - 335 с.
2. Ваганов Е.А. Механизмы и имитационная модель формирования структуры годичных колец у хвойных /Е.А. Ваганов //Лесоведение. - 1996. - № 1. - С.3-15.
3. Ваганов E.A. Значение раннелетней температуры и сроков схода снежного покрова для роста деревьев в субарктической зоне Сибири /Е.А. Ваганов, А.В. Кирдянов, П.П. Силкин //Лесоведение. - 1999. - №6. - С.3-14.
4. Ваганов Е.А. Погодные условия и структура годичного кольца: имитационная модель трахеидограммы /Е.А. Ваганов, И.В. Свидерская, Е.Н. Кондратьева // Лесоведение. - 1990. - № 2. - С.37-45.
5. Ваганов Е.А. Фотометрический анализ структуры годичных слоёв древесины хвойных /Е.А. Ваганов, В.В. Спиров, И.А. Терсков //Изв. СО АН СССР. Сер. биол. наук. - 1972. - Вып. 1. - №5. - С.132-138.
6. Ваганов Е.А. Анализ роста дерева по структуре годичных колец /Е.А. Ваганов, И.А. Терсков. - Новосибирск: Наука. Сиб. отд-ние, 1977. - 93 с.
7. Ваганов Е.А. Рост и структура годичных колец хвойных /Е.А. Ваганов, А.В. Шашкин. - Новосибирск: Наука, 2000. - 214 с.
8. Ваганов Е.А. Сезонный рост и формирование годичных колец: кинетический подход и имитационное моделирование /Е.А. Ваганов, А.В. Шашкин, И.В. Свидерская //Биофизика клеточных популяций и надорганизменных систем. - Новосибирск: Наука. - 1992. - С.140-150.
9. Ваганов Е.А. Гистометрический анализ роста древесных растений /Е.А. Ваганов, А.В. Шашкин, И.В. Свидерская, Л.Г. Высоцкая. - Новосибирск: Наука, 1985. - 104 с.
10. ВагановЕ.А. Дендрохронологическиеметодыв изучении истории климата Сибири /Е.А. Ваганов, С.Г. Шиятов //Проблемы реконструкции климата и природной среды голоцена и плейстоцена Сибири. - Новосибирск, 1998. - C.56-63.
11. Ваганов Е.А. Роль дендроклиматических и дендрогидрологических исследований в разработке глобальных и региональных экологических проблем (на примере азиатской части России) /Е.А. Ваганов, С.Г. Шиятов //Сиб. экол. журн. - 1999. - Т. VI. - № 2. - C.111-115.
12. ВагановЕ.А. ДендроклиматическиеисследованиявУрало-Сибирской Субарктике /Е.А. Ваганов, С.Г. Шиятов, В.С. Мазепа. - Новосибирск: Наука. Сиб. изд. РАН, 1996. - 324 с.
13. Воднев В.Т. Основные математические формулы /В.Т. Воднев, А.Ф. Наумович, Н.Ф. Наумович; под ред. Ю.С. Богданова. - Минск: Вышэйш. Шк., 1988. - 268 с.
14. Высоцкая Л.Г. Анализ распределения трахеид по размерам в годичных кольцах сосен, растущих в различных по увлажнению условиях /Л.Г. Высоцкая, А.В. Шашкин, Е.А. Ваганов //Экология. - 1985. - № 1. - С.35-42.
15. Гольдин Л. Л. Лабораторные занятия по физике / Л. Л. Гольдин, Ф.Ф. Игошин, С.М. Козел; под ред. Л.Л. Гольдина. - М.: Наука, 1983. - 704 с.
16. Горшкова Т.А. Растительная клеточная стенка как динамичная система / Т.А. Горшкова. - М.: Наука, 2007. - 429 с.
17. Демьянов Н.Я. Органическая химия /Н.Я. Демьянов. - М: Сельхоз- гиз, 1944. - С.347-348.
18. Дюран Б. Кластерный анализ /Б. Дюран, П. Одел. - М.: Статистика,
1977. - 150 с.
19. Ершов Ю.А. Общая химия. Биофизическая химия. Химия биогенных элементов / Ю.А. Ершов, В.А. Попков, А.С. Берлянд, А.З. Книжник. - М.: Высш. шк., 2007. - 559 с.
20. Зайдель А.Н. Ошибки измерений физических величин /А.Н. Зайдель. - Л.: Наука, 1974. - 106 с.
21. Золотарёв К.В. Сканирующий рентгенофлуоресцентный анализ для исследования распределения элементов в древесных кольцах /К.В. Золотарёв, Е.Л. Гольдберг, В.И. Кондратьев, В.Б. Круглов //Современные достижения в исследованиях окружающей среды и экологии. - Томск: STT, 2004. - С.236-241.
22. Зуев В.В. Взаимосвязь долгопериодной изменчивости озонового слоя атмосферы с обусловленной УФ-Б воздействием изменчивости плотности древесины /В.В. Зуев, С.Л. Бондаренко //Оптика атмосферы и океана. - 2001. - Т.14. - №12. - С.1-4.
23. Зуев В.В. Комплексные исследования значимых откликов в годичных кольцах хвойных деревьев на воздействие солнечной УФ-В-радиации /В.В. Зуев, С.Л.Бондаренко, Н.Е.Зуева, П.П.Силкин, А.В.Шашкин, К.В.Золотарёв, А.В.Шапоренко //Оптика атмосферы и океана. - 2007. - Т.20. - №5. - С.438¬442.
24. Зуев В.В. Реконструкция палеоповедения озонового слоя из дендрохронологических данных с использованиемспутниковых данных TOMS /В.В. Зуев, С.Л. Бондаренко //Исследования Земли из космоса. - 2002. - №6. - С.19-24.
25. Зуев В.В. Реконструкция многовекового хода общего содержания озона на основе дендрохронологических данных /В.В. Зуев, С.Л. Бондаренко //Докл. Академии наук. - 2003. - Т. 392. - № 5. - С.682-385.
26. Зуев В.В. О методике реконструкции изменений общего содержания озона с использованием дендрохронологических и спутниковых данных /В.В. Зуев, С.Л. Бондаренко //Современные достижения в исследованиях окружающей среды и экологии. - Томск: STT, 2004. - С .198-205. 45. Кларксон Д. Транспорт ионов и структура растительной клетки /Д. Кларксон. - М.: Мир,
1978. - 368 с.
27. Клеточная стенка древесины и её изменения при химическом воздействии. - Рига: ЗИНАТНЕ, 1972. - 511 с.
28. Козубов Г.М. Радиобиологические и радиоэкологические исследования древесных растений /Г.М. Козубов, А.И. Таскаев. - СПб.: Наука, 1994. - 256 с.
29. Дэвид Форсайт, Жан Понс. «Компьютерное зрение. Современный
подход. -М.: «Вильямс», 2004. -928 с.
30. Лукьяница А.А., Шишкин А.Г. Цифровая обработка
видеоизображений. -М.: «Ай-Эс-Эс Пресс», 2009. -518 с.
31. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. -М.: Наука, 1974. -416 с.
32. Фомин Я.А. Распознавание образов: теория и применения//2-е изд. - М.: ФАЗИС, 2012. -429 с.
33. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. -М.: Радио и связь, 1986. -624 с.
34. Чэн Ш.-К. Принципы проектирования систем визуальной
информации. -М.: Мир, 1994. -408 с.
35. Ackerman E., Guizzo E. DARPA Robotics Challenge: Amazing Moments,
Lessons Learned, and What's Next. IEEE Spectrum, June 11, 2015. //Электронный ресурс: http: //spectrum.ieee.org/automaton/robotics/humanoids/darpa-robotics-
challenge-amazing-moments-lessons-learned-whats-next
36. Atkeson C. G., Babu B.P.W., Banerjee N. et al. No falls, no resets: Reliable humanoid behavior in the DARPA robotics challenge. IEEE-RAS 15th International Conference on Humanoid Robots (Humanoids), 2015 DOI: 10.1109/HUMANOIDS.2015.7363436
37. Herault J. Vision: Images, Signals and Neural Networks-Models of Neural Processing in Visual Perception. WorldScientific, 2010.
38. Omer Faruk Ertugrul. Adaptive texture energy measure method. International Journal of Intelligent Information System, 2014, no 3(2), pp. 13-18.
39. Pfeifer R., Lungarella M., Iida F. The Challenges Ahead for Bio-inspired 'Soft' Robotics. Communications of the ACM, November 2012, vol. 55, no. 11 DOI: 10.1145/2366316.2366335
40. Rosenzweig J., Bartl M. A Review and Analysis of Literature on
Autonomous Driving. The Making of Innovation, October 2015//Электронныйресурс: http://www.michaelbartl.com/co-creation/wp-
content/uploads/Lit-Review-AD_MoI.pdf
70
41. REEM-C: робототехнические исследования//Электронный ресурс: http://pal-robotics.com/ru/products/reem-c/
42. Сорокоумов П.С. Учебный проект робота, управляющего автомобилем. Открытое образование. 2017;(2):4-13 DOI: 10.21686/1818-4243¬2017-2-4-13
43. Шепелев, К.В. Сравнение эффективности применения алгоритмов детектора движения и распознавания образов методом Виолы -Джонса к решению задачи подсчета посетителей/"Научное обозрение"/2016/№1//Саратов, Изд-во ООО «Буква», 2016 г.
44. Bradsky G., Kaehler A. Learning OpenCV -O'Reilly, 2008. -гл.9.4
45. OpenCV, документация, электронный ресурс,
http://docs.opencv.org/modules/core/doc/intro.html
46. Шашков Б.Д., Шепелев К.В. Комбинированный метод детектирования и классификации движущихся объектов в системах видеонаблюдения/Естественные и технические науки/2017/№4//Москва, издательство «Спутник+»/2017 г.
47. Шапиро, Л. Компьютерное зрение /Л. Шапиро, Дж. Стокман. //пер.с англ. М.: Бином. Лаборатория знаний, 2006. -752 с.
48. Чубаров, А.С. Применение компьютерного зрения на предприятиях агропромышленного комплекса /А.С. Чубаров. -Сборник научных трудов международной научно-практической конференции «Актуальные проблемы агроинженерии и их инновационные решения». -Рязань, 2013. -С. 280-281.
49. Логунова, О.С. Автоматизированная оценка качества
непрерывнолитой заготовки /О.С. Логунова, Б.Н. Парсункин, В.Г. Суспицын - Сталь. -2004. -№ 12. -С. 101-104.
50. Кухарев, Г.А. Методы обработки и распознавания изображений лиц в задачах биометрии: монография. -СПб: Политехника, 2013. -388 с.
51. Viola, P. Rapid object detection using a boosted cascade of simple features/P. Viola, M. Jones. -Computer Vision and Pattern Recognition, Proceedings of the 2001 IEEE Computer Society Conference on (Volume: 1). -2001. -P. 511-518.
52. Распознавания лиц на групповых фотографиях с использованием алгоритмов /А.И. Шерстобитов //Известия ЮФУ. Технические науки. -2013 -С. 66-73.
53. Алгоритмы обработки изображений серных отпечатков в системе оценки качества непрерывнолитой заготовки /И.А. Посохов -Магнитогорск: Магнитогорский государственный технический университет им. Г.И. Носова. - 2017. -131 с.
54. Преобразование Хафа. OpenCV щаг за шагом. -Режим доступа: http://robocraft.ru (27.10.2017).
55. Нахождение контуров и операции над ними. OpenCV щаг за шагом. - Режим доступа: http://robocraft.ru (27.10.2017).
56. Буняков В. А., Юревич Е. И. Техническое зрение в робототехнике. СПб.: Астерион, 2008. 67 с.
57. Визильтер Ю. В., Желтов С. Ю., Бондаренко А. В., Ососков М. В., Моржин А. В. Обработка и анализ изображений в задачах машинного зрения. М.: Физматкнига, 2010. 672 с.
58. Mahtani A., Sanchez L., Fernandez E. Effective Robotics Programming with ROS. -Packt Publishing, 2016. 468 с.
59. Bradski G., Kaehler A. Learning OpenCV: Computer vision with the OpenCV library. -O'Reilly Media, Inc., 2008.
60. Гудаев О. А. Распознавание маркеров расширенной реальности ARGET робототехнической системой//Известия Южного федерального университета. Технические науки. 2006. Т. 71. № 16.
61. Arbelaez P., Maire M., Fowlkes C., Malik J. Contour detection and hierarchical image segmentation//IEEE transactions on pattern analysis and machine intelligence. 2011. Т. 33. N 5. С. 898-916.
62. OpenCV 2.4.13.1 documentation -Structural Analysis and Shape
Descriptors, электронныйресурс http://docs.opencv.
org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html (датаобращения 31.01.2017).