ТИББИЙ-БИОЛОГИК ТАСВИРЛАРДАГИ МИКРООБЪЕКТЛАР ЧЕГАРАЛАРИНИ АЖРАТИШ АЛГОРИТМЛАРИ
Keywords:
Тиббий-биологик тасвир, микрообъект, сегментация, таниб олиш, бўсаға, белгилар фазоси, градиент, гистограмма таҳлили, кластерлаш, SUSAN.Abstract
Мазкур иш тиббий-биологик тасвирлардаги микрообъектларни сегментациялаш усул ва алгоритмлари таҳлилига бағишланган бўлиб, сегментациялашнинг ҳар бир усули ҳақида маълумотлар келтирилган ва уларни тезлиги, априор маълумотларга таяниш ҳолати, қидирув сифати бўйича уларни таққослаш амалга оширилган. Таҳлил қилиш натижаларига таянган ҳолда, тиббий-биологик тасвирлардаги микрообъектлар чегараларини ажратишда кластерли таҳлил алгоритми энг мақбул алгоритм сифатида эътироф этилган. Мақола сўнгида эса тасвир объектларини таснифлаш усуллари ҳақида қисқа хулосалар келтирилган бўлиб, биоматериалларни автоматлаштирилган микроскопия услублари таҳлили натижасида дискриминант таҳлилнинг таснифлаш алгоритмлари кўпроқ, нейрон тармоқ таснифлагичлар эса камроқ қўлланилганлиги аниқланган.
References
Konishi, S. A Statistical Approach to MultiScale Edge Detection / S. Konishi, A.L. Yuille, J.M. Coughlan // Proc. Workshop Generative-Model-Based Vision GMBV.2002.-№2.
Meer, P. Smoothed differentiation filters for images / P. Meer, I. Weiss / Journal of Visual Communication and Image Representation. - 1992. -№3(1). – p. 58-72.
Torre, V. On edge detection / V. Torre, T.A. Poggio // IEEE Transaction о Pattern Analysis and Machine Intelligence. -1986. - J428(2). - pp. 147-163.
Weiss, I. High-order differential filters that work /1. Weiss // IEEE Tranaction on Pattern Analysis an Machine Intelligence. - 1994. - №16(7). - pp. 734-736
Canny, J. A computational approach to edge detection / J. Canny // IEE Transactions on Pattern Analysis and Machine Intelligence. - 1986. - JSb 8(6). - pp, 679-698.
Jacob. M. Design of Steerable Filters for Feature Detection Using Canny Like Criteria /M. Jacob, M. Unser // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 1998. - №8. - pp. 1007-1019.
Forstner, W. A feature based correspondence algorithm for image matchinj / W. Forstner // Intl. Arch. Photogramm. Reemote Sensing. - 1986. - JVb26. - pp. 150-166.
Trajkovich, M. Fast comer detection / M. Trajkovich, M. Handley // Imag and Vision Computing. - 1998. - №16. - pp. 75-87.
B.Tremeau, I. A Region growing and Merging Дегтярева, А. Преобразование Хафа (nough transform) / А. Дегтярёва. В. Вежневец // Графика и мультимедия. http://cgm.graphicon.ru/content/view/36/62/.
Мариничев, К. Алгоритмы выделения параметрических кривых на основе преобразование Хафа / К. Мариничев, В. Вежневец // Графика и мультимедия. http://cgm.graphicon.ru/content/view/107/62/.
Illingworth, J. A Survey of the Hough Transform / J. Illingworth, J. Kittle // CVGIP. - 1988, - №44. - pp. 87-116.
Nayar, K. Parametric feature detection / K. Nayar, S. Baker, H. Murase / IEEE Transactions on Pattern Analysis and Machine Intelligence. - 1996.
Meer, P. Smoothed differentiation filters for images / P. Meer, I. Rad, A.A. Fast Circle Detection Using Gradient Pair Vectors. Proc / A.A Rad, K. Faez, N. Qaragozlou // VII th Digital Image Computing, Sydney, Australia. 2003.-pp. 879-887.
Bow, S.T. Pattern Recognition and Image Preprocessing / S.T. Bow, Dekker.-New York, 1992.
Cross, G.R. Markov Random Field Texture Models / G.R. Cross, A.K. Jaii // IEEE Trans, on Pattern Analysis and Machine Intelligence. - 1983.
Field, D.J. Relations between the Statistics and Natural Images and the Responses Properties of Cortical Cells / D.J. Field // Optical Soc. Am. - 1987. -№4. pp. 2379-2394.
Баринова, О. Методы сегментации изображений: автоматическая сегментация / О. Баринова, А. Вежневец // Графика и мультимедия, http://cgm.graphicon.ru/content/view/147/62/.
Павлидис, Т. Алгоритмы машинной графики и обработки изображений / Т. Павлидис. - М.: Радио и связь, 1986. - 399 с.
Привалов, 0.0. Алгоритм автоматического препарирования графического изображения для выделения клеток периферической крови / Привглов, Л.Н. Бутенко // // Известия ВолгГТУ. Сер. Актуальные проблемы управления, вычислительной техники и информатики в технических системах; межву: сб. науч. статей / ВолгГТУ. - Волгоград, 2007. - №2. -- С. 54-57.
Адаптивные методы обработки изображений: Сб. науч. тр. / Под ред В.И. Сифорова, Л.П. Ярославского. - М.: Наука, 1988. - 244с.
Александров, В.В. Представление и обработка изображений. Рекурсивный подход / В.В. Александров. - Л : Наука, 1985. - 192 с.
Писаревкий, А.Н. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) / А.Н.Писаревкий А.Ф.Чернявский, Г.К.Афанасьев и др.; Под общ. Ред. А.Н.Писаревскогс А.Ф.Чернявского. - Л.: Машиностроение. Ленингр. отд-ние, 1988.-424 с.
Соколинский, Б.З. Классификация лейкоцитов с использованием метдов обучаюшихся нейронных сетей и Watershed / Б.З. Соколинский, В.Л. Демянов, B.C. Медовый др. // Здравоохранение и медицинская техника. - 2005. №4(18).-С. 35.
Shafarenko, L. Automatic Watershed segmentation of Randomly Texture Color Images/ L. Shafarenk, M. Petrov, J. Kittler // IEEE Trans, on Image Processing. -1997.
Дюран, Б. Кластерный анализ / Б. Дюран, П. Одел. - М. : Статистика, 1977.-128 с.
Привалов, 0.0. Автоматическая сегментация цифровых изображени медико-биологических препаратов методом кластерного анализа / Привглов, Л.Н. Бутенко // Современные наукоёмкие технологии: науч. – теоретик журнал/-М. - 2007. - №10. - С. 79-80.
Вежневец, А. Выделение связных областей в цветных и полутоновы изображениях / А. Вежнвец // Графика и мультимедия. http://cgm.graphicon.ru/content/view/53/62.
Tremeau, I. A Region growing and Merging Algorithm to color segmentstion /1. Tremeau, N. Borel // Pattern Recognition. -1997.
Ярославский, Л.И. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику / Л.П. Ярославский - М. : Радио и связ. 1987.-296 с.
Martin, D. Learning Affinity Functions for Image Segmentations / D. Maitin // Pattern Recognition. - 2003. - №9. - pp. 26.
Гиренко, А.В. Методы корреляционного обнаружения объектов / А.В. Гиренко, В.В. Ляшенко, В.П Машталир, Е.П. Путятин. - Харьков : АО ≪БизнесИнформ≫, 1996.- 112 с.
Cross, G.R. Markov Random Field Texture Models / G.R. Cross, A.K. Jaii // IEEE Trans, on Pattern Analysis and Machine Intelligence. - 1983.
Айвазян, С.А. Классификация многомерных наблюдений / С.А. Айвазян, З.И. Бежаева, О.В. Староверов. - М.: Статистика, 1974. - 240 с.
Lucchese, L. Color Image Segmentation / L, Lucchese, S.K. Mitra // State-of-the-Art Survey. - 2001.
Shavkat, F., Narzillo, M., & Nilufar, N. (2019). Developing methods and algorithms for forming of informative features’ space on the base K-types uniform criteria. International Journal of Recent Technology and Engineering, 8(2 Special Issue 11), 3784–3786. https://doi.org/10.35940/ijrte.B1492.0982S1119
Fazilov, S., & Mamatov, N. (2019). Formation an informative description of recognizable objects. Journal of Physics: Conference Series, 1210(1). https://doi.org/10.1088/1742-6596/1210/1/012043
Niyozmatova, N. A., Mamatov, N., Samijonov, A., Rahmonov, E., & Juraev, S. (2020). Method for selecting informative and non-informative features. IOP Conference Series: Materials Science and Engineering, 919(4). https://doi.org/10.1088/1757-899X/919/4/042013
Niyozmatova, N. A., Mamatov, N., Samijonov, A., Mamadalieva, N., & Abdullayeva, B. M. (2020). Unconditional discrete optimization of linear-fractional function “-1”-order. IOP Conference Series: Materials Science and Engineering, 862(4), 042028. https://doi.org/10.1088/1757-899X/862/4/042028
Fazilov, S., Mamatov, N., Samijonov, A., & Abdullaev, S. (2020). Reducing the dimensionality of feature space in pattern recognition tasks. Journal of Physics: Conference Series, 1441(1), 012139. https://doi.org/10.1088/1742-6596/1441/1/012139
Samijonov, A., Mamatov, N., Niyozmatova, N. A., Yuldoshev, Y., & Asraev, M. (2020). Gradient method for determining non-informative features on the basis of a homogeneous criterion with a positive degree. IOP Conference Series: Materials Science and Engineering, 919(4). https://doi.org/10.1088/1757-899X/919/4/042011
Mamatov, N., Samijonov, A., & Yuldashev, Z. (2019). Selection of features based on relationships. Journal of Physics: Conference Series, 1260(10), 102008. https://doi.org/10.1088/1742-6596/1260/10/102008
Mamatov, N., Samijonov, A., Yuldashev, Z., & Niyozmatova, N. (2019). Discrete Optimization of Linear Fractional Functionals. 2019 15th International Asian School-Seminar Optimization Problems of Complex Systems, OPCS 2019, 96–99. https://doi.org/10.1109/OPCS.2019.8880208
