ИСТИНА

В рамках проекта будут разработаны новые многомасштабные методы выделения хребтовых структур на изображениях. Анализ и выделение хребтовых структур будет основан на адаптивном построении пирамиды детальности с выбором не только степени размытия изображения, но и коэффициентов уменьшения изображения. Будет разработан метод устранения разрывов найденных хребтовых структур в точках ветвления. Наряду с разработкой общих методов нахождения хребтовых структур на изображениях, будут разработаны модифицированные методы для решения актуальных практических задач обработки и анализа изображений: задачи построения карт расфокусировки изображений, ориентированные на оценку карты глубин сцены по двумерному изображению; анализ межклеточных границ для диагностики пузырных кожных заболеваний по изображениям люминесцентной микроскопии тканей кожи; выделения и анализа сосудистого дерева по изображениям глазного дна, полученным фундус-камерой.

New multiscale rigde detection algorithms are to be developed in terms of the project. Ridge analysis and detection algorithms will be based on adaptive pyramid representation with not only the choice of blur level but also with the choice of scale factors. A gap fill method for ridge branching areas will be created. Along with common ridge detection methods, special methods will be developed for solving actual practical image processing and analysis problems: defocus map estimation for depth estimation from 2D image; cell boundary analysis for pemphigus diagnostics using luminescent microscopy of skin tissue; retinal blood vessels detection and analysis.

Ожидаемыми результатами проекта являются новые оригинальные методы выделения хребтовых структур на изображениях и новые прикладные методы обработки и анализа изображений с использованием методов обнаружения и анализа хребтовых структур. На первом году проекта планируется получить следующие оригинальные методы: 1. Новые алгоритмы детектирования хребтовых структур. Помимо создания новых алгоритмов детектирования хребтовых структур планируется их параллельная реализация с использованием технологии CUDA или OpenCL. 2. Новый метод построения карты дефокусировки изображений, использующий хребтовые структуры; 3. Новый метод выделения сосудов на изображениях глазного дна с использованием методов обнаружения и анализа хребтовых структур. 4. Новый алгоритм нахождения линейных хребтовых структур, основанных на использовании модифицированного преобразования Хафа; 5. Новый метод нахождения хребтовых структур для анализа межклеточных границ на дерматологических изображениях.

Ранее авторами был разработан подход для поиска хребтовых структур (ridge detection) на изображениях. Он был основан на построении признака, дающего отклик на особенности типа полоса в трехмерной пространстве переменных разрешений, где в качестве третьей координаты выступал масштаб и выполнении процедуры немаксимального подавления в таком трехмерном пространстве. Для вычисления производных по оси масштаба использовалась связь таких производных с высшими пространственными производными через диффузионное уравнение. В принципе, подход себя оправдал, было показано, что при правильном выборе векторов двух направлений для немаксимального подавления, осевые линии находятся как практически везде непрерывные и единичной ширины, ширина полосы оценивается достаточно верно. Однако векторы направлений не всегда вычисляются с необходимой точностью, что может приводить к ложным обнаружениях хребтовых структур на ряде масштабов, вместо одного верного. Кроме того, работа с изображениями равного размера для различных степеней размытости приводит к неоправданному замедлению работы алгоритма. Поэтому, в проекте предлагается построение более простого подхода, основанного на выборе направления только в плоскости изображения по двумерному собственному вектору, а сопоставление между масштабами осуществлять прямым поиском вдоль того же направления на менее детальном изображении. При этом, уменьшение детальности достигается не только размытием изображения Гауссовским фильтром, но и уменьшением его разрешения, т.е алгоритм будет работать по пирамиде детальности.

Разработан алгоритм поиска хребтов и долин на изображения, основанный на многомасштабном применении немаксимального подавления к лапласиану изображения. Многомасштабный алгоритм использует пирамиду детальности аналогично SIFT. Эта пирамида используется для многомасштабного обобщения метода немаксимального подавления. Объединение результатов детектирования с разных масштабов осуществляется методами математической морфологии. Рассмотрены особенности одновременного детектирования хребтов и долин. Реализован параллельный алгоритм поиска хребтов и долин на изображения на одном масштабе. Были созданы методы анализа межклеточных границ на дерматологических изображениях, методы построения карты дефокусировки изображений, методы выделения сосудов на изображениях глазного дна, метод поиска линейных структур. Данные методы основаны на использовании разработанного алгоритма поиска хребтов и долин.