Россия
Россия
BISAC COM016000 Computer Vision & Pattern Recognition
Специализированное программное обеспечение, поддерживающее существующие подходы к обработке изображений кристаллической структуры материалов для анализа изображений просвечивающей электронной микроскопии, имеет множество различных методов обработки цифровых изображений, но большая часть из них слабо автоматизирована. В некоторых задачах разработаны автоматизированные алгоритмы обработки изображений, например в задаче оценки ширины слоя материала по растровому изображению. В статье рассматривается проблема автоматизированной обработки дифракционных изображений, полученных с помощью просвечивающей электронной микроскопии. Для существующих алгоритмов обработки изображений предлагается ряд модификаций, таких как алгоритм Уотершеда, бинаризация и быстрое преобразование Фурье. Эти модификации могут помочь автоматизировать обработку дифракционной картины образца материала из изображения просвечивающей электронной микроскопии. Приведенные примеры обработки изображений частных случаев дифрактограмм показали перспективы развития алгоритма, основанного на сочетании предложенных модификаций рассмотренных алгоритмов. Адаптивная бинаризация с сегментацией водораздела может быть полезна при автоматической оценке расстояния на изображениях просвечивающей электронной микроскопии.
компьютерное зрение, обработка изображений, анализ изображений, просвечивающая электронная микроскопия, кристаллическая дифракционная картина
1. Leutenegger S. BRISK: Binary Robust invariant scalable keypoints / S. Leutenegger, M. Chli, R.Y. Siegwart // Proceedings of the 2011 International Conference on Computer Vision (ICCV '11). 6 November 2011. P. 2548-2555.
2. Nebaba S.G. An Algorithm for Building Deformable 3d Human Face Models and Justification of its Applicability for Recognition Systems / S.G. Nebaba, A.A. Zakharova // SPIIRAS Proceedings. 2017. Vol. 52. P. 157-179.
3. Schettini R. Underwater Image Processing: State of the Art of Restoration and Image Enhancement Methods / R. Schettini, S. Corchs // EURASIP Journal on Advances in Signal Processing. 2010.
4. Sokratis V. A Hybrid Binarization Technique for Document Images / V. Sokratis, E. Kavallieratou, R. Paredes, K. Sotiropoulos // In: Biba M., Xhafa F. (eds) Learning Structure and Schemas from Documents. Studies in Computational Intelligence. 2011. Vol. 375. Springer, Berlin, Heidelberg.
5. Alhadidi B. Mammogram Breast Cancer Image Detection Using Image Processing Functions / B. Alhadidi, M.H. Zu'bi, H.N. Suleiman. // Information Technology Journal. 2007. Vol. 6. №. 2. P. 217-221.
6. Sivkov, A. Deposition of a TiC/Ti coating with a strong substrate adhesion using a high-speed plasma jet / Sivkov, A., Shanenkov, I., Pak, A., Gerasimov, D., Shanenkova, Y. // Surface and Coatings Technology. 2011. Vol. 291. P. 1-6.
7. Gatan Microscopy Suite Software [Electronic Source]. URL: https://www.gatan.com/products/tem-analysis/gatan-microscopy-suite-software. (Last accessed: 11.06.2019).
8. Nebaba S.G., Pak A.Y., Zakharova A.A. Automated Algorithm for Determining the Interplanar Distances of the Crystal Structure of a Substance from Transmission Electron Microscopy Images // CEUR Workshop Proceedings. 2019. Vol. 2485. pp. 248-251. DOI:https://doi.org/10.30987/graphicon-2019-2-248-251
9. Gonzalez R.C. Digital Image Processing (3rd Edition) / R.C. Gonzalez, R.E. Woods // Prentice-Hall, Inc., Upper Saddle River, NJ, USA, 2006. P. 976.
10. Zaripova A.D., Zaripov D.K., Usachev A.E. Visualization of high-voltage insulators defects on infrared images using computer vision methods // Scientific Visualization. 2019. Vol. 11 (2). pp. 88-98.
11. Khvostikov A.V., Krylov A.S., Mikhailov I.A., Malkov P.G. Trainable active contour model for histological image segmentation // Scientific Visualization. 2019. Vol. 11 (3). pp. 80-91.
