- •1(Часть 1) Разделы дисциплины.
- •1.1Биометрия
- •1.2Этапы истории
- •2Предмет и основные понятия биометрии
- •2.1Группировка первичных данных
- •2.2Признаки и их свойства.
- •2.3Классификация признаков
- •2.4Причины варьирования результатов наблюдений
- •2.5Точность измерений и действия над приближенными числами
- •2.6Способы группировки первичных данных
- •2.7Статистические ряды.
- •2.8Графики вариационных рядов
- •2.9Особенности биообъекта и экспериментальных данных о его свойствах и состоянии. Основные источники медико-биологических данных.
- •3Общая характеристика биологических сигналов и медико-биологических данных
- •3.1Случайный сигнал и случайная величина
- •3.2Одномерные случайные сигналы. Функция распределения и плотность вероятности
- •3.3Усреднение. Моменты случайной величины
- •3.4Равномерное распределение случайной величины
- •3.5Гауссово (нормальное) распределение
- •3.6Статистические характеристики систем случайной величины (Многомерные сигналы)
- •3.7Функция распределения и плотность вероятности.
- •3.8Вычисление моментов
- •3.9Корреляция
- •3.10Статистическая независимость случайных величин.
- •3.11Многомерное Гауссово распределение.
- •3.12Случайные процессы.
- •3.12.1Предварительная обработка сигналов.
- •3.12.2Моментальные функции случайных процессов.
- •3.12.3Взаимная функция корреляции двух случайных процессов.
- •3.13Помехи и их математические модели.
- •3.13.1Виды аддитивных помех.
- •3.13.2Законы распределения помех.
- •3.13.3Отношение сигнала помехи на прмере гауссовских помех.
- •4Основные понятия теории обнаружения сигнала
- •4.1Проверка статистических гипотез.
- •4.2Критерий Неймана-Пирсона.
- •4.3Алгоритмы обнаружения.
- •5Фильтрация сигналов
- •5.1Временная фильтрация.
- •5.2Частотная фильтрация.
- •5.3Связь между фильтрацией и сверткой.
- •5.4Физически реализуемые линейные фильтры частоты.
- •5.5Идеальный фильтр.
- •5.6Реализуемые непрерывные аналоговые фильтры.
- •5.7Узкополосные фильтры.
- •5.8Оптимальная фильтрация.
- •6(Часть 2) Корреляционный анализ
- •6.1Функциональная зависимость и корреляция
- •6.2Параметрические показатели связи. Коэффициент корреляции
- •6.3Вычисление коэффициента корреляции при малых выборках
- •6.4Минимальный объем выборки для точной оценки коэффициента корреляции
- •6.5Вычисление коэффициента корреляции при больших выборках
- •6.6Оценка разности между коэффициентами корреляции
- •7Качественное описание задач распознавания
- •7.1Основные задачи построения системы распознавания
- •7.2Параметрические и непараметрические методы и критерии
- •7.3Параметрические критерии
- •7.4Непараметрические критерии
- •7.5Статистические методы классификации многомерных наблюдений
- •7.6Минимаксный критерий
- •8Вопросы планирования исследований
- •8.1Приближенные оценки основных статистических показателей
- •8.2Определение необходимого объема выборки
- •9Типы медицинских изображений. Способы их обработки
- •9.1Иднтификация пространственных объектов. Схема этапов распознавания
- •9.2Обработка точечных изображений
- •9.3Моделирование процесса идентификации точечных изображений на эвм
- •9.4Основные принципы цифровых операций над изображениями
- •9.5Операции над изображениями. Хранение и представление изображений.
- •9.6Цветные изображения
- •9.7Окружающие и примыкающие пиксели
- •9.8Основные требования к аппаратуре
- •9.9Устройства ввода изображений
- •9.9.1Видеокамеры
- •9.9.2Насадки
- •9.9.3Другие устройства ввода изображений
- •9.10Устройства вывода изображений на дисплей
- •9.11Процессоры
- •9.12Критерий полезности признаков при распознавании объектов
- •9.13Геометрическая модель биологических данных. Система геометрических признаков при распознавании объектов
- •9.14Простые методы обработки изображений
9.13Геометрическая модель биологических данных. Система геометрических признаков при распознавании объектов
После реализации алгоритма препарирования контуров (см. схему распознавания) необходимо распознавание видимых односвязных геометрических контуров и определение некоторых геометрических параметров (размеров).
Эту процедуру удобно разделить на три этапа:
Н а первом этапе производится предварительная обработка и подготовка изобразительной информации(блок 1)
на выходе блока 1 формируются совокупности точек х и у ,а также переменная k=1,2,3,…,M – это номер односвязного контура. Эти данные явдяются исходными для блока 2.
На этом этапе происходит распознание форм контуров (блок2). Каждому распознанному контуру присваивается порядковый номер. Алгоритм распознания работает по принципу совпадения или несовпадения площади фигуры, найденной двумя различными способами.
Первый способ позволяет определить площадь фигуры по имеющимся координатам ее точек. Для жтого используют формулы треугольника или трапеции. Площадь фигуры, найденную таким образом называют интегральной и обозначают Su.
Площадь той же фигуры можно найти по второму способу. З системы геометрических параметров фигуры, характеризующих ее размеры (также вытянутость, компактность и т.д.). Площадь фигуры найденную таким образом называют геометрической и обозначают SГ.
На третьем этапе происходит формирование признаков, характеризующих целевое назначение классифицируемых объектов и определение числовых значений их геометрических параметров (блок 3).
Методика распознавания контуров по геометрическим признакам обладает высокой помехоустойчивостью. Ограничением к ее применению служат заранее сформированный перечень фигур, подлежащих распознанию, и то, что контуры должны иметь форму простейших фигур (шар, прямоугольник, трапеция и т.п.)
Последнее ограничение не является слишком жестким, т.к. окружающие нас трехмерные объекты, которые требуется распознать машине, как правило состоят из отдельных деталей правильной геометрической формы, классифицируемых с помощью систем набором δi признаков.
Представим структуру блока 2 (см. рисунок) в деталях. Операции, связанные с распознаванием контуров носят циклический характер. Число циклов М равно числу контуров в исходном изображении. Признак k=M несет информацию об этом числе контуров и поступает в блок 2 вместе с массивом точек xi , yi
Этим сигналом запрещается поступление на информационный клапан другой очередного сигнала k→(k+1), обеспечивающего цикличность работы всего блока 2.
Сигнал k→(k+1) означает, что обработка k-го контура закончена и можно подать последовательность точек очередного (k+1)-го контура.
Процедура нормализации (блок 1)здесь рассматривается как вспомогательная и выполняется по определенному алгоритму. При определении параметров δi (блок 2) происходит вычисление некоторых условно введенных геометрических параметров δi, при которых определяются площади односвязных контуров и распознаются сами типы контуров.
δ 1 – максимальный горизонтальный размер фигуры.
δ2 – максимальный вертикальный размер фигуры.
δ3 – минимальное расстояние от центра тяжести (точка Θ) по оси абсцисс (Ох).
δ4 – максимальное расстояние от центра тяжести до линии контура вдоль оси ординат (Оу)
δ5 – максимальное расстояние от центра тяжести вдоль оси Ох.
δ6 – минимальное расстояние от центра тяжести вдоль оси Оу.
Эти параметры определяются по следующим соотношениям.
где - наибольшие и наименьшие значения координат точек фигуры.
- координаты точек контура, удовлетворяющих условию:
= при этом δ5≥ δ3
- координаты точек контура, удовлетворяющих условию:
= при этом δ4≥ δ6
процедура обработки контуров происходит после вычисления параметров δi (блок 3). Распознавания сложных пространственных объектов производится на основе системы целевых признаков, состоящих из плоских контуров на плоских изображениях объекта.
Результатом операции, выполняемых в блоке 3, будет не только присваивание номеров распознавания односвязным контурам и определение их геометрических размеров, но и выявление вспомогательных точек η, μ, Θ, λ, которые в дальнейшем используются при синтезе контуров и формировании целевых признаков.