Методика подсчета площади проекций частиц на двумерных наномасштабных изображениях с использованием пороговых алгоритмов
Авторы: Байдин Г.С., Титов А.С. | Опубликовано: 24.12.2022 |
Опубликовано в выпуске: #4(141)/2022 | |
DOI: 10.18698/0236-3933-2022-4-4-19 | |
Раздел: Информатика, вычислительная техника и управление | Рубрика: Математическое моделирование, численные методы и комплексы программ | |
Ключевые слова: частица, изображение, эксперимент, сегментация, фильтрация, сопоставление блоков, Thresholding |
Аннотация
С ростом сложности проведения исследований наномасштабных изображений и усложнением обработки результатов экспериментов возникает необходимость в автоматизации данного процесса для улучшения точности и достоверности получаемых результатов. Разработана методика для автоматизированного определения площади частиц на изображениях электронного микроскопа. Рассмотрены пороговый алгоритм и его модификация для определения частиц на наномасштабных изображениях. В качестве предварительной обработки выбран алгоритм сопоставления блоков и 3D-фильтрации. Получена оптимальная последовательность применения приведенных алгоритмов для изображений в целях решения поставленной задачи. Рассмотрено несколько пороговых алгоритмов и методов вычисления соответствующих пороговых значений, из которых выбраны наиболее подходящие алгоритмы в контексте решаемой задачи. С помощью разработанной методики определены зависимости числа частиц от их площади для каждого заданного изображения. В настоящее время накоплены достаточно большие и постоянно растущие объемы наномасштабных изображений, как следствие, возникает необходимость в автоматизации процесса исследования. Предлагаемая методика предназначена для решения практических задач по определению площади частиц на наномасштабных изображениях и может быть использована на различных этапах проведения эксперимента
Просьба ссылаться на эту статью следующим образом:
Байдин Г.С., Титов А.С. Методика подсчета площади проекций частиц на двумерных наномасштабных изображениях с использованием пороговых алгоритмов. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение, 2022, № 4 (141), с. 4--19. DOI: https://doi.org/10.18698/0236-3933-2022-4-4-19
Литература
[1] Кобаяси Н. Введение в нанотехнологию. М., Бином, 2008.
[2] Фостер Л. Нанотехнологии. Наука, инновации и возможности. М., Техносфера, 2008.
[3] Сойфер В.А., Куприянов А.В. Анализ и распознавание наномасштабных изображений: традиционные подходы и новые постановки задач. Компьютерная оптика, 2011, т. 35, № 2, с. 136--144.
[4] Счетчик частиц. tehnopribor.ru: веб-сайт. URL: http://www.tehnopribor.ru/downloads/science-articles/schetchik-chastits.php?clear_cache=Y (дата обращения: 02.09.2021).
[5] Particle. glossary.ametsoc.org: веб-сайт. URL: http://glossary.ametsoc.org/wiki/Particle (дата обращения: 03.09.2021).
[6] Байдин Г.С., Титов А.С. Автоматизация подсчета количества частиц на наномасштабных изображениях электронного микроскопа. Биомедицинская радиоэлектроника, 2020, т. 23, № 5, с. 59--71. DOI: https://doi.org/10.18127/j15604136-202005-08
[7] Marturi N., Dembele S., Piat N. Scanning electron microscope image signal-to-noise ratio monitoring for micro-nanomanipulation. Scanning, 2014, vol. 36, no. 4, pp. 419--429. DOI: https://doi.org/10.1002/sca.21137
[8] Dabov K., Foi A. Image denoising by sparse 3-D transform-domain collaborative filtering. IEEE Trans. Image Process., 2007, vol. 16, no. 8, pp. 2080--2095. DOI: https://doi.org/10.1109/TIP.2007.901238
[9] Lebrun M. An analysis and implementation of the BM3D image denoising method. IPOL, 2012, vol. 2, pp. 175--213. DOI: https://doi.org/10.5201/ipol.2012.l-bm3d
[10] Otsu N. A threshold selection method from gray-level histograms. IEEE Trans. Syst. Man Cybern., 1979, vol. 9, no. 1, pp. 62--66. DOI: https://doi.org/10.1109/TSMC.1979.4310076
[11] Yousefi J. Image binarization using Otsu thresholding algorithm. Ontario, Univ. of Guelph, 2011.
[12] Local adaptive thresholding. In: Encyclopedia of biometrics. Boston, Springer, 2009, p. 939. DOI: http://dx.doi.org/10.1007/978-0-387-73003-5_506
[13] Коршунов Д.А., Фосс С.Г. Сборник задач и упражнений по теории вероятностей. Новосибирск, НГУ, 2003.
[14] Weisstein E. Beta distribution. mathworld.wolfram.com: веб-сайт. URL: https://mathworld.wolfram.com/BetaDistribution.html (дата обращения: 10.09.2021).
[15] Жуков К.М. Обнаружение протяженных объектов типа "леска" с помощью цифровой обработки изображения. Молодежный научно-технический вестник, 2014, № 9. URL: http://ainsnt.ru/doc/733091.html