Севастьянов В., Мочаев С. - Марийский государственный

347
РАЗРАБОТКА АЛГОРИТМА ОПРЕДЕЛЕНИЯ ОПОРНЫХ ТОЧЕК НА
ИЗОБРАЖЕНИИ ЛАДОНИ ДЛЯ ПОИСКА ПАПИЛЛЯРНЫХ ЛИНИЙ
С.В. Мочаев1, В.В. Севастьянов1
1
Марийский государственный технический университет, 424000, Йошкар-Ола, пл.
Ленина 3. Тел. (8362) 455412. E-mail: rts@marstu.mari.ru
Разработан алгоритм, на основе которого происходит выделение опорных точек
на изображении ладони. Для определения опорных точек в разработанном
алгоритме использовались следующие методы: алгоритм Розенфельда,
низкочастотная фильтрация изображений, контурная согласованная фильтрация.
Введение
Метод определения
Прогрессивные тенденции в области
биологии и медицины характеризуются
широким
применением
электронных
вычислительных машин, обеспечивающих
оптимальные
функциональные
и
эксплуатационные свойства различных
приборов, аппаратов, систем и комплексов
с использованием системы измерений,
обработки
и
анализа
полученной
информации.
Одной из областей применения ЭВМ
является
обработка
изображений
биологических объектов. Возможности
вычислительной
техники
позволили
решить многие задачи по обработке данных
изображений: улучшение их визуального
качества,
теряемого
из-за
неудовлетворительных условий получения
изображений;
повышение
информативности; удаление шумов и
помех; увеличение контрастности.
Разрабатываемый алгоритм определения
опорных точек предназначен для обработки
изображений ладони. Данная цифровая
обработка
позволит
автоматизировать
диагностику биологических объектов на
основе дерматоглифики. Дерматоглифика –
раздел морфологии человека, изучающий
кожный рельеф ладонных и подошвенных
поверхностей,
где
кожа
покрыта
многочисленными
гребешками
(папиллярными линиями).
Контур ладони состоит из прямолинейных
и
криволинейных
участков.
Криволинейные участки – это участки
между пальцами и на их концах. Данные
участки несут больше информации, так как
на этих участках происходит резкое
изменение
контура
ладони.
Длина
криволинейных участков составляет 1/20 от
общего размера контура ладони. Поэтому
при выборе эффективного размера окна
контурного
согласованного
фильтра
следует использовать эту величину.
При
расчетах
использование
криволинейных участков может вызвать
трудности – увеличивается трудоемкость
расчетов. Для уменьшения трудоемкости
каждой
криволинейной
области
противопоставляют точку, находящуюся в
центре данной области. Эти точки и
называют опорными.
Алгоритм определения опорных точек
основан на обработке изображения ладони.
Один из способов получения данного
изображения – фотографирование ладони с
помощью цифрового фотоаппарата.
На первоначальном этапе определения
опорных точек формируется контур в
комплекснозначном коде с помощью
алгоритма
Розенфельда.
Далее
производится контурная согласованная
фильтрация полученного контура и
эталонной формы. В качестве эталонной
формы служит прямая линия. При этом
получают опорные точки 2-10.
Для определения опорных точек 1 и 11
используется один и тот же подход:
348
находится расстояние между точками 2 и 3
для первого случая и между 9 и 10 – для
второго.
Затем
эти
расстояния
используются для нахождения точек,
удаленных на полученные расстояния с
противоположной
стороны
пальцев
относительно точек 2 и 10. В результате
получает опорные точки 1 и 11.
Осмотр строба начинается с предыдущей
точки по часовой стрелке.
Описание метода определения опорных
точек
Сущность
метода
заключается
в
следующем.
Полученное цифровое изображение ладони
необходимо перевести в серошкальное. А
из серошкального изображения следует
получить бинарное.
Для получения бинарного изображения
используется гистограмма распределения
яркостей. Из этой гистограммы выбирается
такое значение яркости, по левую сторону
относительно которого на гистограмме
охватывается
основная
часть
распределения
яркости.
Пикселям,
значения яркости которых лежат ниже
порога следует, следует присвоить 0
(черный цвет), остальным пикселям – 255
(белый цвет).
В полученном бинарном изображении (рис.
1) необходимо отфильтровать пиксели,
значениям яркости которых присвоен
черный цвет. При этом используется
низкочастотный фильтр с апертурой 3х3. В
результате
фильтрации
на
границе
объект/фон образуется линейный перепад
яркости. Значения этих яркостей лежат на
отрезке [1, 254]. Выделив пиксели, яркости
которых принадлежат данному отрезку,
белым цветом, а остальные – черным,
получим граничные точки (рис. 2).
Из изображения ладони с выделенными
граничными точками получим контур в
комплекснозначном
коде,
используя
алгоритмом Розенфельда. Суть алгоритма
Розенфельда состоит в том, что на каждом
этапе обработки формируется строб
размером 3х3. В данном стробе всегда
находятся три точки: текущая точка; точка
найденная
на
предыдущем
этапе;
последующая, которую необходимо найти.
Текущая точка ставится в центр строба.
Рис. 1 – Бинарное изображения ладони
Рис. 2 – Изображение ладони с выделенными
граничными точками
Воспользовавшись данным алгоритмом,
получим контур изображения ладони в
комплекснозначном коде. Данный контур
можно анализировать на наличие опорных
точек с помощью контурной согласованной
фильтрации.
Согласованный фильтр, обеспечивающий
образование
количественной
меры
схожести между фильтруемым контуром N
и эталонной формой Г задается следующей
формулой:
k 1
 m    vn   n  m  k  1 .
n 0
В случае, когда ширина окна фильтра
меньше размера фильтруемого контура,
используется
следующая
запись
контурного согласованного фильтра:
s 1
 m    vm  n   n  .
n 0
Здесь s – ширина окна фильтра.
349
Для
определения
опорных
точек
используется
прямолинейный
эталон,
отсчеты которого задаются единицами
{1}0,…,s-1.
данной
контурной
согласованной
фильтрации получаем точки 2-10 (рис. 4).
Для определения опорной точки 1
находится расстояние между точками 2 и 3.
Рис. 3 – Квадрат модуля выходного нормированного сигнала фильтра
Рис. 4 – Расположение точек 2-10
Квадрат
модуля
выходного
нормированного сигнала фильтра для
прямолинейных
участков
выглядит
следующим образом:
s 1
Н
2
1

s
 vn  m
2
n0
s 1
 vn  m
, m  0, 1,  , k  1
2
n0
Принцип данной контурной фильтрации
состоит в том, что при расположении окна
фильтра на прямолинейном участке
фильтруемого контура отсчет фильтра
равен модулю этого же отсчета, и вместе
они примерно равны единице.
Из отсчетов квадратов модуля выходного
нормированного
сигнала
фильтра
выбирают те отсчеты, значения которых
близки к нулю (рис. 3). Это объясняется
тем, что все опорные точки лежат на
криволинейных участках. При помощи
Рис. 5 – Расположение точек 1,11
Затем
с
противоположной
стороны
большого пальца определяется точка,
удаленная от опорной точки 2 на это же
расстояние. Найденная точка и будет
опорной точкой 1 (рис. 5)
Для определения опорной точки 11
используется такой же подход, что и для
определения опорной точки 1. Разница в
том, что находится расстояние между
точками 9 и 10, и находится точка
удаленная от точки 10 с противоположной
стороны мизинца относительно точки 9
(рис. 5).
Определение опорных точек в
зашумленных контурах
Описанная методика позволяет определять
опорные точки в зашумленных контурах.
Так
как
контур
представлен
комплекснозначным кодом, то зашумляется
как реальная, так и мнимая части с одним и
350
Рис. 6 – Зависимость вероятности обнаружения опорных
точек от уровня среднеквадратического отклонения
тем же значением среднеквадратического
отклонения.
Вероятность обнаружения в зависимости от
уровня шума представлена на рис. 6.
Заключение
Разработанный алгоритм и результаты его
работы подтвердили возможность и
перспективность автоматизации такого
метода диагностики, как дерматоглифика,
для медицинский исследований.
Список литературы
1.
2.
Фурман Я. А., Кревецкий А. В., Передреев А. К.
и др. Введение в контурный анализ и его
приложения к обработке изображений и
сигналов /Под ред. Я. А. Фурмана. М.:
Физматлит, 2002.
Фурман Я. А., Кревецкий А. В., Роженцов А. А.
и др. Комплекснозначные и гиперкомплексные
системы в задачах обработки многомерных
сигналов /Под ред. Я. А. Фурмана. М.:
Физматлит, 2004.