Сектор цифровой оптики
Заведующий сектором - к.т.н. Мерзляков Николай Степанович
Тел.:
(095) 209-28-83; E-mail: nick@iitp.ru
Ведущие ученые
сектора:
|
д.ф.-м.н. |
Ярославский Л.
П. |
к.т.н. |
Кобер В. И. |
|
к.т.н. |
Бокштейн И. М. |
к.т.н. |
Лашин В. В. |
|
к.т.н. |
Беликова Т. П. |
к.т.н. |
Мозеров М. Г. |
|
к.т.н. |
Карнаухов В. Н. |
|
|
Направления
исследований:
·
разработка и создание реляционных баз
данных изображений и СУБД;
·
оптико-цифровые методы обработки
изображений и распознавания образов;
·
синтез двумерных цифровых фильтров;
·
улучшение цифровых изображений;
·
мультимедиа;
·
распознавание трехмерных сцен;
·
классификация, анализ и обработка
медицинских изображений;
·
цифровая голография.
Разработан метод цифрового восстановления изображений всей совокупности
объектов, составляющих водяной знак манускриптов, первопечатных книг и других
исторических документов: филиграни, понтюзо и вержеров. Разработанные алгоритмы
и программные средства ориентированы на восстановление многоградационных
изображений водяных знаков, полученных методами рентгенографии, электронной и
бета-радиографии. Выполненные эксперименты по восстановлению реальных
изображений водяных знаков подтвердили применимость данного метода для решения
задач, связанных с хронологической идентификацией манускриптов, первопечатных
книг и других исторических документов.
Разработан оригинальный метод индексирования данных в тексто-графичес-кой
базе данных водяных знаков, на основе которого разработаны алгоритмы быстрого поиска многомерных данных в
специализированной базе данных, использующие как алгоритмы индексирования
данных, так и методы прямого поиска. Данный метод и
алгоритмы реализованы в рамках прототипа разработанной интегрированной системы
управления базой данных.
Продолжены начатые в 2000 году исследования по созданию тексто-графической
базы данных по истории российской науки на основе Архива РАН. Разработана
структура таблиц и связей для включения в базу данных материалов из
персональных фондов Архива РАН (фотографии, рисунки, эскизы, рукописные документы,
авторизированная машинопись и т.п.), начиная с фондов президентов РАН. В
частности, проведены работы со следующими фондами:
– Фонд № 1916 Президента АН СССР А. П. Александрова (1975-1986 гг.), содержащий
322 единицы хранения за период с 1932 по 1986 гг., которые поступили в Архив
РАН в 1987 г. В графическую базу данных, в основном, внесены 87 единиц хранения
с фотографиями (в общей сложности 517 цифровых изображений, прошедших
восстановление и другую необходимую обработку) и отдельные научные труды. Фонд
№ 1729 Президента АН СССР М. В. Келдыша (1961-1975 гг.), содержащий 272 единицы
хранения за период с 1937 по 1986 гг. В графическую базу данных внесены свыше
200 единиц хранения с фотографиями и отдельные документы. В настоящее время
продолжается их цифровая обработка.
– Галерея портретов русских ученых прошлых столетий, созданная на основе
коллекции Мусина-Пушкина, переданной после его смерти академику Н. А. Морозову
(хранится в личном фонде последнего). Вся коллекция содержит 2651 единицу
хранения, куда входят графические изображения и биографии выдающихся деятелей
России и мира, и практически неизвестна научной общественности. На основе этой
коллекции создается портретная галерея русских ученых в виде графической базы
из 264 единиц хранения, которые уже оцифрованы и в настоящее время подвергаются
цифровой реставрации.
В ходе этой работы проводилось совершенствование методов и технологий
цифровой обработки фотоизображений, а также велись теоретические и экспериментальные
исследования, направленные на разработку методов и средств тематического поиска
и выборочного представления информации создаваемого цифрового архива в форме
ресурсов и/или служб Internet, которые будут продолжены в 2002 г.
Разработанная типовая структура архивной базы данных применена практически
для создания цифровой коллекции медалей Архива РАН (Разряд XIII). В настоящее
время полностью закончена цифровая реставрации коллекции медалей Архива РАН и
наполнение соответствующей базы данных. Помимо стандартных архивных атрибутов,
в базе данных организована логическая связь с ранее разработанной и
сопровождаемой базой данных RAS2000, что позволяет информационно дополнить обе
базы данных.
Осуществлялось сопровождение и актуализация базы данных по персональному
составу РАН за 1724-2001 гг. (RAS2000), зарегистрированной в Госреестре
("Информрегистр") и находящейся в открытом доступе с июня 1998 на
сайте: hhtp://hp.iitp.ru.
Разработан оригинальный метод подавления искажений
изображений, обусловленных эффектом Гиббса, при решении задач восстановления
изображений на основе преобразования Фурье. Эффективность данного метода подтверждена
на примере решения задач восстановления изображений произвольного размера с
использованием методов быстрого преобразования Фурье.
Предложен и разработан оригинальный алгоритм
итерационного восстановления многоспектральных изображений. Алгоритм применен
для решения задачи восстановления цветных изображений. В нем используется
априорная информация о цветовом балансе изображения. Эффективность разработанного
алгоритма подтверждена результатами, полученными при обработке тестовых и
реальных цветных изображений.
Предложены новые алгоритмы локального повышения контраста с использованием
ранговых фильтров, построенных с использованием основе пространственно
адаптивных окрестностей. Эти алгоритмы основаны на операции нерезкого
маскирования. Однако вместо операции линейной низкочастотной фильтрации
используются различные ранговые сглаживающие операции. Сглаживание выполняется
над элементами пространственно адаптивных окрестностей, построенных из деталей
и их окружающего фона. Реализованы различные ранговые алгоритмы для повышения
контраста мелких и средних деталей. Проведены компьютерные эксперименты на
реальных и тестовых изображениях, которые демонстрируют преимущество предлагаемых
алгоритмов.
Изучены статистические свойства ранговых фильтров, использующих пространственно
связанные окрестности для подавления аддитивного и импульсного шумов. Предложен
метод расчета ранговых фильтров для подавления смеси импульсного и аддитивного
шумов с заданными вероятностью искажения и дисперсией. Проведены интенсивные
компьютерные эксперименты на зашумленных реальных и тестовых изображениях,
которые демонстрируют преимущество предлагаемых алгоритмов.
Предложен новый метод сегментации трехмерных данных с использованием
ранговых алгоритмов по связанным окрестностям. Реализован алгоритм, позволяющий
переводить результаты по сегментации серии томограмм в стандартную базу данных
библиотеки Open Graphic Library. Предложены и реализованы быстрые алгоритмы геометрических преобразований
в трехмерном пространстве томографических данных. Проведены компьютерные эксперименты
с реальными томограммами.
Разработаны методы совмещения многоспектральных изображений тестируемого
объекта для дальнейшей визуализации на одном экране. Разработанные алгоритмы
реализованы для системы ночного видения, состоящей из высокочувствительной
камеры и камеры инфракрасного видения.
Разработан метод для автоматического обнаружения и выделения (сегментации)
информативных объектов, расположенных на сложном фоне, основанный на
предварительной предобработке изображений специально построенным фильтром и
обнаружении и сегментации объекта с использованием модели объекта. Оптимальный
линейный фильтр применялся для улучшения визуализации информативных деталей
объекта. Для повышения точности выделения области, занятой объектом, и
уменьшения вероятности пропуска объекта была использована фильтрация
малоразмерных деталей. Разработанные методы опробованы при решении задачи
обнаружения и сегментации небольших шаровидных образований на тестовых
изображениях и реальных медицинских изображениях (томограммы легкого).
Сравнение результатов сегментации, полученных до и после фильтрации, показало,
что оптимальная фильтрация позволяет более точно выделить и очертить область,
занимаемую объектом. Разработанные методы позволяют обнаруживать,
сегментировать и анализировать низко контрастные объекты на сложном фоне. Они могут быть использованы для
точной идентификации диагностически важных особенностей объекта (характер
контуров, форма и размер области, занятой объектом, и др.), что важно при
решении многих медицинских задач и технических задач контроля материалов.
Разработаны методы обработки
медицинских изображений, оценки информативных особенностей и классификации
изображений для автоматизации решения медицинской задачи диагностики
фиброзирующего альвеолита лёгких (оценка информативных признаков, диагностика
активности и стадирование заболевания). Разработанные методы включают
предобработку изображений для выделения диагностически важных деталей,
выделение (сегментация) пораженной области легкого и измерения, направленные на
оценку степени поражения легких. Проведенные исследования с использованием
обзорной рентгенографии, спиральной томографии и рентгеноморфологических
сопоставлений показали, что предлагаемые методы позволяют объективно и
эффективно оценивать активность фиброзирующего альвеолита лёгких на разных
стадиях заболевания.
Гранты:
·
FWF-Projekt P13298-ARS: "Водяные знаки средневековых
рукописей", финансируемый Австрийским научным фондом FWF.
·
INTAS (00–00081): "A Distributed Database and
Processing System for Watermarks".
·
Российский фонд фундаментальных
исследований (№ 99-07-90017): "Реляционная база данных изображений водяных знаков
и система для их обработки и анализа".
·
Российский фонд фундаментальных
исследований (№ 99-01-00265): "Разработка оптико-физической и
программно-алгоритмичесской модели устройства объемного отображения".
·
Российский фонд фундаментальных
исследований (№ 99-01-00269): "Разработка оптико-цифровых методов распознавания
образов в реальном масштабе времени".
·
Российский фонд фундаментальных
исследований (№ 00-07-90032): "Разработка и создание тексто-графической базы
данных по истории российской фундаментальной науки на основе фондов архива
РАН".
·
Российский фонд фундаментальных
исследований (№ 01-07-90354): "Распределенная база данных для хронологической
идентификации манускриптов и инкунабул";
·
Минпромнауки России, проект государственной
научно-технической подпрограммы "Информатизация России" приоритетного
направления "Информационные технологии и электроника" (№ 037.03.319.17/1-99):
"Разработка интегрированной системы хранения и обработки многомерных
сигналов для информационного обеспечения научных исследований, культуры и
образования", подраздел "Разработка технологии и программных средств
для построения многоуровневых тексто-графических цифровых архивов на основе
типовых систем управления базами данных".
публикации в
2001 г.
1. Wenger
E., Karnaukhov V., Haidinger A., Stieglecker M.. A Digital Image and Database
System for Watermarks in Medieval Manuscripts. – In: David Bearman and Franca
Garzotto, editors, ICHIM '01 Proceedings, Cultural Heritage and Technologies in
the Third Millennium, Milano, Italy, 2001, pp. 259-264.
2. Karnaukhov
A., Merzlyakov N., Milyukova O., Karnaukhov V., Wenger E., Aizenberg I.,
Karnaukhov V. Digital Restoration of Watermark Images. – In: Proceedings of
EVA’01, Moscow, Centre PIC of Ministry Culture of Russia, STG, Moscow, 2001,
pp. 196-199.
3. Wenger
E., Karnaukhov V., Haidinger A., Merzlyakov N., van Thienen G., Oukhanova E.,
Erastov D. A Distributed Database and Processing System for Watermarks: an
INTAS Project. – In: Proceedings of EVA’01, Moscow, Centre PIC of Ministry
Culture of Russia, STG, Moscow, 2001, pp. 200-206.
4. Kober
V., Mozerov M., Alvarez-Borrego J. Noise suppression using nonlinear filters
with spatially connected neighborhoods // Electronic Imaging Newsletters. 2001,
vol. 12, no. 1, p. 5.
5. Kober
V., Mozerov M., Alvarez-Borrego J. Nonlinear filters with spatially-connected neighborhoods
// Optical Engineering. 2001, vol. 40, No. 6, pp. 971-983.
6. Kober
V., Mozerov M., Alvarez-Borrego J., Ovseyevich I. Rank image processing using
spatially adaptive neighborhoods // Pattern Recognition and Image Analysis.
2001, vol. 11, no. 3, pp. 542-552.
7. Kober
V., Mozerov M., Alvarez-Borrego J., Ovseyevich I. Fast algorithms of rank-order
filters with spatially adaptive neighborhoods // Pattern Recognition and Image
Analysis. 2001, vol. 11, no. 4,
pp. 690-698.
8. Mozerov
M., Kober V., Choi Tae S. Improved Motion Stereo Matching Based on a Modified
Dynamic Programming // Optical Engineering. 2001, vol. 40, no. 10, pр.
2234-2239.
9. Mozerov
M., Kober V., Ovseyevich I. Real-time processing of night vision // Pattern
Recognition and Image Analysis. 2001, vol. 11, no. 2, pp. 347-349.
10. Kober V.,
Mozerov M., Alvarez-Borrego J., Hidalgo Silva H. Image enhancement using
nonlinear filters with spatially-adaptive neighborhoods // Annual meeting,
Applications of Digital Image Processing XXIV, San-Diego, July 2001, pp.
508-517.
11. Осипенко В.И., Шехтер А.И., Беликова Т.П., Коган Е.А., Попова Е.Н. Апостериорная
обработка рентгенограмм методом линейной фильтрации в дифференциальной
диагностике и оценке активности фиброзирующего альвеолита // Конференция
«Медицинские информационные технологии: Медицина, здоровье компьютер». Москва,
ВВЦ, 2001, с. 11-13.
12. Perner P., Belikova T. A hybrid Tool for Data Mining in Picture Archiving System. – In: Machine Learning and Data Mining in Pattern Recognition. Springer Verlag 2001, vol. 2123, p. 141-156.
13. Aizenberg I.,
Butakov C., Karnaukhov V., Merzlyakov N., and Milyukova O. Blurred Image
Restoration Using the Type of Blur and Blur Parameters Identification on the
Neural Network // SPIE Proceedings. 2002, vol. 4667 (accepted).
14. Карнаухов В.Н., Мерзляков Н.С., Осипова Н.М., Рубанов Л.И. Опыт создания
электронных баз данных на основе Архива Российской академии наук. // Российские
архивы». 2001, № 6 (в печати)
15. Rubanov L.,
Merzlyakov N., Karnaukhov V., Osipova N. Strategy of creation of digital
archives accessible through the Internet // Proc. of IS&T/SPIE’s 14th Annual
Symposium «Electronic Imaging 2002: Science and Technology», 20-25 January
2002, San Jose, California, USA, SPIE Proceedings, 2001б vol. 4667 (accepted).
16. Kober V.,
Mozerov M., Alvarez-Borrego J., Ovseyevich I. Unsharp masking using rank-order
filters with spatially adaptive neighborhoods // Pattern Recognition and Image
Analysis. 2002, vol. 12, no. 1 (in print).
17. Belikova Т.,
Palenichka R., Ivasenko I. Сomputer-aided detection and segmentation of objects
on medical images // The 10-th International Conference in Central Europe on
Computer Graphics, Visualization and Computer Vision'2002 (accepted).
18. Belikova Т.,
Palenichka R., Ivasenko I. Improved detection and segmentation of objects on
medical images // J. Computer Vision and Image Understanding (in print).