Комплекс программных средств для моделирования и анализа изображений в электронной микроскопии и томографии

Название разработки

Комплекс программных средств для моделирования и анализа изображений в электронной микроскопии и томографии.

Новизна

Использование графических процессоров (GPGPU) и их применение к объектам материаловедения.

Назначение

Электронная микроскопия.

Описание, характеристики

В данной программе реализован алгоритм восстановления электронно-микроскопических изображений наноструктур на основе метода слепой деконволюции. Реализованный в программе алгоритм восстанавливает изображение наноструктур и функцию искажения. Ускорение оценки изображения в итеративном процессе восстановления достигается за счет введения нового шага – предсказания изображения и работы с производными изображения вместо значений пикселей. На первом этапе восстановления изображения наноструктур осуществляется вычисление в первом приближении функции искажения. На втором этапе производится невыпуклая оптимизация с начальной оценкой ядра, полученной из первой стадии. Программа позволяет устранить смаз и размытие и восстановить визуальную информацию о наноструктурах на электронно-микроскопических изображениях.

Программа предназначена для классификации электронно-микроскопических изображений наноструктур из баз данных. Реализован алгоритм выделения признаков электронно-микроскопических изображений на основе дискретных вейвлет-преобразований Добеши 6, 8, 10. В качестве информативного признака выбрана энергия вейвлет-коэффициента, соответствующая определенному масштабу. Для классификации электронно-микроскопических изображений наноструктур используется многослойная нейронная сеть с одним скрытым слоем, обученная алгоритмом обратного распространения ошибки. Пользователь может задавать количество входных, скрытых и выходных нейронов у нейронной сети, проводить тонкую настройку архитектуры классификатора. Обучение и тестирование нейронной сети проходит в автоматическом режиме.

В программе реализован алгоритм обработки и кластеризации изображений микроструктур на основе самоорганизующихся карт Кохонена. Реализованный в программе алгоритм кластерного анализа позволяет проводить анализ и многомерную статистическую обработку баз данных изображений микроструктур. Для кластерного анализа изображений микроструктур используются самоорганизующиеся карты Кохонена – соревновательные нейронные сети с обучением без учителя. Использование карт Кохонена для кластеризации изображений микроструктур сочетает в себе широкие возможности по распараллеливанию данной задачи и ускорению процесса с высоким качеством результата классификации.

Научная и практическая значимость

Возможность получения новых знаний о структуре по электронно-микроскопическим изображениям.

Преимущества перед известными аналогами

Использование графических процессоров.

Область(и) применения

Физическое материаловедение

Правовая защита

Свидетельство о государственной регистрации программы для ЭВМ № 2013617671 от 21.08.2013;

Свидетельство о государственной регистрации программы для ЭВМ № 2013617672 от 21.08.2013;

Свидетельство о государственной регистрации программы для ЭВМ № 2013614361 от 29.04.2013.

Стадия готовности к практическому использованию

Программное средство апробировано в 2013 г. на кафедре компьютерных систем.

Авторы

Кафедра компьютерных систем
Грудин Б.Н., Плотников В.С., Полищук С.В., Пустовалов Е.В., Войтенко О.В., Модин Е.Б., Дубинец А.В., Федорец А.Н.