Analiza obrazów w automatycznym systemie identyfikacji ziaren pyłku roślin

• Autorzy: Rapiejko P. , Wawrzyniak Z.M. , Jachowicz R.S. , Jurkiewicz D.

Warianty tytułu

EN

Image analysis in automatic system of pollen recognition

• Języki publikacji: PL

Abstrakty

PL

W praktyce alergologicznej oraz badaniach dogodne jest uzyskanie identyfikacji ziaren pyłku i wyników monitoringu w krótszym czasie niż potrzeba na taką identyfikację przez człowieka. Analiza obrazowa jako jedna z metod automatycznego sposobu identyfikacji ziaren pyłku i rozpoznawanie obiektów w takich obrazach jest szeroko używana jako skuteczne narzędzie analizy. Celem pracy było automatyczne rozpoznawanie, klasyfikacja i zliczanie ziaren pyłku roślin w monitorowaniu stężeñ aeroalergenów z obrazów pochodzącym np. z osadzonych na taśmie pomiarowej obiektów przez system komputerowy, który daje pomiar szybki, prosty i o wyższym poziomie ufności w stosunku do analizy prowadzonej przez obserwatora za pomocąmikroskopu optycznego. Ziarna pyłku wyizolowano z obrazu mikroskopowego przez układ kamery i komputera PC w warunkach odpowiednich do dalszej analizy. Algorytmy oparte zostały na wiedzy pochodzącej z analizy przestrzeni wektorów cech estymowanych charakterystyk ziaren pyłku: właściwości morfologicznych, cech powierzchni i kształtu oraz odpowiednich innych właściwości. Algorytmy segmentacji specjalnie dobrane do cech charakterystycznych dostarczyły dokładnego opisu brzegu i wnętrza ziaren pyłku, takiego jak używał ekspert. Specyficzne cechy i ich miary były obliczane dla każdego obiektu. Część z estymowanych miar lokalnych i globalnych niskiego rzędu utworzyła przestrzeń cech. Szczególnąuwagę poświęcono wyborowi właściwości cech i tworzeniu przestrzeni cech w taki sposób, aby optymalizować jej rząd dla zadanej wartości poziomu rozpoznania dla niskowymiarowego klasyfikatora przy różnicowaniu ziaren. Przedstawiono uzyskane wyniki estymowanych parametrów momentów wektora w niskowymiarowej przestrzeni cech dla trzech typowych ziaren pyłku, jak również rezultaty szybkiego i skutecznego rozpoznania dla przeprowadzonych doświadczeñ. Pokazują one, że używając estymatorów odpowiednio dobranych właściwości momentów centralnych i inwariantnych można uzyskać rozróżnienie ziaren pyłku dla odpowiednich miar klasyfikacji nawet dla niskowymiarowych klasyfikatorów przy uzyskaniu wysokiego poziomu ufności (> 95%) rozpoznania nawet dla niskowymiarowej przestrzeni (> 3).

EN

In allergology practice and research, it would be convenient to receive pollen identification and monitoring results in much shorter time than it comes from human identification. Image based analysis is one of the approaches to an automated identification scheme for pollen grain and pattern recognition on such images is widely used as a powerful tool. The goal of such attempt is to provide accurate, fast recognition and classification and counting of pollen grains by computer system for monitoring. The isolated pollen grain are objects extracted from microscopic image by CCD camera and PC computer under proper conditions for further analysis. The algorithms are based on the knowledge from feature vector analysis of estimated parameters calculated from grain characteristics, including morphological features, surface features and other applicable estimated characteristics. Segmentation algorithms specially tailored to pollen object characteristics provide exact descriptions of pollen characteristics (border and internal features) already used by human expert. The specific characteristics and its measures are statistically estimated for each object. Some low level statistics for estimated local and global measures of the features establish the feature space. Some special care should be paid on choosing these feature and on constructing the feature space to optimize the number of subspaces for higher recognition rates in low-level classification for type differentiation of pollen grains. The results of estimated parameters of feature vector in low dimension space for some typical pollen types are presented, as well as some effective and fast recognition results of performed experiments for different pollens. The findings show the ewidence of using proper chosen estimators of central and invariant moments (M21, NM2, NM3, NM8 NM9), of tailored characteristics for good enough classification measures (efficiency > 95%), even for low dimensional classifiers (>3) for type differentiation of pollens grain.

• Wydawca: -
• Czasopismo: Acta Agrobotanica
• Rocznik: 2006
• Tom: 59
• Numer: 1
• Opis fizyczny: s.385-393,rys.,tab.,bibliogr.

Twórcy

autor

Rapiejko P.

• Klinika Otolaryngologii, Wojskowy Instytut Medyczny, Centralny Szpital Kliniczny MON, ul.Szaserów 128, 00 909 Warszawa

autor

Wawrzyniak Z.M.

• Instytut Systemów Elektronicznych, Politechnika Warszawska, ul.Nowowiejska 15/19, 00 665 Warszawa

autor

Jachowicz R.S.

• Instytut Systemów Elektronicznych, Politechnika Warszawska, ul.Nowowiejska 15/19, 00 665 Warszawa

autor

Jurkiewicz D.

• Klinika Otolaryngologii, Wojskowy Instytut Medyczny, Centralny Szpital Kliniczny MON, ul.Szaserów 128, 00 909 Warszawa

Bibliografia

• v a n d e r H e i j d e n F., 1994. Image Based Measurement Systems, John Wiley & Sons, Chichester.pp: 235 237.
• H i r s t J. M., 1952. An automatic volumetric spore trap. Ann Appl. Biol. 39:257 265.
• L e v e t i n E., Va n d e r W a t e r P., 2003. Pollen count forecasting. Immunol Allergy Clin N Am. 23: 423 442.
• Lipiec A., 2000. Nadwrażliwość na grzyby pleśniowe u chorych na alergiczne zapalenie błony śluzowej nosa. Otolaryngol. Pol. 54: 89 90.
• P l u s a T., 2002. Allergic diseases over the world. Int. Rev. Allergol. Clin. Immunol. 8:55 60.
• P u c M., 2003. Characterisation of pollen allergens. Ann Agric Environ Med. 10:143 149.
• R a p i e j k o P., L i p i e c A., Wojdas A., Jurkiewicz D., 2004.Threshold pollen concen tration necessary to evoke allergic symptoms. Int Rev. Allergol. Clin. Immunol. 2:91 94.
• Samoliñski B., G o t l i b T., 2003. Swoiste donosowe testy prowokacyjne w rozpoznawaniu alergii. Pol. Merkuriusz Lek. 84, 14: 548 552.
• Schalkoff R.,1992. Pattern Recognition: Statistical, Structural and Neural Approaches, John Willey & Sons, New York: 132.
• Szczepanek K., 1994. Pollen calendar for Cracow (southern Poland), 1982 1991. Aerobiologia, 10:65 70.
• Wawrzyniak Z., R a p i e j k o P., 2004. Estimations of feature space parameters for aerobiological analysis of pollen grains. Polen, Cordoba, 14: 65.
• W a w r z y n i a k Z., 2002. Analiza wektora w³aœciwoœci w rozpoznawaniu obrazów pomiarowych. IV Sympozjum Naukowe Techniki Przetwarzania Obrazu, 21 23 listopada 2002, Serock k/Warszawy: 287 292.
• W e r y s z k o C h m i e l e w s k a E., P u c M., R a p i e j k o P., 2001. Comparative analysis of pollen counts of Corylus, Alnus and Betula in Szczecin, Warsaw and Lublin (2000 2001). Ann Agric Environ Med. 8:1 5.