Разработка прототипа настольной автоматизированной программы, реализующей распознавание изображений пыльцевых зерен с помощью комбинаций функций OpenCV и метода голосования - Дипломная работа

На сегодняшний день споро-пыльцевой анализ является очень актуальным и востребованным особенно в медицине и палинологии, так как биологи, ассоциации пчеловодов и научные лаборатории заинтересованы в стандартизации и аутентификации происхождения пыльцевых зерен для выявления случаев мошенничества (таких как фальсификация меда), а также для определения некоторых видов аллергий и не только. Сегодня за рубежом ведутся активные исследования в области автоматизации распознавания пыльцевых зерен, за счет которых уже достигнуты некоторые успехи. Однако до сих пор нет качественной отечественной разработки, которая бы полностью автоматизировала распознавание пыльцевых зерен и предоставляла результаты высокой точности. Поэтому распознавание пыльцевых зерен - это часть активно развивающейся и популярной в настоящее время области - распознавания образов и компьютерного зрения. Именно поэтому так важно исследовать результаты применения метода голосования для распознавания пыльцевых зерен, поскольку с помощью данного метода можно добиться результатов высокой точности, однако данный алгоритм сложен в подборе эффективной формулы вычисления.Палинология - это междисциплинарная наука, являющаяся частью ботаники, систематики, геологии, археологии, медицины и других отраслей, и связанна с изучением спор и пыльцевых зерен растений их рассеивания и применения.Пыльцевое зерно представляет по своей сути биологический контейнер, выполняющий защитную функцию от неблагоприятных воздействий окружающей среды, для того чтобы передать мужской гаметофит покрытосеменных или голосеменных растений с пыльника на пестик. Далее рассмотрим этапы анализа пыльцевых зерен: сбор, обработку и распознавание. Математическая формулировка задачи распознавания следующая: пусть X - пространство объектов (в данной случае, изображений), Y - классы (в данном случае, вида). Они в своей работе использовали следующие классификаторы метод Фишера (Fischer), метод опорных векторов (SVM) и Random Forest, кроме того на этапе обработки изображения они предложили новый признак сегментации пыльцевых зерен, который назвали признак новой внутренне-контурной (novel contour-inner) сегментации зерен. Первый класс - это класс, описывающий пыльцевое зерно, который хранит информацию об загруженном изображении пыльцевого зерна, а также контур, класс и признаки пыльцевого зерна.В работе проведено исследование возможности распознавания пыльцевых зерен методом голосования на фотографиях, сделанных под микроскопом, с целью их классификации. Была описана предметная область - палинология, предмет изучения палинологии пыльцевые зерна и этапы их анализа. Были выделены наиболее важные таксономические признаки пыльцевых зерен, такие как форма, размер, цвет, апертуры и строение экзины и интины. Также в ходе анализа была сформулирована постановка задачи, которая заключалась в разработке программы классификатора для распознавания пыльцевых зерен. Описано решение основных этапов для распознавания пыльцевых зерен: предобработка изображения и классификация сегментированных пыльцевых зерен.