Г.С. Байдин – преподаватель, факультет «Информатика и системы управления», 

Московский государственный технический университет им. Н.Э. Баумана 

(Национальный исследовательский университет)

E-mail: baydin1015@gmail.com

А.С. Титов – студент, факультет «Информатика и системы управления» 

Московский государственный технический университет им. Н.Э. Баумана 

(Национальный исследовательский университет)

E-mail: toliakpurple@gmail.com

Постановка проблемы. С ростом сложности исследования химических соединений в различных средах и усложнением обработки результатов экспериментов возникает необходимость в автоматизации данного процесса для улучшения точности и достоверности полученных результатов.

Цель работы – разработка методики для автоматизированного подсчета количества частиц в веществе на изображениях электронного микроскопа.

Результаты. Разработана методика автоматизированного подсчета количества частиц в веществе на изображениях электронного микроскопа. Получена оптимальная последовательность применения различных алгоритмов для изображений электронного микроскопа с целью решения поставленной задачи. Предложенная методика предназначена для решения практических задач по определению количества частиц на изображениях электронного микроскопа.

Практическая значимость. Разработанная методика может быть использована на различных этапах проведения эксперимента с участием частиц и использованием микроскопа.

1. Кобаяси Н. Введение в нанотехнологию. М.: Бином. Лаборатория знаний. 2008. 134 с.
2. Фостер Л. Нанотехнологии. Наука, инновации и возможности. М.: Техносфера. 2008. 352 с.
3. Сойфер В.А., Куприянов А.В. Анализ и распознавание наномасштабных изображений: традиционные подходы и новые постановки задач // Компьютерная оптика. 2011. Т. 35. № 2. С. 136–144.
4. Подсчет частиц в жидкостях. [Электронный ресурс] Режим доступа: http://www.tehnopribor.ru/downloads/sciencearticles/schetchik-chastits.php-clear_cache=Y (Дата обращения: 20.12.2019)
5. American Meteorological Society Glossary. [Электронный ресурс] Particle. Режим доступа: http://glossary.ametsoc.org/wiki/Particle (Дата обращения: 15.12.2019)
6. Национальная библиотека МГТУ им. Н.Э. Баумана [Электронный ресурс]. Медианная фильтрация. Режим доступа: https://ru.bmstu.wiki/Медианная_фильтрация (Дата обращения: 15.12.2019)
7. Ridler T.W., Calvard S. Picture thresholding using an iterative selection method. IEEE transactions on Systems, Man and Cybernetics. 1978. V. 8(8). P. 630 – 632.
8. Zack G.W., Rogers W.E., Latt S.A. Automatic Measurement of Sister Chromatid Exchange Frequency. Journal of Histochemistry and Cytochemistry. 1977. P. 25 (7). P. 741–753: DOI: 10.1177/25.7.70454.
9. Otsu N. A threshold selection method from gray-level histograms. IEEE transactions on Systems, Man and Cybernetics. 1979. V. 9. № 1. P. 62–66.
10. Байдин Г.С., Букреев Д.Д. Методика распознавания злокачественных новообразований в желудке человека на снимках компьютерной томографии с использованием алгоритмов обработки изображений // Биомедицинская радиоэлектроника. 2019. Т. 22. № 5. С. 5–14. DOI: 10.18127/j15604136-201905-03.
11. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. 2015. ArXiv, abs/1505.04597.
12. Haddad R.A., Akansu A.N. A Class of Fast Gaussian Binomial Filters for Speech and Image Processing. IEEE Transactions on Acoustics, Speech, and Signal Processing. 1991. V. 3. P. 723–727.
13. Zhang C., Zhu G., Chen M., Chen H., Wu C. Image Segmentation Based on Multiscale Fast. 2019. ArXiv, abs/1812.04816.
14. Yuan C., Yang H. Research on K-Value Selection Method of K-Means Clustering Algorithm. 2019. J. 2. 226–235. 10.3390/j2020016. 
15. Manifold System documentation. [Электронный ресурс] Images and channels. Режим доступа: http:// www.georeference.org/doc/manifold.htm #images_and_channels.htm (Дата обращения 12.04.2020).
16. Kaspers A. Blob Detection. Biomedical Image Sciences. Image Sciences Institute. UMC Utrecht. 2011.
17. Ганявин В.А., Битус Е.И., Сараев В.В., Манцевич А.Ю., Ганявина Н.А. Компьютерный анализ микрофотоизображений пористой структуры нетканых текстильных материалов. М.: МГУДТ им. К.Г. Разумовского. 2015. 158 с.
18. Астахов М.М., Кондарь В.И., Сторожук О.М. Способы изучения микроструктур с помощью оптического цифрового микроскопа. М.: МИФИ. 2018. 124 с.
19. Никитин А.Е. Построение анализатора изображений гранулометрического типа // Научно-технический вестник информационных технологий, механики и оптики. 2008. №46. Режим доступа: https://cyberleninka.ru/article/n/postroenieanalizatora-izobrazheniy-granulometricheskogo-tipa (Дата обращения: 10.02.2020).