Original Title:  Analiza obrazów w automatycznym systemie identyfikacji ziaren pyłku roślin
Translation:

 Image analysis in automatic system of pollen recognition

Autors: PIOTR RAPIEJKO, ZBIGNIEW M. WAWRZYNIAK, RYSZARD S. JACHOWICZ, 
DARIUSZ JURKIEWICZ

 

Source:

ACTA AGROBOTANICA 2006, 59(1):385-393               

Type of publication: praca doświadczalna 
ISSN/ISBN: ISSN 0065-0951
Language: Polish
Key words:  ziarna pyłku, rozpoznawanie, aeroalergeny, analiza obrazów, system monitorowania
Słowa kluczowe:

 pollen grains, recognition, aeroallergens, image analysis, monitoring system

Address: Piotr Rapiejko   MD, PhD, Klinika Otolaryngologii WIM w Warszawie, ul. Szaserów 128, 00-909 Warszawa

 

Abstract:

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.
386 Piotr Rapiejko, Zbigniew M. Wawrzyniak, Ryszard S. Jachowicz, Dariusz Jurkiewicz
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.

Streszczenie:

   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 stężeń 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 pomocą mikroskopu 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. Szczególną uwagę po-
święcono 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 doświadczeń. 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).

free ful text in pdf. http://www.palynology.allergy.pl/2006/2006-18.pdf

Powrót do: Strony głównej