New image pre-processing methods for tracking various biological objects movement

Abstract

Дослідження алгоритмів для відстеження динаміки руху різних біологічних об'єктів є актуальним. На вибір оптимальних методів і алгоритмів відстеження об'єктів, для конкретного завдання, сильно впливають особливості і характеристики цих об'єктів і умови їх візуалізації. Тому, щоб автоматизувати процеси адаптації алгоритмів розпізнавання-відстеження, в статті розглядаються кілька варіантів алгоритмів для стеження за об'єктами реалізованими в проектах Labview. Специфіка цих об'єктів, умови їх візуалізації і параметри моделі сильно впливають на вибір методів і алгоритмів, які є оптимальними для конкретного завдання. Тому в цій статті для автоматизації процесів адаптаційних алгоритмів розпізнавання-відстеження запропоновано кілька алгоритмів попередньої обробки кадрів з використанням інструментів NI Labview і Vision Assistant. Попередня обробка включала вирівнювання загальної фонової яскравості зображення, усунення високочастотного шуму і різних артефактів (виділені області, проміжки, переломи) з вихідного зображення, контрастності, порогового значення, бінаризації і інших функціональних перетворень. Проекти дозволяють швидко змінювати шаблони для навчання і перепідготовки системи. Вони адаптуються до швидкості об'єктів і статистичних характеристик шуму в зображеннях. У статті обговорюються нові методи попередньої обробки зображень для алгоритмів, які відстежують динаміку руху різних біологічних об'єктів. Будуть представлені і проаналізовані експерименти, проведені для тестування трекерів на реальних відеофайлах.

Исследование алгоритмов для отслеживания динамики движения различных биологических объектов является актуальным. На выбор оптимальных методов и алгоритмов отслеживания объектов, для конкретной задачи, сильно влияют особенности и характеристики этих объектов и условия их визуализации. Поэтому, чтобы автоматизировать процессы адаптации алгоритмов распознавания-отслеживания, в статье рассматриваются несколько вариантов алгоритмов для слежения за объектами, реализованными в проектах Labview. Специфика этих объектов, условия их визуализации и параметры модели сильно влияют на выбор методов и алгоритмов, которые являются оптимальными для конкретной задачи. Поэтому в этой статье для автоматизации процессов адаптационных алгоритмов распознавания-отслеживания предложено несколько алгоритмов предварительной обработки кадров с использованием инструментов NI Labview и Vision Assistant. Предварительная обработка включала выравнивание общей фоновой яркости изображения, устранение высокочастотного шума и различных артефактов (выделенные области, промежутки, переломы) из исходного изображения, контрастности, порогового значения, бинаризации и других функциональных преобразований. Проекты позволяют быстро менять шаблоны для обучения и переподготовки системы. Они адаптируются к скорости объектов и статистическим характеристикам шума в изображениях. В статье обсуждаются новые методы предварительной обработки изображений для алгоритмов, отслеживающих динамику движения различных биологических объектов. Будут представлены и проанализованы эксперименты, проведенные для тестирования трекеров на реальных видеофайлах.

The algorithms to tracking of movement dynamics of various biological objects now it is actually to studying. Features and characteristic of objects, conditions of their visualization strongly influence the choice of optimal methods and algorithms for a specific task it they tracking. Therefore, to automate the processes of adaptation of recognition-tracking algorithms, several Labview project trackers are considered in the article. Specificity of these objects, conditions of their visualization and model parameters strongly influence the choice of methods and algorithms, which are optimal for a specific task. Therefore, in this article, in order to automate the processes of adaptation algorithms of recognition - tracking, we suggest several frames pre-processing algorithms using NI Labview tools and Vision Assistant. Preprocessing included equalization of general background luminance of the image, elimination of high-frequency noise and different artifacts (highlighted areas, gaps, fractures, etc.) from the original image, contrasting, thresholding, binarization and other functional transformations. Projects allow changing templates for training and retraining the system quickly. They adapt to the speed of objects and statistical characteristics of noise in images. New pre-processing methods image for algorithms tracking of movement dynamics of various biological objects will be discussed. The experiments carried out to test the trackers on real video files will be presented and analyzed.