Количественные критерии оценки качества цифровой обработки изображений веществ различной физико-химической природы тема автореферата и диссертации по физике, 01.04.01 ВАК РФ

Жуковская, Инга Анатольевна АВТОР
кандидата технических наук УЧЕНАЯ СТЕПЕНЬ
Ижевск МЕСТО ЗАЩИТЫ
2014 ГОД ЗАЩИТЫ
   
01.04.01 КОД ВАК РФ
Диссертация по физике на тему «Количественные критерии оценки качества цифровой обработки изображений веществ различной физико-химической природы»
 
Автореферат диссертации на тему "Количественные критерии оценки качества цифровой обработки изображений веществ различной физико-химической природы"

ЖУКОВСКАЯ ИНГА АНАТОЛЬЕВНА

КОЛИЧЕСТВЕННЫЕ КРИТЕРИИ ОЦЕНКИ КАЧЕСТВА ЦИФРОВОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ВЕЩЕСТВ РАЗЛИЧНОЙ ФИЗИКО-ХИМИЧЕСКОЙ ПРИРОДЫ

Специальность 01.04.01 — Приборы и методы экспериментальной физики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

005546252

2 и МАР 2014

005546252

ЖУКОВСКАЯ ИНГА АНАТОЛЬЕВНА

КОЛИЧЕСТВЕННЫЕ КРИТЕРИИ ОЦЕНКИ КАЧЕСТВА ЦИФРОВОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ВЕЩЕСТВ РАЗЛИЧНОЙ ФИЗИКО-ХИМИЧЕСКОЙ ПРИРОДЫ

Специальность 01.04.01 - Приборы и методы экспериментальной физики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Работа выполнена в Совместной с ФТИ им. А.Ф. Иоффе РАН научно-учебной лаборатории «Компьютерные технологии в дифракционной диагностике материалов» Санкт-Петербургского государственного университета сервиса и экономики (Новгородский филиал)

Научный руководитель: доктор физико-математических наук, профессор

Ткаль Валерий Алексеевич

Официальные оппоненты: доктор физико-математических наук

Асадчиков Виктор Евгеньевич

Федеральное государственное бюджетное учреждение науки Институт кристаллографии им. A.B. Шубникова РАН

доктор технических наук, профессор Мурынов Андрей Ильич

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Ижевский государственный технический университет имени М.Т. Калашникова»

Ведущая организация: Федеральное государственное бюджетное образовательное

учреждение высшего профессионального образования «Псковский государственный университет».

Защита диссертации состоится « е^>> ^^ 2014 г. в ^^ часов в ауд. ^ на заседании диссертационного совета ДМ212.275.03 в Удмуртском государственном университете по адресу: 42603^, Ижевск, ул. Университетская, 1.

Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью, просим направлять по адресу: 426034, Удмуртская Республика, г. Ижевск, ул. Университетская, 1.

С диссертацией можно ознакомиться в библиотеке Удмуртского государственного университета. Автореферат размещен на официальном сайте Минобрнауки РФ http://www.mon.gov.ru и УдГУ http://v4.udsu.ru/science/avtoref 2011 03 «¿V» 2014 г.

Автореферат разослан « Р£у> 2014 г.

Учёный секретарь диссертационного совета /

к.ф.-м.н., доцент V •// /' ) Крылов П.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Эффективное решение многих задач, стоящих перед наукой и производством, невозможно без разработки и внедрения современных высокочувствительных и универсальных методов экспресс-диагностики и контроля качества объектов различной физико-химической природы, включая применение на практике объективных количественных критериев, уменьшающих субъективный фактор при оценке их качества. Эти методы должны быть простыми, по возможности неразрушающими, надежными и объективными, высокочувствительными и экспрессными, доступными для широкого круга исследователей и предприятий, применимыми для исследования веществ различной физико-химической природы.

Современная микро- и наноэлектроника основана на применении совершенных монокристаллических материалов, тонких пленок, на внедрении новых технологий, а также на использовании для исследования материалов и разнообразных методов оценки их качества. Надежное выявление дефектов кристаллической структуры позволяет выпускать изделия микро- и наноэлектроники высокого качества. Наличие в активной области приборов и микросхем даже одного микродефекта приводит к нестабильности и деградации параметров и характеристик, к снижению надежности как самих приборов и микросхем, так и изделий на их основе. Важной задачей остается повышение чувствительности и разрешения существующих, а также разработка новых более экспрессных методов регистрации и идентификации различных дефектов структуры кристаллической решетки. Методы рентгеновской топографии и поляризационно-оптический анализ (метод фотоупругости) во многом отвечают перечисленным выше требованиям.

К факторам, затрудняющим расшифровку экспериментального контраста, формируемого дефектами структуры, относятся слабая контрастность, фоновая неоднородность и зернистость фотоэмульсии. Их устранение позволяет повысить надежность выявления и однозначность идентификации дефектов структуры различного типа. Наиболее перспективными методами устранения зашумляющих факторов являются методы, основанные на цифровой обработке экспериментального контраста, которая повышает его качество, уменьшает субъективный фактор, обусловленный визуальным контролем, и дает возможность введения объективных количественных критериев оценки изображений дефектов. При этом достигается надежная расшифровка экспериментального контраста, более однозначная идентификация дефектов структуры, выбор наиболее оптимального диагностического метода и метода цифровой обработки.

Интерес к использованию компьютерных технологий характерен и для других отраслей экономики, в частности, пищевой промышленности. Большинство применяемых диагностических методов требуют, как правило, дорогостоящего оборудования, химических реактивов, высокой квалификации специалистов и не являются экспрессными. В основе многих из них

лежит визуальный контроль качества сырья и готовой продукции. Человеческий глаз уступает техническим средствам при регистрации изменений цветовых характеристик исследуемых объектов в процессе их переработки и производства, хранения, транспортировки и воздействия различных внешних факторов. К важнейшим характеристикам, напрямую связанным с качеством продукции и с изменениями, происходящими в ней, относится цвет. Разработка эффективных методов цифровой экспресс-диагностики качества сырья, продуктов питания, технологических процессов, основанных на регистрации изменений цветовых характеристик, и введение количественных критериев оценки их качества также являются важной научной и практической задачей, решению которой и посвящена данная работа.

Цель работы:

— разработка и дальнейшее совершенствование методов цифровой обработки экспериментального контраста (изображения), формируемого объектами различной физико-химической природы;

— повышение экспрессное™ и введение объективных количественных критериев оценки качества исследуемых объектов и происходящих в них изменений при воздействии различных внешних факторов, основанных на регистрации цветовых характеристик;

— исследование и визуализация цифровыми методами процесса посола мяса и определение его количественных параметров и характеристик.

Объекты исследования: теоретические и экспериментальные изображения дефектов структуры монокристаллов, полученные поляризационно-оптическим анализом и рентгеновской топографией на основе эффекта Бормана (метод РТБ); мясное сырье отечественных и зарубежных производителей (говядина и свинина); мясная продукция (колбасные изделия); мясо цыплят-бройлера, подвергнутое различным способам посола многокомпонентной смесью (соль-перец-чеснок); речная и питьевая вода; пиво и вино разных производителей.

Решаемые проблемы и исследуемые процессы: выявление и идентификация в монокристаллах на фоне зашумляющих факторов дефектов структуры различного типа; повышение экспрессности цифровой обработки экспериментального контраста на основе дискретного вейвлет-анализа; поиск простых и надежных количественных критериев анализа экспериментального контраста, уменьшающих субъективность его расшифровки и идентификации дефектов структуры, выбора оптимального метода цифровой обработки и вейвлет-базиса; оценка влияния различных внешних факторов на качество пищевой продукции (условия хранения, заморозка и разморозка); визуализация процесса посола мяса многокомпонентной смесью и определение его количественных параметров ц характеристик (глубины и скорости проникновения смеси и ее компонентов); оценка эффективности очистки питьевой воды; регистрация процесса старения пива и частиц различной физико-химической природы, содержащихся в нем, без применения специальных красителей; выявление фальсифицированной винной продукции.

Методы исследования: поляризационно-оптический анализ; рентгеновская топография на основе эффекта Бормана; методы цифровой обработки экспериментального контраста, основанные на анализе яркостных и частотных (дискретный вейвлет-анализ) характеристик; тестированные методики оценки качества сырья и готовой продукции, применяемые на предприятиях пищевой промышленности и водоочистительных станциях.

Научная новизна работы.

1. Для зашумленного теоретического контраста монокристаллического 6Н-8!С, реставрированного цифровой обработкой вейвлетами Мейера (Птеу) и Симлета с масштабом функции 8 (ЯутЯ), проведена количественная оценка качества устранения шума с использованием метрик РвЖ (отношение сигнала к шуму), МЯЕ (среднеквадратичное отклонение),

(показатель структурного сходства) и яркостных характеристик.

2. Для различных типов дефектов структуры (краевой и правовинтовой дислокаций, когерентных включений типа «вакансия» и «внедрение») проведена количественная оценка качества цифровой обработки теоретического и экспериментального контрастов монокристалла бН-БЮ (незашумленного и зашумленного) вейвлетами Хут8 и Птеу, основанная на анализе яркостных характеристик, профилей интенсивности и разностного контраста.

3. На примере поляризационно-оптического контраста монокристалла 6П-$1С проведена количественная оценка эффективности различных методик цифровой обработки при устранении фоновой неоднородности. Показано, что методика, основанная на выделении при дискретном вейвлет-анализе контраста, формируемого фоновой неоднородностью и ее вычитании из исходного контраста с последующим гаусс-размытием, построением разностного контраста и коррекцией динамического диапазона, уменьшает время обработки в 10-12 раз.

4. Показана возможность организации количественной и качественной экспресс-диагностики сырья и готовой пищевой продукции (мясо, колбасные изделия, вода, пиво, вино), основанной на регистрации изменений цвета по: разностному контрасту, областям равного контраста, профилям интенсивности и яркостным характеристикам.

5. Показана возможность визуализации цифровыми методами процесса посола мяса цыплят-бройлера смесью соль-перец-чеснок, определения глубины и скорости проникновения посолочной смеси её компонент в мясо по цветовым характеристикам (разностному контрасту, областям равного контраста, профилям интенсивности и яркостным характеристикам), а также при разложении оцифрованного изображения по цветовым каналам.

Практическая значимость.

1. На основе дискретного вейвлет-анализа разработана экспресс-методика устранения явления элайзинга и фоновой неоднородности экспериментального контраста вычитанием из исходного контраста фоновой неоднородности с последующим гаусс-размытием, построением разностного контраста и коррекцией динамического диапазона.

2. Предложена методика количественной оценки качества цифровой обработки, эффек-

тивности диагностических методов и выбранных вейвлет-базисов, основанная на построении разностного контраста (нулевого и ненулевого) и яркостных характеристик, обладающая по сравнению с метриками РЯМК, МБЕ и 881М большей простотой и экспрессностью.

3. Разработаны и апробированы в условиях производства цифровые экспресс-методики контроля качества мясного сырья, мясной продукции и влияния на них различных внешних факторов, основанные на регистрации изменений цветовых характеристик.

4. Разработаны четыре цифровые экспресс-методики визуализации процесса посола мяса цыпленка-бройлера смесью соль-перец-чеснок и определения по изменению цветовых характеристик количественных характеристик процесса (глубины и скорости проникновения смеси и ее компонент), совпадающие с предложенными теоретическими моделями.

5. Показана возможность выявления в пиве без применения специальных красителей частиц различной физико-химической природы, а также возможность исследования процесса старения и стабилизации пива, основанная на регистрации изменений цвета (построении разностного контраста, яркостных характеристик и профилей интенсивности).

6. Разработана и апробирована на водоочистительной станции цифровая экспресс-методика диагностики качества речной и питьевой воды, основанная регистрации изменений цветовых характеристик.

7. Разработана цифровая экспресс-методика выявления фальсифицированной винной продукции, основанная на сравнении исследуемой продукции с эталонными образцами и регистрации изменений цветовых характеристик.

8. Цифровые методики позволили зарегистрировать не только качественные изменения цветовых характеристик исследуемого вещества, но и дать количественную оценку этих изменений, снизить субъективность визуального контроля.

Методики могут быть применены на предприятиях пищевой промышленности и в организациях, контролирующих качество пищевых продуктов, их производство, хранение и реализацию через торговую сеть, например, торговой инспекцией и Роспотребнадзором.

Научные положения, выносимые на защиту.

1. Уменьшение 10-12 раз времени обработки экспериментального контраста, содержащего дефекты структуры и сильную фоновую неоднородность, устранение элайзинга достигается применением дискретного вейвлет-анализа и методики, основанной на выделении из исследуемого изображения фоновой неоднородности с последующим ее вычитанием из исходного изображения, гаусс-размытием, построением разностного контраста и коррекцией динамического диапазона.

2. Уменьшение субъективного фактора, связанного с визуальным контролем экспериментального контраста и идентификацией дефектов структуры, с оценкой эффективности различных диагностических методов, выбора оптимального вейвлет-базиса и с регистрацией изменений цветовых характеристик объектов различной физико-химической природы, доб

стигается применением количественных критериев - яркостных характеристик, разностного контраста (нулевого и ненулевого), областей равного контраста и профилей интенсивности.

3. Визуализация процесса посола мяса и определение его количественных характеристик (глубины и скорости проникновения смеси и её компонент) достигается построением яр-костных характеристик, разностного контраста (нулевого и ненулевого), областей равного контраста, профилей интенсивности и разложением оцифрованного изображения по цветовым каналам.

Обоснованность и достоверность теоретических и экспериментальных исследований доказывается широкой апробацией основных результатов работы на конференциях и семинарах различного ранга, публикациями в академических журналах, изданием в Германии в течение 2011-2013 годов в соавторстве со своими коллегами 2 научных монографий по данной тематике, а также применением современных методов и оборудования.

Аппобация работы. Основные положения диссертационной работы были представлены:

- тремя докладами на Пятом международном научном семинаре «Современные методы анализа дифракционных данных (топография, дифрактометрия, электронная микроскопия)», Великий Новгород, 2011 г.;

- тремя докладами на Третьей международной молодёжной научной школе-семинаре «Современные методы анализа дифракционных данных (дифракционные методы для нанотехно-логии)»,Великий Новгород, 2011 г.;

- докладом на 11th Biennial Conference on High Resolution X-Ray Diffraction and Imaging (XTOP 2012), г. Санкт-Петербург, 2012 г.;

-докладом на конференции «Рентгеновская оптика 2012», Черноголовка, 2012 г.; -двумя докладами на конференции «Лауэ 100», Нижний Новгород, 2012 г.;

- четырьмя докладами на Четвертой международной молодежной научной школе-семинаре «Современные методы анализа дифракционных данных и актуальные проблемы рентгеновской оптики». Великий Новгород, 19 - 27 августа 2013 г.;

- дв\-мя докладами на Шестом международном научном семинаре «Современные методы анализа дифракционных данных и актуальные проблемы рентгеновской оптики». Великий Новгород, 19-27 августа2013 г.;

- четырьмя докладами на 17th International Conference on Crystal Growth and Epitaxy (ICCGE-17 Conference). Warsaw, Poland, August 11-16, 2013;

- тремя докладами на Radiation from Relativistic Electrons in Periodic Structures and Electron, Positron, Neutron and X-ray Scattering under External Influences. September 23-27, 2013, Yerevan, Armenia;

-тремя докладами на Пятой международной конференции «Кристаллофизика 21-говека» и Третьих московских чтениях по проблемам прочности материалов. НИТУ «МИСиС», г. Москва, 28 октября - 2 ноября 2013 г.

— на научном семинаре в Псковском государственном университете (г. Псков);

- на конференциях профессорско-преподавательского состава, аспирантов и студентов Новгородского филиала СПбГУСЭ за 2011-2013 г.;

Публикации. По теме диссертации опубликована 28 работ, из них: 2 научные монографии, изданные в Германии, 2 статьи в академическом журнале, рекомендованном ВАК, остальные 24 работы представляют собой расширенные тезисы докладов на международных и российских конференциях и семинарах. Перечень основных публикаций приведён в выводах и основных результатах работы.

Личный вклад автора. Основные экспериментальные результаты, представленные в работе, получены соискателем или при непосредственном его участии. Постановка задач диссертационного исследования, определение методов их решения и интерпретация результатов также выполнены при непосредственном участии соискателя совместно с соавторами опубликованных работ.

Структура и объём диссертации. Диссертация состоит из введения, трех глав, заключения, списка литературы, содержащего 226 наименований. Объём диссертации составляет 207 страниц, включая 95 рисунков и 12 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении дано обоснование актуальности проводимых в данной диссертации исследований, сформулирована цель работы, приведены научные положения, выносимые на защиту, отмечены научная новизна и практическая значимость работы.

Первая глава состоит из 12 разделов и представляет собой краткий литературный обзор основных методов регистрации и особенностей формирования изображений дефектов структуры различного типа. В разделе 1.1. рассматривается формирование экспериментального контраста в методах Ланга, РТБ и Берга-Баретта-Ньюкирка, а также определены области их наиболее эффективного применения. В разделе 1.2. рассматривается метод фотоупругости и формирование экспериментального контраста. Раздел 1.3 посвящен описанию метода топо-томографии, представляющего собой комбинацию рентгеновской топографии и микротомографии и позволяющего получать по дифракционным данным трехмерное изображение дефектов в кристалле. В разделе 1.4 рассматриваются приемы расшифровки экспериментального контраста и идентификации дефектов структуры, моделирования теоретического контраста дефектов структуры различного типа. В разделе 1.5 описываются основные факторы, затрудняющие расшифровку экспериментального контраста и надежную идентификацию дефектов структуры: слабая контрастность, фоновая неоднородность и зернистость. В разделе 1.6 рассматриваются направления цифровой обработки контраста: улучшение качества, количественные измерения, распознавание и компрессия. Раздел 1.7 посвящен краткому описанию ранее апробированных методов цифровой обработки, используемых для устранения основных зашумляющих факторов, базирующихся на анализе яркостных характеристик

экспериментального контраста. Проводится сравнение их эффективности и применимости. В разделе 1.8 перечисляются методы, основанные на частотном анализе экспериментального контраста. Раздел 1.9 содержит краткое изложение теории дискретного вейвлет-анализа. В разделах 1.10 и 1.11 рассматриваются особенности цифровой обработки, основанной на дискретном вейвлет-анализе, и ранее полученные результаты устранения фоновой неоднородности и зернистости экспериментального контраста, содержащего различные дефекты структуры. Сравнивается эффективность обработки изображений при использовании различных методов и вейвлет-базисов. Делается вывод о перспективности и наибольшей эффективности методов, основанных на частотном анализе экспериментального контраста. Раздел 1.12 содержит выводы и постановку основных задач данного диссертационного исследования, а именно: 1) разработка методики разделения близко расположенных дефектов структуры; 2) разработка простых количественных критериев оценки эффективности цифровой обработки, выбранного метода и выбора оптимального вейвлет-базиса; 3) оценка искажений и потери информации при цифровой обработке контраста; 4) апробирование методик качественного и количественного анализа для исследования и диагностики веществ различной физико-химической природы и технологических процессов (рассматривается в 3 главе).

Вторая и третья главы содержат основной экспериментальный результат, полученный при выполнении данной диссертационной работы.

Во второй главе рассматриваются различные методики количественной оценки качества топографических и поляризационно-оптических изображений дефектов структуры монокристаллов, снижающие субъективный фактор при визуальном восприятии анализируемого контраста и вероятность ошибок при идентификации дефектов и их локализации в объеме монокристалла. Глава содержит восемь разделов. Раздел 2.1 посвящен моделированию основных зашумляющих факторов топографического и поляризационно-оптического контрастов. Предложенная математическая модель шума выглядит следующим образом:

S2 =S¡+(СRandom (10)/10)-(5/10)), где S¡ - значения исходного изображения без шума, S2 - значения исходного изображения с учётом шума, (Random(10)/10)-(5/10) - функция генерирования шума, в которой (Random (10)/10) — значение функции генерирования чисел в диапазоне от 0 до 10 поделённое на 10, а (5/10) - слагаемое, позволяющее сместить сгенерированный шум в отрицательную область для его симметричного наложения. Сгенерированный шум со случайным распределением симметрично добавляется к изображению в сторону его затемнения и осветления, т.е. в положительную и в отрицательную области. Подбирая параметры генерирования шума (Random(10)/10) и слагаемого смещения, можно получить разную степень зашумлённости. Для большего соответствия экспериментальному контрасту полученные изображения подвергались небольшому гаусс-размытию (радиус 1-2 пикселя).

При моделировании теоретического контраста задаются основные параметры дефектов структуры, включая и их расположение в объеме монокристалла. Если смоделировать основные «зашумляющие» факторы - зернистость и фоновую неоднородность изображений, то, варьируя параметрами моделирования, можно получить теоретический контраст, максимально приближенный к экспериментальному. Зная заложенные при моделировании параметры, можно расшифровать экспериментальный контраст и идентифицировать дефект структуры, включая и его расположение в объёме кристалла. Применив цифровую обработку экспериментального и «подогнанного» под экспериментальный зашумленного теоретического контраста, можно проверить правильность идентификации дефекта структуры. Критерием правильности служат одинаковые по виду обработанные контрасты. Пример изображений:

экспериментального топографического, теоретического и теоретического с моделированным шумом для винтовой дислокации в монокристалле 6H-SiC представлен на рис. 1. В разделе 2.2 рассмотрены основные проблемы, решаемые введением количественных критериев, при выборе метода цифровой обработки и оценке ее результатов. а также при выборе оптимального вейвлет-базиса. В разделе 2.3 приводится классификация

Рис.1. Изображения винтовой дислокации в методик количественной оценки качества изоб-монокристсише 6H-SiC: экспериментальное „

топографическое (а), теоретическое (6) и Ражении и выОор методик для последующего

теоретическое смоделированным шумом (в) [1] применения: среднеквадратичное отклонение или

стандартное отклонение (MSE), пиковое отношение сигнала к шуму (PSNR) и показатель структурного сходства (SS1M). В разделе 2.4 на примере цифровой обработки теоретического зашумленного контраста дефектов структуры монокристалла бП-SiC различными вейвлета-ми приводятся результаты оценки качества реставрации с помощью метрик PSNR, MSE и SSIM. Установлено, что по сравнению с PSNR и MSE методика оценки качества изображений по структурной схожести SSIM является более перспективной, так как при расчете учитываются яркостные, контрастные и структурные особенности сравниваемых изображений. В разделе 2.5 предложен и апробирован более простой, экспрессный и легко технически реализуемый подход количественной оценки качества цифровой обработки, основанный на построении для анализируемого контраста яркостных характеристик (ЯХ), профилей интенсивности (ПИ) и разностного контраста (РК). Методика продемонстрирована на примере цифровой обработки теоретического зашумленного контраста краевой (а) и правовинто-вой (б) дислокаций, а также когерентного включения типа «вакансия» (в) монокристаллического 6H-SiC вейвлетами Симлета с масштабом функции В (sym8) и Мейера (dmey). При визуальном восприятии обработанных изображений отдать преимущество одному из вейвлетов

В is ВЫ ■ III

с

1

100 мкм

практически невозможно (рис.2). Трудно выявить и искажения контраста, вносимые вейвлет-обработкой: изображения содержат практически все основные особенности, характерные для исходного (незашумленного) теоретического контраста.

- тттяттт • • ~ -

ЩШШШМйттшшшШШШЖ * •

sym 8

dmey

sym8

dmey

sym8

dmey

I

200

200 ........с:;.............. 1 \ : 200 frz. i"

1 НЮ 100 1 "V *: " V "у ";.....

ч> \ • Vh[

400 »10 шва*» 400 800 пиксель Ш* S(l(!

N «1)000

4«в(КН> 2Ш0С

.......Ш'" I

4000«»;

31I09IKI |

ЗОШНИН 1

жинин L- а...........у

N

ZOftMKt

I

Рис.2. Результат цифровой обработки вейвлетами sym8 и dmey теоретического контраста с моделированной зернистостью краевой (а), правовинтовой (б) дислокаций и когерентного включения типа «вакансия» (в) для монокристалла 6H-SiC [!]

Аналогичный результат получается и при наложении на зашумленный контраст фоновой неоднородности. На рис. 3 в качестве примера приведены снятые в программе «Image-Pro Plus 6.0» ПИ (рис.ЗаДе), представляющие собой изменение интенсивности в направлении

указанном стрелкой на рис 2Д и ЯХ (рис.ЗгДе), представляющие собой гистограмму анализируемого изображения: исходного (рис.3 а,г) и обработанного вейвлетами sym 8 (рис.3б,д) и dmey (рис.Зв.е) теоретического изображения правовинтовой

ь о е

Рис. 3. ПИ (а, б. в) и ях(г, д, е) исходного (а, г) и подвергнутого Дислокации. Для ПИ по оси ор-цифровои обработке вейвлетами sym 8 (б, д) и dmey (в, е) ет отложена интенсивность в зашумленного теоретического соображения правовинтовой

дислокации монокристалла 6H-SiC [1,2] градациях серого цвета (у 8-

битных изображений (0-255)), а по оси абсцисс - расстояние в пикселях. Для ЯХ по оси абсцисс отложена интенсивность (I) в градациях серого цвета (0-255), а по оси ординат - количество пикселей (N). имеющих определенную интенсивность. ПИ исходного и обработанного теоретического контраста практически идентичны, и говорить о преимуществе того или иного вейвлет-базиса трудно, но максимальные значения ЯХ исходного и обработанных теоретических изображений сильно отличаются друг от друга. Значение максимума ЯХ вейвле-та sym 8 ближе к исходному контрасту. Чем ближе обработанное различными вейвлет-базисами «защумленное» изображение к исходному теоретическому, тем выше качество цифровой обработки. Следовательно, вейвлет sym 8 является более оптимальным, а в качестве количественного критерия эффективности цифровой обработки, основанной на дискретном вейвлет-анализе, можно использовать ЯХ.

11

|sym8~dmey

1

100 200

.1 1. :

100 200

]

200 I

L

400 800 пиксель

400 800 пиксель

— :Г •. < . Л. 1 '

; sym 8 sym 8

I. • 1 ■ ■ . j -V ' , i , 1

' * ■. у jilmey-dmey

800000 «ооооо

200000

N 800000 600000 100 200

400000

200000

N 100 200

400000 200000

I

200

Простым критерием оценки качества цифровой обработки является РК между обработан-■¡жЬель ными и исходными изображениями (рис. 4). Если два изображения идеально одинаковые, то РК является нулевым и представляет собой однородный фон. РК для <«ут 8—исходное», «с!теу-

исходное» и «эут 8—с)теу» не

о б в является нулевым. Для ЯХ

Рис. 4. Разностный контраст между двумя изображениями «зут 8- наблюдается резкое различие, исходное», « с!теу—исходное » и «хут Н-ётеу» (а), ЯХ (б) и ПИ (в) [1]

соответственно, для <«ут 8-исходное» - 400000 и «ётеу-исходное» - 200000. РК для «эут 8-<1теу», несмотря на визуальную схожесть, также не является нулевым. Следовательно, результат цифровой обработки различными вейвлет-базисами различен. И в этом случае наиболее оптимальным является также вейвлет вут 8.

Аналогичный результат был получен для экспериментального контраста монокристалла бН-БЮ, содержащего скопление краевых дислокаций (рис. 5). Максимум ЯХ в случае обработки топограммы вейвлетом вут 8 выше, чем для вейвлет-базиса (1теу, соответственно, 700000 и 640000. РК I «эуш 8-с1теу» не явля-

эут 8"'<1теу

Рис. 5. Результат вегюлет-обработки фрагмента топограммы монокри- ет(-Я нулевым. Следова-сталла 6Н-51С, содержаи^его скопление краевых дислокаций, и количествен- тельно и для экспери-ная оценка эффективности различных вейвлет-базисов [1, 2]

iü§

1 — 11

Iii™ i II_шсх-исх

I 200

400 800 пиксел i

200 I

Ненулевые РК

N _

21100(1

Нулевые РК.

400 800 пиксель ПИ

N

600000 400000 200000 О

Исходное

sym 8

sym 8-dmey

600000 400000 200000

loa 200 г dmey

800000 600000 400000 200000 о

1

:

100 200 [ Нулевой разностиый контраст

ментального контраста мы получили результат, аналогичный тестовым изображениям.

В разделе 2.6 предложен вейвлет-метод устранения фоновой неоднородности экспериментального контраста, отличающийся от предложенного ранее большим быстродействием и отсутствием явления элайзинга (флуктуаций интенсивности). Время цифровой обработки -8-10 с, что в 10—12 раз меньше, чем по ранее предложенному методу, в основе которого лежало обнуление при декомпозиции масштабных коэффициентов. Предлагаемый метод основан на выделении при дискретном вейвлет-анализе фоновой неоднородности и её вычитании из исходного контраста, рис. 6 (первый метод). Обработка включает четыре этапа: 1 этап -обнуление всех детальных коэффициентов и выделение только фоновой неоднородности; 2 этап - построение РК между исходным контрастом и полученным на первом этапе; 3 этап -гаусс-размытие РК, подбираемое экспериментально; 4 этап - построение результирующего РК между размытым на 3 этапе и РК, полученным на 2 этапе. Для лучшего визуального восприятия полученного контраста проводится коррекция динамического диапазона. В этом же разделе сравнивается эффективность первого метода с методом, основанным на гаусс-размытии исходного изображения до потери деталей, относящихся к дефектам структуры, и его вычитании из исходного с коррекцией динамического диапазона, рис. 6 (второй метод). Визуально контрасты, представленные на рис. 6,6, мало отличается друг от друга, но если построить разностный контраст, то легко выявляется отличие между ними.

Первый метод Второй метод Ненулевой РК

Рис. б. Устранение фоновой неоднородности поляризационно-оптического контраста монокристалла бН-в/С различными цифровыми методами [1, 2]

В разделе 2.1 дана количественная оценка эффективности цифровой обработки ЬГОК-изображений монокристалла 6Н-81С, сохраняемых для последующей вейвлет обработки в 8-бигном и 16-битном форматах. Изображения визуально практически неразличимы. Построив РК между исходными изображениями, получаем не нулевой РК: Г1И имеют сильную флуктуацию интенсивности, а ЯХ колоколовидную форму (рис. 7).

В разделе 2.8 сделан вывод о целесообразности применения на практике методики количественной оценки качества топографических и поляризационно-оптических изображений дефектов структуры монокристаллов, основанной на построении ЯХ, ПИ и РК, что позволяет уменьшить субъективный фактор при визуальном анализе контраста, формируемого дефек-

13

формат 8-бнт

формат 16-бнт

Не нулевой РК (16 - 8 бит)

. , ! ;М.

1У¥ ( "¡р п! Щ

н яркосгныс характеристики не иуленот РК

Рис. 7. НОК-изображения монокристалла бН-З/С, представленные в различных форматах, их РК, ПИ и ЯХ. Стрелкой показано направление снятия ПИ [1, 2]

тами структуры, надежно их идентифицировать и локализовать в объеме монокристалла.

В третьей главе рассматриваются цифровые методики, основанные на регистрации цветовых характеристик и их изменений при различ-1» , НЫХ внешних воздействиях

Нулевой РЩ16-16 бит)

для веществ различной физико-химической природы. Объектами исследования

выбраны сложные для цифровой диагностики мясное сырье и продукция из него, питьевая и промышленная вода, пиво и процесс его старения, вино и различные виды посола мяса многокомпонентной смесью. Основная задача, решаемая в данной главе, сводилась к созданию цифровых методик экспресс-диагностики качества исследуемых объектов, позволяющих свести к минимуму субъективный фактор их оценки, к введению простых и надежных количественных критериев оценки качества, с использованием подходов и критериев, рассмотренных во второй главе. Все методики апробированы в условиях массового производства продукции. В разделе 3.1 кратко описаны основные методы исследования и контроля качества, применяемые предприятиями пищевой промышленности, и обосновывается перспективность применения в качестве основного параметра цвета и его изменений для исследуемых объектов. Последовательность цифровой обработки представлена на рис. 8.

В разделе 3.2 приводятся экспериментальные результаты компьютерной диагностики качества мясного сырья разных поставщиков и регионов. Визуально определить различие цвета мяса разных производителей и различных частей туши часто не представлялось возможным. Качествен-

Рис. 8. Последовательность цифровой обработки исследуемых объектов [3] ные и количественные

отличия между образцами надежно фиксируются по РК, ПИ и ЯХ. Наиболее удобными для количественного анализа являются ЯХ и РК. Уменьшение флуктуации интенсивности, обусловленной влиянием границ между волокнами мышечной ткани, устранялось гаусс-размытием изображений исследуемых образцов (радиус размытия 5-20 пикселей).

Нарушение условий хранения и транспортировки, неоднократная заморозка мясного сырья приводят к существенному снижению его качества и качества изготовленных из него мясных продуктов. На рис. 9 в качестве примера представлен образец говядины, взятый из наружной части тазобедренного отруба туши, который был подвергнут заморозке при температуре минус 18 °С и последующей разморозке при 6 °С. Невидимые изначально человеческим глазом изменения цвета, происшедшие в мясе, надёжно зафиксировались при цифровой обработке изображений. Заморозка и последующая разморозка мясного сырья приводят к изменениям его яркостных характеристик, т.е. цвета.

Рис. 9. Изображения, ПИ и ЯХ говядины наружной части тазобедренного отруба: а - охлаждённый свежий образец; б - после заморозки при температуре минус 18 "С и последующей разморозке (t = 14+16 °С); в - нулевой РК (а-а); г - РК. полученный вычитанием изображении б и а. К. 3 и С - красная, зеленая и синяя компоненты цвета соответственно [3]

В разделе 3.3 представлены экспериментальные результаты компьютерной диагностики колбасы разного вида и разных производителей. Невидимое визуально отличие колбас по цвету надежно регистрируется по ЯХ и РК. Высокая чувствительность методик позволила проследить изменение цвета в зависимости от температуры, условий хранения, рецептуры и производителя. Пример диагностики колбасы варёной «Докторская» представлен на рис. 10. Сканирование проводилось через каждые 3 часа при t = 14^16 "С и влажности воздуха 85 %.

Отличия в контрасте для человеческого глаза не заметны, однако ЯХ имеют значительные количественные отличия, а РК даёт качественную оценку происшедших изменений: с течением времени уменьшается количество точек, имеющих максимальные значения интенсивности (отложено по оси ординат), но сама интенсивность в градациях серого цвета изменяется незначительно (отложена по оси абсцисс).

N С

I и\

Дохоамннч

180000 160000

С 3 к

100000 80000 60000

20000

160000 140000 120000 100000 80000 60000 40000 20000

160000 140000 120000 100000 80000 60000 40000 20000

Рис. 10. Результат цифровой обработки изображений колбасы варёной «Докторская» производителя А: а - исходные, б-РК, полученный путём вычитания изображений после хранения и исходного: в -ЯХ[3]

Раздел 3.4 посвящен компьютерной диагностике сухого и мокрого способов посола мяса цыплят-бройлера многокомпонентной смесью соль-перец-чеснок в соотношении 1:0,11:1. При мокром способе концентрация соли в рассоле составляла 12 %. Для каждого эксперимента отбирались пять кусков мяса размером 5x7 см и толщиной ~2 см, которые укладывали в стеклянные контейнеры. Один кусок мяса обсыпали по всему периметру посолочной смесью, три других - компонентами смеси (отдельно солью, перцем и чесноком). Пятый кусок мяса был контрольным, и по нему оценивалось изменение цвета мяса в процессе эксперимента. Контейнеры с мясом сверху закрывались стеклом. При всех способах посола пропитка мяса проходила только со стороны боковой поверхности, хотя в реальных условиях процесс посола идёт через всю поверхность. Сканирование мяса в течение первого часа проводили через каждые 15 мин, далее - через каждые 30 мин. В промежутках между сканированием мясо находилось в холодильнике при температуре 4-6 "С.

При посоле происходит изменение цвета мяса, фиксация которого человеческим глазом особенно на начальном этапе затруднена. Цифровые методики выявляют незначительные изменения цвета, определяют границу между пропитанными и непропитанными областями, а, следовательно, позволяют оценить по профилям интенсивности (ПИ) и областям равного контраста (ОРК) глубину и скорости проникновения смеси и ее компонентов в мясо.

Разработаны и апробированы три цифровые методики (четвертая - комбинированная).

1. Методика, основанная на анализе областей равного контраста и профилей интенсивности. Скорости процесса посола мяса смесью и её отдельными компонентами по различным направлениям отличны друг от друга, поэтому экспериментальный контраст должен отражать эти обстоятельства. На рис. 11 представлена предполагаемая модель визуализации процесса посола и определение его количественных характеристик. Арабскими цифрами показаны четыре направления, по которым снимались ПИ. В идеальном случае ПИ имеют вид, представленный на рис. 11, е: 1 - исходный, 2^1 - для различного времени посола I, причём II <12<13 и 1,<12<1з, где /- глубина посола. Увеличение времени посола приводит к

16

изменению контраста и ПИ. Сопоставляя изображения ОРК, полученные для разных уровней гаусс-размытия (применяется для уменьшения влияние границ волокон мышечной ткани), с построенными ПИ и, зная размеры образца мяса, удаётся достаточно надёжно определить глубину проникновения посолочной смеси, а также оценить глубину проникновения каждого её компонента в отдельности. Зная время посола и глубину проникновения легко оценить скорость процесса: V = /„//„. | _

I 4 2 1 4 2

Pvc.ll. Схема визуализации процесса посола мяса смесью, состоящей из трех компонент А. В и С: а - исходное просканированное изображение, римскими цифрами показаны направления снятия профилей интенсивности; б - после посола в течение некоторого времени; в - профили интенсивности (1 - исходный, 2 4 - после посола в течение времени I, </г <13, I,, I, 13- глубина посола); г - изменение контраста мяса при посоле при пяти градациях цвета [3]

Суть предлагаемой модели изменения экспериментального контраста. При построении ОРК необходимо выбрать оптимальное число градаций цвета. До посола анализируемый контраст обусловлен в основном мясом и соединительной тканью, т.е. имеем две градации цвета. В процессе посола добавляется контраст, создаваемый компонентами посолочной смеси, условно, А, В и С, т.е. имеем пять градаций цвета, рис. II, г. В первой области присутствуют компоненты А, В и С, во второй-В и С, а в третьей области - только компонента С. Четвёртая и пятая области соответствуют соединительной ткани (желтая область) и мясу (красная область). Линии, разделяющие эти области, можно связать с глубиной проникновения смеси и её компонентов. Увеличение числа градаций цвета позволяет более детально оценить изменение контраста в каждой области. На рис. 12 представлен пример цифровой обработки по первой методике для соли. В общем случае по изменению контраста и по снятым ПИ можно судить об изменении концентрации смеси и её компонентов по глубине, определить скорости их проникновения по интересующим исследователя направлениям.

2. Вторая методика основана на разложении изображения по цветовым каналам (красный, зелёный, синий), построении ОРК и ПИ. При посоле наибольшие изменения цветовых характеристик могут происходить в одном из каналов ЯОВ-изображения (рис. 13). На практике можно проводить обработку не всего изображения, а наиболее интересной для диагностики области.

Исх. 74 128 182 284 638 Исх. 74 128 182 284 638

Рис. 12. Сухой способ посола мяса цыплёнка-бройлера солью. Сканирование в автоматическом режиме с разрешением 600 dpi: а - исходные изображения; б - после гаусс-размытия, радиус размытия 10 пикселей; при 5 градациях цвета: виг - для не размытых и размытых изображений, соответственно. Цифрами указана продолжительность посола в минутах

1 . • 1—ШШШимшш

- ilea V.k

До посола

' синяя

д

После посола в течение 1050 мин

Рис. 13. Разложение изображения по цветовым каналам (компонентам): а - исходное и после мокрого посола в течение 1050 мин.; б - вырезанная полоска; в - разложение цветного изображения по каналам и представление их в градациях серого цвета от 0 до 255; гид- области равного контраста в чёрно-белом и цветном вариантах при 5 градациях цвета[3/

3. Третья методика основана на регистрации разностного контраста. Данная методика цифровой обработки обладает большей наглядностью. Она основана на анализе РК, полученного вычитанием двух изображений, например, исходного и после посола. Если изменений цвета мяса нет, то имеем нулевой РК, а ПИ представляют собой прямую линию (рис. 14, профиль 1). При посоле концентрация компонентов смеси убывает по мере удаления от поверхности вглубь мяса. Построенный РК отражает это обстоятельство изменением

300 , 250

О 200 № ш

5 150

К

и

м 100 К

50

цвета и ПИ (профили 2-6). Количественные характеристики процесса посола определяются

по построенным ОРК и ПИ. Для уменьшения влияния на РК, ОРК и ПИ границ между волокнами мышечной ткани применяется гаусс-размытие. По данной методике можно последовательно записать РК между исходным изображением и изображениями мяса при различном времени посола. По изменению РК можно судить о динамике процесса посола, оценивать изменение цветовых характеристик и определять количественные характеристики за какой-то выбранный отрезок времени. Пример цифровой обработки по третьей методике представлен на рис. 15.

I

$ 1 7-- Т-: -1 к4

У/. кх 1 X \\ Xх „ 4 1 1 1 1 1 н

11 ' II 1 1 1 1 ч\ , 2 1 I 1 1 К ■ 1 N

11 11 1 1 1 1 I 1 1 1 1 1

11 1 1 1 1 1 1 1

-М т1 и-

1. 1,

1, I,

Пиксели

Рис. 14. ПИ и их изменение при посоле, регистрируемое по третьей методике: 1 - при нулевом разностном контрасте (интенсивность равна 255); 2-6 - после посола в течение времени II ' 12 < 13< 14 < г5 < 1б, 11-14- глубина посола (модельное представление) [3]

В результате проведенных исследований удалось провести визуализацию процесса посола, определить глубину проникновения посолочной смеси и каждой отдельной ее компоненты в мясо, а так же вычислить скорость процесса для разных видов посола (табл. 1).

Разностный контраст ОРК длз разностного контраста

Размытый разностный контраст ОРК после таусс.разшытня

Рис. 15. Цифровая обработка изображения мяса цыппёнка-бротера по методике, основанной на анализе разностного экспериментачьного контраста, полученного вычитанием двух изображений - исходного и после посола. Радиус размытия 10 пикселей. ОРК построены для 5 градаций цвета

Таблица 1

Скорость посола для различных компонент смеси, полученная из анализа областей РК и ПИ, выраженная в см/час [3]

^^-^Способ посола Компонент Сухой Мокрый

вдоль волокон перпендикулярно волокнам вдоль волокон перпендикулярно волокнам

Соль 8-13 6-11 5-9 4-6

Перец 0,02-0,035 0,015-0,025 0,1-0,18 0,06-0,08

Чеснок 0,06-0,11 0,04-0,09 0,18-0,35 0,11-0,23

В разделе 3.5 представлены экспериментальные результаты исследования пива разных производителей и показана возможность эффективного применения компьютерных технологий для экспресс-диагностики его качества по цветовым характеристикам (РК, ГШ и ЯХ), регистрации частиц различной физико-химической природы без применения специальных красителей и исследования процесса старения пива.

Раздел 3.6. посвящен компьютерной экспресс-диагностике качества воды, основанной на построении РК, ЯХ и ПИ, а именно: дистиллированной воды; воды рек, каналов и заливов озера Ильмень; воды, поступающей из реки Волхов на левобережные водоочистные сооружения (ЛВС) Великого Новгорода; воды, подаваемой после многоступенчатой очистки в городскую сеть водоснабжения и отвечающей требованиям СанПиН для питьевой воды. Для демонстрации возможностей методик диагностики качества воды ниже приводиться лишь часть экспериментальных результатов (рис. 16 и рис. 17).

с. «Л

\ л

300000 1

100000 0 1

! 1

0 100 2 X)

1 -I»

Г 1

\ 1 Л

1 и г

11 1

юоооо 1

м, 1

100 2 0

5000000 3

( к

/

« Э0 200

5000000

■юооооо

?<!(■> 1 К!

Ши'.'гЛи

!00 «к ' "

0 I

1000 2000 3000

Я''""

к 3

/ /

/

/

0

0 1000 2000 3000 ;

0 00 200

6

к 1.

....../ / /

/

10!)

0

1000 2000 3000

Рис. 16. Результат цифровой обработки изображений одной из проб речной воды до (а, в) и после очистки (б, г): а, б — яркостные характеристики, в, г - профили интенсивности; С, 3 и К — синий, зелёный и красный цветовые каналы

Рис. 17. Результат цифровой обработки для нулевых РК проб речной воды (рис. 16) до (а, в) и после очистки (б, г): а. б - яркостные характеристики, в, г - профили интенсивности

Оцифровка изображений проводилась цифровым аппаратом, установленным при помощи оптической насадки со встроенным дополнительным объективом на микроскоп. Съемка воды проводится при одних и тех же условиях и установках цифрового аппарата: освещении, разрешении, выдержке, расстояния до объекта. Питание микроскопа осуществлялось через стабилизированные источники. Под объектив микроскопа помещалась подготовленная пустая кювета и проводилась её съемка без воды. Далее на центральную область стекла кюветы с помощью шприца наносилось строго определенное количество воды (1 мл) и снова проводилась съемка. Экспериментальный РК получали путём вычитания изображения пустой кюветы из изображения кюветы с водой или изображений двух сравниваемых проб.

Изображения исходных проб воды по цвету визуально друг от друга практически ничем не отличались, но, вычитанием изображения очищенной воды из изображения речной воды.

получали ненулевой РК, я.ркостные характеристики и профили интенсивности которого не имели вид прямых. Максимальные значения ЯХ для речной воды, взятой в разные дни и сезоны, имели заметный разброс от пробы к пробе для всех трёх цветовых каналов, что подтвердилось результатами физико-химического анализа отобранных проб речной воды по тестированным методикам, представленным в таблице 2. Выявлена четкая связь между физико-химическими параметрами воды (цветность, мутность, рН и щёлочность) и её цветовыми характеристиками. Эти параметры сильно изменялись и для проб воды, взятой в разных местах реки Волхов, озера Ильмень и рек, в него втекающих.

Таблица 2

Физико-химические показатели проб воды [3]

Дата Мутность, мг/л Цветность, град рн Щёлочность

Норма по СанПиН 1,5 20 6,0-9,0 1.10

Проба воды речная очищенная речная очищенная речная очищенная речная очищенная

17,10.2011 6 0,45 77 11 7,54 6,35 1,4 0,46

25.10.2011 23,8 0,24 70 10 7,36 6,25 1.45 0,48

02.11.2011 6,1 0,7 105 10 7,5 6.45 1,4 0.65

13.11.2011 7,2 0,95 117 7 7,15 6,15 1,15 0,31

Для оценки экспериментальной погрешности определения характеристик изображений один и тот же образец оцифровывался несколько раз, для каждого изображения строились ЯХ и определялись значения X и У: X - интенсивность в градациях серого цвета (0-255), соответствующая максимальному значению, У - числу точек, имеющих данное значение интенсивности в градациях серого цвета. Погрешность измерений не превышала

1—2 %, и обусловлена в основном изменением освещённости пробы воды при ее оцифровке. На рис. 18 нанесены точки, соответствующие максимальным значениям ЯХ для всех цветовых каналов изображений очищенной воды и также выделены области, соответствующие требованиям СанПиН [21. Максимальные значения ЯХ, не попадающие в выделенные области, не удовлетворяют по каким-либо параметрам и характеристикам этим требованиям. Такая вода требует дополнительного контроля. В таблице 3 представлены результаты расчёта коэффициентов корреляции между выбранными физико-химическими показателями воды (цветность, мутность, рН и щёлочность) и максимальными значениями ЯХ для трёх цветовых каналов (синего, зелёного и красного).

8 103-7Ю5: 6 |05 ■ 51054.105'

3 ю-

201 250

Рис. 1Н. Области максимальных значении ЯХ для очищенной воды, соответствующей нормам СанПиН: С, 3 и К - синий, зелёный и красный каналы. Чёрные точки соответствуют диагностике воды, взятой на одном из пищевых преоприятий [3]

Таблица 3

Коэффициенты корреляции между физико-химическими показателями воды и яркостными характеристиками оцифрованных изображений [3]

Показатель Коэффициент корреляции

Синий канал Зелёный канал Красный канал

X У X У X У

Цветность -0,496 -0,234 0,583 0,989 0,882 -0,509

Мутность -0,378 0,989 -0,505 0,012 -0,455 0,967

РН -0,755 -0,179 -0,222 0,961 -0,452 0,080

Щёлочность -0,790 -0,317 0,105 0,969 0,908 0,141

Цветность воды наиболее сильно коррелирует со значениями ЯХ для зелёного цветового канала по У и красного канала по X, причём зависимость является прямой, т. е. с увеличением цветности воды возрастают и указанные максимальные значения ЯХ для зелёного и красного каналов. Мутность воды имеет наибольшую и прямую корреляцию со значениями ЯХ для синего и красного каналов по У. Показатель рН воды наиболее сильно коррелирует со значениями ЯХ для зелёного канала по У, а щёлочность - со значениями для зелёного канала по У и красного по X.

На рис. 19 представлены результаты исследования воды озера Ильмень и впадающих в него рек и каналов. Результаты диагностики по ЯХ полностью совпадали с результатами физико-химического анализа, проведенного по тестированным методикам. Таким образом, установлено, что физико-химические показатели качества воды имеют хорошую корреляцию с максимальными значениями ЯХ для каждого из трёх цветовых каналов, а выбор критерием оценки качества воды ЯХ является обоснованным и объективным.

Рис. 19. Средние значений количества пикселей соответствующих пиковым значениям интенсивностей ЯХРК изображений проб воды водоемов озера Ильмень по трем цветовым каналам (красный, зеленый, синий) и в градациях серого цвета

В разделе 3. 7 представлены результаты компьютерной диагностики качества и выявления фальсифицированной винной продукции. Помимо вкуса цвет и интенсивность окраски

22

относятся к важнейшим показателям качества красных вин. Разнообразие сортов виноградного вина и приемов его производства обуславливает многочисленные возможности для фальсификации этого продукта. В работе рассмотрено три вида фальсификации:

1) разбавление или гаплизация - способ, при котором кислые, плохие вина «улучшают» добавлением воды с последующим доведением крепости и кислотности до требуемых норм:

2) добавление избытка сульфита для увеличения срока сохранности продукции;

3) использование некачественного вина, подвергшегося избыточному нагреву (в процессе хранения и транспортировки).

В качестве примера эффективности цифровых методик ниже представлены экспериментальные результаты исследования для двух видов красного вина:- Каберне (виноградное, натуральное, красное полусладкое с содержанием сахара 30-50 г/дм3 и алк. 9-11% об., производство Молдавии);- Изабелла (красное, полусладкое «Русская лоза» с содержанием сахара 30-40г/дм., алк. 10—12% об., производство России, Краснодарский край).

Эксперименты проводились следующим образом. Вино в количестве 50-100 мл наливалось в стеклянную кювету, установленную на планшетный сканер, проводилось сканирование в ручном режиме при разрешении 600 dpi. Рядом с кюветами помещался стандарт оптической плотности, имеющий участки с разным, но заранее известным поглощением. Из оцифрованного изображения вырезался квадрат 100x100 пикселей (0,4 х 0,4 см) и с помощью программы «Image-Pro Plus» определялось количество пикселей и интенсивность каждой из трех составляющих цветного изображения: красной, синей и зеленой.

Влияние галлизации на цветность вина. Разбавление вина производили дистиллированной водой (5 %, 10 %, 15 % и 30 %). Результаты исследований разбавления вина Каберне отражены на рис. 20 (кривая 1). По интенсивности красной компоненты можно оценивать уровень разбавления. С увеличением разбавления интенсивность окраски увеличивается. Для проверки полученных результатов было проведено разбавление вина с добавлением сахара и спирта. Результаты исследований для вина Каберне представлено на рис. 20 (кривая 2). Сравнение кривых рис. 20 показывает, что варьирование содержания спирта и сахара в пределах 30% не оказывает заметного влияния на цветность вина.

Влияние избыточного сульфита на цветность и сохранность окраски вина. Сульфитация снижает интенсивность окислительно-восстановительных процессов в продуктах переработки винограда. Умеренное поступление кислорода (10-20 мг/дм3) является нормаль-

1.50

о

о о 1,40

— 1,30

X

1,20

1,10

1.00

2 » -т

О 10 20 30

Разбавление. %

Рис. 20. Изменение интенсивности вина Каберне: при разбавлении дистиллированной водой (1); при разбавлении с восстановлением крепости и сахаристости (2)

ным для здорового винограда и обеспечивает при прочих равных условиях получение чистых здоровых вин. Избыточное (30-40 мг/ дм3 и более) поступление кислорода приводит к получению окисленных вин с обедненным сортовым ароматом, простым выветренным ароматом и вкусом. Чрезмерное окисление наносит наибольший вред аромату и цвету будущего вина. Для эксперимента было взято два образца вина по 100 мл. Второй образец содержал 0,06 г сульфита натрия, что соответствует максимально допустимому содержанию сульфита

в вине. Образцы хранились при доступе кислорода. Данные пробы сканировались каждые сутки. Результаты исследования представлены на рис. 21. Анализируя полученные результаты можно заключить, что добавление сульфита натрия значительно увеличивает яркость в среднем на 30%, но не защищает от исчезновения цвета.

Раздел 3.8. содержит выводы по главе и перспективы применения цифровых методик для диагностики качества различных по физико-химическим свойствам веществ и контроля технологических процессов, основанных на анализе цветовых характеристик и регистрации их изменений.

ВЫВОДЫ И ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Показана перспективность применения цифровых экспресс-методик, основанных на регистрации цветовых характеристик и их изменений, для количественной и качественной диагностики веществ различной физико-химической природы, а цифрового метода, основанного на дискретном вейвлет-анализе, и методики количественной оценки качества экспериментального контраста для диагностики структурного совершенства монокристаллов.

Основными результатами данного диссертационного исследования является:

- создание экспресс-методики устранения фоновой неоднородности и явления элайзинга, основанной на дискретном вейвлет-анализе, уменьшающей в 10-12 раз время цифровой обработки топографического и поляризационно-оптического контраста;

- создание простой методики количественной оценки качества цифровой обработки, выбора оптимального вейвлет-базиса и метода цифровой обработки, основанной на построении яркостных характеристик и разностного контраста, что уменьшило субъективный фактор, вызванный визуальным восприятием анализируемого контраста, и повысило надежность расшифровки и идентификации дефектов структуры монокристаллов, информативность и экспрессность методов РТБ и фотоупругости;

1 23456789 10

Период хранения, сутки

Рис. 21. Изменение интенсивности красной компоненты при добавлении сульфита в вино Каберне: 1 - исходный образец: 2 - образец с сульфитом

Л

- создание простых цифровых экспресс-методик оценки качества мясного сырья и мясных продуктов, воды, пива, вина, основанных на регистрации их цвета и визуально не видимого его изменения под действием различных внешних факторов, в основе которых лежит построение разностного контраста, областей равного контраста, яркостных характеристик и профилей интенсивности, разложение оцифрованного изображения по цветовым каналам;

- создание простых экспресс-методик визуализации процесса посола мяса многокомпонентными смесями, позволяющих определять скорости процесса посола и глубины проникновения смеси и отдельно ее компонент, основанных на регистрации изменений цвета;

- создание простых экспресс-методик исследования процесса старения пива и регистрации в нем частиц различной физико-химической природы без применения красителей, оценки качества питьевой воды и ее соответствия нормам СанПиН, а также выявления фальсифицированной винной продукции.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ Монографин:

1. Ткаль В.А., Окунев А.О., Жуковская И.А. Яркостный и частотный анализ изображений дефектов структуры. LAP LAMBERT Academic Publishing Germany. 2012, 385 с. ISBN 978-38465-8855-0

2.Ткапь В.А., Шараева A.B., Жуковская И.А. Компьютерная диагностика качества. LAP LAMBERT Academic Publishing Germany. 2012, 385 с. ISBN 978-3-359-22771-4

Статьи и расширенные тезисы докладов:

1. Ткаль В.А., Жуковская И.А. Цифровые методы повышения качества экспериментального контраста дефектов структуры монокристаллов. // Заводская лаборатория. Диагностика материалов. 2013. № 4. С. 28-37.

2. Жуковская И.А., Шараева A.B., Иванова Т.Д., Мягкова Ю.А. Ткаль В.А., Экспресс-диагностика оценки качества и выявление фальсифицированной продукции.// Заводская лаборатория. Диагностика материалов (принято в печать в 2014 году).

3. Ткаль В.А., Петров М.Н., Лукин К.Г., Жуковская И.А. Количественная оценка оптимальности выбора вейвлет-функции при цифровой обработке изображений дефектов структуры монокристаллов. Сборник материалов Пятого международного научного семинара 12-16 сентября 2011 года «Современные методы анализа дифракционных данных (топография, ди-фрактометрия, электронная микроскопия)», Великий Новгород, с. 175-178.

4. Ткаль В.А., Петров М.Н., Лукин К.Г., Жуковская И.А. Методики оценки качества реставрации изображений дефектов структуры монокристаллов. Сборник материалов Пятого международного научного семинара 12-16 сентября 2011 года «Современные методы анализа дифракционных данных (топография, дифрактометрия, электронная микроскопия)», Великий Новгород, с. 179-181.

5. Ткаль В .А., Данильчук Л.Н., Петров М.Н.. Жуковская И.А. Количественная оценка и срав-

нительный анализ эффективности методик цифровой обработки изображений дефектов структуры монокристаллов. Сборник материалов Пятого международного научного семинара 12—16 сентября 2011 года «Современные методы анализа дифракционных данных (топография, дифрактометрия, электронная микроскопия)», Великий Новгород, с. 182—185.

6. Ткаль В.А., Петров М.Н., Лукин К.Г., Жуковская И.А. Сравнение эффективности различных методик цифровой обработки изображений дефектов структуры монокристаллов. Сборник материалов Третьей международной молодежной научной школы-семинара 12—16 сентября 2011 года «Современные методы анализа дифракционных данных (дифракционные методы для нанотехнологии)», Великий Новгород, с. 116—124.

7. Ткаль В.А., Шараева A.B., Жуковская И.А. Компьютерная экспресс-диагностика, основанная на регистрации изменений цветовых характеристик веществ различной физико-химической природы. Сборник материалов Третьей международной молодежной научной школы-семинара 12-16 сентября 2011 года «Современные методы анализа дифракционных данных (дифракционные методы для нанотехнологии)», Великий Новгород, с. 125-128.

8. Ткаль В.А., Шараева A.B., Жуковская И.А. Экспресс-диагностика воды, основанная на регистрации изменений цветовых характеристик. Сборник материалов Третьей международной молодежной научной школы-семинара 12-16 сентября 2011 года «Современные методы анализа дифракционных данных (дифракционные методы для нанотехнологии)», Великий Новгород, с. 129-133.

9. Tkal V.A., Okunev А.О., Zhukovskaya I.A. Identification of close located structure defects in single crystals by digital processing methods. Book of abstracts. XTOP 2012.11th Biennial on High Resolution X-Ray Diffraction and Imaging and Youth International School-Conference «Modern Methods of Diffraction Data Analysis and Topical Problem of X-Ray Optics» -15lh-20lh September, St. Petersburg, Russia, pl88.

10. Ткаль B.A., Окунев A.O., Жуковская И.А. Цифровые методы повышения качества топографических изображений. Сборник тезисов докладов научной конференции 27-28 ноября 2012 года «ЛАУЭ- 100. Рентгеноструктурные исследования», Нижний Новгород, с. 98-100.

11. Ткаль В.А., Шараева A.B., Жуковская И.А., Водолазова H.H. Цифровая экспресс-диагностика качества веществ различной физико-химической природы. Сборник материалов Четвертой международной молодежной научной школы-семинара 19-27 августа 2013 г. «Современные методы анализа дифракционных данных и актуальные проблемы рентгеновской оптики», Великий Новгород, с. 124—127.

12. Ткаль В.А., Шараева A.B., Жуковская И.А., Водолазова H.H. Цифровая экспресс-диагностика качества воды, используемой в различных производствах. Сборник материалов Четвертой международной молодежной научной школы-семинара 19-27 августа 2013 г. «Современные методы анализа дифракционных данных и актуальные проблемы рентгеновской оптики», Великий Новгород, с. 128-130.

13. Ткапь В .А., Шараева А.В., Жуковская И.А. Цифровая обработка поляризационно-оптических изображении дефектов структуры монокристаллов. Сборник материалов Четвертой международной молодежной научной школы-семинара 19-27 августа 2013 г. «Современные методы анализа дифракционных данных и актуальные проблемы рентгеновской оптики», Великий Новгород, с. 131-133.

14. Ткаль В .А., Шараева А.В., Жуковская И.А. Количественная оценка эффективности цифровой обработки HDR-изображений. Сборник материалов Четвертой международной молодежной научной школы-семинара 19-27 августа 2013 г. «Современные методы анализа дифракционных данных и актуальные проблемы рентгеновской оптики», Великий Новгород, с. 134-135.

15. Ткаль В.А., Шараева А.В., Жуковская И.А. Цифровая обработка топографических изображений дефектов структуры монокристаллов. Сборник материалов Шестого международного научного семинара 19-27 августа 2013 г. «Современные методы анализа дифракционных данных и актуальные проблемы рентгеновской оптики», Великий Новгород, с. 234-235.

16. Ткаль В.А., Шараева А.В., Жуковская И.А. Количественные критерии оценки эффективности цифровой обработки изображений: теория и эксперимент. Сборник материалов Шестого международного научного семинара 19-27 августа 2013 г. «Современные методы анализа дифракционных данных и актуальные проблемы рентгеновской оптики», Великий Новгород, с. 236-242.

17. Alexey Okunev, Galina A. Verozubova, Chunhui Yang, Chongqiang Zhu, Valery Tkal, Vladimir Staschenko, Inga A. Zhukovskaya. The Analysis of Defects in ZnGeP2 Single Crystals from Birefringence Images. Book of abstracts. 17th International Conference on Crystal Growth and Epitaxy (ICCGE-17 Conference). August 11-16, 2013. Warsaw, Poland, p. 158-160.

18.ValeryTkal, Alexey Okunev, Anna V. Sharaeva, Inga A. Zhukovskaya. Quantitative Criteria of Image Quality Evaluation, Theory and Experiment. Book of abstracts. 17th International Conference on Crystal Growth and Epitaxy (ICCGE-17 Conference). August 11-16, 2013. Warsaw, Poland, p. 167-168.

19. Valery Tkal, Alexey Okunev, Anna V. Sharaeva, Inga A. Zhukovskaya. Computer Diagnostics of Crystal Quality. Book of abstracts. 17th International Conference on Crystal Growth and Epitaxy (ICCGE-17 Conference). August 11-16, 2013. Warsaw, Poland, p. 168-169.

20. Alexey Okunev, Galina A. Verozubova, Chunhui Yang, Chongqiang Zhu, Valery Tkal, Inga A. Zhukovskaya, Vladimir Staschenko. Investigation of Defects in ZnGeP2 Single Crystalsby X-ray Topography on Base of Bormann Effect. Book of abstracts. 17th International Conference on Crystal Growth and Epitaxy (ICCGE-17 Conference). August 11-16, 2013. Warsaw, Poland, p. 207-209.

21.A.O. Okunev, G.A. Verozubova, V.A. Tkal, V.A. Staschenko, I.A. Zhukovskaya. Imagingof Defects in ZnGeP2 Single Crystalsby X-ray Topography on Base of Bormann Effect. Book of abstracts. Radiation from Relativistic Electrons in Periodic Structures and Electron, Positron, Neutron

and X-ray Scattering under External Influences September 23-27, 2013, Yerevan, Armenia, p. 90.

22.V.A.Tkal, A.O. Okunev, A.V. Sharaeva, I.A. Zhukovskaya Features of Digital Processing of Topography Contrast in Single Crystal Materials. Book of abstracts. Radiation from Relativistic Electrons in Periodic Structures and Electron, Positron, Neutron and X-ray Scattering under External Influences September 23-27, 2013, Yerevan, Armenia, p. 93.

23. V.A. Tkal, A.O. Okunev, A.V. Sharaeva, I.A. Zhukovskaya. Quantitative Criteria for Quality Evaluation of Single Crystal Topography Images. Book of abstracts. Radiation from Relativistic Electrons in Periodic Structures and Electron, Positron, Neutron and X-ray Scattering under External Influences September 23-27, 2013, Yerevan, Armenia, p. 94.

24. Окунев A.O., Верозубова Г.А., Ткаль B.A., Стащенко В.А., Жуковская И.А. Анализ дефектов структуры монокристаллов ZnGeP2 методами рентгеновской топографии и фотоупругости. Международный симпозиум «ФИЗИКА КРИСТАЛЛОВ 2013» посвященный 100-летию со дня рождения профессора М.П. Шаскольской. Тезисы докладов. - М.: МИСиС, 2013, с. 173

25. Ткаль В.А., Окунев А.О., Жуковская И.А. Количественные критерии оценки качества топографических изображений дефектов структуры монокристаллов. Международный симпозиум «ФИЗИКА КРИСТАЛЛОВ 2013» посвященный 100-летию со дня рождения профессора М.П. Шаскольской. Тезисы докладов. — М.: МИСиС, 2013, с. 231.

26. Ткаль В.А., Окунев А.О., Жуковская И.А. Повышение быстродействия вейвлет-обработки экспериментального контраста монокристаллов. Международный симпозиум «ФИЗИКА КРИСТАЛЛОВ 2013» посвященный 100-летию со дня рождения профессора М.П. Шаскольской. Тезисы докладов. - М.: МИСиС, 2013, с. 232.

Цитируемая литература:

1. Ткаль В.А., Окунев А.О., Жуковская И.А. Яркостный и частотный анализ изображений дефектов структуры. LAP LAMBERT Academic Publishing Germany. 2012, 385 с. ISBN 978-3-8465-8855-0

2.Ткаль B.A., Жуковская И.А. Цифровые методы повышения качества экспериментального контраста дефектов структуры монокристаллов. // Заводская лаборатория. Диагностика материалов. 2013. № 4. С. 28-37.

3. Ткаль В.А., Шараева А.В., Жуковская И.А. Компьютерная диагностика качества. LAP LAMBERT Academic Publishing Germany. 2012, 385 с. ISBN 978-3-359-22771-4

Работа выполнялась при поддержке Гранта РФФИ №12-02-00201.

Подписано в печать 29.01.2014. Заказ N 957 Формат 60x90 1/16 Объем 1,6печ.л. Тираж 100 экз.

Отпечатано в ЗАО «Новгородский технопарк» 173003, Великий Новгород, ул.Б.С.Петербургская, 41 Тел. 731-705, E-mail: technopark@novsu.ru

 
Текст научной работы диссертации и автореферата по физике, кандидата технических наук, Жуковская, Инга Анатольевна, Ижевск

Санкт-Петербургский государственный университет сервиса и экономики

(Новгородский филиал)

КОЛИЧЕСТВЕННЫЕ КРИТЕРИИ ОЦЕНКИ КАЧЕСТВА ЦИФРОВОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ВЕЩЕСТВ РАЗЛИЧНОЙ ФИЗИКО-ХИМИЧЕСКОЙ ПРИРОДЫ

Специальность 01.04.01- «Приборы и методы экспериментальной физики» Диссертация на соискание ученой степени кандидата технических наук

04201459030

На правах рукописи УДК 53.087/.088

Жуковская Инга Анатольевна

Научный руководитель

доктор физико-математических наук,

профессор

Ткаль Валерий Алексеевич

Ижевск 2014

СОДЕРЖАНИЕ

ВВЕДЕНИЕ.........................................................................................................5

ГЛАВА 1. МЕТОДЫ РЕГИСТРАЦИИ И ОСОБЕННОСТИ ФОРМИРОВАНИЯ ИЗОБРАЖЕНИЙ ДЕФЕКТОВ СТРУКТУРЫ РАЗЛИЧНОГО ТИПА В МОНОКРИСТАЛЛАХ.....................................16

1.1. Формирование экспериментального контраста в рентгеновской топографии.........................................................................................................16

1.1.1. Секционный и проекционный методы Ланга.......................................17

1.1.2. Рентгеновская топография на основе эффекта Бормана................18

1.1.3. Метод Берга-Баретта-Нъюкирка.......................................................22

1.2. Формирование экспериментального контраста в методе фотоупругости (поляризационно-оптический анализ).................................22

1.3. Рентгеновская топо-томография кристаллов.........................................25

1.4. Расшифровка экспериментального контраста и идентификация дефектов структуры..........................................................................................28

1.4.1. Основные приемы расшифровки экспериментального контраста и идентификация дефектов структуры...........................................................28

1.4.2. Теоретическое моделирование контраста дефектов структуры монокристаллов.................................................................................................30

1.5. Основные факторы, затрудняющие расшифровку экспериментального контраста и идентификацию дефектов структуры.... 34

1.6. Методы цифровой обработки экспериментального контраста.............37

1.7. Цифровая обработка, основанная на анализе яркостных характеристик экспериментального контраста..............................................39

1.7.1. Устранение слабого контраста...........................................................39

1.7.2. Методы устранения неравномерного фона.........................................40

1.7.3. Методы устранения зернистости изображений дефектов.............45

1.7.4. Способы представления изображения в виде, удобном для визуального анализа и измерения.....................................................................50

1.8. Методы основанные на частотном анализе экспериментального контраста............................................................................................................52

1.9. Дискретный вейвлет-анализ двумерных сигналов................................54

1.10. Устранение фоновой неоднородности...................................................64

1.11. Устранение зернистости экспериментального контраста....................71

1.12. Выводы и постановка основных задач диссертационного

исследования......................................................................................................76

ГЛАВА 2. КОЛИЧЕСТВЕННЫЕ КРИТЕРИИ ОЦЕНКИ КАЧЕСТВА ТОПОГРАФИЧЕСКИХ И ПОЛЯРИЗАЦИОННО-ОПТИЧЕСКИХ ИЗОБРАЖЕНИЙ ДЕФЕКТОВ СТРУКТУРЫ МОНОКРИСТАЛЛОВ...................................................................................80

2.1. Моделирование основных зашумляющих факторов топографического и поляризационно-оптического контрастов..................80

2.2. Основные проблемы, решаемые введением количественных критериев............................................................................................................85

2.3. Количественные методики оценки качества изображений...................86

2.3.1. Классификация методик оценки качества..........................................86

2.2.2. Среднеквадратичное отклонение (MSE)..............................................87

2.2.3. Пиковое отношение сигнала к шуму (PSNR)........................................88

2.3.4. Показатель структурного сходства SSIM..........................................89

2.4. Применение метрик MSE, PSNR и SSIM для оценки качества восстановления зашумленного изображения.................................................91

2.5. Количественная оценка эффективности цифровой обработки изображений по их яркостным характеристикам..........................................96

2.6. Количественная оценка эффективности различных методов цифровой обработки.......................................................................................105

2.7. Количественная оценка эффективности цифровой обработки HDR-изображений....................................................................................................109

2.8. Выводы......................................................................................................111

ГЛАВА 3. КОМПЬЮТЕРНАЯ ДИАГНОСТИКА КАЧЕСТВА ВЕЩЕСТВ РАЗЛИЧНОЙ ФИЗИКО-ХИМИЧЕСКОЙ ПРИРОДЫ.. 113

3.1. Основные диагностические методы.......................................................113

3.2. Компьютерная диагностика качества мясного сырья..........................117

3.3. Компьютерная диагностика качества мясной продукции...................122

3.4. Компьютерная диагностика сухого и мокрого способов посола мяса 130

3.4.1. Модель процесса посола и методики его исследования....................131

3.4.2. Экспериментальное исследование процесса посола..........................135

3.5. Компьютерная диагностика качества пива...........................................144

3.6. Компьютерная диагностика качества питьевой и промышленной воды..................................................................................................................152

3.7. Компьютерная диагностика винной продукции...................................164

3.7.1. Влияние галлизации на цветность вина..............................................166

3.7.2. Влияние избыточного сульфита на цветность и сохранность окраски вина.....................................................................................................169

3.8. Выводы......................................................................................................170

ЗАКЛЮЧЕНИЕ.............................................................................................174

СПИСОК ЛИТЕРАТУРЫ...........................................................................185

ВВЕДЕНИЕ

Вступление России во Всемирную торговую организацию неизбежно влечет за собой обострение конкурентной борьбы между отечественными и зарубежными производителями, как на внутреннем, так и внешнем рынках. Конкуренцию смогут успешно выдержать только производители современной и высококачественной продукции, а это возможно при внедрении новых технологий и материалов, выпуске товаров и продукции мирового уровня, максимально удовлетворяющих потребности различных отраслей экономики и спрос населения. Эффективное решение этих задач невозможно без разработки и внедрения современных высокочувствительных и универсальных методов экспресс-диагностики и контроля качества, включая применение объективных количественных критериев оценки качества анализируемых объектов, снижающих субъективный фактор и доступных для широкого круга специалистов и предприятий. При этом интерес представляют методы, применимые для исследования и диагностики объектов различной физико-химической природы.

Достижения современной микро- и наноэлектроники связаны с применением совершенных монокристаллических материалов, тонких пленок, внедрением новых технологий, а также с использованием для исследования материалов и оценки их качества разнообразных методов. Надежное выявление дефектов кристаллической структуры позволяет выпускать изделия микро- и наноэлектроники высокого качества. Наличие в активной области приборов и микросхем или вблизи её даже одного дефекта приводит к нестабильности и деградации параметров и характеристик, к снижению надежности как самих приборов и микросхем, так и изделий на их основе. В связи с этим важной задачей остается повышение чувствительности и разрешения старых, а также разработка новых экспрессных методов регистрации и идентификации дефектов структуры кристаллической решетки всех типов. К таким методам относятся методы рентгеновской топо-

графии и поляризационно-оптический анализ (метод фотоупругости).

Факторами, затрудняющими расшифровку экспериментального контраста, формируемого дефектами структуры, являются слабая контрастность, фоновая неоднородность и зернистость фотоэмульсии, устранение которых относится к важнейшим проблемам диагностики качества материалов, позволяющим повысить надежность выявления и однозначность идентификации дефектов структуры различного типа. Для устранения за-шумляющих факторов применяются различные приемы и методы, но наиболее перспективными являются методы, основанные на цифровой обработке экспериментального контраста. Применение этих методов влечет повышение качества контраста, минимизацию субъективного фактора, обусловленного визуальным контролем топограмм и фотоснимков, и возможность введения объективных количественных критериев оценки. При таком подходе достигается надежная расшифровка экспериментального контраста, однозначная идентификация дефектов структуры, выбор наиболее оптимального диагностического метода и метода цифровой обработки.

Помимо электроники, интерес к использованию компьютерных технологий наблюдается и в других отраслях народного хозяйства, в частности, в пищевой промышленности.

Большое количество диагностических методов, используемых в пищевой промышленности, требуют, как правило, дорогостоящих оборудования и химических реактивов, высокой квалификации специалистов и значительных временных затрат. В основе ряда методов лежит визуальный контроль качества сырья и готовой продукции. Человеческий глаз, обладая уникальными возможностями, в ряде случаев уступает техническим средствам при регистрации изменений цветовых характеристик исследуемых объектов в процессе их производства, хранения, транспортировки и воздействия других внешних факторов. Цвет относится к важнейшим характеристикам и напрямую может быть связан с качеством продукции и с изменениями, происходящими в ней. При исследовании любых объектов

важным является разработка эффективных методов цифровой экспресс-диагностики, основанных на регистрации даже незначительных изменений их цветовых характеристик, и введение надежных количественных критериев оценки качества продукции.

С учетом вышеизложенного, можно сформулировать основные требования, которым должны удовлетворять разрабатываемые цифровые методы исследования веществ различной физико-химической природы:

- простота реализации и измерений;

- надежность и объективность;

- высокая чувствительность и разрешение;

- экспрессность;

- доступность для широкого круга исследователей и производителей продукции.

Выпуск большого количества разнообразной и высококачественной оргтехники (компьютеров, сканеров, принтеров, ксероксов, цифровых аппаратов и камер), совершенствование её интерфейса, разработка и внедрение в научно-исследовательский и производственный процесс новых методик и программ по обработке и анализу изображений делают доступным контроль качества, основанный на цифровой обработке экспериментальных сигналов и изображений.

Цели работы:

- разработка и дальнейшее совершенствование методов цифровой обработки экспериментального контраста (изображения), формируемого объектами различной физико-химической природы;

- повышение экспрессности и введение объективных количественных критериев оценки качества исследуемых объектов и изменений, происходящих в них при воздействии различных внешних факторов, основанных на регистрации цветовых характеристик;

- исследование и визуализация процесса посола мяса и определение

его количественных параметров и характеристик цифровыми методами.

Объекты исследования:

- теоретические и экспериментальные изображения дефектов монокристаллов с защумляющими факторами, полученные поляризационно-оптическим анализом и рентгеновской топографией на основе эффекта Бормана (метод РТБ);

- мясное сырье разных отечественных и зарубежных производителей (говядина и свинина);

- мясная продукция разных производителей (колбасные изделия);

- мясо цыпленка-бройлера, подвергнутое различным способам посола многокомпонентной смесью (соль-перец-чеснок);

- речная и питьевая вода;

- пиво и вино разных производителей.

Решаемые проблемы и исследуемые процессы:

- выявление и идентификация в монокристаллах на фоне зашумля-ющих факторов дефектов структуры различного типа;

- повышение экспрессности цифровой обработки экспериментального контраста на основе дискретного вейвлет-анализа (частотный анализ изображений);

- поиск простых, надежных количественных критериев анализа экспериментального контраста, уменьшающих субъективность его расшифровки и идентификации дефектов структуры, а также выбора оптимального метода цифровой обработки и вейвлет-базиса;

- оценка влияния различных внешних факторов на качество пищевой продукции (условия хранения, заморозка и разморозка, температура и т.д.);

- визуализация процесса посола мяса многокомпонентной смесью и определение его количественных параметров и характеристик (глубины и скорости проникновения смеси и ее компонентов);

- оценка эффективности очистки питьевой воды;

- регистрация процесса старения пива и частиц различной физико-химической природы, содержащихся в нем, без применения специальных красителей;

- выявление фальсифицированной винной продукции.

Методы исследования:

- поляризационно-оптический анализ (метод фотоупругости);

- рентгеновская топография на основе эффекта Бормана (метод РТБ);

- методы цифровой обработки экспериментального контраста, основанные на анализе яркостных и частотных (дискретный вейвлет-анализ) характеристик;

- юстированные методики оценки качества сырья и готовой продукции, применяемые на предприятиях пищевой промышленности и водоочистительных станциях.

Научная новизна работы.

1. Для зашумленного теоретического контраста монокристаллического 6H-SiC, реставрированного цифровой обработкой вейвлетами Мейе-ра (Dmey) и Симлета с масштабом функции 8(Sym8), проведена сравнительная оценка качества устранения шума с использованием метрик PSNR (отношение сигнала к шуму), MSE (среднеквадратичное отклонение), SSIM (показатель структурного сходства) и яркостных характеристик.

2. Для различных типов дефектов структуры (краевой и правовинто-вой дислокаций, когерентных включений типа «вакансия» и «внедрение») проведена количественная оценка качества цифровой обработки теоретического и экспериментального контраста монокристалла 6H-SiC (незашум-ленного и зашумленного) вейвлетами Sym8 и Dmey, основанная на анализе яркостных характеристик, профилей интенсивности и разностного контраста.

3. На примере поляризационно-оптического контраста монокристалла бН-БЮ проведена количественная оценка эффективности различных методик цифровой обработки при устранении фоновой неоднородности. Показано, что методика, основанная на выделении при дискретном вейвлет-анализе контраста, формируемого фоновой неоднородностью и ее вычитании из исходного контраста с последующим гаусс-размытием, построением разностного контраста и коррекцией динамического диапазона, уменьшает время обработки в 10-12 раз.

4. Показана возможность организации количественной и качественной экспресс-диагностики сырья и готовой пищевой продукции (мясо, колбасные изделия, вода, пиво, вино), основанной на регистрации изменений цвета: разностному контрасту, областям равного контраста, профилям интенсивности и яркостным характеристикам.

5. Показана возможность визуализации цифровыми методами процесса посола мяса цыпленка-бройлера смесью соль-перец-чеснок, определения глубины и скорости проникновения посолочной смеси её компонент в мясо по цветовым характеристикам (разностному контрасту, областям равного контраста, профилям интенсивности и яркостным характеристикам), а также при разложении оцифрованного изображения по цветовым каналам.

Практическая значимость.

1. На основе дискретного вейвлет-анализа разработана экспресс-методика устранения явления элайзинга и фоновой неоднородности экспериментального контраста вычитанием из исходного контраста фоновой неоднородности с последующим гаусс-размытием, построением разностного контраста и коррекцией динамического диапазона.

2. Предложена методика количественной оценки качества цифровой обработки, эффективности диагностических методов и выбранных вейвлет-базисов, основанная на построении разностного контраста (нуле-

вого и ненулевого) и яркостных характеристик, обладающая по сравнению с метриками РБКК, МБЕ и 881М большей простотой и экспрессностью.

3. Разработаны и апробированы в условиях производства цифровые экспресс-методики контроля качества мясного сырья, мясной продукции и влияния различных внешних факторов, основанные на регистрации изменений цветовых характеристик.

4. Разработаны четыре цифровые экспресс-методики визуализации процесса посола мяса цыпленка-бройлера смесью соль-перец-чеснок и определения по изменению цветовых характеристик количественных характеристик процесса (глубины и скорости проникновения смеси и ее компонент), совпадающие с предложенными теоретическими моделями.

5. Показана возможность выявления в пиве без применения специальных красителей частиц различной физико-химической природы, а та�