Методика обработки изображений биомедицинских сигналов

Методика устранения посторонних шумов и коррекции искажения типа дисфокусировки. Обрезка сильно искаженных краев изображения. Построение яркостной гистограммы изображения и его преобразование в индексный формат с восьмицветовой палитрой в пакете Matlab.

Рубрика Программирование, компьютеры и кибернетика
Вид контрольная работа
Язык русский
Дата добавления 13.01.2012
Размер файла 4,7 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

МИНОБРНАУКИ РФ

ПЕНЗЕНСКАЯ ГОСУДАРСТВЕННАЯ ТЕХНОЛОГИЧЕСКАЯ АКАДЕМИЯ

Контрольные работы по дисциплине

«Методы обработки биомедицинских сигналов и данных»

Выполнила: студентка группы 8БМ3зи

Малышева (Шарова) Е.Н.

Проверил: к.т.н., доцент.,

Киреев А.В.

Пенза - 2011г.

Задание №1

Для изображения, соответствующего варианту задания устраните посторонние шумы и скорректируйте искажения типа дисфокусировки. Обрежьте сильно искаженные края изображения. Постройте яркостную гистограмму изображения, на основании которой повысьте его контрастность. Затем преобразуйте изображение в индексный формат с 8 цветной палитрой. (Задание выполняется в пакете Matlab).

Загрузка изображения в переменную А производится по команде

>> A=imread('10imag.jpg');

Просмотр изображения выполняется по команде

>> imshow(A)

В результате выводится исходное изображение:

Для фильтрации сначала создаётся пустое изображение, такого же размера, как и исходное

>> B=uint8(zeros(453,460,3));

Затем выполняется медианальная фильтрация отдельно для каждого слоя

>> B(:,:,1)=medfilt2(A(:,:,1));

>> B(:,:,2)=medfilt2(A(:,:,2));

>> B(:,:,3)=medfilt2(A(:,:,3));

Результат фильтрации выводится на экран по команде

>> imshow(B)

Для устранения размытия изображения создаётся функция размытия точки

>> PSF=fspecial('disk', 1);

и выполняется восстановление отдельно для каждого слоя

>> C=uint8(zeros(453,460,3));

>> C(:,:,1)=deconvwnr(B(:,:,1), PSF);

>> C(:,:,2)=deconvwnr(B(:,:,2), PSF);

>> C(:,:,3)=deconvwnr(B(:,:,3), PSF);

Ниже приведены результаты восстановления для r=1, 2 и 3.

Наилучшие результаты получаются с радиусом размытия r=1.

Обрезка краёв изображения выполняется по команде

>> D=C(10:440,10:450,:);

Вывод результата на экран выполняется по команде

>> imshow(D)

Яркостные гистограммы для красного, зелёного и синего цветов строятся по командам

>> imshow(D)

>> imhist(D(:,:,1))

>> figure

>> imhist(D(:,:,2))

>> figure

>> imhist(D(:,:,3))

Анализируя гистограмму изображение, можно заключить, что повышение его контраста возможно в результате усечения динамического диапазона изображения, что выполняется по команде

>> Q=D;

>> Q(:,:,1)=imadjust(D(:,:,1), [0.2 0.8]);

>> Q(:,:,2)=imadjust(D(:,:,2), [0.2 0.8]);

>> Q(:,:,3)=imadjust(D(:,:,3), [0.2 0.8]);

Новые гистограммы имеют вид

Изображение после улучшения цветового контраста

>> imshow(Q)

Преобразование изображения в индексное с 8 битной палитрой выполняется по команде

>> [I,map] = rgb2ind(Q, 8);

Результат преобразования выводится по команде

>> imshow(I,map)

Задание №2

коррекция изображение дисфокусировка палитра

Для электрокардиосигналов, соответствующих варианту задания постройте усреднённый участок кардиоцикла и определите амплитуды Q, R, S, T, U зубцов и длительности интервалов между ними; постройте частотный спектр, определите амплитуды и частоты его характерных участков. Определите внутригрупповые и межгрупповую дисперсии вычисленных информативных признаков для нормальных и патологических ЭКС. Выберите наиболее информативные признаки, и по ним определите тип неизвестных электрокардиосигналов. Оцените достоверность классификации.

Внешний вид и обозначения основных элементов кардиосигнала

Форма усреднённого кардиоцикла нормального ЭКС

Форма усреднённого кардиоцикла патологического ЭКС

Параметры нормальных ЭКС

амплитуды зубцов

интервалы

Q

R

S

Q-R

R-S

ЧСС

1

-103.500

296.500

-83.500

1.000

2.000

40.000

2

-78.512

309.488

-114.512

1.000

2.000

41.000

3

-97.379

539.705

-59.611

2.000

4.000

39.000

4

-48.917

403.083

-40.417

2.000

2.000

60.000

5

-71.347

432.153

-103.847

2.000

1.000

49.000

6

-8.673

42.327

-10.173

7.000

4.000

78.000

7

-66.195

313.616

-393.301

9.000

9.000

64.000

8

-32.195

365.805

-168.195

3.000

2.000

41.000

?

-63.340

337.835

-121.695

3.375

3.250

51.500

??

1034.354

20730.131

14379.793

8.839

6.500

206.571

Параметры патологических ЭКС

амплитуды зубцов

интервалы

Q

R

S

Q-R

R-S

ЧСС

-20.265

291.735

-66.265

7.000

5.000

51.000

-7.569

159.931

-51.569

3.000

2.000

51.000

-34.440

223.060

-37.440

3.000

1.000

58.000

-48.917

403.083

-40.417

2.000

2.000

60.000

-71.347

432.153

-103.847

2.000

1.000

49.000

-8.673

42.327

-10.173

7.000

4.000

78.000

-66.195

313.616

-393.301

9.000

9.000

64.000

-27.085

282.415

-125.085

4.000

6.000

47.000

-35.561

268.540

-103.512

4.625

3.750

57.250

601.580

16095.725

15083.880

7.125

7.929

105.071

Для вычисления линейного дискриминанта Фишера находится общая ковариационная матрица данных

>> CM=cov(m)

CM =

1.0e+004 *

0.0969 -0.3016 0.1146 0.0035 0.0003 0.0211

-0.3016 1.8466 -0.3254 -0.0181 -0.0048 -0.1098

0.1146 -0.3254 1.3838 -0.0176 -0.0228 -0.0021

0.0035 -0.0181 -0.0176 0.0008 0.0006 0.0024

0.0003 -0.0048 -0.0228 0.0006 0.0007 0.0011

0.0211 -0.1098 -0.0021 0.0024 0.0011 0.0154

Обратная ковариационная матрица

>> ICM=inv(CM)

ICM =

0.0029 0.0002 -0.0003 -0.0279 0.0137 0.0010

0.0002 0.0001 0.0000 0.0027 -0.0010 0.0004

-0.0003 0.0000 0.0003 0.0065 0.0038 -0.0006

-0.0279 0.0027 0.0065 1.5055 -0.9402 -0.1043

0.0137 -0.0010 0.0038 -0.9402 1.0396 0.0437

0.0010 0.0004 -0.0006 -0.1043 0.0437 0.0205

Коэффициенты дискриминантной функции

>> A=ICM*(mo1-mo2)'

A =

0.0357

0.0021

0.0003

-0.0354

0.1175

0.0006

Значения результативного признака для нормы

-2.8694

-1.9585

-1.9236

-0.6992

-1.5845

0.0467

-1.0516

-0.2719

Среднее значение -1.2890

Стандартное отклонение 0.9123

Значения результативного признака для патологии

0.2475

0.2138

-0.7199

-0.6992

-1.5845

0.0467

-1.0516

0.1851

Среднее значение -0.4203

Стандартное отклонение 0.6475

Распределение значений результативного признака в классах нормы и патологии

Оптимальное значение порога p=-0.8

Параметры неизвестных ЭКС

-35.76

383.74

-128.26

6.00

2.00

67.00

-78.51

309.49

-114.51

1.00

2.00

41.00

-115.45

241.51

-188.76

6.00

1.00

57.00

-7.57

159.93

-51.57

3.00

2.00

51.00

-66.32

563.04

-47.54

5.00

2.00

56.00

26.64

147.64

-134.98

1.00

3.00

52.00

43.60

158.60

-63.90

1.00

4.00

64.00

-26.10

192.90

-133.10

1.00

2.00

40.00

-89.12

192.88

-63.12

2.00

2.00

34.00

Результаты классификации

r =

1.5579 (патология)

-1.4328 (норма)

1.0948 (патология)

-0.7263 (норма)

1.2470 (патология)

-1.8093 (норма)

-0.5469 (норма)

-2.2920 (норма)

-1.5147 (норма)

Задание №3

Для компонент многомерного временного ряда, соответствующего варианту задания, выделите тренды, сезонные и случайные составляющие. Проанализируйте временной ряд. Сделайте прогноз значений временного ряда на 10 шагов вперёд, оцените погрешность прогноза и его достоверность.

Прогноз дневной температуры

Прогноз ночной температуры

Прогноз давления

Прогноз влажности

Размещено на Allbest.ru


Подобные документы

  • Яркость точек и гистограммы изображения. Изменение яркости и контрастности. Метод ранговой фильтрации с оценкой середины диапазона. Наложение шумов на изображение. Преобразование изображения в негатив. Получение матрицы яркостей и построение гистограмм.

    курсовая работа [1,5 M], добавлен 11.12.2012

  • Изучение современных методик компьютерной обработки биомедицинских изображений с целью улучшения изображений для их наилучшего визуального восприятия врачом-диагностом и эффективного сжатия изображений – для надежного хранения и быстрой передачи данных.

    курсовая работа [2,3 M], добавлен 15.04.2019

  • Разработка приложения, целью которого ставится преобразование черно-белых полутоновых изображений в цветные. Обзор методики обработки изображения, способов преобразования изображения с помощью нейронной сети. Описания кластеризации цветового пространства.

    дипломная работа [6,3 M], добавлен 17.06.2012

  • Общие сведения о языке программирования Matlab. Функции работы с векторами и матрицами. Операторы условных переходов. Построение двумерных графиков. Построение гистограммы изображения. Функции его преобразования и зашумления, метрики определения качества.

    лабораторная работа [853,5 K], добавлен 25.10.2015

  • Цифровые рентгенографические системы. Методы автоматического анализа изображений в среде MatLab. Анализ рентгеновского изображения. Фильтрация, сегментация, улучшение изображений. Аппаратурные возможности предварительной нормализации изображений.

    курсовая работа [890,9 K], добавлен 07.12.2013

  • Преобразование в цифровой формат изображения, полученного в результате передвижения руки оператора, дигитайзером. Посылка координат положения пера в компьютер. Методика работы на дигитайзере. Его технические характеристики. Перья, реагирующие на силу.

    презентация [2,0 M], добавлен 13.12.2013

  • Информация о графических форматах. Хранение изображения в программе. Очередь как вспомогательная структура данных. Загрузка изображения из двоичного файла. Операции с изображением. Уменьшение разрешающей способности. Увеличение размера изображения.

    курсовая работа [1,1 M], добавлен 29.06.2013

  • Описание метода обработки "Выделение контурных линий" и особенностей его применения и программной реализации. Способы увеличения контрастности. Значение правильного подбора формы гистограммы для качества компьютерной обработки растрового изображения.

    курсовая работа [940,2 K], добавлен 24.06.2013

  • Задачи цифровой обработки изображений. Методы пороговой сегментации. Создание программы представления рисунка в виде матрицы и применения к нему пороговой обработки. Разработка интерфейса программы загрузки и фильтрации изображения с выбранным порогом.

    курсовая работа [2,0 M], добавлен 12.11.2012

  • Интерфейс программы Adobe Photoshop. Внесение изменений в изображение. Инструменты изменения оттенка и искажения изображения. Последовательность формирования изображения. Тоновая и цветовая коррекция изображения, работа с фильтрами и функциями.

    курсовая работа [2,8 M], добавлен 14.12.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.