Сегментация АСМ-изображений на основе волнового выращивания областей локальных максимумов с выбором пикселов в порядке убывания значений

Разработан алгоритм сегментации изображений атомной силовой микроскопии (АСМ), использующий волновое выращивание областей вокруг локальных максимумов в результате присоединения к ним соседних пикселов, выбираемых в порядке убывания значений. Сущность алгоритма состоит в использовании порога яркости, постепенно изменяющегося от максимума к минимуму, для выбора точек роста или для присоединения к существующим областям. Особенностями разработанного алгоритма сегментации являются итеративно расширяемые границы, выбор начальных точек роста и точек, присоединяемых к областям с ориентацией на значения порога с постепенным снижением от максимума к минимуму. Указанные особенности позволили устранить ошибки, характерные для алгоритмов маркерного водораздела, выращивания областей и водораздела по классическому алгоритму Винсента–Солли, которые обычно используются при сегментации АСМ-изображений. Разработанный алгоритм сравнивался со следующими стандартными алгоритмами: классический алгоритм водораздела, маркерный водораздел, выращивание областей. Сравнение проводилось на тестовых и оригинальных АСМ-изображениях. Алгоритмы реализовывались на Matlab и С++. Для количественной оценки ошибок сегментации использовался набор бинарных масок. Эксперименты показали, что разработанный алгоритм обеспечивает выделение границ областей без ошибок и более высокую скорость сегментации в сравнении с алгоритмами выращивания областей и водораздела Винсента–Солли. Полученный результат может быть использован для обработки АСМ-изображений поверхностей неорганических материалов в субмикро- и наноразмерном диапазоне.

1. Взаимосвязь микроструктурного состояния поверхности и механических свойств углеродных и металл-углеродных покрытий, формируемых плазмоусиленным химическим вакуумным осаждением / В. В. Углов [и др.] // Перспективные материалы. – 2003. – № 6. – С. 5–11.

2. Ion-beam coatings based on Ni and Cr with ultradispersed diamond – structure and properties / M. Andreyev [et al.] // Vacuum. – 2005. – Vol. 78, № 2–4. – P. 451–454. https://doi.org/10.1016/j.vacuum.2005.01.067

3. Особенности пойкилоцитоза, вызванного действием активных форм азота / М. Н. Стародубцева [и др.] // Проблемы здоровья и экологии. – 2006. – № 2 (8). – С. 117–121.

4. Investigation of the structure of nanocrystalline refractory oxides by X-ray difraction, electron microscopy and atomic force microscopy / T. M. Ulyanova [et al.] // Crystallography Reports. – 2006. – Vol. 51, Suppl. 1. – P. 144–149.

5. О свойствах стали, модифицированной углеродными наноматериалами / С. А. Жданок [и др.] // Инж.-физ. журн. – 2010. – Т. 83, № 1. – С. 3–7.

6. Слепнева, Л. М. Дисперсность и морфология гидрозоля диоксида титана / Л. М. Слепнева, Т. А. Кузнецова // Наука и техника. – 2012. – № 5. – C. 67–71.

7. Наноразмерная субструктура термообработанного высокопрочного чугуна / С. А. Чижик [и др.] // Инж.-физ. журн. – 2013. – T. 86, № 5. – С. 949–959.

8. Кузнецова, Т. А. Деформационное структурирование пленок алюминия при микроиндентировании / Т. А. Кузнецова, С. А. Чижик, А. Л. Худолей // Поверхность. Рентгеновские, синхротронные и нейтронные исследования. 2014. – № 12. – С. 46–56.

9. Получение порошка диоксида титана методом сольволиза и оценка его дисперсности / Л. М. Слепнева [и др.] // Вес. Нац. акад. навук Беларусі. Сер. фіз.-тэхн. навук. – 2015. – № 1. – С. 10–15.

10. Surface microstructure of Mo(C)N coatings investigated by AFM / T. Kuznetsova [et al.] // J. Mater. Eng. Perform. – 2016. – Vol. 25, № 12. – P. 5450–5459. https://doi.org/10.1007/s11665-016-2390-z

11. Geisse, N. A. AFM and Combined Optical Techniques / N. A. Geisse // Materials Today. – 2009. – Vol. 12, № 7–8. – P. 40–45. https://doi.org/10.1016/s1369-7021(09)70201-9

12. Eaton, P. Atomic Force Microscopy / P. Eaton, P. West. – Oxford Univ. Press, 2010. – 257 p. https://doi.org/10.1093/acprof:oso/9780199570454.001.0001

13. Pratt, W. K. Digital Image Processing / W. K. Pratt. – 3 th ed. – Los Altos, California: Jonh Willey & Sons, Inc., 2001. – 738 p. https://doi.org/10.1002/0471221325

14. Gonzalez, R. C. Digital Image Processing / R. C. Gonzalez, R. E. Woods. – Pearson Education, 2008. – 954 p.

15. Beucher, S. Use of watersheds in contour detection [Electronic resource] / S. Beucher, C. Lantuéjoul // Proc. International Workshop on Image Processing, Real-Time Edge and Motion Detection/Estimation, Rennes. – 1979. – Mode of access: http://www.cmm.mines-paristech.fr/~beucher/publi/watershed.pdf – Date of access: 02.04.2018.

16. Vincent, L. Watershed in Digital Spaces: an efficient algorithm based on immersion simulation / L. Vincent, P. Sollie // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1991. – Vol. 13. – P. 583–598. https://doi.org/10.1109/34.87344

17. Jackway, P. T. Gradient watersheds in morphological scale space / P. T. Jackway // IEEE Transactions on Image Processing. – 1999. – Vol. 5, iss. 6 – P. 913–921. https://doi.org/10.1109/83.503908

18. Weickert, J. Efficient Image Segmentation using partial differential equations and morphology / J. Weickert // Patern Recognition. – 2001. – Vol. 34, № 9. – P. 1813–1824. https://doi.org/10.1016/s0031-3203(00)00109-6

19. Jung, C. R. Robust Watershed Segmentation using wavelets / C. R. Jung, J. Scharcanski // Image and Vision Computing. – 2005. – Vol. 23, № 7. – P. 661–669. https://doi.org/10.1016/j.imavis.2005.03.001

20. Marker-Controlled Watershed Segmentation [Electronic resource] // MathWork. – Mode of access: https://www.mathworks.com/help/images/examples/marker-controlled-watershed-segmentation.html – Date of access: 02.04.2018

21. Альмияхи, О. М. Сегментация изображений на основе волнового выращивания областей / О. М. Альмияхи, В. Ю. Цветков, В. К. Конопелько // Доклады БГУИР. – 2016. – № 3 (97). – С. 24–30.

22. Watershed segmentation algorithm in OpenCV [Electronic resource] // Github. – Mode of access: https://github.com/AlmogDavid/fellowQuad/blob/1d26f32ba44cba0426af6e6c40bcd73e0db6f9ba/opencv/Source.cppl – Date of access: 02.04.2018.

23. Region Growing Algorithm [Electronic resource] // Github. – Mode of access: https://github.com/emreozanalkan/RegionGrowingAlgorithm – Date of access : 02.04.2018.

24. Watershed [Electronic resource] // MathWork. – Mode of access: https://www.mathworks.com/help/images/ref/watershed.html?s_tid=srchtitle – Date of access: 02.04.2018.

25. Watershed [Electronic resource// Github. – Mode of access: https://github.com/keke2014/Watershed – Date of access: 02.04.2018.

26. Gwiddion [Electronic resource]. – Mode of access: http://gwyddion.net – Date of access: 02.04.2018.