деления кровеносного рисунка лица. Термографические изображения,
снятые в лабораторных условиях, сравнивались с изображениями на
морозе (при температуре
−
15
◦
C, время нахождения на открытом воз-
духе составляло до 1 ч). Результат выделения сосудистого рисунка
приведен на рис. 6,
б
. Как видно, кровеносный рисунок не изменил-
ся и стал более выраженным.
Выводы.
Предложена система автоматического выделения под-
кожного сосудистого рисунка на термографических изображениях.
Разработанный метод позволяет детектировать сосудистый рисунок
при различных условиях. Метод выделения сосудистого рисунка мо-
жет найти применение в различных задачах автоматизированной ме-
дицинской диагностики и других прикладных областях.
Из результатов экспериментальных исследований следует, что вы-
деляемый кровеносный рисунок лица не изменяется при различных
условиях окружающей среды, таких как перегрев, охлаждение; при
изменении диаметра (состояния) сосудов, связанных с употреблением
алкоголя и курением; при распространенных вирусных и респиратор-
ных заболеваниях на разных их стадиях; при различных психоэмоци-
ональных состояниях и физической активности.
Результаты тестирования позволяют сделать заключение, что до-
стижение более точного выделения кровеносного рисунка возможно
двумя способами: 1) использованием термографических камер с боль-
шей точностью измерения температур для улучшения качества изобра-
жений и 2) проведением дополнительного исследования морфологи-
ческих операций, используемых для выделения кровеносного рисунка
и последующим “усилением” кровеносного рисунка с помощью филь-
тров Габора [6].
СПИСОК ЛИТЕРАТУРЫ
1. Н е к о т о р ы е аспекты применения термографии при реабилитации пациен-
тов с нарушением функций опорно-двигательной и нервной систем / В.И. Ви-
ноградов, И.С. Веретенов, В.Н. Слезко и др. // Функциональная диагностика. –
2005. – № 3. – C. 72–78.
2. B u d d h a r a j u P., P a v l i d i s P., T s i a m y r t z i s P., B a z a k o s M.
Physiology-based face recognition in the thermal infrared spectrum // IEEE
Transactions on Pattern Analysis and Machine Intelligence. – 2007. – Vol. 29, no. 4.
3. L a m L., S e o n g - W h a n L e e, and C h i n g Y. S u e n. Thinning metho-
dologies — A сomprehensive survey // IEEE Transactions on Pattern Analysis and
Machine Intelligence. – 1992. – Vol. 14, no. 9. – P. 879.
4. И в а н и ц к и й Г. Р. Современное матричное тепловидение в биомедицине //
Успехи физических наук. – 2006. – Т. 176. – № 12. – С. 1293–1320.
5. Г о н с а л е с Р., В у д с Р., Э д д и н с С. Цифровая обработка изображений
в среде MATLAB. – М.: Техносфера, 2006. – C. 380.
ISSN 1812-3368. Вестник МГТУ им. Н.Э. Баумана. Сер. “Естественные науки”. 2012. № 2
105
