Применение анализа цифровых изображений для оценивания возраста промысловых объектов

Тип работы:
Реферат
Предмет:
Экономические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

2007
Известия ТИНРО
Том 149
УДК 681. 3:597
В. П. Васильков (ВГУЭС, г. Владивосток)
ПРИМЕНЕНИЕ АНАЛИЗА ЦИФРОВЫХ ИЗОБРАЖЕНИЙ ДЛЯ ОЦЕНИВАНИЯ ВОЗРАСТА ПРОМЫСЛОВЫХ ОБЪЕКТОВ
Рассмотрены методы анализа цифровых изображений для интерпретации и оценки возрастных маркеров: методы улучшения цифровых изображений кальци-фицированных структур (к.с.), компьютеризированные методы верификации возрастных маркеров и др. Проведен анализ возможностей компьютерных технологий. Показана возможность получения цифровых изображений, пригодных для решения задач определения возраста на любых типах к.с. Представлены материалы разработки и тестирования цельных объектно-ориентированных технологий, основанных на анализе цифровых изображений для важных промысловых объектов: тихоокеанского белокорого палтуса, минтая, окуней, хека, трески, лососей. Для последних пяти объектов такие технологии разработаны впервые. Новым также является улучшение изображений, обоснование спектрального анализа временных рядов, компьютеризированные методы верификации маркеров на отолитах тихоокеанских промысловых рыб. В исследованиях широко использовалась созданная автором специализированная компьютерная программа анализа слоистых структур и анализатор изображений к.с. IM. Такие разработки не имеют аналогов в нашей стране.
Vasilkov V.P. Application of image analysis to estimate an age of marine fish // Izv. TINRO. — 2007. — Vol. 149. — P. 138−161.
Computer-aided ageing techniques feasibility for otoliths preparation methodologies are evaluated and developed. Image enhancement techniques including adaptive filtering, spectral analysis computer-aided age validity methods, and others methods are developed and applied. The mathematical methods and algorithms are fitted to a wide range of growth patterns including imperfect and very old otholiths. New technologies and prototypes have been tested for several commercial fish objects typical for the North-West Pacific, as walleye pollock Theragra chalcogramma, pacific cod Gadus macrocephalus, pacific halibut Hippoglossus stenolepis, rockfishes Sebastes borealis and Sebastes flavidus, pacific hake Merluccius productus, coho salmon Oncorhynchus kisutch, chinook salmon Oncorhynchus tschawytscha, chum salmon Oncorhynchus keta, and some other species. They showed high productivity and precision. Specialized software package is developed and applied.
Введение
Для оценки возраста и популяционной принадлежности, а также получения других данных о рыбах широко используются кальцифицированные структуры (к.с.): кости, чешуя, отолиты.
По данным EFARO (Европейская организация по рыболовству и аквакуль-туре, www. efaro. com), мечение хека в последние годы показало наличие значимых различий с общепринятой интерпретацией и оценками возраста по к.с. В 2004 г. группа экспертов EFARO из 25 европейских и североамериканских спе-
циалистов по определению возраста, оценке запасов и интерпретации отолитов сделала вывод, что этого следует ожидать и по большинству других промысловых видов. Наше исследование по тихоокеанскому белокорому палтусу с привлечением данных мечения, результаты которого приводятся в настоящей статье, подтверждает такой вывод. Поскольку на основе возрастного распределения рыб обосновываются промысловые лимиты вылова и прогнозы, то это ставит под сомнение правдивость данных рыбохозяйственных исследований, основанных на возрастных оценках. EFARO представила свои рекомендации о способах повышения объективности и точности в оценивании возраста.
1. Разработать объективные, основанные на моделях и компьютерных системах методы анализа к.с. для определения возраста.
2. Создать справочные коллекции к.с.
3. Создать сетевой тренинг и способствовать распространению продвинутых средств для определения возраста.
Было подчеркнуто, что вложения в компьютерные технологии для этого дадут немедленную отдачу.
Рекомендации EFARO подчеркивают актуальность и своевременность темы настоящей работы.
Методы и техники получения и улучшения цифровых изображений, как показано в некоторых опубликованных работах (Estep е! а1., 1995), способны давать повышение контрастности и различимости полос без разрушения к.с., а архивы цифровых изображений к.с. с помощью современных цифровых видео- и фотокамер могут быть созданы достаточно легко.
С помощью цифровых изображений можно уменьшить влияние таких факторов, как варьирование настроек освещенности и микроскопа, а алгоритмы возрастных определений, будучи фиксированными и реализованными в компьютере, могут уменьшить субъективное влияние личности специалиста.
Чтобы быть методологически правильным, метод определения возраста по регистрирующим структурам должен включать предварительное выделение годовой периодичности из смеси разных волн (процесс декомпозиции и демодуляции — Васильков, 1977), а затем уже подсчет нужных колец по выделенной годовой периодике. Эту периодичность можно выделить обработкой цифровых изображений, применением прикладных методов математического анализа (Troadec е! а1., 2000).
Совокупность методов, алгоритмов, аппаратное и программное обеспечение для анализа к.с. можно обозначить как компьютерные технологии анализа к.с. (КТАКС). Разрабатываемые технологии способны нивелировать недостатки, свойственные существующей рутинной методологии и дают преимущества в решении проблемы определения возраста.
Общие процедуры и фазы КТАКС для подсчета возрастных маркеров включают:
1) подготовку образцов-
2) оптические установки на микроскопе-
3) оцифровку изображения-
4) использование систем анализа изображений-
5) прокладку трансект на изображении и получение профилей яркости-
6) компьютеризированные методы верификации колец-
7) алгоритмические методы подсчета колец.
Процедуры подготовки препаратов к.с. были аналогичны тем, которые используются в биологических лабораториях при определении возраста. В исследованиях использовалась затеняющая платформа (Estep е! а1., 1995), чтобы увеличивать контрастность отолитных слоев, при этом свет проходил через отолит снизу вверх.
Видеоизображения получали с помощью видеокамеры, смонтированной на микроскопе. Иногда видеокамера была оборудована так называемым шуттером, выполняющим функции затенения и диафрагмирования.
Оцифровка и обработка изображений к.с. осуществлялась либо с помощью стандартной системы анализа изображений, подобной Optimas или Image Pro, либо специализированной IM-системой (Vasilkov, 1997а). Одна из таких систем, разработанная для Полярного научно-исследовательского института морского рыбного хозяйства и океанографии (ПИНРО, г. Мурманск), включала в себя видеокамеру, стереомикроскоп, видеомонитор, компьютерный монитор, системный блок компьютера, программное обеспечение, затеняющую платформу (рис. 1).
Рис. 1. Специализированная система анализа изображений к.с. IM в лаборатории ПИНРО: А — видеокамера, установленная на бинокуляр- В — сте-реомикроскоп (бинокуляр) — С — видеомонитор- D — компьютерный монитор- Е — системный блок компьютера
Fig. 1. Special the image analysis system IM to analyze calcified structures: А — TV camera- В — stereo microscope- C — video monitor- D — computer monitor- E — system bloc
Для этапов 6 и 7 разрабатывали и тестировали три метода: спектральных функций- адаптивной фильтрации с пороговым детектированием полос- многомерной классификации. Первый метод ранее использовался для определения возраста рыб по чешуе (Васильков, Левада, 1977).
Для этапа 5 разработан метод кусочных, множественных трансект. Поскольку одиночные трансекты не давали представительных профилей яркости, прокладывались веера трансект на изображении поперек колец, а их направление, форма фигуры (прямоугольник, трапеция или сектор), покрывающей определенный ареал изображения, начальная и конечная точка задавались оператором на изображении или программой автоматически. Затем снимали и осредняли профили яркости, а осредненный профиль уже использовали в дальнейших вычислениях. Составные профили включали несколько фигур трансект от разных участков изображения, чтобы учесть разное направление и кривизну колец.
Амплитудно-спектральный анализ профилей (диаграмм) яркости (Васильков, 1977, 1991- Troadec, 1991- Vasilkov, 1997Ь) был использован для выявления наиболее интенсивных и регулярных периодов и для подсчета слоев. В данном исследовании не использовались какие-либо функции роста как часть спектрального метода.
Наряду с амплитудно-спектральным анализом мы также применяли адаптивную фильтрацию вместе с пороговым детектированием (Troadec, 1991) и некоторые другие методы (СаПНе! е! а1., 1996).
Метод спектрального анализа применительно к нашим задачам характеризуется некоторыми особенностями. Для получения более устойчивых оценок спектральные функции (Дженкинс, 1972) вычисляли с использованием сглаживающего окна, а ширина окна была равна половине максимального сдвига автокорреляционной функции. Шаг по частоте вычислений оценок функции в низкочастотном диапазоне был уменьшен в два раза, чтобы увеличить точность оценок. Алгоритм включал нахождение средней частоты по нескольким пикам в диапазоне частот, заданном оператором или программой, а средняя частота использовалась для оценки возраста. Таким образом, учитывалась нестационарность по периоду, связанная с возрастным снижением темпа роста без привлечения ростовых функций.
Метод фильтрации заключался в использовании полосовой фильтрации профилей с помощью осреднения без весовых коэффициентов, а диапазон фильтра задавался оператором или с помощью программы. Для учета нестационарности начальное значение диапазона затем автоматически пересчитывалось, адаптируясь к ширине колец.
В процессе разработки видоспецифичных технологий мы в некоторых случаях использовали модификации стандартных процедур.
Для фаз 5−7 было использовано программное обеспечение обработки к.с. AnnuliSpec.
Для тестирования технологий по уровню ошибок использовали несколько показателей ошибок и статистических критериев, принятых в таких случаях: коэффициент вариации CV (Campana, 1992), отклонения между компьютерными и визуальными (или по данным мечения) оценками в4, среднее расхождение BS и доля среднего расхождения BS%, средние оценки X1, X2, отклонения в долях среднего BS%, доля положительных +RD4 и отрицательных -RD4 отклонений, доля отклонений в пределах 0, 1, 2, 3 года Agr4 0−3, (International Pacific Halibut Commission, 1995). Вычислялись показатели по возрастным группам, а также тотальные средние по всем возрастным группам. Средняя оценка X2 обычно фигурирует как абсолютная, истинная оценка возраста в случае, когда истинный возраст известен из результатов мечения или из других методов, Х1 в настоящей работе — это компьютерные оценки.
Годовые кольца, определенные оператором или известные как истинные кольца, промаркированы с помощью номеров на изображениях отолитов. Чтобы тестировать статистические гипотезы, мы использовали регрессионный анализ, однофакторный дисперсионный анализ ANOVA, перекрестное табулирование и двухвыборочный t-тест в пакете обработки NCSS 97.
Виды промысловых объектов, для которых КТАКС были разработаны и протестированы
Объектами нашего исследования были минтай Theragra chalcogramma, тихоокеанская треска Gadus macrocephalus, тихоокеанский белокорый палтус Hippoglossus stenolepis, окуни Sebastes borealis, S. flavidus, тихоокеанский хек Merluccius productus, кижуч Oncorhynchus kisutch, чавыча Oncorhynchus tscha-wytscha, кета Oncorhynchus keta и другие виды, использованные для сравнения.
Американская компания DataFlow/Alaska Inc. предоставила данные по тихоокеанскому хеку и тихоокеанским лососям.
Отолиты были собраны у минтая в Беринговом море и в зал. Аляска, трески — в Беринговом море, зал. Аляска и Северной Атлантике, тихоокеанского палтуса — в северо-восточной части Тихого океана, а также предоставлены Международной комиссией по изучению палтуса (IPHC), окуня S. borealis — в Беринговом море и зал. Аляска, а S. flavidus — в калифорнийских водах. Мы также использовали для тестирования опубликованные данные (Troadec, 1991) по отолитам личинок камбалы Solea solea и отолитам камбалы Pollachius virens.
Компьютерные технологии для анализа кальцифицированных структур
Улучшение изображений
Применение операций обработки цифровых изображений к.с., например гистограммных растяжек, эквализации (автоматическое контрастирование), вычитания фона и трендов, редукции шумов, высокочастотной и низкочастотной фильтрации и др., позволяет улучшить характеристики исходного изображения, и это влияет на видимость и различимость полос и колец, которые служат возрастными маркерами.
Один из эффектов улучшения изображений связан с тем, что человеческий глаз не различает более 64 градаций, или оттенков, серого. Было показано, что гистограммные растяжки (Campana, 1992- Estep et al., 1995) позволяют представить полезную часть изображения в большем числе градаций (128 и более), так что мелкие детали становятся заметными, а контрастность полос и колец существенно повышается.
Гистограммные растяжки были апробированы нами (Васильков, 2006) почти для всех перечисленных выше промысловых объектов, включая также их применение для выделения термометок и суточных слоев. Во всех случаях этот способ показывал хорошие результаты.
Другой эффект связан с недостатками оптической микроскопии. Для освещения отолитов часто применяется направленный источник, такой как световоды, позволяющие увеличить плотность светового потока, однако это создает существенный перепад в освещении разных частей отолита. На изображении появляется составляющая яркости (тренд), где яркость уменьшается от одного края отолита к другому, и, благодаря ее высокому уровню, скрывает более мелкие перепады яркости, связанные с возрастными кольцами. Тренд может создаваться не только световодом, но и любым направленным источником освещения. Благодаря цифровой обработке можно существенно уменьшить маскирующее влияние тренда, засветок, убрать дефекты изображения, вызванные этим, и & quot-проявить"- полосы и кольца там, где они не видны на исходном изображении.
На рис. 2 показано применение операции вычитания тренда на срезе отолита тихоокеанской трески. Полированный слом отолита освещался двумя гибкими световодами, направленными в центр, что создавало засветку центра, из-за чего кольца почти не были видны (рис. 2, В, левый фрагмент — исходное изображение), но после вычитания засветки и применения высокочастотной фильтрации они хорошо проявились (фрагмент справа).
Рис. 2. Компьютерная технология подсчета годовых колец на сломе отолита трески: А — эффект затенения изображения (внизу, исходный отолит показан выше) — В — эффект улучшения изображения (исходное — слева, улучшение — справа, использован отраженный свет) — С — подсчет колец с помощью порогового детектирования (черные полосы на диаграмме). Цифры здесь и далее — маркировка годовых колец
Fig. 2. Computer aided rings counting in sectioned cod otolith: А — the effect of image shadowing (down, the same unsheided otolith shown above) — B — the effect of image enhancement (ring, reflected light) — C — ring counting with threshold detecting (black strips). Annuli marked by numeration in the picture
На рис. 2 (А) показан эффект применения затеняющего кольца (Estep et al., 1995).
У некоторых видов рыб годовые слои на отолитах или других к.с. плохо заметны и слабоконтрастны. То же самое относится к узким возрастным полосам по краю отолитов долгоживущих видов рыб. Для повышения различимости полос, кроме хороших микроскопов, применяют такие приемы, как обжиг отоли-
тов или изготовление тонких срезов. Тонкие срезы уже можно смотреть в проходящем свете, что лучше, чем в отраженном по контрастности, а обжиг, выжигая органический материал сильнее, чем минеральный, повышает контрастность полос. Однако обжиг разрушает отолит, делая его хрупким, кроме того, неравномерность обжига создает неравномерность контраста, что вызывает лишнее разнообразие образцов. Тонкие же срезы отолитов или других к.с. весьма трудоемки и требуют как дорогостоящего оборудования, так и значительного опыта.
Улучшение цифровых изображений может давать такой же эффект, как обжиг или тонкие срезы, не вызывая при этом разрушений и не требуя значительных затрат. Например, отолиты 5. flavidus отличаются плохо различимыми кольцами. На рис. 3 представлено изображение полированного слома отолита 5. flavidus с четко выделяющимися после цифровой обработки слоями. Для получения этого результата потребовалось применить несколько операций улучшения изображений: вычитание трендов, фильтрацию, эквализацию.
Рис. 3. Анализ цифрового изображения отолита S. flavi-dus. Вверху справа улучшенное и увеличенное изображение. Внизу фильтрация с пороговым детектированием. В центре направление трансект и маркированные кольца
Fig. 3. Image analysis in a S. flavidus otolith. The effect of image enhancement in enladged the fragmental the right up. Rings counting with threshold defecting (black strips) at the down in the picture. Transects direction and marked annuli at the center
Кроме того, в этом случае проходящий свет создавался с использованием затеняющего кольца и гибких световодов. Для выявления узких слоев полезным может быть также компьютерное увеличение фрагментов цифровых изображений.
В исследовании по применению улучшения изображений для отолитов и чешуи для оценки возраста североатлантических рыб было показано (Estep е! а1., 1995), что улучшение изображений давало результат на 1−3 кольца больше, чем подсчеты специалистов, применявших традиционную технику.
Аналогичные результаты были получены нами на некоторых тихоокеанских видах рыб. Так, например, в ряде случаев для трески прибрежных вод Аляски компьютерная технология показывала возраст 8−9 лет, в то время как специалисты из лаборатории Департамента рыболовства (г. Джуно) оценивали те же образцы в 6−7 лет. В случае с долгоживущим окунем 5. borealis специалисты насчитывали 112 колец, в то время как компьютерная техника дала результат 135 колец.
Анализ профилей яркости
Профили яркости могут с успехом применяться и для решения вопросов валидности оценок возраста. Когда профили строятся поперек всех возрастных полос, от момента начала роста к.с. и до самого края структуры, то, будучи
временной серией измерений яркости, они дают количественную информацию о перепадах яркости (прозрачности, плотности, отражения), связанных с разными временными флюктуациями роста к.с., включая и годовую периодичность. Дополнительные кольца, годовые кольца, трещины на отолитах и другие элементы оптической структуры порождают своеобразные перепады яркости в общей картине. Количественные характеристики этих перепадов и их вид на диаграмме можно использовать также для верификации истинных годовых колец, причем здесь возможно применение статистических процедур проверки гипотез по количественным данным.
Каждой точке профиля может соответствовать его координата, т. е. расстояние от начала профиля до данной точки в микронах, миллиметрах или других единицах измерения (эти единицы задаются при калибровке и оцифровке изображений). Для отолитов это эквивалентно расстоянию от центра до данной точки на отолите.
Одновременно по профилю можно рассчитать длину рыбы для любой полосы или возрастного кольца, для любого временного репера на отолите и тем самым верифицировать даже отдельные кольца, чеки и т. п.
Обратное расчисление длины рыб по к.с. является удобным средством для интерпретации слоев роста и нахождения участков к.с., соответствующих дате мечения у меченых рыб. Мы использовали это для анализа отолитов меченого палтуса (по данным и материалам IPHC).
Обратное расчисление длины рыб по размерам отолитов делали по зависимости между размерами отолита и рыбы. Были использованы параметры генеральной зависимости без разделения по полу для рыб, выловленных в западном промысловом районе:
L = aRb,
где a = 0,2758 — коэффициент, b = 1,3223 — показатель степени, L — длина рыбы, см, R — радиус отолита, мм.
Для проверки корректности результатов такого подхода было проведено его тестирование на небольшой выборке в 30 экз. По данным мечения с использованием указанной зависимости по профилям яркости вычисляли размер рыбы для каждой точки профиля и находили участок профиля и соответствующий ему участок отолита на изображении с учетом сезона мечения, где расчисленная длина совпадала с фактической на момент мечения. При этом диаграмма яркости позволяла выйти даже на год и сезон мечения.
На рис. 4 показан образец такого расчета для отолита палтуса, выловленного в 1996 г. Местоположение участка на отолите, который приходится на момент мечения, показано поперечной полосой и курсором на диаграмме.
На диаграмме яркости внизу заметны двойные перепады яркости внутри года, возникающие от дополнительных (сезонных) колец.
Участок отолита с места, соответствующего моменту мечения, до края отолита анализировали: определяли число годовых колец и сравнивали с количеством фактических лет, прошедших с момента мечения до вылова. Результаты показали хорошее соответствие фактическим данным, показатели ошибок и данные регрессионного анализа приведены в табл. 1.
Таблица 1
Показатели ошибок отклонений истинного возраста от возрастных оценок, по обратному расчислению, палтус, 1996 г.
Table 1
True age versus age estimation with back-calculation, halibut, 1996
B BS BS% Aage ApeCV% +RD -RD X1(cp) X2(cP)
0 0 0 3,05 5,26 20,00 15,00 3,05 3,05
Примечание. Здесь и в табл. 3, 6 Aage — средний возраст, Аре^% - коэффициент вариации.
Рис. 4. Интерпретация краевых приростов на отолитах палтуса, сформировавшихся после мечения рыбы: L — обратно расчисленная длина, R — радиус
Fig. 4. Interpretation of marginal structures in a halibut otolith formed after tagging of fish. An allocation of an otolith- s area that has formed on a tagging date marked by the cursor and the strip. Back-calculated data (L, R) shown at the right. A luminance diagram (down) indicates appearance of double bands
CV составлял 5,26% при статистически достоверном совпадении средних, а коэффициенты корреляции были высокими (0,99) и достоверными для высоких уровней риска.
Будучи верифицированным, в последующем такой подход применялся для определения возраста меченого палтуса в уловах 1996 г. и других лет по данным мечения. Полученные результаты сравнивали с оценками возраста, данными специалистами из IPHC, которым не были известны итоги мечения.
Один из результатов тестирования возрастных определений с помощью данных мечения показывает, что специалисты-чтецы имели тенденцию завышать оценки возраста для быстрорастущих рыб (табл. 2). Двойные оценки по данным мечения, различающиеся на один год, получались для экземпляров, у которых центральная часть отолита содержала нечеткие кольца.
Таблица 2
Оценка возраста быстрорастущих самок палтуса (мечение, данные 1996 г.)
Table 2
Age estimation of fast growing female halibut (1996, tag data)
№ образца Оценка Поверхность специалиста Обожженные сломы Оценка по данным мечения
14 11 11 9
38 11 12 8−9
67 16 16 13−14
90 15 12 10−11
105 14 12 12
106 10 11 9
107 12 12 7−8
108 12 14 8−9
Причины завышения возраста специалистами, вероятно, связаны с тем, что на отолитах быстрорастущих рыб образуются многочисленные дополнительные кольца, которые могут приниматься за годовые (рис. 4).
Практика показывает, что на отолитах многих видов рыб часто наблюдаются дополнительные кольца (полосы) или двойные, раздвоенные, тройные полосы, разломы, инородные пятна, так что бывает сложно выделить основные годовые кольца. Трудночитаемые образцы представляют проблему и для опытных специалистов и служат причиной основных ошибок. Поэтому все образцы цифровых
145
изображений целесообразно разделить на несколько групп: трудночитаемые- нормальные с четкими, хорошо читаемыми кольцами и эталонные с особо четкой структурой колец или с верифицированными кольцами. Диагностика трудночитаемых образцов включает несколько методов, позволяющих верифицировать кольца и определить годовые слои роста.
Благодаря гибкой автоматизированной системе построения кусочных трансект и их анализа, реализованной в анализаторе изображений IM, можно сравнивать результаты в разных секторах и по разным осям отолита, что позволяет отличить истинные годовые кольца от случайных перепадов яркости, обусловленных разломами или пятнами на поверхности отолита. Трансекты из разных секторов могут объединяться способом интегрирования профилей с нормировкой, и это устраняет случайные изменения подобного рода.
Для палтуса была также создана коллекция трудночитаемых образцов с верифицированными кольцами, где возраст и годовые кольца были идентифицированы по данным мечения и компьютерными методами. Образцы изображений в спорных ситуациях сравнивали с изображениями из коллекции, и это помогало разобраться.
Одним из способов устранения перепадов яркости в профилях, связанных с наличием дополнительных колец, разломами и иными причинами, может быть адаптивное сглаживание или адаптивная полосовая фильтрация профилей яркости. При такой фильтрации пороги фильтра подстраиваются к изменяющемуся периоду полос. Например, на рис. 2 © сглаженный профиль показан белой кривой на диаграмме, а черными полосами поверх профилей представлены результаты подсчета числа отрицательных полуволн (где яркость была ниже среднего) по сглаженной диаграмме. Они представляют оценку числа годовых колец, полученных способом фильтрации профиля (оценка фильтра) и порогового детектирования снижения яркости.
По этим данным (рис. 2, С) видно, что до 7-го кольца оценка фильтра хорошо совпадает с реальными годовыми кольцами, а в отфильтрованном профиле раздвоения колец исчезли.
Фильтрация профилей может быть дополнена обратным расчислением роста для верификации колец, и совместно оба метода дают мощное средство для элиминации влияния эффектов раздвоенности колец, трещин, что было проверено на изображениях поверхности целых отолитов палтуса вблизи ядра, где эти эффекты особенно заметны (рис. 5).
Рис. 5. Идентификация годовых колец в центре отолита с помощью полосовой фильтрации, порогового детектора и обратного расчисления длины. Местоположение пикселей на изображении, для которых сделано расчисление длины, маркировано курсором на диаграмме
Fig. 5. Identification of annuli in a halibut'-s otolith core using threshold detector (black strips at the down) and back-calculation. Location of the pixel that has been calculated marked by the cursor
Метод обратных расчислений длины рыб может быть также совмещен с методом распределения рыб по длине и возможностями анализа профилей на изображении, давая еще один способ верификации колец. По известному ряду значений размеров рыбы или размеров к.с. для разных возрастов рыб можно найти доверительные интервалы (80−99%-ные), в которые попадает большая часть рыб по этим размерам, и отобразить их тем или иным образом на шкале размеров профиля для данного экземпляра рыбы. Тогда, имея обратнорасчисленную длину и/или размер (радиус) к.с. для того или иного годового кольца, ее можно сопоставить с лимитами достоверных интервалов длины или размера к.с. известных возрастных групп и определить к какой возрастной группе (возрасту) это ближе. Тем самым мы получаем возможность идентифицировать возрастные кольца. Этот способ был апробирован на отолитах трески и минтая (Васильков, 2006).
Следует отметить важные преимущества систем анализа изображения для измерений полос по сравнению с окуляр-микрометрическими и фотографическими измерениями (Campana, 1992). Как следует из вышеописанных применений профилей, они показывают диаграмму изменения яркости в годовых и других слоях и благодаря этому могут использоваться для нахождения точной границы любых точек полосы для получения точных измерений. Точность, достижимая с помощью окуляр-микрометра, ниже.
Определение возраста старшевозрастных особей у долгоживущих видов рыб играет важную роль для расчетов смертности рыб и величины допустимого вылова. Ниже мы рассмотрим процедуру применения компьютерного метода для точной оценки возраста одного из экземпляров S. borealis из коллекции лаборатории возраста и мечения Департамента рыбы и дичи на Аляске. Длина этого экземпляра составляла 85,6 см, от него были взяты отолиты, по которым и определяли возраст. Для оценки возраста использовали полированные и слегка обожженные сломы отолитов. Цифровые изображения центральной части были получены под бинокуляром, а срединной и краевой — под компаунд-микроскопом, чтобы обеспечить нужное для самых узких краевых слоев разрешение не менее 10 мк.
Все цифровые изображения для увеличения различимости колец подвергались операциям улучшения изображений. Кроме того, использовали профили, применяли спектральный анализ и фильтрацию для выделения годовых слоев и отслеживания возрастного тренда уменьшения годового прироста. Среди специалистов по определению возраста принято считать, что первое годовое кольцо в центре отолита этого окуня формируется на расстоянии около 0,5 мм, причем первые 3−4 кольца и визуально под микроскопом плохо видны.
В средней части отолита наблюдались кольца разного масштаба. Самые интенсивные кольца не являлись годовыми, при этом период годовых колец уменьшался, становясь эквивалентным предыдущим сезонным кольцам. В такой ситуации незаменимым средством становится спектральный анализ. Сначала анализируется спектр на вариации ведущих периодических компонент, их амплитуды и уменьшения годового периода, а также профиль, чтобы лучше различать дополнительные кольца. При этом, зная последний годовой период (темп роста) из предыдущего анализа центра отолита, можно отследить уменьшение годового периода по спектру (спектральные пики, располагающиеся справа от начального в спектре). Спектральный пик и уменьшение периода соотносятся с перепадами яркости на профиле, а также с кольцами на изображении, чтобы идентифицировать реальные годовые слои. Фильтрация профиля также позволяет проверить гипотезу о выделяемых годовых слоях. В заключительной фазе найденные годовые кольца маркируются номерами.
На рис. 6 показана спектральная оценка числа колец — 14,5, выделено и промаркировано на изображении — 13 колец.
Аналогичный анализ проделан на краевой части отолита, где находятся самые узкие кольца по краевому фрагменту отолита.
Рис. 6. Спектральная оценка числа колец в средней части отолита старого окуня S. borealis (сплошная линия на диаграмме)
Fig. 6. Tracking of annuli in the middle area of an oldest S. borealis otolith with spectral function (solid curve at the down)
Рассмотренный способ был назван способом отслеживания годового периода в сложной смеси сигналов с помощью методов анализа временных рядов.
Можно отметить некоторые преимущества рассматриваемых компьютеризированных способов по сравнению с глазомерным подсчетом колец для старых долгоживущих рыб. Во-первых, эти способы позволяют верифицировать кольца на каждом шаге количественными методами. Спектральный анализ вместе с другими методами позволяет выделить годовую периодичность в смеси других пери-одичностей и отследить изменения годового периода. Глазомерным способом можно только угадывать годовую периодичность в подобной сложной ситуации, что неизбежно чревато ошибками при подсчете множества мелких колец. Во-вторых, как отмечалось ранее (Campana, 1992- Neilson, 1992), человек склонен делать ошибки в подсчетах в силу природы человеческого зрения. Взгляд сканирует картину, перескакивая с одной области на другую, выискивая отметки ориентации в картине похожих полос, при этом отдельные кольца пропускаются или могут учитываться дважды. Кроме того, сказывается быстрая усталость глаз от однообразной картины и эффект моргания. Компьютерной же технике не свойственны пропуск или двойной учет колец.
Анализ суточных слоев
Открытие околосуточных слоев в к.с. рыб (Panella, 1971, 1974) дало новый метод временной калибровки слоев, который стал широко применяться при работе с молодью рыб и мальками начиная с 1980-х гг. Эти слои формируются у всех видов рыб и во всех регионах их обитания и в общем выглядят на отолитах более регулярными и различимыми, чем годовые.
Факторы, порождающие эти слои, были достаточно хорошо изучены (Neilson, 1992). Их образование связано с циркадным ритмом, который поддерживается автоматически внутри организма. Внешние факторы среды, такие как питание, температура, могут приводить к образованию субсуточных слоев. Однако чаще влияние этих факторов проявляется в изменении характеристик самих суточных слоев — их ширины и интенсивности. На отолитах эти слои часто образуют пакеты микрослоев, где их средняя ширина и интенсивность различаются.
Мы опробовали два алгоритма компьютерной оценки суточных слоев: адаптивную фильтрацию с пороговым детектором и спектральный анализ. Оба алгоритма были опробованы на тихоокеанском белокором палтусе. Однако следует отметить, что спектральные оценки обладают преимуществом: пороговый детек-
тор порой реагирует на отдельные перепады яркости, порожденные трещинами или вкраплениями, в то время как спектральный анализ мало чувствителен к этим артефактам. Кроме того, даже пропуск отдельных плохо видимых колец не влияет существенно на результат, так как оценка основывается на частотных данных, обладающих свойством интерполяции.
Другое тестирование с использованием спектрального анализа было предпринято при анализе отолитов сайры. Образец такого анализа представлен на рис. 7.
Рис. 7. Спектральная оценка (диаграмма внизу) суточных слоев на отолите сайры Colo-labis saira. Оценка числа слоев отмечена курсором справа. Трансек-та профиля на изображении выделена черной линией, а линия ручного счета — белой линией с поперечными маркерами счета
Fig. 7. Computer aided daily increments counting in a sectioned Cololabis saira otolith with spectral function (solid curve at the down). The daily increments estimate marked by cursor to the right of
Предварительные результаты показывают, что спектральные оценки вполне могут заменить глазомерный счет, обладая при этом определенными преимуществами. В то же время спектральные оценки плохо работают на коротких трансек-тах и недостаточно чувствительны к резким изменениям частоты закладки слоев в районе пакетов слоев, особенно если это малоконтрастные немногочисленные слои. Возможно, в таких ситуациях будет лучше работать вейвлет-анализ (wavelet), более чувствительный к разного рода скачкам (Чуи, 2001).
Ориентированные на объекты КТАКС для возрастных маркеров
Разработки законченных (цельных) КТАКС для определения возраста, ориентированных на конкретные промысловые виды рыб и популяции, выполнялись в 1997—2005 гг. Одна из задач данного исследования заключалась в разработке технологии компьютерной обработки без производства тонких срезов отолитов, только по сломам отолитов или по поверхности, другая — в оценке алгоритмов улучшения изображений на значительных выборках и для разных типов отолитов.
Для преодоления проблемы гетерогенности образцов необходимо было исследовать устойчивость алгоритмов при варьировании образцов и возможность приспособления алгоритмов для разных образцов. Для оценки алгоритмов необходимо проводить сравнительный анализ ошибок с помощью параметрических и непараметрических методов.
По мнению ряда специалистов, КТАКС должны отвечать следующим требованиям:
— ошибки оценок возраста не должны превышать таковых для традиционных техник-
the picture. Profile transect marked by black line in the picture
1enght
— средние оценки не должны быть смещены-
— желательно, чтобы производительность КТАКС была выше традиционных техник.
Для проверки этих условий в работе проводилось тестирование КТАКС по уровню ошибок, производительности, а также сравнительный анализ возможностей традиционных и компьютерных подходов.
Тихоокеанский белокорый палтус
Этот объект представлял определенный интерес, так как определение возраста делается для части образцов по поверхности целого отолита, а ширина годовых колец у палтуса в силу выраженного полового диморфизма по темпу роста различается у самцов и самок. Кроме того, в коллекции отолитов были представлены материалы по рыбам, из северных и южных регионов, также существенно различающимся по темпу роста. Поверхность отолитов палтуса имеет трещины, неровности, прерывающиеся или раздвоенные кольца, многочисленные дополнительные кольца. Все это представляет определенные сложности для разработки КТАКС для палтуса. Тем более было интересно проверить возможности создания работоспособной технологии и в этом случае.
Для рыб младших возрастов (менее 14−15 лет) использовали целые отолиты, изображение поверхности, а для старших рыб (более 14−15 лет) использовали сломы отолитов. Целые отолиты погружали в воду, что устраняло блики на поверхности, возникающие от освещения, а сломы слегка смачивали, но обжиг не применялся.
В выборках 1996 г. целые отолиты изучали отдельно у самок и самцов (рис. 8), для других лет разделение по полу не делали. Для дискриминации по полу на цифровых изображениях поверхности отолита измеряли радиусы и диаметры в определенных направлениях, описывающие форму отолита, а также темп роста методом обратных расчислений, расстояния между кольцами на отолитах. Использовали также параметры уравнения Берталланфи. Эти данные служили входным вектором в анализе главных компонент, с помощью которого новые образцы и дискриминировали по полу.
Рис. 8. Различия формы отолитов самок (слева) и самцов (справа) палтуса
Fig. 8. The otolith shape difference between halibut female (left) and male (right)
Подобный метод дискриминации палтуса по полу (дискриминантный анализ) с несколько отличающимся набором признаков был использован ранее (Forsberg, Neal, 1993).
Алгоритм улучшения изображений включал устранение трендов в перепадах яркости (засветки), эквализацию, низко и высокочастотную фильтрацию, гистограммные растяжки. В силу меньшей контрастности колец поверхностных изображений по сравнению со сломами для первых приходилось включать двойное устранение трендов или эквализацию. Тем не менее в целом после улучшения изображений цифровые изображения получались достаточно контрастными (см. рис. 4, 5).
Для компьютерного оценивания возраста использовались пороговое детектирование и спектральный анализ (рис. 4, 5). Оказалось, что детектирование
150
лучше подходит для подсчета первых 3−4 колец, а спектральный анализ — для последующих. Это обусловлено тем, что в центре колец немного, расстояние между ними большое и наблюдаются интенсивные дополнительные кольца, а в этих условиях спектральный анализ работает хуже.
На примере данных 1996 г. применяли более сложный алгоритм с разделением образцов на группы. Трансекты для получения профилей для самок строили в дорзальном секторе, а для самцов — в постериордорзальном. Тестирование алгоритма сравнением компьютерных оценок с оценками по данным мечения показало, что эта технология валидна. Как по средним значениям, так и по парным сравнениям, по медианам и распределениям не было статистически значимых различий для уровней вероятности 95 и 99%. СУ варьировал между 2,39 и 9,02%.
Регрессионный анализ и гистограммы расхождений не показывали статистически значимых отклонений и тренда. Корреляция по Пирсону и Спирмэну показывала высокий уровень. Непараметрические статистики подтверждали результаты, полученные при параметрическом статистическом анализе. Во всех данных имелась некоторая незначительная тенденция недочета колец в компьютерных оценках по сравнению с данными мечения (табл. 3−5).
Показатели различий между компьютерными оценками и оценками по данным мечения, палтус, 1996 г.
Computer age estimates versus tag data estimates, halibut, 1996
Таблица 3
Table 3
Номер возрастной группы Возрастная группа B (t) BS (t) Aage (t) BS (t)% ApeCV (t)% +RD (t)
1 7,5−8,5 4,00 0,57 8,50 6,72 9,01 57,14
2 9,00 5,00 0,63 9,31 6,71 7,29 62,50
3 9,50 1,00 0,33 9,67 3,45 2,36 50,00
4 10,00 -9,50 -0,56 9,72 -5,75 6,84 27,78
5 10,5−11,0 -2,50 -0,28 10,75 -2,58 4,11 40,00
6 11,5−12,0 -11,00 -0,79 11,54 -6,81 7,74 21,43
7 12,5−13,0 -9,00 -1,00 12,44 -8,04 7,25 11,11
8 & gt- 13,0 -7,50 -1,25 14,63 -8,55 6,69 33,33
Среднее -3,69 -0,29 10,82 -1,86 6,41 37,91
Номер возрастной группы
-RD (t) Agr0(t) Agr1(t) Agr2(t) Agr3(t)
X1(t)
X2(t)
1 42,86 0 71,43 85,71 100,00 8,79 8,21
2 25,00 12,50 75,00 75,00 100,00 9,63 9,00
3 0 50,00 75,00 75,00 75,00 9,83 9,50
4 55,56 16,67 72,22 83,33 100,00 9,44 10,00
5 30,00 30,00 90,00 90,00 90,00 10,61 10,89
6 57,14 21,43 57,14 78,57 100,00 11,14 11,93
7 66,67 22,22 66,67 77,78 100,00 11,94 12,94
8 66,67 0 50,00 83,33 100,00 14,00 15,25
Среднее 42,99 19,10 69,68 81,09 95,63 10,67 10,97
Таблица 4
Показатели дисперсии компьютерных оценок и оценок мечения, палтус, 1996 г.
Table 4
Variable analysis of computer and tag data estimates, halibut, 1996
Отношение F
Хи-квадрат
Уровень вероятности
Решение (порог 0,05)
7,51
40,1255
0,0012
Медианы не равны
Примечание. Отношение F — дисперсионное отношение, Хи-квадрат — показатель дисперсии.
Таблица 5
Показатели связи компьютерных оценок и оценок мечения, палтус, 1996 г.
Table 5
Relationship coefficients of computer and tag data estimates, halibut, 1996
Показатель Значение
Phi 1,40 378
Cramer'-s V 0,465 271
Коэффициент корреляции Пирсона 0,6692
Коэффициент ранговой корреляции Спирмэна 0,6191
Gamma 0,635 525
Примечание. Phi — показатель связи Фи, Cramer'-s V — показатель связи Крамера, Gamma — коэффициент связи признаков.
Расхождения между оценками специалистов и данными мечения были существенно выше (табл. 6−8). CV составлял 5,78−21,7%, а статистическая проверка гипотез показала достоверность различий. Достоверные различия имелись в параметрах распределений — средних, медианах, дисперсии. Оценки специалистов имели тенденцию превышать истинный возраст, и расхождение увеличивалось для младших возрастных групп. Линейная корреляция была низкой, хотя общая связь между оценками оставалась значимой.
Таблица 6
Показатели различий между оценками специалистов и оценками по данным мечения,
палтус, 1996 г.
Table 6
Human reader age estimates versus tag data estimates, halibut, 1996
Номер
возрастной группы оозрастная группа B (t) BS (t) Aage (t) BS (t)% ApeCV (t)% +RD (t)
1 7,5 6,00 3,00 9,00 33,33 22,74 100,00
2 8,5 10,50 2,10 9,55 21,99 15,09 100,00
3 9,0 16,50 2,06 10,03 20,56 14,04 87,50
4 9,5 7,50 1,88 10,43 17,96 12,20 75,00
5 10,0 17,50 1,03 10,51 9,79 8,74 83,33
6 11,0 -3,00 -0,43 10,78 -3,79 5,78 33,33
7 12,0 -4,60 -0,38 11,81 -3,17 9,37 33,33
8 13,0 -10,00 -1,25 12,37 -10,10 7,41 0
9 14,0 -3,00 -1,00 13,50 -7,41 7,19 33,33
Среднее 10,5 4,16 0,78 10,89 8,80 11,40 60,65
Номер возрастной -RD (t) Agr0(t) Agr1(t) Agr2(t) Agr3(t) X1(t) X2(t)
группы
1 0 0 0 50,00 0 10,50 7,50
2 0 0 20,00 40,00 80,00 10,60 8,50
3 0 12,50 25,00 62,50 87,50 11,06 9,00
4 0 25,00 25,00 50,00 75,00 11,38 9,50
5 16,67 0 55,56 77,78 100,00 11,03 10,00
6 44,44 22,22 66,67 100,00 100,00 10,57 11,00
7 50,00 16,67 41,67 66,67 100,00 11,63 12,00
8 88,89 11,11 55,56 77,78 88,89 11,75 13,00
9 66,66 0 66,66 66,66 100,00 13,00 14,00
Среднее 29,63 12,34 39,93 65,71 81,27 11,28 10,50
В случае с отолитами палтуса использование кусочных подстраиваемых трансект и разных алгоритмов оценки колец для различных участков отолита и для разных групп, формируемых по ростовым или половым признакам, оправданно и целесообразно в условиях существенного варьирования отолитов.
Таблица 7
Показатель дисперсии оценок чтецов и оценок мечения, палтус, 1996 г.
Table 7
Variable analysis of human reader and tag data estimates, halibut, 1996
Отношение F Хи-квадрат Уровень вероятности Решение (порог 0,05)
4,0 19,7141 0,1394 Медианы равны
Таблица 8
Показатели связи оценок специалистов и оценок мечения, палтус, 1996 г.
Table 8
Relationship coefficients of human reader and tag data estimates, halibut, 1996
Показатель Значение
Phi 0,918 050
Cramer'-s V 0,420 564
Коэффициент корреляции Пирсона 0,4744
Коэффициент ранговой корреляции Спирмэна 0,3241
Тихоокеанская треска и минтай
Отолиты трески удобны для отработки различных методов анализа благодаря наличию на них хорошо видимых и достаточно четких годовых слоев. Исследование проводилось с отолитами тихоокеанской и атлантической трески.
Хорошие результаты дает одностороннее освещение, а при двустороннем четкость колец значительно уменьшается. Свет должен быть не ярким, а рассеянным. Сильное одностороннее освещение приводит к засветке, что мешает последующей компьютерной обработке изображений. Испытывались различные способы освещения, как в отраженном свете, так и в проходящем одностороннем, при которых менялись углы направления света, использовались затеняющие диафрагмы или же специальная лампа-подсветка, создающая рассеянный свет, и другие способы.
Алгоритмы компьютерной обработки изображений с целью улучшения и увеличения четкости выделяемых годовых колец в целом зависят от характеристик освещения, от яркости изображения, от исходной четкости и контрастности колец. Один и тот же алгоритм в разных условиях может давать разные результаты, поэтому важна стандартизация всех параметров.
В нашем случае благодаря неплохой исходной контрастности колец алгоритм улучшения изображений, подобранный для трески, оказался не очень сложным. Он включал устранение засветок, гистограммную растяжку и низкочастотную фильтрацию.
Операция улучшения качества изображения позволяет сделать видимыми даже те кольца, которые под микроскопом плохо различимы или плохо заметны. Хорошее качество выделения годовых колец для трески с помощью компьютерных средств позволяет обойтись практически без обжига отолитов.
В отолитах трески, как тихоокеанской, так и атлантической, проявляются дополнительные кольца. Особенно хорошо они видны вблизи центра отолита, где прирост выше. Для разделения годовых колец и дополнительных можно использовать диаграмму яркости, а также расчисление длины методом обратного рас-числения и доверительного интервала для младших возрастных групп. Для старших возрастов (более 10 лет) такой подход становится неэффективным, так как приросты значительно снижаются и различие возрастных классов по длине незначительно.
Исследования возможностей алгоритмических методов для определения числа колец показали, что хорошие оценки получаются с помощью алгоритма адаптивной фильтрации с пороговым детектором (см. рис. 2). Причем алгоритм удается настроить таким образом, что в результате подсчитываются только годовые кольца,
а дополнительные игнорируются. Хорошие результаты дает также применение спектральной оценки возраста. Те кольца, которые специалист-оператор выделял как годовые, программа также могла выделить и подсчитать.
Использование методики определения возраста только по длине или по кольцам отолитов, плавниковых лучей и т. д. может быть ненадежно, так как длина варьирует, а кольца не всегда точно идентифицируются и выделяются.
В 1993 г. мы совместно со специалистом ТИНРО А. Н. Винниковым разрабатывали многомерный возрастной ключ для тихоокеанской трески из прикамчат-ских вод (рис. 9). Использовали множество биометрических признаков (длина, масса и др.) и признаков, определенных по регистрирующей структуре (радиус, кольца, приросты и др.), коррелирующих с возрастом. Методами многомерной классификации идентифицировали принадлежность образцов к одной из возрастных групп. При этом определение параметров классифицирующей функции (метод главных компонент) делали по обучающей выборке, а затем образцы с неизвестным возрастом относили к одному из известных классов в пространстве главных компонент.
N 0. 73
г
$
-0. 27
— -1. 28
-2. 29

+

* -1- +
-4 115 -2. 37 -0. 58 1. 20
Компонента М 1
ЗНИЧНМШХ КОМПОНЕНТ — 2
Enter:
возврат на вы& amp-оп о& amp-ьектоЕ- Esc:
вплврат нд вы& amp-ор о^ь^кюв:
Клавншн-отепкн'- перемещение курсора,
Shirt ускоряет движение,
Г5 печать графика.
2. 98
+ - Код 4 i — Код 7
-«¦ - Код 71 Номер — 99
Особый признак — 720 495
Рис. 9. Идентификация возрастной принадлежности экземпляра трески многомерным возрастным ключом: код 4 — сгущение точек, соответствующих классу четырехгодовиков- код 7 — семигодовиков- код 71 — идентифицируемый экземпляр (отмечен стрелкой)
Fig. 9. Age identification of a Cod individual with the multiple age key. There are marked as cross-individuals from age group four (код 4), as arrow-individuals from age group seven (код 7), and identified individual marked by cursor (код 71) in the plot of principal components
Такой ключ также может повышать надежность определений для сложных отолитов с неясными или двойными кольцами.
Основные алгоритмы и техника, подобранные для трески, оказались приемлемы и для минтая, однако отолиты минтая значительно тоньше, и поэтому интенсивность освещения при одностороннем проходящем освещении должна быть меньше.
Так же как и для трески, для анализа отолитов минтая можно использовать бинокуляр, однако для старших возрастных групп, у которых по краю отолита уже много сближенных полос, целесообразно применять микроскоп, дающий большее разрешение.
Тестирование алгоритмов проводилось на минтае северо-восточной части Берингова моря (о. Богослов). Компьютерная технология отрабатывалась для
сломов отолитов в разных вариантах: обожженные и необожженные отолиты, полировка и без полировки, использование отраженного и проходящего света (с кольцом). Изучалось влияние этих вариантов на контрастность изображения и последующую обработку цифровых изображений, включая алгоритмы оценки возраста. Для освещения использовались два гибких световода, что давало более равномерный свет.
Алгоритм улучшения изображений включал высокочастотную и низкочастотную фильтрацию, устранение трендов, эквализацию и гистограммную растяжку в разных сочетаниях для разных вариантов подготовки отолитов и освещения.
Возраст оценивали по спектральной функции в боковом или длинном секторе отолита, которые считаются лучшими для оценки возраста. Особенность оценок возраста минтая заключалась в следующем: делали две оценки — минимальную и максимальную, — а затем вычисляли среднюю, которую и брали для дальнейшего сравнения с оценками специалистов-чтецов.
Такая модификация оценок введена в связи с тем, что на некоторых спектрах трудно однозначно определить правую границу интервала для вычисления среднего значения из-за наличия дополнительных пиков, принадлежащих дополнительным кольцам или чекам. В качестве минимальной оценки брали среднее, полученное для пиков, отсекаемых интервалом. Правая граница интервала соответствовала впадине глобального падения спектральной кривой. За максимальную оценку принимали правую границу в точке минимума между двумя пиками, следующими за впадиной. Описанное правило интервальных оценок применялось в основном к старшим по возрасту рыбам и сложным спектрам с множеством пиков. Для младших возрастов, где наблюдалось всего два пика, брали единственную оценку.
Лабораторией возраста и роста Северо-западного Аляскинского центра (г. Сиэтл), предоставившей образцы, были также предоставлены и оценки возраста специалистами.
Расхождение компьютерных оценок и оценок специалистов по богословскому минтаю даны на рис. 10.
451] 500
Длина рыб, мм
Рис. 10. Минтай. Расхождение между компьютерными оценками (Computer average) и оценками специалиста (Human average)
Fig. 10. Pollock. The discrepancy between human and computer-aided age estimates
155
Статистические тесты показали, что между средними, медианами и дисперсией нет достоверных различий. СУ находился между 4,89 и 11,48% (средний 8,43%), а корреляция по Пирсону (0,82) и ранговая корреляция Спирмэна (0,78) были высоки.
Непараметрические критерии Фи, Крамера, У также показывают значительную связь и подтверждают результаты, полученные при использовании параметрических статистик. Это подтверждает совпадение компьютерных и человеческих оценок возраста минтая.
Окунь Sebastes flavidus
Нечеткие годовые кольца, чеки и двойные полосы в основном локализуются на сломанных отолитах этого окуня вокруг центра. Они изучались в отраженном и проходящем свете, отолиты несколько полировались, обжиг не использовался.
Особенностью структуры отолитов этого окуня является наличие малоконтрастных колец. При улучшении изображений мы столкнулись с тем, что при использовании автоматической эквализации начинала проявляться пиксельная структура и зернистость. Для изображений, на которых кольца были особенно мало контрастны, приходилось применять один или несколько алгоритмов подряд, несколько раз. Для выделения и подсчета мелких слоев по краю отолита целесообразно выделять определенный фрагмент, увеличивать его в 2−3 раза и затем осуществлять улучшение изображений. Несмотря на эти проблемы, и для S. flavidus удалось подобрать алгоритмы улучшения изображений, которые дают качество выделения колец, намного превосходящее то, что мы видим под микроскопом при использовании только визуального метода (см. рис. 3).
Алгоритм улучшения цифровых изображений на сломах отолитов значительно отличался от такового для минтая или трески. Он включал двойные гисто-граммные растяжки, гауссовское сглаживание или осреднение. Годовые кольца после 5−7-го выглядели достаточно сближенными. Адаптивная фильтрация и пороговое детектирование были достаточно хорошими приближениями, чтобы считать слои, и хорошо согласовались с результатами специалистов-чтецов (рис. 3).
Мы не тестировали наши алгоритмы на больших выборках, поскольку ранее Каллет с соавторами (СаПНе! е! а1., 1996) сделали крупномасштабное тестирование подобной техники на близком виде S. ги^, отловленном также у берегов Калифорнии. По их данным, средняя доля ошибок (АРЕ) компьютерных оценок против оценок специалистов варьировала от 3,6 до 8,2%, а статистические тесты на расхождение этих оценок не показали какого-либо статистически значимого различия в средних и распределениях. Авторы оценили точность компьютерных оценок, а также оценок специалистов. Компьютерная точность (АРЕ 3,17,4%) была выше, чем точность чтецов (АРЕ 10,7−14,6%).
Окунь Sebastes ЬогеаШ
Отолиты S. borealis отличаются крупными размерами и наличием множества малоконтрастных колец.
Интересно было проверить работоспособность нашей технологии и в этом сложном случае. На микроскопе четкость колец была выше, чем на бинокуляре. При подборе алгоритмов улучшения изображений выяснилось, что эквализация из-за слабой контрастности колец давала проявление пиксельной структуры, а также существенные тренды яркости на изображениях.
В случае с отолитами S. borealis мы лишний раз убедились в наличии зависимости между особенностью оптической структуры отолита, условиями освещения и контрастности и возможностями применения тех или иных алгоритмов для улучшения изображения. Этот алгоритм оказался в основном таким же, как для S. flavidus. Немалую роль играет чувствительность видеокамеры, а также
наличие в ней диафрагмы, позволяющей создавать затенение изображения. В целом удается все-таки подобрать алгоритмы для улучшения видимости колец для любых областей на всем протяжении отолита: в центральной части, в средней, по краю, там, где кольца также сближенные (см. рис. 6). Использование увеличенных фрагментов этой области позволяет выявить на 3−4 кольца больше, чем по исходному изображению.
Для крупных отолитов окуня, имеющих много колец, особенно актуально применение маркировки, так как это позволяет исключить ошибки, связанные с пропуском или двойным подсчетом различных колец. Проверка различных алгоритмов компьютерного выделения и оценки колец показала, что для различных участков центра отолита хорошо подходит алгоритм фильтрации, дальше от центра более приемлем спектральный анализ, особенно для краевой области (рис. 6). Таким образом, и для подобных отолитов может быть разработана КТАКС.
Лососи и тихоокеанский хек
В 2001 г. в компании DataFlow/Alaska Inc. (USA) нами была инициирована разработка компьютеризированной техники, чтобы оценивать возраст рыб по размеру отолитов, подобно тому как это делается с помощью размерно-возрастных ключей. Поскольку площадь или размер отолита или чешуи намного легче измерять, чем определять возраст по ним, и это можно делать в основном автоматически с помощью современных систем обработки изображения, то данный подход мог бы быть использован в коммерческом рыболовстве для анализа младших возрастных групп. Такие группы характеризуются достаточно высоким коэффициентом роста и соответственно расхождением размерно-возрастных классов. Общая методология КТАКС в данном случае включает только фазы 1−4, поскольку слои, т. е. возрастные маркеры, не просчитываются. Отолитный или чешуйный ключ рассчитывался по данным маленькой выборки (тренировочная выборка), а затем использовался, чтобы оценивать возраст на больших выборках (экзаменационная выборка). Возрастные данные, полученные чтецами-специалистами, трактовались как истинный возраст.
Исследование было осуществлено в компании DataFlow/Alaska Inc. ее сотрудниками, а результаты тестирования на экзаменационной выборке оценивались нами, с использованием показателей ошибок и статистической проверки гипотез.
Результаты такого тестирования показали, что для чавычи коэффициент вариации варьировал от 0,63 до 3,03% (средний 1,89), а для тихоокеанского хека от 1,36 до 2,07% (средний 1,9). Статистические тесты по расхождению человеческих и компьютерных возрастных оценок показывали очень высокое согласие между ними.
Для тихоокеанского хека тестировали еще одну версию ключа, использующую дополнительные морфобиологические данные, такие как длина и масса рыбы. Результаты показывали меньшее расхождение (средний коэффициент вариации 1,03). Более того, в соответствии с сообщением из этой компании, техника работает очень хорошо до возраста рыбы 20−25 лет.
Производительность КТАКС
Оценка продуктивности автоматизированной оцифровки изображений отолитов сделана для устройств типа stage компании Prior Scientific Co., автоматически перемещающих под микроскопом в 2−3 координатах столик с образцами.
Были оценены два варианта столиков — Optiscan stage (ES103) и Proscan stage — со скоростью перемещения соответственно 8 и 40 мм/с. Расчет делался для целых отолитов палтуса, отличающихся в среднем относительно крупным размером и более мелких — отолитов минтая, хранящихся в ячейках пластико-
вых хранилищ размером 10×10 ячеек. Для палтуса расстояние между ячейками бралось 20 мм, а для минтая — 10 мм. Учитывались затраты времени на перемещение столика с отолитами между ячейками и внутри ячейки, на центрирование под микроскопом и на смену хранилищ (взято равным 1 мин). Захват изображения самой камерой не является лимитирующим фактором, поскольку на одно изображение при захвате тратится всего 1/30 с.
Расчеты показали, что при данных параметрах и других допущениях за рабочий день в 8 ч с помощью Optiscan может быть получена коллекция изображений для палтуса в 5300 образцов, для минтая — 10 600, а с помощью Proscan для палтуса — 18 400, для минтая — 36 800 образцов.
Эта продуктивность более чем достаточна, чтобы в течение нескольких дней оцифровать все отолиты, с которыми специализированная лаборатория по росту и возрасту, например в Сиэтле (США), работает в течение года. В целом же в масштабах мирового рыболовства за год определяется возраст не менее 800 тыс. отолитов. Производительная система оцифровки изображений могла бы создать цифровую библиотеку такого объема всего за месяц. Таким образом, уже существующие средства автоматизации захвата изображений обладают достаточно высокой производительностью.
Нами оценивалась также продуктивность компьютеризированного анализа отолитов, подсчета колец по готовым изображениям, т. е. операции включали в себя загрузку из архива уже готовых, улучшенных изображений, прокладку трансект, компьютерные выделения, подсчет колец, сохранение результатов на диске.
В исследовании скорости подсчета колец по готовым цифровым изображениям оценивались три варианта: полностью автоматический расчет без вмешательства оператора, но с выводом экрана для текущего контроля- интерактивный расчет, при котором оператор корректировал прокладку трансект- детальный анализ плохих образцов с помощью компьютера.
По первому варианту определялись в основном отолиты до возраста 7−8 лет. Из отолитов данной размерно-возрастной группы под этот вариант подходило до 90%. Из отолитов более 8 лет около 50% также пригодны для варианта 1, около 40% - для варианта 2 и около 10% требовали детального анализа, как для плохих образцов.
Оценки делались на компьютере с процессором Intel Pentium 4, работающим на тактовой частоте 2,4 ГГц, оперативная память 256 МБ. Скорость обработки 100 отолитов составляла 1 мин для варианта 1 (0,6 с/изобр.), 15 мин для варианта 2 (9 с/изобр.) и 52 мин для варианта 3.
Для алгоритма оценки с разделением на группы общая продуктивность составляла около 540 отолитов за рабочий день, а для более простого алгоритма без разделения, подобного алгоритму, используемому чтецами в традиционном методе, продуктивность была оценена в 1600 отолитов за день. Полностью автоматический режим может обеспечивать фантастическую скорость оценок — до 80 000 отолитов за сутки. Для сравнения: продуктивность оценивания возраста палтуса специалистами-чтецами традиционным способом составляла 200−300 отолитов за день (включая все операции). Если учесть, что доля отолитов палтуса, годных для автоматического режима, составляет около 80%, а времени на операции установки отолитов, настройки и оцифровки изображений требуется не более чем при традиционном способе, то можно прийти к выводу, что в целом продуктивность компьютерных оценок может быть в несколько раз или даже на порядок выше традиционных.
С ростом производительности компьютеров увеличится и скорость компьютерной обработки изображений, и очевидно, что производительность КТАКС в будущем будет существенно превышать продуктивность чтецов. Резервы повышения продуктивности компьютерных оценок кроются также в переводе большей части отолитов на полностью автоматическое определение и в автоматиза-
ции большего числа операций. Более точные оценки продуктивности КТАКС могут быть сделаны в будущем только на системе, включающей все этапы компьютерной технологии.
Заключение
Из результатов данной работы следует, что утверждение некоторых исследователей (Troadec, 1991- СаПНе! е! а1., 1996) о том, что возможность использования КТАКС для отолитов ограничена необходимостью получать их тонкие срезы, неверно. На самом деле, как показывают наши исследования, вполне работоспособные технологии могут быть получены на разных типах к.с., для разных методов подготовки препаратов и освещения. Тем самым сфера применимости КТАКС значительно расширяется.
Алгоритмы и последовательные процедуры или фазы КТАКС существенно зависят как от характеристик к.с., особенностей видов рыб или популяций, так и друг от друга, поэтому при разработке технологий, ориентированных на объекты, учитывается специфика разных факторов. По этим же причинам системы обработки изображений сами по себе, без специальной подобранной под конкретные объекты технологии, мало эффективны.
КТАКС с обоснованными и валидными алгоритмами могут рассматриваться как системы, симулирующие чтение к.с. человеком, способные обеспечить эквивалентные оценки возрастных маркеров с корректностью, не уступающей человеческой.
Среди изученных преимуществ КТАКС по сравнению с традиционным чтением можно отметить следующие.
Эти технологии имеют большой потенциал повышения производительности, скорости анализов, в то время как традиционный метод в этом весьма ограничен. Некоторые данные и характеристики могут быть получены только с помощью компьютерных средств, например, количественные коэффициенты формы к.с., амплитуды и частоты периодичностей, маркированные справочные коллекции к.с. и др. То же относится и к возможности верификации отдельных колец на к.с., возможности применения статистических методов верификации — доверительных интервалов, многомерной классификации и т. д. Глазомерным способом совершенно невозможно выделить количественно чистую годовую периодику, что является чрезвычайно важным в правильной методологии чтения к.с., в точном определении границ годовых зон, в точной оценке приростов и др.
Контроль факторов в фазах КТАКС 1−7 открывает возможность существенной стандартизации процедур и алгоритмов, что ведет к повышению воспроизводимости возрастных оценок. Эти технологии могут обходиться без обжига отолитов или других структур, в то время как традиционные методики зачастую включают такой разрушающий образцы способ. Цифровые изображения могут храниться очень долго без разрушения, в то время как к.с. со временем трескаются, разрушаются, снижается контрастность колец.
Очевидно также превосходство КТАКС в диагностике плохих и старейших образцов благодаря образцам сравнения и компьютерным методам верификации, а также при подсчете повторяющихся многочисленных колец, включая суточные. И это далеко не полный перечень преимуществ этих технологий.
Впервые столь широко исследовано улучшение изображений и его роль в создании цельных технологий для тихоокеанских промысловых рыб, а также влияние гетерогенности образцов на алгоритмы улучшения.
Многие рассматриваемые методы и техники реализованы в первом отечественном анализаторе изображений к.с. 1 М. Благодаря заложенной в него функциональности и возможностям в значительной степени и удалось провести исследования, получить новую важную информацию, разработать и протестировать цельные КТАКС.
Следует упомянуть некоторую тенденцию недооценки числа колец для старших возрастных групп и переоценки для младших в результатах компьютерных оценок. Это отмечено в литературе (Neal and Forsberg, 1991- Troadec, 1991- Cailliet et al., 1996) и в наших исследованиях, независимо от используемых программ, методов и алгоритмов. Такой тенденции не наблюдается в данных по лососям и хеку, где использовались только размерные характеристики к.с. и морфобиологические данные.
Скорее всего, это может быть связано с тем, что при постоянном разрешении оцифровки оно избыточно для младшевозрастных рыб, и в изображения попадает много лишних колец. Для старших разрешение недостаточно — часть узких колец не попадает в изображение. Это и может быть причиной переоценки числа колец для младшевозрастных и недоучета для старшевозрастных рыб.
Этот недостаток цифровых изображений может устраняться за счет подбора оптимального разрешения для старшевозрастных образцов. Однако лучшим вариантом было бы использование камеры с переменным для разных участков к.с. разрешением, подстраиваемым к темпу роста материала на участке.
Для повышения производительности ОТАК важно автоматизировать как можно большее число операций, а также повысить долю образцов, пригодных для полностью автоматической обработки. Среди таких операций можно отметить автоматизацию прокладки трансект (Troadec, 1991), поиск центра к.с. (Welleman and Storbeck, 1995), сравнение образцов и их классификацию, определение плохих и аномальных образцов и др. Доля образцов для автоматической обработки может увеличиваться за счет внедрения новых альтернативных методов и алгоритмов, технологий, расширяющих применимость ОТАК ко всему разнообразию образцов. Тем не менее полная автоматизация вряд ли достижима. В ближайшее время по-прежнему актуальны интерактивные системы с вмешательством человека. Поэтому при разработке компьютерных технологий и проектировании должны рассматриваться вопросы оптимального распределения ролей между человеком и системой и их взаимодействие.
Литература
Васильков В. П. Анализ цифровых изображений кальцифицированных структур для оценки возрастных маркеров. — Владивосток: ВГУЭС, 200б. — 226 с.
Васильков В. П. Изучение динамики популяций рыб по склеритограммам // Вестн. ДВО АН СССР. — 1991. — № 1. — С. 66−75.
Васильков В. П. Регистрационные свойства чешуи новозеландского джакаса Chei-lodactylus macropterus (Bloch and Shneider) и их использование для получения информации о ритмах роста // Вопр. ихтиол. — 1977. — Т. 17, вып. 3. — С. 375−381.
Васильков В. П., Левада Т. П. Опыт машинного определения возраста у рыб Тихого океана // ЭИ/ЦНИИТЭИРХ. — 1977. — Вып. 7. — С. 12−17.
Дженкинс Г. Спектральный анализ и его приложения: В 2 т: Пер. с англ. — М.: Мир, 1972.
Чуи К. Введение в вейвлеты: Пер с англ. — М.: Мир, 2001. — 412 с.
Cailliet G.M., Botsford L.M., Brittnacher J.B. et al. Development of a computer-aided age determination system: evaluation based on otoliths of bank rockfish off California // Transaction Amer. Fish. Soc. — 1996. — № 125. — P. 874−888.
Campana S.E. Measurement and interpretation of the microstructure of fish otoliths // Otoliths microstructure examination and analysis: Can. Spec. Publ. Aquat. Sci. -
1992. — Vol. 117. — Р. 59−71.
Estep K.W., Nedreaas K.H., MacInture F. Computer image enhancement and presentations of otoliths // Recent Developments in Fish Otolith Research. — Columbia: Univ. of South Carolina Press, 1995. — P. 150−181.
Forsberg J.E., Neal P.R. Estimation Sex of Pacific Halibut Using Fourier Shape Analysis of Otoliths. — Seattle: International Pacific Halibut Commission, Techni. Rep. -
1993. — № 29. — 57 p.
International Pacific Halibut Commission. — Seattle, 1995. — Tech. Rep. № 32. — 98 p.
Neal P.R. and Forsberg G.E. A comparison of classifier systems for automated aging of Pacific halibut (Hippoglossus stenolepis). — Seattle: International Pacific Halibut Commission, Techni. Rep. — 1991. — № 10. — 34 p.
Neilson J.D. Sources of error in otolith microstructure examination // Otoliths microstructure examination and analysis: Can. Spec. Publ. Aquat. Sci. — 1992. — № 117. — P. 115−125.
Panella G. Otolith growth patterns: an aid in age determination in temperature and tropical fishes // Ageing of fish: Proc. of an Intern. Sympos. — Old Working, Surrey, England: The Gresham Press, 1974. — P. 28−39.
Panella G. Fish otolitha: daily growth layers and periodical patterns // Science. — 1971. — № 4002.
Troadec H. Frequency demodulation on otolith numerical images for the automation of fish age estimation // Aquat. Living Res. — 1991. — № 4. — P. 207−219.
Troadec H., Benzinou A., Rodin, V., Le bihan J. Use of deformable template for two-dimensional growth ring detection of otoliths by digital image processing: Application to plaice (Pleuronectes platessa) otoliths // Fisheries Research. — 2000. — № 46. — P. 155−163.
Vasilkov V.P. Imaging and automation of calcified structure Diagnostic System. Innovation firm IMADA, Preprint. — Seattle: WA, 1997a. — 3 p.
Vasilkov V.P. Spectral analysis to count increments // ELHS-AFS Workshops: Application of Specific Computer Image Analysis. — Seattle, WA: Western Regional Center NOAA, 1997b.
Welleman H.C. and Storbeck F. Automatic aging of plaice (Pleuronectes platessa L.) otoliths by means of image analysis // Recent Developments in Fish Otolith Research. — Columbia, South Carolina: University of South Carolina Press, 1995.
Поступила в редакцию 5. 09. 06 г.

ПоказатьСвернуть
Заполнить форму текущей работой