sapiСистемный анализ и прикладная информатика«System analysis and applied information science»2309-49232414-0481Belarusian National Technical University10.21122/2309-4923-2022-3-22-27sapi-578Research ArticleСистемный анализSystem analysisЭкспериментальная оценка информативности признаков при анализе 2D изображений костных объектов в судебно-экспертных исследованияхExperimental assessment of the informativity of signs in the analysis of 2d images of bone objects in forensic examination.ДудкинА. А.DoudkinA. A.

Дудкин Александр Арсентьевич, доктор технических наук, профессор. Заведующий лабораторией «Идентификации систем»

Минск

Doudkin Aleksandr, Doctor of Sciences and Professor of computer science. Head of the Systems Identification Laboratory 

Minsk

ВороновА. А.VoronovA. A.

Воронов Александр Анатольевич, кандидат технических наук, доцент

Минск

PhD, Associate Professor

Minsk

ГанченкоВ. В.GanchenkoV. V.

Воронов Александр Анатольевич, кандидат технических наук, доцент

Минск

PhD

Minsk

МарушкоЕ. Е.MarushkoE. E.

Марушко Евгений Евгеньевич

Минск

ПоденокЛ. П.PodenokL. P.

Поденок Леонид Петрович

Минск

ИнютинА. В.InyutinA. V.

Инютин Александр Владимирович

Минск

Объединенный институт проблем информатики НАН БеларусиБеларусьUnited Institute of Informatics Problems of the National Academy of Sciences of BelarusBelarus202206122022032227Copyright © Дудкин А.А., Воронов А.А., Ганченко В.В., Марушко Е.Е., Поденок Л.П., Инютин А.В., 20222022Дудкин А.А., Воронов А.А., Ганченко В.В., Марушко Е.Е., Поденок Л.П., Инютин А.В.Doudkin A.A., Voronov A.A., Ganchenko V.V., Marushko E.E., Podenok L.P., Inyutin A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sapi.bntu.by/jour/article/view/578

Вработеприводитсяописаниепрограммнойреализациисистемывыделенияиоценкиинформативныхпризнаков по фотографиям переломов костных объектов для классификации переломов и идентификации предполагаемого орудия, которым нанесена травма. В качестве признаков использовались текстурные характеристики Харалика, локальные бинарные образцы, фильтры Габора, энергетические текстурные характеристики Лавса для 2D изображений поверхностей переломов. Проведенная оценка информативности позволила выбрать признаки, наиболее подходящие для решения задачи классификации переломов. Результаты будут использованы для судебно-экспертного исследования сложных поверхностей переломов с применением автоматизированной системы анализа цифровых изображений.

This article describes the software implementation of the system for extracting and evaluating information features from 2D images of bone fractures and bone objects for classifying fractures and identifying the alleged instrument that caused the injury. As parameters, the textural characteristics of Haralick, local binary patterns of pixels for 2D images, Gabor filters, Laws energy texture characteristics for 2D images are considered. The analysis carried out on basis of information content estimation to select the features that are most suitable for solving the problem of bone fractures classification. The results will be used for development of methods for complex forensic examination of complex polygonal surfaces of solid objects for automated system for analyzing digital images.

костные объектытекстурные характеристикилокальные бинарные образцыbone fracturebone objectstexture featureslocal binary patternsReferencesВолегов, П. С. Поврежденность и разрушение: обзор экспериментальных работ / П.С. Волегов, Д.С.Грибов, П.В. Трусов // Физическая мезомеханика. – 2015. – Т.18. – №3. – С.11–24.Volegov, P. S. Povrezhdennost’ i razrushenie: obzor jeksperimental’nyh rabot / P.S. Volegov, D.S.Gribov, P.V. Trusov // Fizicheskaja mezomehanika. – 2015. – T.18. – №3. – S.11–24.. [In russian]Разрушение. Т. 1: Микроскопические и макроскопические основы механики разрушения / Под ред. Г. Либовица. – М.: Мир, 1973. – 620 с.Razrushenie. T. 1: Mikroskopicheskie i makroskopicheskie osnovy mehaniki razrushenija / Pod red. G. Libovica. – M.: Mir, 1973. – 620 s. [In russian]Feichtinger, Hans G. Gabor analysis and algorithms : theory and applications./ Feichtinger, Hans G. and Thomas Strohmer. 1998. – Boston: Birkhäuser – 496 p.Feichtinger, Hans G. Gabor analysis and algorithms : theory and applications./ Feichtinger, Hans G. and Thomas Strohmer. 1998. – Boston: Birkhäuser – 496 p.Laws, K. Rapid texture identifi / Kenneth I. Laws // Proc. SPIE 0238. Image Processing for Missile Guidance. – 1980. – San Diego, USA. – Vol. 238. – PP. 376-381.Laws, K. Rapid texture identifi / Kenneth I. Laws // Proc. SPIE 0238. Image Processing for Missile Guidance. – 1980. – San Diego, USA. – Vol. 238. – PP. 376-381.Haralick, R. M. Textural features for image classifi / R.M. Haralick, K. Shanmugam, I.H. Dinstein // IEEE Trans. on systems, man, and cybernetics, 1973. – № 6. – P. 610–621.Haralick, R. M. Textural features for image classifi / R.M. Haralick, K. Shanmugam, I.H. Dinstein // IEEE Trans. on systems, man, and cybernetics, 1973. – № 6. – P. 610–621.Ojala, T. Multiresolution gray-scale and rotation invariant texture classifi with local binary patterns / T. Ojala, M. Pietikainen, T. Maenpaa // IEEE Transactions on pattern analysis and machine intelligence, 2002. – Vol. 24. № 7. – P. 971–987.Ojala, T. Multiresolution gray-scale and rotation invariant texture classifi with local binary patterns / T. Ojala, M. Pietikainen, T. Maenpaa // IEEE Trans. on pattern analysis and machine intelligence, 2002. – Vol. 24. № 7. – P. 971–987.Наследов, Д. Математические методы психологического исследования / Д. Наследов. – 2008. – СПб.: Речь, 2008. –172 с.Nasledov, D. Matematicheskie metody psihologicheskogo issledovanija / D. Nasledov. – 2008. – SPb.: Rech’, 2008. – 172 s. [In russian]Kuhn, M. Applied Predictive Modeling / Kuhn Max and Kjell Johnson. – 2018. – New York, NY: Springer. – 600 P.Kuhn, M. Applied Predictive Modeling / Kuhn Max and Kjell Johnson. – 2018. – New York, NY: Springer. – 600 P.Support vector clustering/ Ben-Hur, Asa [et al.] // Journal of Machine Learning Research. – 2001. – Vol. 2. – P. 125–137.Support vector clustering/ Ben-Hur, Asa [et al.] // Journal of Machine Learning Research. – 2001. – Vol. 2. – P. 125–137.Geurts, P. Extremely randomized trees / P. Geurts, D. Ernst. and L. Wehenkel // Machine Learning. – 2006. – Vol.63. – P.3Geurts, P. Extremely randomized trees / P. Geurts, D. Ernst. and L. Wehenkel // Machine Learning. – 2006. – Vol.63. – P.3-42.Breiman, L. Random Forests / Breiman Leo // Machine Learning, 2001. – Vol.45. – P. 5-32.Breiman, L. Random Forests / Breiman Leo // Machine Learning, 2001. – Vol.45. – P. 5-32.

The authors declare that there are no conflicts of interest present.