"Разработка методов и алгоритмов обработки медицинских изображений с использованием методов искусственного интеллекта"

KSN - окрестность из К элементов, ближайших на растре к данному элементу;

KNV - окрестность из К ближайших соседей к данному элементу по значению сигнала:

(2.2)

• 
  EV-окрестность:
  (2.3)
  

Медиана элементов М -окрестности:
(2.4)
Приведенные статистики удобно искать по локальной гистограмме. Существующие рекурсивные алгоритмы позволяют быстро обрабатывать окрестности любых размеров.
Преимуществом ранговых алгоритмов является их отличие от методов линейной фильтрации, они лишены такого характерного недостатка как пространственная инерционность, которая заключается в том, что при использовании линейных фильтров влияние отдельных деталей изображения проявляется на результирующем изображении на расстоянии порядка размеров апертуры фильтра. Это заметно в частности в размывании границ деталей при сглаживании изображений, в искажении формы деталей при их выделении из фона и т.п. На первый взгляд может показаться, что вследствие переупорядочивания данных в вариационный ряд ранговые алгоритмы не используют пространственных связей между элементами изображений, и это является принципиальным недостатком. Действительно, ранговые алгоритмы инвариантны к пространственным связям и даже к размерности сигнала. Однако, как ни удивительно, это свойство является не недостатком, а преимуществом ранговых алгоритмов , еще одной стороной их адаптивного характера. Пространственные связи между элементами изображения, определяемые, например, принадлежностью их к одной детали, проявляют себя в вариационном ряду через параметры условной гистограммы распределения значений сигнала в окрестности данного элемента. В последнее время появилось много публикаций, в которых рассматриваются алгоритмы, основанные на вычислении линейной комбинации порядковых статистик, взятых с заранее подобранными из тех или иных соображений весами. Ранговые алгоритмы могут использоваться во всех процедурах обработки изображений – стандартизации, сглаживания, усиления детальности, выделения объектов из фоновой части, выделения границ, определения статистических характеристик и т.д.