Segmentarea imaginilor APIM8-1

Σχετικά έγγραφα
Metode iterative pentru probleme neliniare - contractii

Curs 10 Funcţii reale de mai multe variabile reale. Limite şi continuitate.

5. FUNCŢII IMPLICITE. EXTREME CONDIŢIONATE.

V.7. Condiţii necesare de optimalitate cazul funcţiilor diferenţiabile

MARCAREA REZISTOARELOR

(a) se numeşte derivata parţială a funcţiei f în raport cu variabila x i în punctul a.

Curs 14 Funcţii implicite. Facultatea de Hidrotehnică Universitatea Tehnică "Gh. Asachi"

Functii definitie, proprietati, grafic, functii elementare A. Definitii, proprietatile functiilor X) functia f 1

Metode de interpolare bazate pe diferenţe divizate

Functii definitie, proprietati, grafic, functii elementare A. Definitii, proprietatile functiilor

III. Serii absolut convergente. Serii semiconvergente. ii) semiconvergentă dacă este convergentă iar seria modulelor divergentă.

prin egalizarea histogramei

Aplicaţii ale principiului I al termodinamicii la gazul ideal

Planul determinat de normală şi un punct Ecuaţia generală Plane paralele Unghi diedru Planul determinat de 3 puncte necoliniare

Subiecte Clasa a VIII-a

a n (ζ z 0 ) n. n=1 se numeste partea principala iar seria a n (z z 0 ) n se numeste partea

5.5. REZOLVAREA CIRCUITELOR CU TRANZISTOARE BIPOLARE

Geometrie computationala 2. Preliminarii geometrice

Integrala nedefinită (primitive)

Laborator 11. Mulţimi Julia. Temă

V O. = v I v stabilizator

Curs 1 Şiruri de numere reale

a. 11 % b. 12 % c. 13 % d. 14 %

Curs 4 Serii de numere reale

Procesarea Imaginilor

Criptosisteme cu cheie publică III

SEMINAR 14. Funcţii de mai multe variabile (continuare) ( = 1 z(x,y) x = 0. x = f. x + f. y = f. = x. = 1 y. y = x ( y = = 0

R R, f ( x) = x 7x+ 6. Determinați distanța dintre punctele de. B=, unde x și y sunt numere reale.

Analiza în curent continuu a schemelor electronice Eugenie Posdărăscu - DCE SEM 1 electronica.geniu.ro

Captura imaginilor. este necesară o sursă de lumină (λ: lungimea de undă a sursei)

Seminariile Capitolul X. Integrale Curbilinii: Serii Laurent şi Teorema Reziduurilor

DISTANŢA DINTRE DOUĂ DREPTE NECOPLANARE

Seminar 5 Analiza stabilității sistemelor liniare

Curs 2 DIODE. CIRCUITE DR


Zgomotul se poate suprapune informaţiei utile în două moduri: g(x, y) = f(x, y) n(x, y) (6.2)

Conice. Lect. dr. Constantin-Cosmin Todea. U.T. Cluj-Napoca

Scoruri standard Curba normală (Gauss) M. Popa

Componente şi Circuite Electronice Pasive. Laborator 3. Divizorul de tensiune. Divizorul de curent

Valori limită privind SO2, NOx şi emisiile de praf rezultate din operarea LPC în funcţie de diferite tipuri de combustibili

Segmentarea imaginilor

Sisteme diferenţiale liniare de ordinul 1

* K. toate K. circuitului. portile. Considerând această sumă pentru toate rezistoarele 2. = sl I K I K. toate rez. Pentru o bobină: U * toate I K K 1

Lab06: Extragerea trăsăturilor şi selecţia trăsăturilor. Aplicaţie pentru recunoaşterea obiectelor bazată pe formă.

Examen AG. Student:... Grupa:... ianuarie 2011

Subiecte Clasa a VII-a


COLEGIUL NATIONAL CONSTANTIN CARABELLA TARGOVISTE. CONCURSUL JUDETEAN DE MATEMATICA CEZAR IVANESCU Editia a VI-a 26 februarie 2005.

a. 0,1; 0,1; 0,1; b. 1, ; 5, ; 8, ; c. 4,87; 6,15; 8,04; d. 7; 7; 7; e. 9,74; 12,30;1 6,08.

Esalonul Redus pe Linii (ERL). Subspatii.

8 Intervale de încredere

Erori si incertitudini de măsurare. Modele matematice Instrument: proiectare, fabricaţie, Interacţiune măsurand instrument:

Laborator 6. Integrarea ecuaţiilor diferenţiale

Examen AG. Student:... Grupa: ianuarie 2016

Componente şi Circuite Electronice Pasive. Laborator 4. Măsurarea parametrilor mărimilor electrice

Definiţia generală Cazul 1. Elipsa şi hiperbola Cercul Cazul 2. Parabola Reprezentari parametrice ale conicelor Tangente la conice

Tehnici de Optimizare

Problema a II - a (10 puncte) Diferite circuite electrice

1.7. AMPLIFICATOARE DE PUTERE ÎN CLASA A ŞI AB

Capitolul COTAREA DESENELOR TEHNICE LECŢIA 21

Laborator 1: INTRODUCERE ÎN ALGORITMI. Întocmit de: Claudia Pârloagă. Îndrumător: Asist. Drd. Gabriel Danciu

prin operaţii punctuale

EDITURA PARALELA 45 MATEMATICĂ DE EXCELENŢĂ. Clasa a X-a Ediţia a II-a, revizuită. pentru concursuri, olimpiade şi centre de excelenţă

Asupra unei inegalităţi date la barajul OBMJ 2006

Capitolul ASAMBLAREA LAGĂRELOR LECŢIA 25

Reflexia şi refracţia luminii.

Fig Impedanţa condensatoarelor electrolitice SMD cu Al cu electrolit semiuscat în funcţie de frecvenţă [36].

2.1 Sfera. (EGS) ecuaţie care poartă denumirea de ecuaţia generală asferei. (EGS) reprezintă osferă cu centrul în punctul. 2 + p 2

Sisteme de Recunoastere a Formelor Laborator 5 Histograma Orientarilor Gradientilor

SERII NUMERICE. Definiţia 3.1. Fie (a n ) n n0 (n 0 IN) un şir de numere reale şi (s n ) n n0

RĂSPUNS Modulul de rezistenţă este o caracteristică geometrică a secţiunii transversale, scrisă faţă de una dintre axele de inerţie principale:,

Sisteme de Recunoastere a Formelor Laborator 3-4 Histograma Orientarilor Gradientilor

Analiza funcționării și proiectarea unui stabilizator de tensiune continuă realizat cu o diodă Zener

riptografie şi Securitate

Stabilizator cu diodă Zener

2. Circuite logice 2.2. Diagrame Karnaugh. Copyright Paul GASNER 1

2. Sisteme de forţe concurente...1 Cuprins...1 Introducere Aspecte teoretice Aplicaţii rezolvate...3

BARAJ DE JUNIORI,,Euclid Cipru, 28 mai 2012 (barajul 3)

Să se arate că n este număr par. Dan Nedeianu

CIRCUITE INTEGRATE MONOLITICE DE MICROUNDE. MMIC Monolithic Microwave Integrated Circuit

Profesor Blaga Mirela-Gabriela DREAPTA

Capitolul 4. Integrale improprii Integrale cu limite de integrare infinite

VII.2. PROBLEME REZOLVATE

CURS 8: METODE DE OPTIMIZARE PARAMETRICĂ

Tehnici de imbunatatire si restaurare a imaginilor

Functii Breviar teoretic 8 ianuarie ianuarie 2011

Metode Runge-Kutta. 18 ianuarie Probleme scalare, pas constant. Dorim să aproximăm soluţia problemei Cauchy

5.4. MULTIPLEXOARE A 0 A 1 A 2

z a + c 0 + c 1 (z a)

Proiectarea filtrelor prin metoda pierderilor de inserţie

3. Momentul forţei în raport cu un punct...1 Cuprins...1 Introducere Aspecte teoretice Aplicaţii rezolvate...4

Exemple de probleme rezolvate pentru cursurile DEEA Tranzistoare bipolare cu joncţiuni

Lucrul mecanic şi energia mecanică.

Lucrul mecanic. Puterea mecanică.

Capitolul 4 PROPRIETĂŢI TOPOLOGICE ŞI DE NUMĂRARE ALE LUI R. 4.1 Proprietăţi topologice ale lui R Puncte de acumulare

Ecuaţia generală Probleme de tangenţă Sfera prin 4 puncte necoplanare. Elipsoidul Hiperboloizi Paraboloizi Conul Cilindrul. 1 Sfera.

5.1. Noţiuni introductive

2. Circuite logice 2.4. Decodoare. Multiplexoare. Copyright Paul GASNER

2. STATICA FLUIDELOR. 2.A. Presa hidraulică. Legea lui Arhimede

Curs 2 Şiruri de numere reale

Transcript:

Segmentarea imaginilor APIM8-1

Ce este segmentarea? segmentarea = impartirea unei imagini in regiuni cu o anumita semnificatie regiuni cu o anumita semnificatie = obiecte sau zone de interes cel mai simplu imagine binara - obiectul si fundalul segmentarea este primul pas in sistemele de recunoastere a formelor dupa izolarea obiectelor de interes se pot efectua masuratori pentru caracterizare (pattern recognition) -> clasificarea obiectelor in clase si grupuri APIM8-2

Generalitati definirea regiunilor se face pe baza nuantelor de gri sau a altor proprietati cum ar fi textura sau culoarea uneori se poate utiliza pseudo colorarea APIM8-3

Utilizari detectarea organelor (creier, plamani, inima, ficat, etc.) in imagini tomografice si RMN diferentierea tesutului patologic de tesutul normal planificarea tratamentului etc. APIM8-4

Clasificarea metodelor trasaturile utilizate: valorile de gri textura valoarea gradientului tehnicile utilizate: necontextuale (tresholding) contextuale (bazate pe regiuni, bazate pe frontiere, bazate pe muchii, contururi active, watershed) APIM8-5

Tresholding segmentarea imaginii utilizand pragul stabilit pe baza histogramei = probabil cea mai des utilizata metoda usor de implementat necesita putine resurse UCP metodele presupun minimizarea sau maximizarea unei functii criteriu prag global sau local APIM8-6

Tresholding (2) dezavantaj: nu se tine cont de contextul spatial in care apar valorile intensitatii utilizate frecvent pentru o segmentare initiala a imaginii, inaintea aplicarii unor metode mai sofisticate de segmentare -> reducerea timpului de convergenta APIM8-7

Tresholding (3) Succesul metodei depinde de selectia valorii de prag (treshold) APIM8-8

Tresholding (4) APIM8-9

Tresholding (5) Cazul ideal - histograma cuprinde doua distributii separate (obiectele si fundalul), fara suprapuneri -> valoarea de prag T se alege oriunde intre cele doua distributii Cazul real cele doua distributii se suprapun -> T intre T1 si T2 APIM8-10

Conditii de ingreunare a determinarii valorii de prag contrast slab al imaginii -> suprapunerea varfurilor fundal de intensitate variabila -> imposibilitatea utilizarii unei singure valori de prag rezolutie spatiala slaba iluminare variabila obiecte cu niveluri diferite de luminozitate APIM8-11

Tresholding optim alegerea ca prag a valorii corespunzatoare fundului vaii dintre cele doua varfuri nu este o valoare optima histograma = o suma ponderata a doua sau mai multe densitati probabilistice valoarea de prag = nivelul de gri care duce la cel mai mic numar de pixeli clasificati gresit (intersectia celor doua distributii normale) introdusa de Otsu functie discriminanta de determinare a pragului optim pentru segmentarea imaginii in regiuni aproape uniforme APIM8-12

Tresholding optim (2) APIM8-13

Tresholding optim (3) APIM8-14

Tresholding optim (4) zgomotul -> clasificare eronata a pixelilor imaginile sunt initial netezite cu filtre de mediere sau mediane APIM8-15

Minimul variatiei exista mai multe abordari in implementarea treshholding-ului optim scopul = alegerea unei valori de prag astfel incat fiecare pixel de fiecare parte a pragului sa fie mai apropiat in valoare de media pixelilor din partea respectiva a pragului decat de media pixelilor din cealalta parte metoda minimului variantiei (Otsu) utila pentru imagini cu regiuni cu distributii de intensitate de variatie egala APIM8-16

Functiile de distributie Functie de distributie probabilistica discreta p(i), n i nr. de pixeli de intens. i M nr. total de pixeli din im. N nr. de niveluri de gri APIM8-17

Probabilitatile claselor Se calculeaza probabilitatile claselor: APIM8-18

Media si variatia claselor Se calculeaza media claselor: Se calculeaza varianta claselor APIM8-19

Variatia totala varianta totala: varianta in clasa: varianta intre clase: unde: APIM8-20

Maximizarea variatiei intre clase Pragul optim (t*) max. variantei intre clase: Pentru imagini multimodale (k clase): Sau minimizarea variantei in clasa APIM8-21

Exemplu APIM8-22

Functii criteriu echivalente propus de Kurita functia maximizeaza probabilitatea distributiei conditionale a unui model de populatii mixte care consta in doua distributii normale cu medii diferite si cu variatie comuna unde: p j probabilitatea clasei j APIM8-23

Exemplu APIM8-24

Imagine trimodala APIM8-25

Metoda isodata (alg. de clasificare media K) 1. Se aplica pragul calculat ca media varfurilor sau ca media pixelilor 2. Se calculeaza valoarea medie a pixelilor cu valori sub valoarea de prag, m 1, si a celor deasupra valorii de prag, m 2 3. Se calculeaza noua valoare de prag T 1 =(m 1 +m 2 )/2 4. Se repeta pasii 2-3 pana cand valoarea de prag ramane neschimbata sau diferenta dintre valorile de prag este mai mica decat o valoare impusa APIM8-26

Metoda isodata (alg. de clasificare media K) in general, in primul pas al algoritmului se considera ca valoare medie a primei clase valoarea medie a pixelilor din colturile imaginii (ca facand parte din fundal) si ca valoare medie a celei de a doua clase media celorlalti pixeli Pentru media celorlalti pixeli se folosesc doar 5% din pixelii ramasi, acestia fiind alesi aleatoriu APIM8-27

Prima iteratie m 1 =(2+2+2+1)/4=1.75 m 2 =5.46 T=3.61 Exemplu Prima clasa {0,1,2,3} si a doua clasa {4,...,12} A doua iteratie m 1 =2.44 m 2 =6.44 T=4.44 APIM8-28

Exemplu Prima clasa {0,1,2,3,4} si a doua clasa {5,...,12} A treia iteratie m 1 =2.86 m 2 =6.96 T=4.91 -> clasele raman neschimbate APIM8-29

Exemplu Modelare mixta APIM8-30

Exemplu Seg. Otsu Seg.izodata Entropie max. APIM8-31

Tresholding adaptiv uneori utilizarea unei singure valori de prag nu este posibila de ex. in imagini cu fundal variabil APIM8-32

Tresholding adaptiv o solutie scaderea unei imagini care contine doar fundalul si apoi aplicarea tresholdului optim alta solutie utilizarea tresholdingului adaptiv: se considera ca un pixel are o vecinatate de nxn pixeli si se calculeaza o valoare de prag, T L pentru aceasta valoarea pixelului este setata la alb sau negru in functie de aceasta valoare de prag mai eficient daca: T L = {val. medie sau mediana) C este necesara determinarea lui n si C APIM8-33

Exemplu Tresholding adaptiv n=45 si C=3 Tresholding Otsu APIM8-34

Metode bazate pe regiuni determina regiunile conectate pe baza unor similaritati ale pixelilor continute in ele obiectivul obtinerea unor regiuni cat mai mari posibile daca cerinta este ca pixelii dintr-o regiune sa fie prea similari -> suprasegmentarea daca se admite o flexibilitate mai mare -> unirea unor obiecte care ar trebui sa fie separate APIM8-35

Extinderea regiunilor este o procedura de jos in sus (bottom-up) se incepe cu niste pixeli seminte si se extinde regiunea prin adaugarea pixelilor din vecinatate care au proprietati similare cu samanta conectivitatea (4 sau 8 in 2D) -> definirea pixelilor vecini proprietate: variatia intensitatii APIM8-36

Exemplu Original Variatie 100 Variatie 50 APIM8-37

Exemplu Original Variatie 200 Variatie 150 APIM8-38

Extinderea regiunilor (2) inceperea cu o singura samanta si extinderea completa a regiunii inainte de a extinde si alte seminte -> favorizeaza regiunea extinsa prima dezavantaje: prima regiune extinsa domina procesul de extindere -> ambiguitatile legate de laturile regiunile adiacente nu pot fi tratate corect diferite seminte -> diferite segmentari apar probleme daca samanata se afla pe latura APIM8-39

Extinderea regiunilor (3) solutie = alegerea aleatoare a unor puncte din imagine ca seminte si extinderea simultana a regiunilor unirea regiunilor cu proprietati similare, dar dezvoltate din seminte diferite utilizarea metodei: in imagini cu zgomot unde laturile sunt dificil de detectat in imagini multimodale APIM8-40

Exemplu Segmentare utilizand 7 seminte APIM8-41

Metode bazate pe frontiere se bazeaza pe gasirea diferentelor dintre pixeli obiectivul determinarea unui contur inchis astfel incat atat interiorul (obiectul) cat si exteriorul (fundalul) sa poata fi definit metode: detectarea si conectarea laturilor trasarea frontierei APIM8-42

Detectarea si conectarea laturilor detectarea laturilor se face utilizand un operator gradient (de ex. operatorul Sobel) se face un tresholding pe baza modulului gradientului laturile evidente sunt distincte, dar cele mai putin evidente apar cu discontinuitati imaginile cu zgomot -> laturi parazite -> se face o netezire inainte (dezav.: laturile se ingroasa, cele mai putin evidente dispar) APIM8-43

Exemplu original dupa aplicarea op. Sobel dupa tresholding APIM8-44

Exemplu Original (cu zgomot) dupa aplicarea op. Sobel dupa tresholding APIM8-45

Exemplu dupa aplicarea filtrului Butterworth dupa aplicarea op. Sobel dupa tresholding APIM8-46

Detectarea si conectarea laturilor (2) se impune conectarea laturilor pentru a avea o frontiera continua laturile alaturate trebuie unite daca au proprietati similare (de ex. acelasi modul al gradientului si aceeasi orientare): necesitatea unor constrangeri asupra pixelilor de legatura dupa rezolvarea legaturilor se face o postprocesare pentru a afla seturile de pixeli conectati separati de mici goluri care trebuie umplute APIM8-47

Trasarea frontierei aplicabila imaginii gradient sau unei imagini care contine numai informatii despre frontiera dupa identificarea unui punct de pe frontiera (cel de val max. din imagine) se studiaza pixelii vecini pentru a determina noul pixel al frontierei Trasarea continua cu cautarea pixelului cu cea mai mare valoare de gri in aceeasi directie ca si in pasul anterior cu o deviatie maxima de un pixel APIM8-48

Trasarea frontierei (2) necesita verificarea intersectiei cu alte frontiere -> metoda neadecvata pentru obiecte care se ramnifica sau se intersecteza cu altele APIM8-49

Modele deformabile parametrice contururi active explicite (suprafete active, snakes) in 2D - o curba definita intr-o imagine care isi schimba locatia si forma pana cand satisface cel mai bine conditiile predefinite in 3D o suprafata definita intr-o imagine 3D care isi schimba locatia si forma pana cand satisface cel mai bine conditiile predefinite APIM8-50

Contururi active (1) in 2D - o curba parametrizata C(s)=(x(s),y(s)) unde s [ 0, 1] C(0) este punctul de start al frontierei si C(1) este punctul final conturul actioneaza ca o banda elastica care isi schimba forma sub presiunea diferitelor trasaturi locale ale imaginii constrangerilor bazate pe forma constrangerilor impuse de utilizator APIM8-51

Contururi active (2) deformarea conturului (miscarea) -> proces de minimizare a energiei (analogie cu sistemele fizice) E = E int + E ext energia interna constrangerile bazate pe forma (de ex.: lungimea conturului, curbura lui) energia externa - trasaturile locale ale imaginii si constrangerile definite de utilizator APIM8-52

Energia: Contururi active (3) E = E int + E ext + E c E c = energia datorata constrangerilor suplimentare impuse: - penalitati pentru formarea buclelor in contur - penalitati pentru indepartarea fata de pozitia initiala - penalitati pentru mutarea intr-o zona nepermisa a imaginii APIM8-53

Energia interna (1) constantele determina influenta fiecarui termen: elasticitatea conturului activ <- c 1 ( daca este zero -> conturul poate fi intins la infinit, termenul nu conteaza in cadrul energiei; daca e prea mare -> elasticitate mica) indoirea conturului <- c 2 (rigiditatea conturului) APIM8-54

Energia interna (2) extinderea analogiei fizice -> modificarea conturului sub actiunea unor forte care tind sa-i minimizeze energia N 2 int K ( d i, i 1) i 1 fortele corespunzatoare sunt: E aceste forte imping punctul inspre cei doi vecini ai sai APIM8-55

Energia interna (3) deplasarea conturului in noua pozitie: unde C este o constanta definita de utilizator (deplasarea pentru o forta data) 20 de iteratii ale conturului APIM8-56

Energia externa (1) c 3 -> influenta fortei de atractie a laturilor de ex.: migrarea spre zone deschise la culoare E atunci fortele sunt: k N ext P i i 1 APIM8-57

Energia externa (2) forta actioneaza in directia gradientului nivelului de gri Ex.: intr-o imagine rampa->contur -> dupa 20 de iteratii Pentru evitarea efectului structurii locale -> utilizarea unui gradient mai complex APIM8-58

Contururi active conturul uzual implementat prin functii spline optimizarea -> rezolvarea numerica a formei Euler-Lagrange a energiei functionale E: APIM8-59

Exemplu APIM8-60

Exemplu este important conturul initial -> cat mai aproape de cel final -> numar mic de iteratii metoda semi-automata APIM8-61

Imbunatatirea algoritmului o forta de extensie (contur initial prea departe de cel final) posibilitatea de a se diviza in contururi separate abilitatea de a creste (de a insera puncte de control) criterii suplimentare regionale (de ex. impunerea unei variante minime a nivelului de gri zona omogena) APIM8-62

Modele deformabile geometrice (1) colectie de izofote -> descrierea imaginii un contur implicit poate fi o izofota APIM8-63

Modele deformabile geometrice (2) conturul implicit poate fi o izofota -> evolutia conturului implicit implica evolutia imaginii de ex.: conturul dat de izofota 100 -> dupa procesarea imaginii ne intereseaza izofota 100 se pot utiliza si alte curbe definite in termenii geometriei imaginii APIM8-64

Modele deformabile geometrice (3) conturul implicit C cu parametrul s atunci derivata in raport cu timpul ne da evolutia curbei descompunerea deplasarii in lungul curbei sau normal pe curba APIM8-65

Modele deformabile geometrice (4) evolutia conturului transpusa in evolutia imaginii argumentele lui β trebuie translatate in argumentele in forma imaginii un arg. des intalnit este k curbura izofotei care se transpune in evolutia imaginii in APIM8-66

Modele deformabile geometrice (5) alte argumente utilizate: des utilizata este si care se transpune conturul este atras spre laturi si segmentarea se poate face aplicand o valoare de prag APIM8-67

Modele deformabile geometrice (6) mai putine restrictii topologice (permite inclusiv separarea in mai multe conturi) permite evolutia mai multor contururi simultan aplicarea directa in 3D APIM8-68

Exemplu APIM8-69

Exemplu APIM8-70

Segmentarea Watershed separarea automata a obiectelor care se ating dintr-o imagine segmentata imaginea distantelor este binarizata folosind o valoare de prag suficient de mare ca obiectele sa fie separate metoda functioneaza bine pe imagini cu obiecte convexe netede care nu se suprapun prea mult APIM8-71

Exemplu imaginea binara harta distantelor tresholding APIM8-72

Segmentarea Watershed (2) APIM8-73

Exemplu original dupa tresholding Otsu dupa inversiune APIM8-74

Exemplu dupa transformata distanta liniile watershed suprapusa peste imaginea binarizata APIM8-75

Exemplu dupa transformarea distantei liniile watershed suprapusa peste imaginea originala ->SKIZ APIM8-76

Exemplu imaginea binara gradientul morfologic APIM8-77

Exemplu liniile watershed suprapuse peste imaginea gradient liniile watershed suprapusa peste imaginea originala APIM8-78

Segmentarea Watershed (3) Apare suprasegmentarea datorita zgomotului si a iregularitatilor locale Se aplica initial o operatie de netezire Un pas de postprocesare ce consta in unirea regiunilor pe baza similaritatilor Se utilizeaza inundarea pe baza unui set de markeri predefinit APIM8-79

Exemplu imaginea binara transformarea watershed asupra gradientului APIM8-80

Exemplu imaginea cu markeri transformarea watershed controlata prin markeri APIM8-81