Klasyfikacja tekstury obrazów za pomocą dyskretnego przekształcenia falkowego z zastosowaniem do analizy obrazów tomograficznych rezonansu magnetycznego

• Autorzy: Kociołek M.

Warianty tytułu

EN

Digital image texture classification by means of discrete wavelet transform for MRI images analysis

• Języki publikacji: PL

Abstrakty

PL

W niniejszej pracy opisano zastosowanie cech tekstury wyznaczanych na podstawie współczynników dwuwymiarowego dyskretnego przekształcenia falkowego do klasyfikacji tekstury obrazów. W ramach prowadzonych badań opracowano metodą wyznaczania "falkowych" cech tekstury dla nieregularnych obszarów zainteresowania. Zbadano skuteczność zaproponowanej metody klasyfikacji tekstur w odniesieniu do powszechnie uznanego zbioru tekstur testowych. Porównano skuteczność klasyfikacji wybranych klas tekstur obrazów MRI za pomocą proponowanych cech falkowych z dużym zbiorem innych cech tekstury. Ponadto zbadano wpływ zależności wartości cech "falkowych" od przesunięcia obszaru zainteresowania na wynik klasyfikacji tekstur. W pracy wykazano dużą skuteczność zaproponowanej metody do klasyfikacji tekstury zarówno obrazów naturalnych jak i obrazów tomograficznych rezonansu magnetycznego. Artykuł stanowi streszczenie rozprawy doktorskiej autora.

EN

This paper presents application of 2D discrete wavelet transform derived features for digital image texture classification. A new method of computation of wavelet derived texture features for irregular regions of interest was proposed. This texture classification method was tested on Brodatz and MRI texture sets. Texture classification efficiency for selected MRI images by means of proposed features was compared to a large number of statistical and model-based features. Also, the influence of feature shift invariance on classification result was investigated. The robustness of the proposed method for classification of both natural and MRI textures was demonstrated. This work summarises Author`s Ph.D. thesis, defended in September 2003 in the Institute of Electronics, Technical University of Łódź.

Słowa kluczowe

PL

tekstura obrazów; obrazy MRI; przekształcenie falkowe; rezonans magnetyczny

EN

digital image texture; MRI images; wavelet transform; magnetic resonance

• Wydawca: Politechnika Łódzka, Instytut Elektroniki
• Czasopismo: Elektronika : prace naukowe
• Rocznik: 2003
• Tom: nr 8
• Strony: 53--73
• Opis fizyczny: Bibliogr. 35 poz.

Twórcy

autor

Kociołek M.

• Institute of Electronics, Technical University of Łódź,

Bibliografia

• [1] P. Brodatz, Textures - A Photographic Album for Artists and Designers, New - York, Dover 1966
• [2] J. Chen, A. Kundu, Rotation and Grayscale Transform Invariant Texture Identification Using Wavelet Decomposition and Hidden Markov Models, IEEE Trans, on Pattern Analysis and Machine Intelligence, vol. 12, no. 2, February 1994, pp 208-214
• [3] B. Ciesielski, W. Kuzie mski, Obrazowanie metodą magnetycznego rezonansu w medycynie, Oficyna Wydawnicza TOTUR, Gdańsk-Toruń 1994
• [4] M. N. Do, M. Vetterli, Rotation invariant texture characterization and retrieval using seteerable wavelet-domain hidden Markov models, IEEE Transactions on Multimedia, vol. 4, no. 4, December 2002, pp 517-527
• [5] B. Gonet, Obrazowanie magnetyczne - rezonansowe. Zasady fizyczne i możliwości diagnostyczne, Wydawnictwo lekarskie PZWL, Warszawa 1997
• [6] R. Gonzales, R. Woods, Digital Image Processing Addison-Wesley Publishing Company, September 1993
• [7] A. Kundu, J. Chen, Texture Classification Using QMF Bank-Based Subband Decomposition, CVGRIP: Graphical Models and Image Processing, vol. 54. No. 5 September 1992, pp 369-384
• [8] A. Laine, J. Fan, Texture Classification by Wavelet Packet Signatures, IEEE Trans Pattern Analysis and Machine Intelligence, vol. 15, no. 11,1993, pp 1186-1191.
• [9] Ch. Lu, P. Chung, Ch. Chen, Unsupervised Texture Segmentation via Wavelet Transform, Pattern Recognition vol. 30, no. 5, 1997, pp. 729-742
• [10] S. Mallat, Multifrequency Channel Decomposition of Images and Wavelet Models, IEEE Trans. Acoustic, Speech and Signal Processing, 37,12,1989, pp 2091-2110
• [11] S. Mallat, A Wavelet Tour of Signal Processing, Academic Press, 1998
• [12] A. Materka, M. Strzelecki, Texture Analysis Methods-A Review, Technical University of Lodz, Institute of Electronics, COST Bll report, Brussels 1998 http: //www.eletel.p.lodz.pl/cost/
• [13] A. Materka, M. Strzelecki, R. Lerski, L. Schad, Scanner Resolution and Noise Influence on Texture Parameters of Magnetic Resonance Phantom Images, International Conference Computers in Medicine, 23-25 September 1999, Łódź, Poland, pp 101-107. http://www.eletel.p.lodz.pl/cost/
• [14] A. Mojsilovic, M. V. Popovic A. N. Neskovic, A. D. Popovic, Wavelet Image Extension for Analysis and Classification of Infarced Myocardial Tissue, IEEE Trans, on Biomedical Engineering, vol. 44 no. 9, September 1997, pp 856-866
• [15] F. Mosiński Zastosowania metod statystycznych dla inżynierów elektryków, Monografie Politechniki Łódzkiej, Wydawnictwo Politechniki Łódzkiej, Łódź 2000.
• [16] H. Ney, U. Essen, R. Kneser On the Estimation of ‘Small’Probabilities by Leaving-One-Out, IEEE Trans, on Pattern Analysis and Machine Intelligence, vol. 17, no. 12, December 1995 pp. 1202-1212
• [17] R. Porter, N. Canagarajah, A Robust Automatic Clustering Scheme for Image Segmentation Using Wavelets, IEEE Trans, on Image Processing, vol. 5, No 4 Aprill 1996, pp 662-665
• [18] J. Schurman, Pattern classification, John Wiley & Sons, 1996
• [19] M. Strzelecki, A. Materka European Project Cost Bll - Quantitation of Magnetic Resonance Image Texture, Zeszyty Naukowe ‘Elektronika’, vol. 4,1999, pp 115-124.
• [20] R. Tadeusiewicz, M. Flasiński, Rozpoznawanie obrazów, Państwowe Wydawnictwo Naukowe, Warszawa 1991
• [21] M. Unser, Texture classification and segmentation using wavelet frames, IEEE Transactions on image processing, vol. 4. no. 11, November 1995. pp. 1549-1560
• [22] D. Wei et all, Classification of Mass and Normal Breast Tissue on Digital Mammogra ms: Multiresolution Texture Analysis, Medical Phisics, vol. 22, no. 9, September 1995 pp 1501-1513
• [23] G. Van De Wouwer, Wavelets for Multiscale Texture Analysis, PhD Thesis, Antwerpen, 1998
• [24] G. Van de Wouver, P. Scheunders, D. Van Dyck, Statistical Texture Characterization from Discrete Wavelet Representation, IEEE Trans, on Image Processing, vol. 8. no. 4, April 1999 pp 592-598
• [25] COST В11 http://www.eleteLp.lodz.pl/cost/
• [26] „The USC-SIP1 Image Database", Signal and Image Processing Institute of the University of Southern California, http://www.eleteLp.lodz.pl/cost/
• [27] G. Van de Wouwer, „Wavelet for Texture Analysis", strona internetowa Visielab Antverpen, http://www.eleteLp.lodz.pl/cost/
• [28] M. Kociołek, A. Materka, M. Strzelecki, P. Szczypiński, Badanie wpływu liczby poziomów jasności obrazu na zdolność dyskryminacji tekstur przy użyciu macierzy zdarzeń, Zeszyty Naukowe Elektronika, Instytut Elektroniki PŁ; red. Z.Korzec, M.Strzelecki, nr. 5, Łódź 2000, str. 21-32
• [29] M. Kociołek, A. Materka, M. Strzelecki, P. Szczypiński, Investigation of Wor- dlength Effect on Discriminative Power of Co-Occurrence Matrix - Derived Features for Digital Image Texture Analysis, ICSES’2000, Proceedings; październik 2000, str. 163-168
• [30] M. Kociołek, A. Materka, M. Strzelecki, P. Szczypiński, Co-occurrence Matrix - Based Feature Selection for Digital Image Texture Classification, Division of Syste ms and Computer Networks, KOSYR, Wroclaw, Materiały konferencyjne; maj, 2001, str. 233-237
• [31] M. Kociołek, Analiza tekstur Obrazów cyfrowych za pomocą cech obliczalnych z dyskretnego przekształcenia folkowego, Ogólnopolskie Warsztaty Doktoranckie, Istebna, Archiwum Konferencji PTETiS, vol. 12,październik 2001, str. 130-134
• [32] M. Kociołek, A. Materka, M. Strzelecki, P. Szczypiński, Discrete Wavelet Transform-Derived Features for Digital Image Texture Analysis, International Conference on Signals & Electronic Systems ICSES’2001, Proceedings wrześeń 2001, str. 111-116
• [33] M. Kociołek, A. Materka, M. Strzelecki, P. Szczypiński, Standard and redundant DWTfeatures for MRI texture classification, ICSES’2002 Proceedings, wrześeń 2003, str. 121-126
• [34] M. Kociołek Zastosowanie cech obliczanych na podstawie dyskretnego przekształcenia folkowego do analizy tekstur obrazów pochodzących z tomografu rezonansu magnetycznego, IV Ogólnopolskie Warsztaty Doktoranckie 2002, Archiwum Konferencji PTETiS, vol. 14, zeszyt 3; październik, 2003, str. 175-181
• [35] P. Szczypiński, M. Kociołek, A. Materka, M. Strzelecki, Computer Program for Image Texture Analysis in PhD Students Laboratory, International Conference on Signals & Electronic Syste ms ICSES’2001 Proceedings, 2001, str. 255-261