Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 2

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  images segmentation
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Celem artykułu jest omówienie zasad działania sieci synchronizowanych oscylatorów. Zgodnie z teorią "chwilowej korelacji" sieć taka symuluje zjawiska zachodzące w ludzkim mózgu podczas procesu analizy sceny wizyjnej, pozwalając na wydzielenie występujących tam obiektów i obszarów. Dlatego sieć oscylatorów może być wykorzystana do segmentacji obrazów, w tym obrazów zawierających tekstury. W pracy przedstawiono przykłady zastosowania takiej sieci do segmentacji obrazów biomedycznych a także pokazano, że może być wykorzystana również do wykrywania brzegów obiektów w obrazach binarnych a także granic pomiędzy obszarami różniącymi się teksturą. Przykłady takich zastosowań zostały zawarte w pracy. Przeprowadzono również porównanie i dyskusję otrzymanych wyników segmentacji z wykorzystaniem sieci synchronizowanych oscylatorów oraz perceptronowej sieci neuronowej.
EN
This work presents principles of operation of synchronised oscillators network. According to "temporary correlation" theory this network simulates a process of visual scene analysis performed by human brain. This allows for scene object detection and such a network can be used for image segmentation. The segmentation can be performed also for image textures. Examples of biomedical textured images segmentation are presented. It is also demonstrated, that oscillator network can be used for object edge and texture boundary detection. Examples of such applications are included in this paper. Also, the performance of texture segmentation using network of synchronised oscillators and the perceptron neural network is compared and discussed.
2
Content available remote Segmentacja i analiza obrazów mikroskopowych barwionych immunohistochemicznie
PL
Opisano własny algorytm segmentacji obrazów barwnych. Pod uwagę wzięto mikroskopowe obrazy komórek raka sutka pozyskane metodami biopsji aspiracyjnej cienkoigłowej, jako wycinki histologiczne i jako odcisk na zamrożonym szkiełku podstawkowym. Celem badania jest określenie liczby jąder komórkowych widocznych na obrazie i wyróżnienie jąder, które wykazują reakcję barwną. Ze względu na niską jakość obrazów wejściowych i różnorodność kształtów komórek, segmentację przeprowadza się etapami jako złożenie metod klasyfikacji barwnej i morfologicznej.
EN
This paper presents own segmentation algorithm for colour biomedical images. We take into account microscopic cytological and histological images from breast cancer extracts (biopsy, histological slices, frozen imprints). The aim of pathomorphological examination is detection and analysis of number of cancer celi nuclei in a view area and evaluating the percentage of coloured nuclei. Due to poor quality and the variety of input images the segmentation is performed as a combination of colour and morphological segmentation.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.