Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: losowe pola Markowa

Sortuj według:

Ogranicz wyniki do:

Segmentacja tekstury obrazów z wykorzystaniem neuronowych sieci oscylacyjnych i metod statystycznych

Strzelecki M.

Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka

2004

Z. 336

3-177

Praca opisuje wyniki badań autora dotyczące segmentacji obrazów zawierających tekstury, ze szczególnym uwzględnieniem obrazów biomedycznych, zawierających przekroje ludzkich wewnętrznych narządów i tkanek. Ilościowa analiza tekstury, obok parametrów morfologicznych, stanowi istotne uzupełnienie informacji o badanej tkance. Zastosowanie komputerowych metod analizy tekstur pozwala m.in. na dokonanie automatycznej segmentacji obrazu, co ma duże znaczenie we wspomaganiu diagnozy medycznej przez zapewnienie jej większej obiektywności i powtarzalności. W pracy dokonano przeglądu metod segmentacji tekstur. W szczególności omówiono statystyczne metody analizy tekstur z wykorzystaniem losowych pól Markowa (MRF). Przedstawiono zaproponowaną przez autora zmodyfikowaną metodę łączącą elementy metody histogramów i kodowania, służącą do estymacji parametrów modelu MRF, zapewniającą dokładne estymaty tych parametrów przy skróceniu czasu obliczeń. Ponadto pokazano przykłady segmentacji i klasyfikacji tekstur z wykorzystaniem parametrów modeli MRF. Wykazano, że dla wybranej klasy tekstur biomedycznych parametry MRF zapewniają lepszą segmcntację w porównaniu do innych cech statystycznych. W pracy przedstawiono również metodę segmentacji tekstur z wykorzystaniem sieci synchronicznych oscylatorów (SSO) oraz uzyskane przez autora pracy wyniki segmentacji wybranych tekstur biomedycznych. Zaproponowano i przetestowano zestaw cech do opisu tekstur uzyskanych na podstawie optymalizowanej filtracji liniowej. Porównano metody segmentacji wykorzystujące SSO i wielowarstwowe sieci pcrccptronowe oraz oszacowano ich dokładność. Do tego celu wykorzystano obrazy optyczne oraz ultrasonograf i czne zawierające obiekty testowe. W pracy przedstawiono również algorytm detekcji granic tekstur oraz algorytmy realizujące operacje morfologiczne z wykorzystaniem SSO. Jedną z zalet sieci oscylatorów jest możliwość jej sprzętowej implementacji np. w postaci układu VLSI. W pracy zaprezentowano koncepcję oraz wstępną weryfikacje procesora analogowego do szybkiej segmentacji obrazów, który realizuje architekturę SSO.

The dissertation summarizes Author's research in the field of image texture segmentation focusing on biomedical images. Currently, in medical diagnosis physicians very often deal wilh image cross-sections of internal human organs and tissues (obtained using e.g. MRI tomography). These images contain homogeneous regions representing image texture. Quantitative texture analysis along with morphological lissue parameters provides additional information about analyzed tissues. Application of computerized texture analysis methods among others allows for automatic image segmentation, which improves medical diagnosis providing its repeatability and objectivity. The dissertation contains a review of texture analysis methods. It focuses on statistical MRF models. The MRF parameter estimation method (mixed of coding and histogramming techniques) proposed by the Author was presented. It provides accurate parameter estimation with relatively short analysis time. Examples of texture classification and segmentation using this method are also described. It was demonstrated that for selected class of textures MRF parameters assure better segmentation results if compared to other statistical features. The dissertation presents also texture segmentation method based on synchronized oscillator network (SON) and segmentation results of sample biomedical images. The properties of SON were discussed and compared to multilayer percepiron (MP). widely used for image segmentation. The texture feature set based on optimized linear filtering was discussed and tested. The accuracy of described segmentation methods using SON and MP were evaluated using optical and ultrasound images with artificial test objects. Also, the SON based algorithms for texture boundary detection and morphological filtering proposed by the Author was presented and discussed. The oscillator network can be implemented as VLSI chip. The concept of analog processor for image segmentation implementing the SON architecture was discussed along with preliminary test results.

Zastosowanie losowych pól Markowa do modelowania i analizy tekstur

Strzelecki M., Materka A.

Elektronika : prace naukowe

1998

nr 3

7-17

Praca poświecona jest problemowi modelowania i analizy obrazów zawierających tekstury, jednemu z trudniejszych zagadnień w dziedzinie analizy obrazu. W pracy przedstawiono metodę losowych pól Markowa jako alternatywą dla innych metod, np. metody macierzy zdarzeń. Przedstawiono model matematyczny metody oraz sposoby estymacji parametrów losowych pól Markowa: metodą minimalizacji funkcji wiarogodności oraz metodą histogramów. Przedstawiono przykład estymacji parametrów MRF oraz cech statystycznych dla tekstur syntetycznych oraz wykazano przewagą parametrów MRF wykorzystywanych do analizy badanych tekstur. Pokazano również przykład estymacji parametrów MRF dla tekstur pochodzących z zastosowań medycznych. Uzasadniono przydatność tych parametrów do opisu przykładowych tekstur. W dyskusji przedstawiono kierunki dalszych badań.

The issue of image feature selection for textured image modelling and analysis is addressed in this paper. It is pointed out that the popular coocurrence matrix statistical method of feature extraction may not be the most efficient one for this task. Usefulness of Random Markov Field parameters as image features is postulated and investigated by means of numerical analysis. It is found out that MRF parameters can be useful for image modelling provided they are estimated in an image window of a properly large size. For MRF parameter estimation, the histogramming method and its modification are presented as an alternative to maximum likelihood estimation. The histogramming method requires much less computing time and provides MRF parameter values of sufficient accuracy. The parameter estimation results obtained for sample artificial and biomedical images are also presented and the topics for future research are addressed.