Wyniki wyszukiwania - BazTech

1

Texture recognition system based on the Deep Neural Network

Kapela R.

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2020

|

Vol. 68, nr 6

1503--1511

EN

This paper presents a deep learning-based image texture recognition system. The methodology taken in this solution is formed in a bottom-up manner. It means we swipe a moving window through the image in order to categorize if a given region belongs to one of the classes seen in the training process. This categorization is done based on the Deep Neural Network (DNN) of fixed architecture. The training process is fully automated regarding the training data preparation, investigation of the best training algorithm, and its hyper-parameters. The only human input to the system is the definition of the categories for further recognition and generation of the samples (region markings) in the external application chosen by the user. The system is tested on road surface images where its task is to categorize image regions to a different road category (e.g. curb, road surface damage, etc.) and is featured with 90% and above accuracy.

2

Biomedical images enhancement based on the properties of morphological spectra

Przytulska M., Kulikowski J. L., Wierzbicka D.

Biocybernetics and Biomedical Engineering

|

2015

|

Vol. 35, no. 3

206--215

EN

The method enhancing distinctiveness of the micro-morphological structures, developed using the properties of morphological spectra of their monochromatic 2D images, is presented and its effects on the bone section image are statistically compared with enhancements by Sobel, Roberts and Laplace high-pass filters. Comparison of different filters based on statistical parameters of the classes of selected image details is presented. The preferable method for choosing filtering weight coefficients is described and illustrated by an example of processing an electron-microscope image of a biotechnological specimen. The applicability of this approach and possible development directions are discussed.

3

Nowa metoda segmentacji obrazów stopów tytanowych, wykonanych za pomocą tomografii rentgenowskiej, wykorzystująca transformatę contourlet

Jopek Ł., Babout L., Janaszewski M., Postolski M.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2011

|

T. 15, z. 3

161-176

PL

Artykuł prezentuje nową metodę segmentacji dwuwymiarowych obrazów teksturowanych krystalicznych stopów tytanu o strukturze płytowej, wykonanych przy użyciu tomografii rentgenowskiej. Zaprezentowana metoda wykorzystuje transformatę contourlet do rozpoznawania kierunku elementów składających się na teksturę. Pozwala to na segmentację obrazu, zgodną z orientacją kryształów tworzących badany materiał. Metoda była testowana dla obrazów 2D, zarówno dla tekstur sztucznie wygenerowanych, jak i rzeczywistych obrazów stopów tytanu.

EN

This paper presents a new approach to segment heavily 2D textured images such as the one of lamellar titatnium alloys obtained from X-ray tomography. The presented method considers Contourlet transform to recognize direction texture elements. thanks to that the image after the segmentation is matching with spatial arranging crystal inside material. The method is tested on 2D images, but also on real microstructure images of the above mentioned material.

4

A new method to segment X-ray tomography images of lamellar microstructure in titanium alloys based on gray level gradient

Jopek Ł., Babout L., Janaszewski M., Postolski M.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

|

2010

|

T. 14, z. 3/1

301-313

EN

This paper presents a new approach to segment heavily 3D textured images such as the one of lamellar titatnium alloys obtained from X-ray tomography. The presented method considers gradient from gray level value and clusterization method to recognize class in order to label image. The method is tested on 2D and 3D digital images, but also on real microstructure images of the above mentioned material.

PL

Artykuł prezentuje nową metodę segmentacji trójwymiarowych obrazów teksturowanych krystalicznych stopów tytanu o strukturze płytowej, wykonanych przy użyciu tomografii rentgenowskiej. Zaprezentowana metoda wykorzystuje gradient jasności punktów (wokseli) obrazu oraz metody klasteryzacji danych do rozpoznawania ilości i właściwości klas, na które obraz ma zostać podzielony. Metoda testowana była dla obrazów 2D i 3D, zarówno dla tekstur sztucznie wygenerowanych, jak i rzeczywistych obrazów stopów tytanu.

5

Segmentacja tekstury obrazów z wykorzystaniem neuronowych sieci oscylacyjnych i metod statystycznych

Strzelecki M.

Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka

|

2004

|

Z. 336

3-177

PL

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.

EN

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.