Zastosowanie cech obliczalnych za pomocą zmodyfikowanego dwuwymiarowego przekształcenia falkowego do klasyfikacji tekstury obrazów cyfrowych

• Autorzy: Kociołek, M.

Warianty tytułu

EN

Digital image texture classification by means of modified 2D discrete wavelet transform derived features

• Języki publikacji: PL

Abstrakty

PL

W niniejszej pracy opisano zastosowanie cech tekstury wyznaczanych na podstawie współczynników zmodyfikowanego dwuwymiarowego dyskretnego przekształcenia falkowego do klasyfikacji tekstury obrazów. W ramach prowadzonych badań opracowano moduł programu MaZda pozwalający na wyznaczanie zaproponowanego zestawu cech oraz zbadano skuteczność zaproponowanej metody klasyfikacji tekstur w odniesieniu do powszechnie uznanego zbioru tekstur testowych. W pracy wykazano dużą skuteczność zaproponowanej metody. Artykuł stanowi podsumowanie badań własnych prowadzonych w 2004 r.

EN

This paper presents application of modified 2D discrete wavelet transform derived features for digital image texture classification. During the described research, software for computation of proposed features has been developed. Described texture classification method was tested on Brodatz texture sets. The robustness of the proposed method of texture classification was demonstrated. This work summarizes Author's self researches, leaded in 2004 in the Institute of Electronics, Technical University of Lodz.

Słowa kluczowe

PL

przekształcenie falkowe; tekstura; obraz cyfrowy; moduł programu MaZda

• Czasopismo: Elektronika : prace naukowe
• Rocznik: 2005
• Tom: nr 10
• Strony: 149-164
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Kociołek, M.

• Institute of Electronics, Technical University of Łódź Wólczańska 223, 90-924 Łódź tel. [phone],

Bibliografia

• [1] 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/ .
• [2] M. Kociołek, Klasyfikacja tekstury obrazów za pomocą dyskretnego przekształcenia folkowego z zastosowaniem do analizy obrazów tomograficznych rezonansu magnetycznego, Rozprawa doktorska, Politechnika Łódzka Instytut Elektroniki, Łódź 2003.
• [3] S. Maila, A wavelet Tour of Signal Processing, Academic Press, San Diego 1998
• [4] P. Brodatz, Textures - A Photographie Album for Artists and Designers, New York, Dover 1966
• [5] Liu, X.,&Wang, D. L. (2000). Texture classification using local spectral histograms. Technical Report OSU-CISRC-7/00-TR17, Departament of Computer and Information Science, The Ohio State University, Columbus, OH. Available: ftp://ftp.cis.ohio-state.edU/pub/tech-report/2000/TR17.ps.gz.g
• [6] Strona WWW Zakładu Aparatury Medycznej Instytutu Elektroniki Politechniki Łódzkiej http://www.eletel.p.lodz.pl/med/
• [7] Strona WWW Programu Europejskiego COST B11 http://www.eletel.p.lodz.pl/cost/
• [8] Strona WWW Programu Europejskiego COST B11 http://www.die.upm.es/costb21/
• [9] Strona WWW Signal and Image Processing Institute of University of Southern Kalifornia http://sipi.usc.edu/services/database/Database.html.
• [10] 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.
• [11] J. Schtirman, pattern classification", John Wiley & Sons, 1996
• [12] R. Tadeusiewicz, M. Flasiński, Rozpoznawanie obrazów", Państwowe Wydawnictwo Naukowe, Warszawa 1991
• [13] 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