Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 4

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: contourlet transform

Sortuj według:

Ogranicz wyniki do:

Experimental rate distortion analysis of image coder with contourlet transform and SPIHT algorithm

100%

Głomb P. , Nowak S. , Nowak S.

Theoretical and Applied Informatics

2008

tom Vol. 20, No. 3

215-225

We analyze the results of a series of experiments to investigate the empirical rate distortion performance of a contourlet image coder. We use a contourlet transform with different number of directional decomposition levels, with wavelet transform as a reference; coefficients are coded with the SPIHT algorithm. The experimental setting uses popular test images (‘Lena’, ‘Peppers’ etc) and broad spectrum of quality measures (MSE, PSNR, measures dedicated to quantization degradation and structural similarity). We conclude that within the range of analyzed parameters contourlet transform outperforms wavelets in terms of quality, but because of high computational cost, the gains may not easily translate into overall increased performance.

W artykule badana jest wydajność, wyrażona jako liczba bitów na współczynnik (bpc - bits per coefficient) dekompozycji obrazów metodą konturkową. Eksperymenty prowadzone były dla różnych poziomów kierunkowych dekompozycji. Wyniki porównywane są z wynikami uzyskanymi dla transformaty falkowej. Współczynniki uzyskane w wyniku dekompozycji kodowane są za pomocą algorytmu SPIHT. Przyjęta miara (bpc) pozwala na bezpośrednie porównanie tych dwóch metod dekompozycji.

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

100%

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

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

2011

tom T. 15, z. 3

161-176

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.

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.

A comparative study in wavelets, curvelets and contourlets as denoising biomedical images

88%

Hamdi M. A.

Image Processing & Communications

2011

tom Vol. 16, no 3-4

13-19

A special member of the emerging family of multi scale geometric transforms is the contourlet transform which was developed in the last few years in an attempt to overcome inherent limitations of traditional multistage representations such as curvelets and wavelets. The biomedical images were denoised using firstly wavelet than curvelets and finally contourlets transform and results are presented in this paper. It has been found that the contourlets transform outperforms the curvelets and wavelet transform in terms of signal noise ratio.

Liver Tumour Classification Using Co-Occurrence Matrices on the Contourlet Domain

75%

Kumar S. S. , Moni R. S. , Rajeesh J.

Machine Graphics and Vision

2011

tom Vol. 20, No. 2

197-214

Liver disease is one of the most common diseases around the world, seriously affecting the health of humans. Computed tomography image based Computer Aided Diagnosis (CAD) could be crucially important in supporting liver cancer diagnosis. An effective approach to realize a CAD system for this purpose is described in this work. The CAD system employs automatic tumour segmentation, texture feature extraction and characterization into malignant and benign tumours. A Region of Inter- est (ROI) cropped from the automatically segmented tumour by confidence connected region growing and alternative fuzzy c means clustering is decomposed using multiresolution and multidirectional con- tourlet transform to obtain contourlet coefficients. Co-occurrence matrices of the contourlet coefficients are determined, and six parameters of texture characteristics, which include Angular Second Moment, Contrast, Correlation, Inverse Difference Moment, Entropy and Variance, are extracted from them. The extracted feature sets are classified into benign and malignant by a Generalized Regression Neural Net- work (GRNN) classifier. The performance of this scheme is evaluated by various performance measures and by the use a of the Receiver Operating Characteristic (ROC) curve. The results are compared with those obtained by a similar system using Wavelet Coefficients co-occurrence Matrix (WCCM) and Gray Level co-occurrence Matrix (GLCM) texture features. The results indicate that the proposed scheme based on the CCCM texture is effective for classifying malignant and begin liver tumours in abdominal CT imaging.