Název:
Metody segmentace biomedicinských obrazových signálů
Překlad názvu:
Methods for biomedical image signal segmentation
Autoři:
Krumpholc, Lukáš ; Šmirg, Ondřej (oponent) ; Přinosil, Jiří (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2009
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Tato práce se zabývá metodami segmentace biomedicínských obrazových signálů. Popisuje, shrnuje a porovnává vybrané metody zpracování digitálního obrazu. Jednou z uvedených metod je segmentace založená na parametrickém vyjádření. Za základní parametr si můžeme zvolit například jas a prahováním pak získáme výsledný binární obraz. Další popisovanou metodou je segmentace na základě hranové reprezentace, kterou můžeme rozdělit na detekci hran pomocí hranových detektorů nebo pomocí Houghovy transformace. U hranových detektorů se využívá k detekci hran první, nebo druhá derivace. Následuje regionově orientovaná segmentace, kterou využíváme pro zašumělý obraz, i tuto kategorii můžeme rozdělit na tři části. Segmentaci dělením a slučováním oblastí, kdy je obraz rozdělen a vzniklé oblasti jsou testovány na stanovenou podmínku, pokud ji splňuje, oblasti se spojí a dále se už nedělí. Na segmentaci růstem oblastí, kdy jsou sousední pixely s podobnou intenzitou jasu k sobě seskupovány a vytváří tak segmentovanou oblast. Na segmentaci algoritmem rozvodí, která je založena na představě rozlévání vody na nerovnoměrném povrchu. Poslední skupinou metod je segmentace pomocí pružných a aktivních kontur. Zde je popsán aktivní tvarový model, který vychází z možnosti deformovat modely tak, aby odpovídaly vzorovým tvarům. Dále popisuji metodu Snakes, kdy dochází k postupnému tvarování kontur až ke hraně objektu v obraze. Ke konečné úpravě segmentovaných obrazů je použita matematická morfologie. Mým cílem bylo seznámit se s metodami segmentace obrazových signálů a vybrané metody pak zpracovat jako skripty v programovacím jazyce Matlab a jejich vlastnosti ověřit na snímcích.
This work deals with methods of segmentation of biomedical image signals. It describes, sums up and compares representative methods of digital image processing. Segmentation based on parametric representation is one of the mentioned methods. So as the basic parameter can be chosen for example luminance and the final binary image is obtained by thresholding. Next described method is segmentation based on edge representation. This method can be divided into edge detection by the help of edge detectors and of Hough transformation. Edge detectors work with the first and second derivation. The following method is region-based segmentation, which can be used for a image with noise. This category can be divided into three parts. The first one is segmentation via splitting and merging regions, when the image is split and the created regions are tested on a defined condition. If the condition is satisfied, the region merges and doesn’t continue splitting. The second one is region growing segmentation, when adjacent pixels with a similar intensity of luminance are grouped together and create a segmentated region. Third one is watershed segmentation algorithm based on the idea of water diffusion on uneven surface. The last group of methods is segmentation via flexible and active contours. Here is described an active shape model proceeding from a possibility to deform models so that they match with sample shapes. Next I also describe method Snakes, where occurs gradual contour shaping up to the edge of the object in the image. For the final editing is used mathematical morphology of segmentated images. I aimed to meet methods of image signals segmentation, to cover the chosen methods as a script in programming language Matlab and to check their properties on images.
Klíčová slova:
aktive shape models.; hranové detektory; matematická morfologie; prahování; Segmentace; active shape models.; edge detectors; mathematical morphology; Segmentation; thresholding
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/10143
host ::
