|
|
CALIBRATION OF AN ULTRASONIC TRANSMISSIVE COMPUTED TOMOGRAPHY SYSTEM
Filipík, Adam ; Prof. Gemmeke (oponent) ; Haindl,, Michal (oponent) ; Jan, Jiří (vedoucí práce)
This dissertation is centered on a medical imaging modality – the ultrasonic computed tomography (USCT) – and algorithms which improve the resulting image quality, namely the calibration of a USCT device. The USCT is a novel imaging modality which combines the phenomenon of ultrasound and image reconstruction principles developed for other tomographic systems. It is capable of producing quantitative 3D image volumes with high resolution and tissue contrast and is primarily aimed at breast cancer diagnosis. The author was involved in a joint research project at the Institute of Data Processing and Electronics, Forschungszentrum Karlsruhe (German National Research Center), where a USCT system is being developed. One of the main problems in the Karlsruhe USCT prototype was the absence of any calibration. The thousands of transducers used in the system have deviations in sensitivity, directivity, and frequency response. These parameters change over time as the transducers age. Also the mechanical positioning of the transducer elements is not precise. All these aspects greatly affect the overall quality of the reconstructed images. The problem of calibration of a USCT system was chosen as the main topic for this dissertation. The dissertation thesis presents novel methods in the area of reconstruction of attenuation images, sensitivity calibration, and mainly geometrical calibration. The methods were implemented and tested on real data generated by the Karlsruhe USCT device.
|
|
|
Texture Spectral Similarity Criteria Comparison
Havlíček, Michal ; Haindl, Michal
Criteria capable of texture spectral similarity evaluation are presented and compared. From the fifteen evaluated criteria, only four criteria guarantee zero or minimal spectral ranking errors. Such criteria can support texture modeling algorithms by comparing the modeled texture with corresponding synthetic simulations. Another possible application is the development of texture retrieval, classification, or texture acquisition system. These criteria thoroughly test monotonicity and mutual correlation on specifically designed extensive monotonously degrading experiments.
|
|
|
Image Segmentation
Mikeš, Stanislav ; Haindl, Michal (vedoucí práce) ; Scarpa, Giuseppe (oponent) ; Jan, Jiří (oponent)
Image segmentation is a fundamental part in low level computer vision processing. It has an essential influence on the subsequent higher level visual scene interpretation for a wide range of applications. Unsupervised image segmentation is an ill-defined problem and thus cannot be optimally solved in general. Several novel unsupervised multispectral image segmentation methods based on the underlaying random field texture models (GMRF, 2D/3D CAR) were developed. These segmenters use efficient data representations that allow an analytical solutions and thus the segmentation algorithm is much faster in comparison to methods based on MCMC. All segmenters were extensively compared with the alternative state- of-the-art segmenters with very good results. The MW3AR segmenter scored as one of the best available. The cluster validation problem was solved by a modified EM algorithm. Two multiple resolution segmenters were designed as a combination of a set of single segmenters. To tackle a realistic variable lighting in images, the illumination invariant features were derived and the illumination invariant segmenter was developed. For the proper evaluation of segmentation results and ranking of algorithms, a unique web-based texture segmentation benchmark was proposed and implemented. It was used for comprehensive...
|
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce) ; Drbohlav, Ondřej (oponent) ; Geusebroek, Jan-Mark (oponent)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
|
Texture modeling applied to medical images
Remeš, Václav ; Haindl, Michal (vedoucí práce)
V práci jsou prezentovány nové deskriptivní mnoharozměrné markovské tex- turní modely aplikované na počítačem podporovanou diagnostiku rentgenových mamogramů. Tyto netriviální matematické modely, aplikovatelné též v široké oblasti modelování mnoharozměrných vzájemně korelovaných dat mimo mamo- grafii, umožňují, oproti standardním diskriminativním modelům, ideální vizuální ověření pomocí syntézy odpovídajících datových prostorů. Veškeré dosažené výsledky byly podrobeny rozsáhlým benchmarkům. Práce prezentuje dvě metody klasifikace hustoty prsní tkáně z rentgenových mamogramů. Obě metody byly testovány na databázích MIAS a INbreast s výsledky srovnatelnými s nejnovějšími špičkovými metodami. Dále je představeno několik metod pro zcela automatické zvýrazňování mamo- grafických textur. Tyto metody jsou založeny na deskriptivních texturních mod- elech vyvinutých v rámci této práce, které se automaticky adaptují na texturu analyzovaného rentgenového snímku, díky čemuž jsou univerzální pro libovolný druh textury bez potřeby ručního nastavování konkrétních parametrů. Výstupy metod zvýrazňují oblasti zájmu detekované jako texturní abnormality. Metody umožňují nastavit zvýraznění na...
|
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
|
Texture modeling applied to medical images
Remeš, Václav ; Haindl, Michal (vedoucí práce)
V práci jsou prezentovány nové deskriptivní mnoharozměrné markovské tex- turní modely aplikované na počítačem podporovanou diagnostiku rentgenových mamogramů. Tyto netriviální matematické modely, aplikovatelné též v široké oblasti modelování mnoharozměrných vzájemně korelovaných dat mimo mamo- grafii, umožňují, oproti standardním diskriminativním modelům, ideální vizuální ověření pomocí syntézy odpovídajících datových prostorů. Veškeré dosažené výsledky byly podrobeny rozsáhlým benchmarkům. Práce prezentuje dvě metody klasifikace hustoty prsní tkáně z rentgenových mamogramů. Obě metody byly testovány na databázích MIAS a INbreast s výsledky srovnatelnými s nejnovějšími špičkovými metodami. Dále je představeno několik metod pro zcela automatické zvýrazňování mamo- grafických textur. Tyto metody jsou založeny na deskriptivních texturních mod- elech vyvinutých v rámci této práce, které se automaticky adaptují na texturu analyzovaného rentgenového snímku, díky čemuž jsou univerzální pro libovolný druh textury bez potřeby ručního nastavování konkrétních parametrů. Výstupy metod zvýrazňují oblasti zájmu detekované jako texturní abnormality. Metody umožňují nastavit zvýraznění na...
|
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce) ; Drbohlav, Ondřej (oponent) ; Geusebroek, Jan-Mark (oponent)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
|
Image Segmentation
Mikeš, Stanislav ; Haindl, Michal (vedoucí práce) ; Scarpa, Giuseppe (oponent) ; Jan, Jiří (oponent)
Image segmentation is a fundamental part in low level computer vision processing. It has an essential influence on the subsequent higher level visual scene interpretation for a wide range of applications. Unsupervised image segmentation is an ill-defined problem and thus cannot be optimally solved in general. Several novel unsupervised multispectral image segmentation methods based on the underlaying random field texture models (GMRF, 2D/3D CAR) were developed. These segmenters use efficient data representations that allow an analytical solutions and thus the segmentation algorithm is much faster in comparison to methods based on MCMC. All segmenters were extensively compared with the alternative state- of-the-art segmenters with very good results. The MW3AR segmenter scored as one of the best available. The cluster validation problem was solved by a modified EM algorithm. Two multiple resolution segmenters were designed as a combination of a set of single segmenters. To tackle a realistic variable lighting in images, the illumination invariant features were derived and the illumination invariant segmenter was developed. For the proper evaluation of segmentation results and ranking of algorithms, a unique web-based texture segmentation benchmark was proposed and implemented. It was used for comprehensive...
|
host ::
RSS.