|
|
Sparse Signal Recovery via Convex Optimization
Novosadová, Michaela
We propose recovering 1D piecewice linear signal using a sparsity-based method consisting of two steps. The first step is signal segmentation via optimization algorithms solving sparsity based model. Second step consists of applying an ordinary mean square method on each detected segment of the signal. We show results of our experiments on two types of the signal.
|
|
|
Automatic segmentation of regions of interest in a human vertebra
Novosadová, Michaela ; Jan, Jiří (referee) ; Peter, Roman (advisor)
This bachelor´s thesis describes anatomy of the spine and the most frequent pathologies of the spine with focus on those tumour diseases, that affect more and more people today. The other part of the work describes theory of image registration. The aim of this thesis is to create an algorithm able to do automatic segmentation of regions of interest in human vertebra (body and posterior elements). This segmentation can simplify the classification of tumour diseases of the spine in the future. A solution was designed on the base of theoretical knowledge. This solution is based on registration of segmented models on original vertebrae. The thesis also describes the process of the solution. For easier understanding, the process of solution and the evaluation of results are added with number of graphs, images and tables.
|
|
|
Image Edge Detection Using Convex Optimisation
Novosadová, Michaela ; Róka, Rastislav (referee) ; Dostál, Otto (referee) ; Rajmic, Pavel (advisor)
Detekce hran v obraze je jednou z nejdůležitějších technik v oblasti digitálního zpracování obrazu. Bývá používána, mimo jiné, jako první krok segmentace obrazu. I proto stále zůstává v oblasti zájmu vědců, kteří se snaží vyvíjet stále lepší detekční přístupy. Hlavním cílem této práce je nalezení vhodné metody detekce hran v obraze pomocí konvexní optimalizace. Navržená metoda je založená na řídkém modelování, a její hlavní část je formulována jako konvexní optimalizační problém, který je řešen pomocí proximálních algoritmů. Pro definici optimalizačního problému se předpokládá, že signál může být modelován jako přeparametrizovaný po částech polynomiální signál, který se skládá z disjunktních segmentů. Počet těchto segmentů je výrazně menší než je počet vzorků signálu, což vybízí k použití řídkosti. Návrh vhodného optimalizačního problému nejdříve probíhá na jednorozměrných signálech, jelikož implementace a porovnání jednotlivých algoritmů je pro jednorozměrné signály výrazně jednodušší a časově méně náročná, než pro dvojrozměrné. První část práce se věnuje představení základní teorie z oblasti zpracování signálu, řídkosti, konvexní optimalizace a proximálních algoritmů, a dále prezentuje průřez používanými metodami pro hranovou detekci v obraze. Druhá část práce se zaměřuje na návrh a následné vyhodnocení jednotlivých optimalizačních problémů pro segmentaci jednorozměrných syntetických signálů, které jsou poškozeny šumem. Vyhodnocení je provedeno jak z pohledu přesnosti detekce skoků tak i odšumění. Poslední část práce je věnována rozšíření nejlépe fungujícího přístupu k detekci skoků v jednorozměrném signálu pro použití na detekci hran v obraze. V této části je navržený přístup testován na standardizovaném datasetu obrázků, který obsahuje manuálně označené hrany od několika subjektů. Výsledky navržené metody jsou vyhodnoceny pomocí precision-recall křivek a jejich maximálního F skóre a následně porovnány s ostatními metodami hranové detekce.
|
|
|
Sparse Signal Recovery via Convex Optimization
Novosadová, Michaela
We propose recovering 1D piecewice linear signal using a sparsity-based method consisting of two steps. The first step is signal segmentation via optimization algorithms solving sparsity based model. Second step consists of applying an ordinary mean square method on each detected segment of the signal. We show results of our experiments on two types of the signal.
|
|
|
Automatic segmentation of regions of interest in a human vertebra
Novosadová, Michaela ; Jan, Jiří (referee) ; Peter, Roman (advisor)
This bachelor´s thesis describes anatomy of the spine and the most frequent pathologies of the spine with focus on those tumour diseases, that affect more and more people today. The other part of the work describes theory of image registration. The aim of this thesis is to create an algorithm able to do automatic segmentation of regions of interest in human vertebra (body and posterior elements). This segmentation can simplify the classification of tumour diseases of the spine in the future. A solution was designed on the base of theoretical knowledge. This solution is based on registration of segmented models on original vertebrae. The thesis also describes the process of the solution. For easier understanding, the process of solution and the evaluation of results are added with number of graphs, images and tables.
|
|
|
Segmentation of 3D image data using advanced textural and shape features
Novosadová, Michaela ; PhD, Miloš Malínský, (referee) ; Jan, Jiří (advisor)
This thesis first describes theory of range of methods of textural and shape analysis. In several published articles some of the mentioned methods are used for automatic detection of lesion in spine in CT images. Some of these articles are shortly presented (in this thesis). Next part of the thesis includes description of various classifiers which are used for classification of feature vectors. Practical part of the thesis is a design and implementation of image data segmentation solution (metastatic lesions in vertebrae) with use of classification of feature vectors formed by texture and shape symptoms. The thesis also deals with the selection of significant features for segmentation. Segmentation algorithm is tested on medical data.
|
guest ::
RSS feed.