МЕТОД ВЫЧИСЛЕНИЯ ОБОБЩЕННОГО ГРАДИЕНТА ДЛЯ ТЕКСТУРНЫХ ИЗОБРАЖЕНИЙ
Аннотация
Рассматривается новый метод вычисления обобщенного градиента яркости для обнаружения и визуализации скрытых (в том числе невидимых для человеческого глаза) объектов на цифровых изображениях типа случайных текстур. Суть предлагаемого метода заключается в вычислении градиентного изображения специального вида с использованием техники скользящего окна. В качестве степени различия, т. е. величины локального «градиента», могут использоваться точность классификации указанных выборок пикселей, взятых из двух половин окна, величина статистической значимости различий, получаемая с помощью теста Стьюдента, или результат сравнения выборок, полученный любым другим подходящим способом.
Список литературы
1. Inability of humans to discriminate between visual textures that agree in second-order statistics: revisited / B. Julesz [et al.] // Perception. – 1973. – Vol. 2. – P. 391–405.
2. Julesz, B. Textons, the elements of texture perception, and their inter-action // Nature. –1981. – Vol. 290. – P. 91–97.
3. Abnormalities in the recirculation phase of contrast agent bolus passage in cerebral glioblastomas: Comparison with relative blood volume and tumor grade / A. Jackson [et al.] // American Journal of Neuroradiology. – 2002. – Vol. 23. – P. 7–14.
4. Petrou, M. Three-dimensional nonlinear invisible boundary detection / M. Petrou, V. Kovalev,
5. J. Reichenbach // IEEE Transactions on Image Processing. – 2006. – Vol. 15 (10). – P. 3020–3032.
6. Petrou, M. 3D non-linear invisible boundary detection filters / M. Petrou, F. Mohanna,
7. V. Kovalev // 2nd International Symposium on 3D Data Processing, Visualization and Transmission (3DPVT-2004), 2004. – Thessaloniki, Greece: Comp Society Press, 2004 – P. 970–978.
8. Kovalev, V.A. Invisible differences in brain images of schizophrenics and controls /
9. V.A. Kovalev, M. Petrou // Medical Image Understanding and Analysis. – Imperial College, Lon-don, United Kingdom, 2004. – P. 109–112.
10. Petrou, M. Statistical differences in the grey level statistics of T1 and T2 MRI data of glioma patients / M. Petrou, V. Kovalev // International Journal of Scientific Research. – 2006. – Vol. 16. –
11. P. 119–123.
12. Kovalev, V. Exploring the limits of CT image intensity for discriminating lung tumours and the atelectasis / V. Kovalev, M. Petrou, S. Khoruzhik // In: Medical Image Understanding and Analysis (MIUA 2007). – Aberystwyth, United Kingdom, 2007. – P. 21–25.
13. Ковалев, В.А. Исследование эффективности яркостной информации для сегментации участков ателектаза и раковых опухолей на КТ-изображениях легкого / В.А. Ковалев, С.А. Хоружик, А.Н. Михайлов // Информатика. – 2005. – № 2. – C. 93–101.
14. Михайлов, А.Н. Современные подходы к оценке опухолевой регрессии при лучевой терапии рака легкого / А.Н. Михайлов, С.А. Хоружик, В.А. Ковалев // Весці НАН Беларусі. Cер. мед. навук. – 2005. – № 3. – С. 111–117.
15. Wehrens, R. The bootstrap: a tutorial / R. Wehrens, H. Putter, L.M.C. Buydens // Chemo¬metrics and Intelligent Laboratory Systems. – 2004. – Vol. 54. – P. 35–52.
16. Classification and regression trees. Chapman & Hall / L. Breiman [et al.] // CRC. – N.-Y., 1984. – 368 p.
17. Cortes, C. Support-vector network / C. Cortes, V. Vapnik // Machine Learning. – 1995. – Vol. 20. – P. 1–25.
18. Breiman, L. Random Forests / L. Breiman // Machine Learning. – 2001. – Vol. 45(1). –
19. P. 5–32.
Рецензия
Для цитирования:
Ковалев В.А. МЕТОД ВЫЧИСЛЕНИЯ ОБОБЩЕННОГО ГРАДИЕНТА ДЛЯ ТЕКСТУРНЫХ ИЗОБРАЖЕНИЙ. Информатика. 2008;(3(19)):56-69.
Просмотров: 468
Послать статью по эл. почте 