Αντικείμενο της παρούσας εργασίας είναι η ταξινόμηση των χρωμοσωμάτων, η οποία είναι βασισμένη σε εικόνα-ομαδοποίηση. Σκοπός αυτής της μεθόδου είναι η ταξινόμηση των χρωμοσωμάτων που δείχνει κάθε εικόνα. Στην πραγματικότητα δίνονται έξι (6) διαφορετικές εικόνες που κάθε μία αντιστοιχεί σε μία διαδικασία χρώσης (dye). Κάθε χρωμόσωμα παίρνει έξι τιμές (μία από κάθε εικόνα) από τις οποίες και ταυτοποιείται. Οι διαδικασίες της ταυτοποίησης είναι διαδικασίες ομαδοποίησης και ταξινόμησης. Η ομαδοποίηση γίνεται στον 6-διάστατο χώρο των χαρακτηριστικών και έπειτα γίνεται η ταξινόμηση στο επίπεδο της εικόνας. Η ταξινόμηση αυτή δημιουργεί έναν χάρτη που ονομάζεται καρυότυπος και ο οποίος αναφέρεται στην ταυτοποίηση (αναγνώριση) των χρωμοσωμάτων. Είναι δηλαδή το σύνολο των χρωμοσωμάτων του με τη συγκεκριμένη μορφολογία τους. Ως γνωστόν, ο άνθρωπος έχει 46 διαφορετικά χρωμοσώματα σε κάθε σωματικό του κύτταρο, τακτοποιημένα σε 22 ζευγάρια, τα οποία είναι μορφολογικά ίδια στα αρσενικά και στα θηλυκά άτομα και ονομάζονται αυτοσωμικά ή αυτοσωματικά. Το εικοστό τρίτο ζεύγος που απομένει καθορίζει το φύλο, δηλαδή στη γυναίκα αποτελείται από δύο όμοια χρωμοσώματα, τα XX, ενώ στον άνδρα από δύο διαφορετικά, τα ΧΥ και ονομάζονται χρωμοσώματα φύλου ή φυλετικά. Επομένως, υπάρχουν 24 κατηγορίες χρωμοσωμάτων. Πραγματοποιήθηκαν δύο εφαρμογές σε εικόνες της βάσεως δεδομένων M-FISH (Multiplex or Multicolor Fluorescence In Situ Hybridization), μέσω MATLAB. Η πρώτη εφαρμογή εκτελέστηκε με τη χρήση της Ευκλείδειας απόστασης για την εύρεση του πλησιέστερου γείτονα (nearest neighbor). Eνώ, η δεύτερη μέθοδος με χρήση του αλγόριθμου FCM (Fuzzy C-Means), ο οποίος δίνει τη δυνατότητα διαχωρισμού των n στοιχείων σε c ομάδες, όπου κάθε ομάδα έχει και ένα κέντρο V. Στην ουσία, ξεκινά από ένα τυχαίο σημείο και ύστερα από επαναλήψεις βρίσκει τα σωστά κέντρα. / The object of present work is the classification of chromosomes, which is based on picture-regrouping. Aim of this method is the classification of chromosomes that shows each picture. Actually they are given six (6) different pictures that every correspond in a process of pigmentation (dye). Each chromosome takes six values (one of each picture) from which also is identifying. The processes of identification are processes of regrouping and classification. The regrouping becomes in the 6-dimensional space of characteristics and then becomes the classification in the level of picture. This classification creates a map that is called karyotype and which is reported in the identification of chromosome, depending on it’s form and size. As we know, the person has 46 different chromosomes in each of his bodily cell, arranged in 22 pairs, which are morphological, same in arsenics and in feminine individuals and are named autosomes. The twentieth third pair that remains determines the sex, that is to say in the woman is constituted by two similar chromosomes, the XX, while in the man from the two otherwise, XY. Consequently, there are 24 types or categories of chromosomes. Were realised two applications in pictures of base of data M-FISH (Multiplex Fluorescence In Situ Hybridization), via MATLAB. The first application was executed with the use of Euclidean distance for the finding of nearest neighbour. While, the second method using FCM algorithm (Fuzzy C-Means), which gives the possibility of segregation of n of elements in c teams, where each team has also a centre V. In the substance, it begins from a accidental point and after repetitions finds the right centres.

Η εργασία αυτή έχει ως στόχο την ανάπτυξη συστήματος αυτόματης αναγνώρισης σημάτων οδικής κυκλοφορίας (ΣΟΚ) από ψηφιακές βιντεοσκοπήσεις που λαμβάνονται από κινούμενο όχημα. Μελετώνται αλγόριθμοι που επιλύουν τα εξής προβλήματα: α) εντοπισμός της θέσης του ΣΟΚ σε ψηφιακή φωτογραφία, β) παρακολούθηση του ΣΟΚ στην ακολουθία ψηφιακών εικόνων της βιντεοσκόπησης και γ) ταξινόμηση του ΣΟΚ χρησιμοποιώντας πολλαπλές αναπαραστάσεις του με στόχο την ελαχιστοποίηση του σφάλματος. Το σύστημα αξιολογήθηκε τόσο σε ευνοικές συνθήκες φωτισμού (ηλιόλουστη μέρα, πρωινές ώρες) και οδήγησης (χαμηλές ταχύτητες), όσο και σε αντίξοες συνθήκες, όπως οδήγηση υπό βροχή, νυχτερινή οδήγηση, οδήγηση με υψηλή ταχύτητα κ.α. / This thesis aims at the implementation of a system that performs automatic recognition of road signs (RS) using digital video clips shot from inside a moving vehicle. Algorithms that solve the following issues are studied: a)detection of the position of the RS in digital photographs, b) tracking the RS in the frame sequence of the video clip and c) RS classification using multiple instances of it, aiming at the minimization of error. The system was evaluated in good lighting conditions (sunny day, morning hours) and driving (low speeds), as well as in adverse conditions, like driving in rainy conditions, driving at night, driving at high speeds etc.

- / -

- / -

- / -

Έχουν αναπτυχθεί και συνεχίζουν να αναπτύσσονται τεχνικές με τις οποίες ένα σύστημα μπορεί να εντοπίζει διάφορα χαρακτηριστικά μέσα σε μια εικόνα. Κάποιες βασικές τεχνικές θα αναφερθούν στις επόμενες παραγράφους. Το περιβάλλον όμως συνεχώς μεταβάλλεται και συνεπώς τα διάφορα αντικείμενα μέσα σε αυτό δεν είναι πάντα ίδια. Έτσι πολλές φορές η κατασκευή κάποιου αλγορίθμου, ο οποίος θα δίνει καλή απάντηση σε κάποιο πρόβλημα που έχει σχέση με την εξαγωγή χαρακτηριστικών μιας εικόνας, είναι δύσκολη. Σε αυτό το σημείο σημαντική είναι η βοήθεια που προσφέρουν τα Τεχνητά Νευρωνικά Δίκτυα με την ικανότητα μίμησης, μάθησης και μνήμης που διαθέτουν. Η επεξεργασία εικόνας σε συνεργασία με τα Τεχνητά Νευρωνικά Δίκτυα παράγουν αποτελέσματα με πολύ ικανοποιητικό βαθμό επιτυχίας. / -

Το σύστημα που σχεδιάστηκε βασίζεται στον soft-core επεξεργαστή Nios II της ALTERA. Εκτελεί βασικές ρουτίνες επεξεργασίας εικόνας όπως Median Filtering, Negative, Edge Detection, Image Sharpening και ο έλεγχος του επιτυγχάνεται μέσω της οθόνης αφής LTM. Αναλύονται όλες οι βασικές έννοιες, και περιγράφεται τόσο ο επεξεργαστής όσο και οι περιφερειακές μονάδες που χρησιμοποιήθηκαν (LTM, D5M Camera, PIO κτλ.). Το όλο σύστημα υλοποιήθηκε στο DE2-70 Board της ALTERA. / The system that has been developed, is based on the ALTERA‘s soft-core processor Nios II. It implements basic image-processing routines such as Median Filtering, Negative, Edge Detection, Image Sharpening and the control of the system is achieved via the LTM Touch Screen. All fundamental concepts are analyzed, and both the processor and the peripherals used (LTM, D5M Camera, PIO etc) are described in detail. The system was implemented on the ALTERAs DE2-70 Board.

Ο τίτλος της διπλωματικής είναι «Κατασκευή συστήματος αναγνώρισης κίνδυνου σύγκρουσης αυτοκίνητου με προπορευόμενο μέσω ψηφιακής επεξεργασίας video». Σκοπός ήταν η κατασκευή ενός συστήματος, το οποίο έχει την ικανότητα να διακρίνει τα αυτοκίνητα από όλα τα αλλά αντικείμενα που εντοπίζονται κατά τη διάρκεια μιας πορείας με αμάξι. Αυτό επετεύχθη με τη χρήση μεθόδων εξαγωγής χαρακτηριστικών, και συγκεκριμένα κυματίδια Haar και φίλτρα Gabor. Η ταξινόμηση έγινε με τη χρήση νευρωνικών δικτύων και μηχανές διανυσμάτων υποστήριξης (Support Vector Machines - SVM). / The subject of this diploma thesis is the manufacturing of a driver assistance system. Robust and reliable vehicle detection from images acquired by a moving vehicle (i.e., on road vehicle detection) is an important problem with applications to driver assistance systems and autonomous, self-guided vehicles. The focus of this diploma is on the issues of feature extraction and classification for rear-view vehicle detection. Specifically, by treating the problem of vehicle detection as a two-class classification problem, we have investigated several different feature extraction methods such as wavelets and Gabor filters. To evaluate the extracted features, we have experimented with two popular classifiers, neural networks and support vector machines (SVMs).

Στην παρούσα διπλωματική εργασία ασχολήθηκα με την εύρεση του καρδιακού παλμού και στην συνεχεία με την εύρεση της ταχύτητας του αίματος ενός ατόμου, χρησιμοποιώντας τεχνικές ψηφιακής επεξεργασίας εικόνας και βίντεο στο υπέρυθρο φάσμα. Για να επιτευχτεί αυτός ο στόχος χρησιμοποίησα την λήψη μια βιντεοκάμερας ενώ το υποκείμενο φωτιζόταν από μια σειρά διόδων εκπομπής στο υπέρυθρο φάσμα. Στηριζόμενη στην ιδιότητα της αιμοσφαιρίνης να απορροφά το υπέρυθρο φως ορισμένου μήκους κύματος, επεξεργάστηκα τα δεδομένα με το λογισμικό και τη γλώσσα προγραμματισμού Matlab και έφτασα σε συμπεράσματα κατά πόσο μπορεί η μέθοδος αυτή να δώσει ικανοποιητικά αποτελέσματα. Ποιο αναλυτικά παρουσιάζεται το θεωρητικό υπόβαθρο, το οποίο αποτελείται από τις βασικές ιατρικές έννοιες και το μαθηματικό υπόβαθρο. Έπειτα γίνεται αναλυτική παρουσίαση των άλλων μεθόδων που χρησιμοποιούνται ευρέως για να παράγονται αυτού του είδους οι μετρήσεις και τέλος παρουσιάζεται το πείραμά μαζί με τις μεθόδους επεξεργασίας των δεδομένων, τα αποτελέσματα και τα συμπεράσματα. / -

Η διπλωματική εργασία περιγράφει μια μέθοδο επίλυσης του προβλήματος προσδιορισμού των γεωμετρικών χαρακτηριστικών ανθρώπινων ερυθρών αιμοσφαιρίων από προσομοιωμένες εικόνες σκέδασης ΗΜ ακτινοβολίας He-Ne laser 632.8nm. Αρχικά παρουσιάζεται το ευθύ πρόβλημα σκέδασης ΗΜ ακτινοβολίας από ανθρώπινο ερυθρό αιμοσφαίριο και στη συνέχεια το αντίστροφο πρόβλημα επιλύεται με χρήση τεχνικών συμπίεσης εικόνας και τεχνητού νευρωνικού δικτύου ακτινικής συνάρτησης. Τέλος, αναπτύσσεται μια τεχνική εύρεσης των αναλογιών των ερυθρών αιμοσφαιρίων στις εικόνες σκέδασης. / This thesis describes a method of estimating the geometrical features of the human red blood cell, from a set of simulated light scattering images produced by a He-Ne laser beam at 632.8nm. The light scattering problem by a human RBC is presented and afterwards the inverse problem is solved using image compression techniques and a radial basis function neural network. Finally, a method of finding the ratio of RBCs in the scattering images is developed.