Αντικείμενο της παρούσας εργασίας είναι η υψομετρική ανίχνευση θέσης κινούμενου ρομπότ. Για τον υπολογισμό της θέσης του ρομπότ χρησιμοποιήθηκε ένα στερεοσκοπικό σύστημα δύο ίδιων παράλληλων καμερών. Οι εσωτερικές παράμετροι των δύο καμερών και το μήκος της βασικής γραμμής είναι γνωστά. Θεωρείται για ευκολία ότι όλος ο όγκος του ρομπότ αναπαριστάται απο ένα σημείο P με συντεταγμένες (X,Y,Z) ώς προς σύστημα συντεταγμένων με αρχή το κέντρο προβολής της αριστερής κάμερας. Για τον εντοπισμό του ρομπότ αποκτήθηκαν δύο ακολουθίες βίντεο, μια για κάθε κάμερα, στις οποίες έγινε κατάτμηση κίνησης με την μέθοδο διαφοράς διαδοχικών καρέ. Στη συνέχεια ακολούθησε επεξεργασία εικόνας στα καρέ και των δύο ακολουθιών για την εξαγωγή των περιοχών που απεικονίζουν το αντικείμενο στο επίπεδο της εικόνας. Κατόπιν, υπολογίστηκαν οι θέσεις των κέντρων βάρους των περιοχών για τις δύο ακολουθίες , Pl(xl,yl) και Pr(xr,yr) αντίστοιχα. Τα σημεία αυτά αναπαριστούν το σημείο P στην αριστερή και στη δεξιά ακολουθία εικόνων. Ακολούθησε αντιστοίχιση σημείων μεταξύ των δύο ακολουθιών με βάση την επιπολική γεωμετρία. Τα σημεία στα οποία βρέθηκε αντιστοιχία χρησιμοποιήθηκαν για τον υπολογισμό της θέσης του σημείου P με την μέθοδο της τριγωνοποίησης. / The object of this thesis is the position detection of a moving robot. To calculate the position of the robot a stereoscopic system of two identical parallel cameras was used. The intrinsic parameters of the cameras and the length of the baseline are given. To simplify the problem it is assumed that the entire robot can be represented by a point P with (X,Y,Z) coordinates with respect to the coordinate system of the left camera center of projection. To detect the robot two video image sequences were acquired, one for each camera, to which motion segmentation was applied with the frame differencing method. After that, image proseccing was implemented to the frame sequences in order to find the region that represents the robot in the image plane. The centroids of the regions were calculated in the two sequences,Pl(xl,yl) and Pr(xr,yr) respectively. Those points represent the point P in the image planes of the left and right camera. Finally the restriction of epipole geometry was used to find matches between those points. Using those matches the coordinates of P were calculated with the triangulation method.

Η παρούσα ειδική ερευνητική εργασία εκπονήθηκε στα πλαίσια του Διατμηματικού Προγράμματος Μεταπτυχιακών Σπουδών στην “Ηλεκτρονική και Επεξεργασία της Πληροφορίας”, στο Τμήμα Φυσικής του Πανεπιστημίου Πατρών. Αντικείμενο της παρούσας εργασίας είναι η “Υλοποίηση σε FPGA του περιγραφέα HOG για ανίχνευση ανθρώπων σε εικόνες και βίντεο”. Το πρώτο κεφάλαιο αποτελεί μια εισαγωγή στις βασικότερες έννοιες που χρησιμοποιούνται στην παρούσα εργασία. Περιγράφεται επίσης η αναπτυξιακή πλακέτα που χρησιμοποιήθηκε καθώς και τα επί μέρους στοιχεία που τη συνθέτουν. Τέλος γίνεται μια συνοπτική αναφορά σε εργασίες με παρόμοιο αντικείμενο, οι οποίες με επηρέασαν στο σχεδιασμό και την υλοποίηση του συστήματός μου. Στο δεύτερο κεφάλαιο αναλύεται ο περιγραφέας Ιστογραμμάτων Προσανατολισμού της Βάθμωσης ή όπως είναι ευρύτερα γνωστός Histograms of Oriented Gradient Descriptor. Παρουσιάζονται τα βήματα όπως περιγράφονται στην εργασία των Dalal&Triggs[4] και οι βέλτιστες τιμές των παραμέτρων του περιγραφέα. Στο τρίτο κεφάλαιο ακολουθώντας τα βήματα του δευτέρου κεφαλαίου, παρουσιάζεται η διαδικασία υλοποίησης του περιγραφέα στο Matlab. Εκτός της υλοποίησης έγινε και μια προεργασία για τη μεταφορά του σε γλώσσα περιγραφής υλικού. Η προεργασία αυτή περιλαμβάνει απλοποιήσεις και τροποποιήσεις με σκοπό να μειωθεί το υπολογιστικό κόστος. Τέλος παρουσιάζονται τα αποτελέσματα δοκιμών της απόδοσης του περιγραφέα για τις διάφορες απλοποιήσεις. Στο τέταρτο κεφάλαιο γίνεται μια μικρή αναφορά στους ταξινομητές. Περιγράφονται οι ταξινομητές που δοκιμάστηκαν στην παρούσα εργασία ως προς συγκεκριμένα χαρακτηριστικά τους καθώς και την υπολογιστική τους πολυπλοκότητα για την συγκεκριμένη εφαρμογή. Το πέμπτο και τελευταίο κεφάλαιο περιλαμβάνει την περιγραφή της υλοποίησης σε VHDL. Αναλύονται τα επί μέρους κυκλώματα και όπου κρίθηκε αναγκαίο χρησιμοποιήθηκαν σχήματα ή πίνακες. Σε κάποιες περιπτώσεις δίνονται και οι κυματομορφές των κυκλωμάτων. / This thesis took place within the frame work of the Interdeparmental Master’s Program in “Electronics and Information Processing”, at the Department of Physics of University of Patras. The objective of this work is the implementation in FPGA of the HOG descriptor for the detection of people, images and videos. The first chapter is an introduction about the basic concepts, which are used across the manuscript. (Additional descriptions concern the development board which was used as well as the individual parts that compose it.) In the end, there is a brief reference to past projects focusing on similar objectives, which influenced the design and the implementation of my system. The second chapter concerns the presentation and discussion of the Histograms of Oriented Gradient descriptor. The steps of the procedure and the best parameter values of the descriptor are presented in a similar way as they are described in the paper of Dalal and Triggs. In the third chapter, following the steps of the previous one, the focus shifts to the descriptor’s implementation procedure in Matlab. Besides the implementation, there is a preparation for the transference of the descriptor in a Hardware Description Language. This preparation includes simplifications and modifications aiming at the reduction of the computational cost. Finally, we see the tests’ results of the descriptor’s performance concerning the various simplifications. The fourth chapter is a partial reference to the classifiers. The description is about the classifiers that were used in the present work with respect to their features and their computational complexity of this particular application. The fifth and final chapter refers to the description of the implementation in VHDL. There is an analysis of the partial circuits and, when necessary, shapes and tables were used. In some cases, the waveforms of the circuits are being presented.

Τα σύνθετα υλικά χρησιμοποιούνται σε μία ευρεία γκάμα της παγκόσμιας βιομηχανίας, στην αεροναυπηγική, στις μεταφορές, στα αθλητικά είδη και πιο πρόσφατα στις υποδομές. Αναλόγως των εφαρμογών αξιοποιούνται και αντίστοιχης ποιότητας σύνθετα υλικά διότι το κύριο μέλημα είναι η μείωση του συνολικού κόστους της κατασκευής. Η μείωση του κόστους, προφανώς, δεν έρχεται από τα ίδια τα υλικά, αφού είναι πιο ακριβά από τα αντίστοιχα που χρησιμοποιούνται τώρα, αλλά από την αξιοποίηση τους σε ένα μακροχρόνιο σχέδιο. Για τους λόγους αυτούς γίνεται όλο ένα και μεγαλύτερη χρήση των σύνθετων υλικών. Παρόλα τα πλεονεκτήματα που παρουσιάζουν τα σύνθετα υλικά εμφανίζουν πολύ σοβαρά προβλήματα. Ένα κύριο πρόβλημα το οποίο αφορά την χρήση τους είναι ο προσδιορισμός της αντοχής τους όταν υποβάλλονται σε διάφορες καταπονήσεις. Παρατηρείται λοιπόν η μεγάλη ανάγκη που υπάρχει για την μελέτη των σύνθετων υλικών και για το λόγο αυτό υπάρχουν εξειδικευμένα εργαστήρια στα οποία μελετώνται οι μηχανικές ιδιότητες των σύνθετων υλικών. Όμως, πέραν των ενδογενών μηχανικών ιδιοτήτων που εμφανίζουν τα σύνθετα υλικά υπάρχουν και άλλοι παράγοντες που χρίζουν μελέτης όπως για παράδειγμα η επίδραση της θερμοκρασίας, της υγρασίας κ.α. Τα σύνθετα υλικά που αξιοποιούνται είναι με ενίσχυση συνεχών ινών και με μήτρα από πολυμερές σε ψευδοϊσότροπη "quasi-isotropic" διαστρωμάτωση. Τα εκάστοτε δοκίμια υφίστανται εναλλασσόμενη φόρτιση μέχρις ότου εμφανίσουν αστοχία. Για την διαδικασία της κόπωσης ορίζονται πειραματικά οι τιμές της συχνότητας ταλάντωσης και της μέγιστης εφαρμοζόμενης τάσης. Όλα τα δοκίμια, κατά την διάρκεια της κόπωσης, υφίστανται μόνο τάσεις εφελκυσμού. Η μελέτη της θερμοκρασίας πραγματοποιήθηκε μέσω παθητικής θερμογραφίας. Η παθητική θερμογραφία εξετάζει τα υλικά και τις δομές που σε φυσιολογικές συνθήκες παρουσιάζουν διαφορετική (συχνά υψηλότερη) θερμοκρασία από το περιβάλλον. Η παθητική θερμογραφία είναι ευρέως χρησιμοποιούμενη σε πλήθος εφαρμογών της βιομηχανίας, της προληπτικής συντήρησης, ιατρικής, δασικής πυρανίχνευσης, γεωργίας, βιολογίας, ανίχνευσης αερίων. Σε όλες αυτές τις εφαρμογές, εντοπίζονται ασυνήθιστες θερμοκρασίες σε σχέση με το περιβάλλον και υποδεικνύουν σημεία που πιθανόν χρήζουν προσοχής. Στην παρούσα εργασία έγινε χρήση μίας πειραματικής διάταξης που είναι σε θέση να προκαλεί καταπόνηση στα σύνθετα υλικά και με τη βοήθεια υπέρυθρης κάμερας κατέστη δυνατή η απόκτηση θερμικών εικόνων των σύνθετων υλικών κατά την διάρκεια της καταπόνησης τους. Οι εικόνες αυτές αναπαριστούν την χωρική κατανομή της θερμοκρασίας του δείγματος και όχι μόνο της επιφάνειας. Οι θερμικές εικόνες υπέστησαν ειδική επεξεργασία για την εξαγωγή χαρακτηριστικών με σκοπό να οδηγήσουν σε συμπεράσματα ικανά να ερμηνεύουν την συμπεριφορά της θερμοκρασίας. Τελικά, μέσω της μελέτης της συμπεριφοράς της θερμοκρασίας των σύνθετων υλικών υφιστάμενα κόπωση έγινε προσπάθεια για την πρόβλεψη και ανίχνευση αστοχιών σε αυτά τα υλικά. / Composite materials are used in a wide range of global industry, such as aeronautics, transportation, and more recently in infrastructure. Composites with different quality are utilized because the main concern is to reduce the total cost of construction. Cost reduction is obviously not coming from the raw materials, as they are more expensive than those used now, but by exploiting them in a long-standing plan. The technological evolution and market requirements have led to an increasing demand of composite materials. Despite the advantages of composite materials they exhibit very serious problems. A fundamental problem concerning the engineering uses of composite materials is the determination of their resistance to combined states of cyclic stress (fatigue loading). Therefore, composite materials are needed to be studied and for this reason there are specialized laboratories studying their mechanical properties. Beyond the intrinsic mechanical properties of composites materials there are also other factors that need to be studied, for example the effect of temperature, humidity etc. In this project the behavior of the temperature of composites in fatigue loading is studied. The composite materials that are utilized are fiber reinforced plastics (FPR) in "quasi-isotropic" lay-up. Each sample is going under tensile constant stress cycling until experiencing failure. For the process of fatigue loading, experimental values of the oscillation frequency and the maximum applied stress are defined. The study of the temperature of composite materials was held by passive thermography. Passive thermography tests materials and structures which are naturally at different (often higher) temperature than ambient temperature. Important applications of passive thermography are in production, predictive maintenance, medicine, fire forest detection, building thermal efficiency survey programs, road traffic monitoring, agriculture and biology, medicine, detection of gas (by mean of absorbing tracer gas) and in nondestructive testing (NDT). In all these applications, abnormal temperature profiles indicate a potential problem that needs to be taken care of. In this project an experimental setup was developed which is capable of a) causing specific fatigue loading to the samples and b) obtaining thermal images of them during their fatigue loading. These images represent the spatial distribution of the sample temperature, not just the temperature of their surface. Also, these thermal images were specially processed for feature extraction in order to lead to conclusions capable of interpreting the behavior of temperature. Eventually, an effort was made to anticipate and discover failures in composites through the study of the behavior of the temperature that they develop.

Η ανάπτυξη ενός ενσωματωμένου στο όχημα συστήματος υποβοήθησης του οδηγού για αποφυγή συγκρούσεων με άλλα οχήματα, βρίσκεται τελευταία στο επίκεντρο του ενδιαφέροντος. Στα συστήματα αυτά η αξιοπιστία αποτελεί ένα πολύ σημαντικό παράγοντα. Στην παρούσα εργασία αναπτύσσεται ένα σύστημα αναγνώρισης προπορευόμενου οχήματος βασισμένο σε εικόνες οι οποίες λαμβάνονται από βιντεοκάμερα που έχει ενσωματωθεί στο όχημα. Η μεθοδολογία την οποία επιλέξαμε να εργαστούμε περιλαμβάνει τον εντοπισμό των κόκκινων εικονοστοιχείων στην εικόνα και τη δημιουργία της αντίστοιχης δυαδικής εικόνας. Στη συνέχεια, με μορφολογική επεξεργασία της δυαδικής εικόνας εντοπίζουμε τις περιοχές που αντιστοιχούν στα πιθανά φανάρια του οχήματος. Με βάση τα σημεία των πιθανών φαναριών καθορίζουμε την περιοχή στην οποία περικλείεται το όχημα. Για την επιβεβαίωση της ύπαρξης οχήματος στην περιοχή αυτή, εκτελούμε έναν έλεγχο συμμετρίας βασιζόμενοι στην ομοιότητα των υποεικόνων και συνεχίζουμε με τον προσεγγιστικό υπολογισμό της απόστασής του. Τέλος, παρουσιάζουμε τα αποτελέσματα της μεθόδου, τα συμπεράσματα που προέκυψαν και προτείνουμε κατευθύνσεις για μελλοντικές βελτιώσεις. / Developing on-board automotive driver assistance systems aiming to alert drivers about possible collision with other vehicles has attracted a lot of attention lately. In these systems, robust and reliable vehicle detection is a critical step. In this work a vehicle detection system is developed based on video frames grabbed by a camera mounted on the vehicle. Vehicle detection is mainly based on the detection of its red rear-lights. First we detect all red pixels of the frame and create the corresponding binary image (mask). Then we detect the areas that possibly constitute vehicle’s rear-lights by performing morphological binary image processing. Based on that, we determine the boundary of the vehicle. To verify the presence of the vehicle in this area, we perform a symmetry test based on sub-image similarity. Finally, we present some experimental results and give directions for future improvements.

Στα πλαίσια της διατριβής μελετήθηκε αρχικά το πρόβλημα της εύρεσης της θέσης του υφάσματος επάνω στην τράπεζα εργασίας με μεθόδους ψηφιακής ανάλυσης σημάτων βίντεο, παρουσία φαινομένων παραμόρφωσης και μερικής επικάλυψης του υφάσματος. Οι νέες μέθοδοι εντοπισμού που αναπτύχθηκαν αξιολογήθηκαν πειραματικά παρουσιάζοντας ικανοποιητική ακρίβεια εντοπισμού και ανοχή του συστήματος σε μερικές επικαλύψεις και παραμορφώσεις. Μετά την ολοκλήρωση της ραφής του υφάσματος πραγματοποιείται αυτόματος εντοπισμός της θέσης της ραφής από ψηφιακές φωτογραφίες. Αναπτύχθηκαν τρείς πρωτότυπες μέθοδοι εντοπισμού της θέσης της ραφής οι οποίες διαφοροποιούνται στο στάδιο της προεπεξεργασίας. Η πειραματική αξιολόγηση γίνεται σε βάση δεδομένων που περιέχει 118 εικόνες έτοιμων ενδυμάτων. Προτού πραγματοποιηθεί ποιοτικός έλεγχος ραφής, οι εικόνες κανονικοποιούνται ως προς τη θέση και τον προσανατολισμό της ραφής χρησιμοποιώντας τις παραπάνω μεθόδους αυτόματου εντοπισμού της θέσης της ραφής. Αναπτύχθηκαν και αξιολογήθηκαν τρείς διαφορετικές μέθοδοι αυτόματης αναγνώρισης της ποιότητας σε δείγματα ραφής οι οποίες εξάγουν τρία διαφορετικά σύνολα χαρακτηριστικών. Η πρώτη μέθοδος βασίζεται σε φασματικά χαρακτηριστικά, η δεύτερη στην επιβολή αυτό-σκίασης, ενώ η τρίτη βασίζεται στην εκτίμηση της ανομοιομορφίας της επιφάνειας των δειγμάτων ραφής. Η πειραματική αξιολόγηση γίνεται σε βάση δεδομένων δειγμάτων ραφής που περιλαμβάνει 325 ραφές. Η εκτίμηση της ποιότητας ραφής πραγματοποιείται με ταξινόμηση σε πέντε διατεταγμένους βαθμούς ποιότητας. Σε αυτήν την κατεύθυνση, προτείνονται και συγκρίνονται τέσσερις μέθοδοι αναγνώρισης προτύπων διατεταγμένων κατηγοριών. Η πρώτη μέθοδος χρησιμοποιεί για την ταξινόμηση μοντέλο σύμμετρων αναλογιών πιθανότητας. Η δεύτερη μέθοδος κάνει αναγνώριση με χρήση γραμμικού μοντέλου. Οι άλλες δύο μέθοδοι είναι πρωτότυπες και επίσης χρησιμοποιούν γραμμικό μοντέλο για την ταξινόμηση. Η διαφοροποίησή τους από τη δεύτερη μέθοδο είναι ότι η επιλογή των αριθμητικών τιμών των διατεταγμένων κατηγορίων δεν γίνεται αυθαίρετα., αλλά προκύπτει ως λύση προβλημάτων ελαχιστοποίησης.. Η πειραματική αξιολόγηση και σύγκριση των μεθόδων στο πρόβλημα του ποιοτικού ελέγχου ραφών οδηγεί στην επιλογή του μοντέλου σύμμετρων αναλογιών πιθανότητας σε περίπτωση που υπάρχει ικανός αριθμός παραδειγμάτων εκπαίδευσης, ενώ σε αντίθετη περίπτωση μπορεί να προτιμηθεί το γραμμικό μοντέλο αφού προηγηθεί βελτιστοποίηση με χρήση κάποιας εκ των δύο προτεινόμενων μεθόδων επιλογής αριθμητικών τιμών. / One of the problems studied in the present dissertation is that of the detection of the fabrics’ position on the working area. The proposed detection methods are based on image processing and analysis techniques and take into consideration both partial occlusion and fabric deformation. The methods have been experimentally evaluated and the results indicate sufficient detection accuracy and robustness regarding partial occlusion and fabric deformation. After sewing the fabric, the position and orientation of the seam is automatically detected. Three novel seam detection methods have been developed using different pre-processing techniques. The experimental evaluation of the three detection methods is made on a database containing 118 images of ready sewn garments. Before performing seam quality control the seam images are normalized with respect to the seam position and orientation, using the aforementioned seam detection methods. Feature selection has been studied next, extracting three different sets of features and assessing seam quality using three different methods. The first method uses spectral features; the second method is based on the detection of self-shadows onto the seam specimens, while the third method is based on the estimation of the surface roughness of the specimens. The experimental evaluation of the proposed methods is made on a database containing 325 images of seam specimens. Seam quality control is performed by classifying the seam specimens into five ordinal grades of quality. In this direction, four classification methods are proposed and evaluated, taking into account the ordered arrangement of the classes. The first method uses the proportional odds model; while the second method uses a linear model. The other two methods are novel and also employ a linear model. The difference between these two methods and the second method is that the numerical values they are assigning to the ordered categories are not arbitrary like in the case of the second method. The experimental evaluation of these four methods indicates that in case of a large number of training data, the first method which is based on the proportional odds model is more efficient, while in case of an insufficient number of training data the linear model optimized by one of the two novel methods should be selected.

The expression of genetic information, in all organisms, might be characterized as in a constant state of flux with only a fraction of the gene within a genome being expressed at any given time. The genes’ expression pattern reflects the response of cells to stimuli that control growth, development and signal environmental changes. Understanding genes’ expression at the level of transcription and/or other stages of gene regulation at the mRNA level (half life of mRNA, RNA production from primary transcript) might reveal insights into the genes expression mechanisms that control these changes. With the DNA microarray technology researchers are now able to determine, in a single experiment, the gene expression profiles of hundreds to tens of thousands of genes in tissue, tumors, cells or biological fluids. Accordingly, and since the patterns of gene expression are strongly functionally correlated, microarrays might provide unprecedented information both on basic research (e.g. expression profiles of different tissues) and on applied research (e.g. human diseases, drug and hormone action etc). While the simultaneous measurement of thousands of gene expression levels potentially serves as source of profound knowledge, genes quantification (i.e. extraction of the genes expression levels) is confounded by various types of noise originating both from the microarray experimental procedure (e.g. sample preparation) and the probabilistic characteristics of the microarray detection process (e.g. scanning errors). The “noisy” nature of the measured gene expression levels obscures some of the important characteristics of the biological processes of interest. The latter, as a direct effect, renders the extraction of biological meaningful conclusions through microarray experiments difficult and affects the accuracy of the biological inference. Thus, as a major challenge in DNA microarray analysis, and especially for the accurate extraction of genes expression levels, might be considered the effective separation of “true” gene expression values from noise. Noise reduction is an essential process, which has to be incorporated into the microarray image analysis pipeline in order to minimize the “errors” that propagate throughout the microarray analysis pipeline and, consequently, affect the extracted gene expression levels. A possible solution, as proposed in previous studies, for addressing microarray image noise is image enhancement. Results of these studies have indicated a superior quality of the enhanced images, without however examining whether enhancement leads to more accurate spot segmentation or reduces the variability of the extracted gene expression levels. As foresaid, noise also complicates the extraction of meaningful biological conclusions. While more advanced methods have been introduced [28-32] that attempt to prevent the noisy set of genes from being grouped, there is a lack of consensus among experts on the selection of a single method for determining meaningful clusters of genes. The latter, directly affects the biological inference, since different number of clusters are produced when different clustering techniques or either different parameters in the clustering algorithms are utilized. Thus, it turns up that it is not only important to assess the performance of each analysis stage independently (i.e. whether the techniques employed in the microarray analysis pipeline provide accurate extracted gene expression levels or the clustering techniques group biologically related genes) but it is also necessary to ensure an acceptable performance of all steps, as a whole, in terms of biologically meaningful information. This thesis has been carried out towards the development of a complete microarray image processing and analysis framework in order to improve the extraction and, consequently, the quantification of gene expression levels on spotted complementary DNA (cDNA) microarray images. The aims of the present thesis are: a) to model and address the effects of cDNA microarray image noise in such a way that it will increase the accuracy of the extracted gene expression levels, b) to investigate the impact of noise and facilitate genes expression data analysis in order to allow biologists to develop an integrated understanding of the process being studied, c) to introduce a semi-supervised biologically informed criterion for the detection of meaningful biological clusters of genes that answer specific biological questions, d) to investigate the performance and the impact of various state-of-art and novel cDNA microarray image segmentation techniques in the quantification of genes expression levels For exploring all of these aspects, a complete and robust framework of microarray image processing and analysis techniques was designed, built and implemented. The framework incorporated in the microarray analysis pipeline a novel combination of image processing and analysis techniques originating from the comprehensive quantitative investigation of the impact of noise on spot segmentation, intensity extraction and data mining. Additionally, novel formulations of known image segmentation techniques have been introduced, implemented and evaluated in the task of microarray image segmentation. The usefulness of the proposed methods has been validated experimentally on both simulated and real cDNA microarray images. / Η έκφραση της γενετικής πληροφορίας, σε όλους τους οργανισμούς, χαρακτηρίζεται από μια σταθερή κατάσταση «ροής» στην οποία όμως μόνο ένα μέρος του γονιδίου μέσα στο γονιδίωμα (genome) εκφράζεται ανά χρονική στιγμή. Το γονιδιακό μοτίβο έκφρασης (gene expression pattern or gene expression profile) θα μπορούσαμε να πούμε ότι αντανακλά την αντίδραση των κυττάρων στα διάφορα εξωτερικά ερεθίσματα. Για να μπορέσουν να απαντηθούν ερωτήματα σχετικά με τους μηχανισμούς που επηρεάζουν και μεταβάλλουν τη γονιδιακή έκφραση ανάλογα με το εξωτερικό ερέθισμα είναι απαραίτητη η μελέτη της γονιδιακής έκφρασης σε μεταγραφικό επίπεδο (transcription level) ή/και άλλα στάδια (παράγοντες) που ρυθμίζουν τη γονιδιακή έκφραση (gene regulation) σε επίπεδο mRNA. Με τη χρήση της τεχνολογίας των μικροσυστοιχιών, οι ερευνητές έχουν πλέον τη δυνατότητα να μελετήσουν ταυτόχρονα την γονιδιακή έκφραση δεκάδων ή και εκατοντάδων χιλιάδων γονιδίων σε ιστούς, κύτταρα όγκους κλπ με τη χρήση ενός και μόνο πειράματος. Κατά συνέπεια, και από τη στιγμή που τα γονιδιακά μοτίβα έκφρασης συσχετίζονται έντονα λειτουργικά (functionally correlated), η τεχνολογία των μικροσυστοιχιών παρέχει ανεκτίμητης αξίας πληροφορίες που μπορούν να δώσουν ώθηση τόσο στην ανάπτυξη της βασικής έρευνας π.χ. μελέτη των γονιδιακών προφίλ έκφρασης διαφορετικών ιστών όσο και στην ανάπτυξη της εφαρμοσμένης έρευνας π.χ. μελέτη ασθενειών, δράση φαρμάκων και ορμονών κλπ. Παρά τη δυνατότητα που παρέχει η τεχνολογία των μικροσυστοιχιών για την ταυτόχρονη μέτρηση των επιπέδων έκφρασης χιλιάδων γονιδίων, η ποσοτικοποίηση της γονιδιακής έκφρασης (δηλ. η εξαγωγή των επιπέδων έκφρασης των γονιδίων), επηρεάζεται από τους διάφορους τύπους θορύβου που υπεισέρχονται τόσο κατά την πειραματική διαδικασία κατασκευής των μικροσυστοιχιών (π.χ. προετοιμασία δειγμάτων) όσο και από τα πιθανοκρατικά χαρακτηριστικά που διέπουν τη διαδικασία ανίχνευσης (microarray scanning procedure) των μικροσυστοιχιών (π.χ. λάθη ανίχνευσης). Η «θορυβώδης» φύση των γονιδίων και κατά συνέπεια των μετρούμενων γονιδιακών εκφράσεων «κρύβει» (obscure) μερικά από τα πιο σημαντικά χαρακτηριστικά των βιολογικών διαδικασιών ενδιαφέροντος και καθιστά δύσκολη την εξαγωγή χρήσιμων βιολογικών συμπερασμάτων. Από τα παραπάνω διαφαίνεται ότι η μείωση του θορύβου είναι μια πολύ σημαντική διαδικασία η οποία θα πρέπει να ενσωματωθεί στην αλγοριθμική μεθοδολογία που μέχρι στιγμής χρησιμοποιείται για την εξαγωγή των γονιδιακών εκφράσεων από τις εικόνες μικροσυστοιχιών. Με αυτό τον τρόπο θα ελαχιστοποιηθούν τα πιθανά «λάθη» τα οποία μεταφέρονται (propagate) κατά τη διαδικασία εξαγωγής των εντάσεων (μέσω της χρησιμοποιούμενης αλγοριθμικής μεθοδολογίας) και τελικά επηρεάζουν την «ακριβή» εξαγωγή των γονιδιακών εκφράσεων. ‘Ως πιθανή λύση για την αντιμετώπιση του θορύβου στις εικόνες μικροσυστοιχιών, έχει προταθεί στη διεθνή βιβλιογραφία η χρήση τεχνικών αναβάθμισης εικόνας. Τα αποτελέσματα αυτών των επιστημονικών εργασιών συμπεραίνουν ότι με τη χρήση τεχνικών αναβάθμισης η ποιότητα των επεξεργασμένων εικόνων είναι σαφώς καλύτερη. Ωστόσο, καμία από αυτές τις εργασίες δεν μελετάει εάν οι τεχνικές αναβάθμισης οδηγούν στον ακριβέστερο προσδιορισμό των παρυφών των κουκίδων (spot) από τις οποίες εξάγονται οι γονιδιακές εκφράσεις ή εάν βοηθάνε στη μείωση της μεταβλητότητας (variability) των εξαγόμενων γονιδιακών εκφράσεων. Επιπρόσθετα, όπως έχει ήδη προαναφερθεί, ο θόρυβος παρεμποδίζει την εξαγωγή χρήσιμων βιολογικών συμπερασμάτων. Παρά το μεγάλο πλήθος εξελιγμένων μεθόδων που έχουν προταθεί στη διεθνή βιβλιογραφία για την αποτροπή της ομαδοποίησης γονιδίων που χαρακτηρίζονται ως «θορυβώδη», δεν έχει καθοριστεί ακόμα (από τους ειδικούς) μια ενιαία μέθοδος που να βρίσκει και να ομαδοποιεί γονίδια τα οποία θα παρέχουν βιολογικά χρήσιμες πληροφορίες. Αποτέλεσμα αυτής της «ασυμφωνίας» μεταξύ των ειδικών αποτελεί η εξαγωγή διαφορετικών βιολογικών συμπερασμάτων ανάλογα α) με τον αριθμό των δημιουργούμενων γονιδιακών ομάδων (που εξαρτάται άμεσα από τη διαφορετική μέθοδο ομαδοποίησης (clustering)) και β) με τις διαφοροποιήσεις που μπορεί να έχουμε στις παραμέτρους των διαφόρων μεθόδων ομαδοποίησης. H παρούσα διατριβή στοχεύει στη δημιουργία ενός ολοκληρωμένου πλαισίου για την επεξεργασία και ανάλυση εικόνων μικροσυστοιχιών με σκοπό την βελτιστοποίηση της εξαγωγής και κατά συνέπεια της ποσοτικοποίησης των γονιδιακών εντάσεων από εικόνες μικροσυστοιχιών κουκίδων (spotted cDNA microarray images). Οι στόχοι της παρούσας διατριβής συνοψίζονται ως εξής: α) μοντελοποίηση και περιορισμός των επιδράσεων του θορύβου σε εικόνες μικροσυστοιχιών κουκίδων κατά τέτοιο τρόπο ώστε να αυξηθεί η ακρίβεια των εξαγόμενων γονιδιακών εκφράσεων, β) μελέτη της επίδρασης του θορύβου και βελτιστοποίηση των μεθόδων ανάλυσης των γονιδιακών εκφράσεων με σκοπό τη διευκόλυνση των βιολόγων στην εξαγωγής βιολογικών συμπερασμάτων και την καλύτερη κατανόηση της βιολογικής διεργασίας που μελετάται, γ) εισαγωγή ενός ημιεποπτευόμενου (semi-supervised) κριτηρίου που στηριζόμενο σε βιολογικές πληροφορίες θα αποσκοπεί στην ανεύρεση βιολογικά σημαντικών ομάδων γονιδίων τα οποία ταυτόχρονα θα απαντούν σε συγκεκριμένα βιολογικά ερωτήματα ,δ) μελέτη της επίδρασης και της απόδοσης διαφόρων τεχνικών κατάτμησης εικόνων μικροσυστοιχιών κουκίδων, τόσο ανωτάτου επιπέδου (state-of-art) όσο και νέων, στην ποσοτικοποίηση γονιδιακών εκφράσεων. Για την πραγματοποίηση των παραπάνω στόχων σχεδιάστηκε και κατασκευάστηκε μια πλήρως δομημένη μεθοδολογία (a complete and robust framework) που περιελάμβανε αλγοριθμους επεξεργασίας και ανάλυσης εικόνας κουκίδων μικροσυστοιχιών Η προτεινόμενη μεθοδολογία ενσωμάτωσε στην ήδη υπάρχουσα αλγοριθμική μεθοδολογία (microarray analysis pipeline) έναν πρωτότυπο συνδυασμό τεχνικών επεξεργασίας και ανάλυσης εικόνας βασισμένο στην εις βάθος ποσοτική έρευνα της επίδρασης του θορύβου στην κατάτμηση κουκίδων (spot segmentation), στην εξαγωγή εντάσεων και στην εξόρυξη δεδομένων (data mining). Επιπρόσθετα, κατά την παρούσα διατριβή προτάθηκαν, κατασκευάστηκαν και αξιολογήθηκαν νέες τεχνικές κατάτμησης εικόνας από μικροσυστοιχές κουκίδων. Η χρησιμότητα των προτεινόμενων μεθοδολογιών αξιολογήθηκε τόσο σε εικονικές (simulated) όσο και σε πραγματικές εικόνες μικροσυστοιχιών κουκίδων.

Στην παρούσα διπλωματική εργασία ασχοληθήκαμε με την εύρεση του καρδιακού παλμού ενός ατόμου με τεχνικές ψηφιακής επεξεργασίας εικόνας στο κοντινό και στο μέσο υπέρυθρο φάσμα. Χρησιμοποιήσαμε μια σειρά από διόδους εκπομπής στο υπέρυθρο φάσμα και μια βιντεοκάμερα με την οποία πήραμε τα προς εξέταση δεδομένα. Στηριζόμαστε στην ιδιότητας της αιμοσφαιρίνης να απορροφά το υπέρυθρο φως ορισμένου μήκους κύματος. Επεξεργαζόμενοι το οπτικό υλικό που προκύπτει από τις μετρήσεις μας με κατάλληλες μεθόδους μπορούμε να πλησιάσουμε στην εύρεση του καρδιακού ρυθμού, μελετώντας τα βιολογικά σήματα και ευρίσκοντας μεθόδους βελτίωσης τους. Θα κάνουμε μία σύντομη αναφορά στα κεφάλαια που περιλαμβάνει η εργασία αυτή. Στην αρχή γίνεται μια γνωριμία με τον τομέα της Βιοιατρικής Τεχνολογίας, τις εφαρμογές αυτού και τους κλάδους που τον συνθέτουν. Εν συνεχεία, δίνονται κάποιες εισαγωγικές έννοιες σε σχέση με τα βιολογικά σήματα καθώς και οι βασικές αρχές επεξεργασίας αυτών. Κατόπιν προσεγγίζονται βασικές έννοιες φυσιολογίας του καρδιοκυκλοφοριακού συστήματος και της αιμοσφαιρίνης, καθώς διαδραματίζει σημαντικότατο ρόλο στην πειραματική μας διαδικασία. Ακολουθεί η περιγραφή της πειραματικής διάταξης καθώς και τα αποτελέσματα που προέκυψαν από τις πειραματικές διαδικασίες που πραγματοποιήθηκαν στο εργαστήριο μας. Στα επόμενα τρία κεφάλαια πραγματοποιείται η επεξεργασία των σημάτων μας αρχικά με τη βοήθεια του μετασχηματισμού Fourier και έπειτα με τη χρήση μιας σειράς κατωδιαβατών φίλτρων εφαρμοσμένων στα σήματα φωτεινότητας αλλά και στις εικόνες που προέκυψαν από το πειραματικό μέρος της εργασίας. Παραθέτουμε τα αποτελέσματα και τα συμπεράσματα μας από τη μελέτη αυτών. Τέλος,γίνεται αναφορά στις βασικές αρχές που διέπουν την απορρόφηση του φωτός κια στις βασικές διεργασίες που συνtελούν στη λειτουργία αυτή. / In this paper we dealt with finding the heartbeat of a person with digital image processing techniques in the near and mid infrared range. We used a series of infrared emitting diodes spectrum and a CCD video camera with which we got to test data. We rely on the status of hemoglobin to absorb the infrared light of certain wavelength. By editing visual materials resulting from our measurements using appropriate methods we can get closer to finding the rhythm, studying the biological signals. In the beginning there is an introduction to the field of medical technology, applications and industries such as it is composed. Then, we present some introductory concepts in relation to biological signals and the basic principles of processing. Afterwards, we approached concepts of circulation physiology and the properties of hemoglobin, as it plays a crucial role in our experimental procedure. We also describe the experimental setup and the results of the experimental procedures performed in our laboratory. The next three chapters are about the processing of signals using the Fourier transformation and then we use a series of low-pass filters applied to luminance signals and images obtained from the experimental part. Then we refer to the results and conclusions from our study which shows similarities between the heart rate curve and the luminance curve. Finally, reference is made to the basic principles governing the absorption of light,as it is the basic feature used to interpret our results.

Image analysis techniques have been broadly used in computer aided diagnosis tasks in recent years. Computer-aided image analysis is a popular tool in medical imaging research and practice, especially due to the development of different imag- ing modalities and due to the increased volume of image data. Image segmenta- tion, a process that aims at identifying and separating regions of an image, is crucial in many medical applications, such as in identification (delineation) of anatomical structures and pathological regions, providing objective quantitative assessment and monitoring of the onset and progression of the disease. Multidetector CT (MDCT) allows acquisition of volumetric datasets with almost isotropic voxels, enabling visualization, characterization and quantification of the entire extent of lung anatomy, thus lending itself to characterization of Interstitial Lung Diseases (ILDs), often characterized by non uniform (diffuse) distribution in the lung volume. Interpretation of ILDs is characterized by high inter and intra- observer variability, due to lack of standardized criteria in assessing its complex and variable morphological appearance, further complicated by the increased vol- ume of image data being reviewed. Computer-Aided Diagnosis (CAD) schemes that automatically identify and char- acterize radiologic patterns of ILDs in CT images have been proposed to improve diagnosis and follow-up management decisions. These systems typically consist of two stages. The first stage is the segmentation of left and right Lung Parenchyma (LP) region, resulting from lung field segmentation and vessel tree removal, while the second stage performs classification of LP into normal and abnormal tissue types. The segmentation of Lung Field (LF) and vessel tree structures are crucial preprocessing steps for the subsequent characterization and quantification of ILD patterns. Systems proposed for identification and quantification of ILDpatterns havemainly exploited 2D texture extraction techniques, while only a few have investigated 3D texture features. Specifically, texture feature extraction methods that have been exploited towards lung parenchyma analysis are: first order statistics, grey level co-occurrence matrices, gray level run length matrices, histogram signatures and fractals. The identification and quantification of lung parenchyma into normal and abnormal tissue type has been achieved by means of supervised classification tech- niques (e.g. Artificial Neural Networks, ANN, Bayesian classifier, linear discrimi- nant analysis (LDA) and k-Nearest Neighboor (k-NN). However, the previously proposed identification and quantification schemes in- corporate preprocessing segmentation algorithms, effective on normal patient data. In addition the effect of the preprocessing stages (i.e. segmentation of LF and ves- sel tree structures) on the performance of ILD characterization and quantification schemes has not been investigated. Finally, the complex interaction of such automated schemes with the radiologists remains an open issue. The current thesis deals with identification and quantification of ILD in lung CT. The thesis aims at optimizing all major steps encountered in a computer aided ILD quantification scheme, by exploiting 3D texture feature extraction techniques and supervised and unsupervised pattern classification schemes to derive 3D disease segments. The specific objectives of the current thesis are focused on: • Development of LF segmentation algorithms adapted to pathology. • Development of vessel tree segmentation adapted to presence of pathology. • Development of ILD identification and quantification algorithms. • Investigation of the interaction of an ILD identification and quantification scheme with the radiologist, by an interactive image editing tool. / Η Διάμεση Νόσος (ΔΝ) του πνεύμονα αποτελεί το 15% των παθήσεων του πνεύμονα που εμφανίζονται στην κλινική πρακτική. Η ΔΝ επηρεάζει κυρίως το πνευμονικό παρέγχυμα και εμφανίζεται στις εικόνες Υπολογιστικής Τομογραφίας (ΥΤ) του πνεύμονα με την μορφή διάχυτων περιοχών χαρακτηριστικών προτύπων υφής που παρεκκλίνουν από αυτό του φυσιολογικού παρεγχύματος. Η Πολυτομική Υπολογιστική Τομογραφία (ΠΥΤ) επιτρέπει την απόκτηση τρισδιάστατων απεικονίσεων με σημαντική μείωση του χρόνου λήψης και αποτελεί την απεικονιστική τεχνική επιλογής για την ποσοτικοποίηση και τη διάγνωση της ΔΝ. Η διάγνωση της ΔΝ χαρακτηρίζεται από μειωμένη διαγνωστική ακρίβεια χαρακτηρισμού και ακρίβεια ποσοτικοποίησης έκτασης ακόμα και για τον έμπειρο ακτινολόγο, αλλά και από χαμηλή επαναληψιμότητα. Η δυσκολία διάγνωσης οφείλεται στη μειωμένη ικανότητα του ανθρώπινου παράγοντα ως προς το καθορισμό έκτασης των προτύπων υφής λόγω ομοιότητας ακτινολογικής εμφάνισης τους σε συνδυασμό με το φόρτο εργασίας του ακτινολόγου και τον αυξημένο όγκο δεδομένων της ΠΥΤ. Αυτοματοποιημένα συστήματα ανάλυσης εικόνας μπορούν να αντιμετωπίσουν τα παραπάνω προβλήματα παρέχοντας σημαντική υποβοήθηση στο έργο της διάγνωσης και παρακολούθησης της νόσου. Η ανάπτυξη αυτοματοποιημένων συστημάτων ανάλυσης εικόνας για υποβοήθηση διάγνωσης στην ΥΤ του πνεύμονα έχει αποτελέσει θέμα εκτεταμένης έρευνας την τελευταία δεκαετία με ένα μικρό τμήμα της να επικεντρώνεται στο χαρακτηρισμό και ποσοτικοποίηση της έκτασης της ΔΝ. Σημαντικά στάδια προεπεξεργασίας των συστημάτων αυτών αποτελούν οι τμηματοποίησεις των Πνευμονικών Πεδίων (ΠΠ) και του αγγειακού δένδρου για τον καθορισμό του προς ανάλυση όγκου του πνευμονικού παρεγχύματος. Τα έως σήμερα προταθέντα συστήματα αυτόματης ανίχνευσης και ποσοτικοποίησης της έκτασης της ΔΝ αξιοποιούν κυρίως μεθόδους ανάλυσης δισδιάστατης (2Δ) υφής εικόνας, ενώ μόνο δύο μελέτες έως σήμερα έχουν αξιοποιήσει ανάλυση 3Δ υφής. Συγκεκριμένα, μέθοδοι ανάλυσης υφής εικόνας που έχουν αξιοποιηθεί είναι: στατιστική 1ης τάξης (ιστόγραμμα), μήτρες συνεμφάνισης αποχρώσεων του γκρι (Grey level Co-occurrence Matrices), μήτρες μήκους διαδρομής απόχρωσης του γκρι (Gray Level Run Length Matrices), υπογραφές ιστογράμματος και Fractals. Ο χαρακτηρισμός και η ποσοτικοποίηση περιοχών του πνευμονικού παρεγχύματος που αντιστοιχούν σε φυσιολογικό παρέγχυμα και υποκατηγορίες παθολογίας υλοποιείται με μεθόδους επιβλεπόμενης ταξινόμησης προτύπων όπως: τεχνητά νευρωνικά δίκτυα (Artificial Neural Networks, ΑΝΝ), Bayesian ταξινομητής, ανάλυση γραμμικού διαχωρισμού ( Linear Discriminant Analysis, LDΑ) και ταξινομητής πλησιέστερου γείτονα (k-Nearest Neighboor, k-NN). Στα έως σήμερα προταθέντα συστήματα, η τμηματοποίηση των ΠΠ υλοποιείται με συμβατικές μεθόδους τμηματοποίησης με βάση τις αποχρώσεις του γκρί (τιμές έντασης) εικονοστοιχείων. Ανοικτό ζήτημα παραμένει και η αξιολόγηση της επίδρασης των σταδίων προ-επεξεργασίας (τμηματοποίηση ΠΠ και αγγειακού δένδρου) στην ακρίβεια συστημάτων χαρακτηρισμού και ποσοτικοποίησης της έκτασης της ΔΝ. Τέλος, η αξιολόγηση της αλληλεπίδρασης αυτόματων συστημάτων ποσοτικοποίησης και ακτινολόγου στη λήψη αποφάσεων χαρακτηρισμού και ποσοτικοποίησης της έκτασης που αφορούν την ΔΝ δεν έχει διερευνηθεί. Η παρούσα διδακτορική διατριβή επικεντρώνεται στην ανάπτυξη ολοκληρωμένου συστήματος ανάλυσης εικόνας το οποίο χαρακτηρίζει και ποσοτικοποιεί την έκταση περιοχών με ΔΝ σε απεικονίσεις ΠΥΤ θώρακος, στοχεύοντας στη βελτιστοποίηση όλων των σταδίων του, καθώς και στην αξιολόγηση της συμβολής του συστήματος στην λήψη διαγνωστικών αποφάσεων. Για το σκοπό αυτό διερευνώνται τεχνικές 3Δ ενίσχυσης εικόνας, 3Δ τμηματοποίησης εικόνας καθώς και 3Δ χαρακτηριστικά υφής εικόνας σε συνδυασμό με επιβλεπόμενα και μη επιβλεπόμενα συστήματα ταξινόμησης. Συγκεκριμένα η συμβολή της παρούσας διατριβής επικεντρώνεται στα ακόλουθα: • Ανάπτυξη μεθόδων τμηματοποίησης των ΠΠ και του αγγειακού δένδρου παρουσία παθολογίας. • Διερεύνηση της συμβολής αλγορίθμων εξαγωγής 3Δ υφής εικόνας στην ακρίβεια μεθόδων ταξινόμησης προτύπων ΔΝ. • Βελτιστοποίηση μεθόδων χαρακτηρισμού και ποσοτικοποίησης έκτασης με χρήση τεχνικών επιβλεπόμενης και μη επιβλεπόμενης ταξινόμησης. • Αξιολόγηση της επίδρασης των σταδίων προεπεξεργασίας στην ακρίβεια συστημάτων ποσοτικοποίησης. • Αξιολόγηση της συμβολής συστημάτων ποσοτικοποίησης στη διάγνωση της ΔΝ.

Σκοπός της παρούσας διπλωματικής εργασίας είναι η δημιουργία συστήματος που θα διευρύνει τις δυνατότητες των εξ’ αποστάσεως εργαστηρίων προσανατολισμένα σε θέματα ψηφιακής επεξεργασίας σήματος και εικόνας. Η υλοποίηση πραγματοποιήθηκε με το LabVIEW v 8.6 και ονομάστηκε R-DSP Server. Αξιοποιώντας τις δυνατότητες που προσφέρει ο R-DSP Server οι χρήστες μπορούν να αναπτύξουν τα δικά τους γραφικά περιβάλλοντα (Graphical User Interfaces -GUIs) τα οποία ονομάζονται προσαρμοζόμενα γραφικά περιβάλλοντα (Customized GUIs,) για τον απομακρυσμένο έλεγχο DSP εφαρμογών. Για την εύκολη και γρήγορη ανάπτυξη τέτοιων γραφικών εφαρμογών στο περιβάλλων του LabVIEW, αναπτύχθηκε μια σειρά εργαλείων που ονομάστηκε R-DSP LabVIEW Toolkit. Η εργασία ολοκληρώνεται με την παρουσίαση της λειτουργιάς του R-DSP Server αλλά και της χρήσης του R-DSP Toolkit. / The purpose of this work is to present an approach which could expand the features of Remote Laboratories focused on embedded Digital Signal Processing (DSP) systems. The proposed approach is based on a system which is designed and developed with LabVIEW and is called R-DSP Server. Exploiting this system, users are able to develop their own Graphical User Interfaces (GUIs), named Customized GUIs, for the remote control and validation of real-time DSP applications. These GUIs are tailored to the needs of each DSP application and can be implemented in any programming language. The rapid design of Customized GUIs using LabVIEW for the communication with the R-DSP Server is achieved using an implemented set of functions, called R-DSP LabVIEW Toolkit.

Στο πλαίσιο της εργασίας αυτής προτείνεται μια τεχνική η οποία προσπαθεί να κάνει ταυτόχρονα εκτίμηση της οπτικής ροής καθώς επίσης και διαμέριση της σκηνής σε διαφορετικά κινούμενα σώματα. Συγκεκριμένα προτείνεται η λύση μιας ακολουθίας προβλημάτων ελαχιστοποίησης. Κάθε πρόβλημα ελαχιστοποίησης προσπαθεί να απομονώσει κάποιο κινούμενο σώμα από την σκηνή και εκτιμά για αυτό μία ταχύτητα. Τα αποτελέσματα που προέκυψαν από την εφαρμογή της τεχνικής σε προβλήματα εκτίμησης της οπτικής ροής διαφορετικής πολυπλοκότητας δείχνουν ότι η επίδοση της προτεινόμενης τεχνικής είναι ικανοποιητική. / In this thesis, a method, which tries to estimate the optical flow field, and segment the scene at the same time, is suggested. Specifically, a series of minimization problems are solved. Each of these minimization problems, tries to isolate a moving object from the scene, and estimate for it a velocity. The results from applying the suggested method in several optical flow estimation problems, with varying complexities, show that the performance of the method is very promising.