No description available.

Atributos visuais de textura e forma foram investigados para a recuperação baseada em conteúdo de imagens mamográficas (CBIR). Para a similaridade de imagens, foi considerada a estrutura de densidade mamária, representada principalmente pelos tecidos fibro-glandulares. A pesquisa consistiu de três etapas: (1) Preparação e processamento das imagens; (2) Extração e seleção de atributos visuais de textura e forma; (3) Implementação de um sistema de recuperação de imagem. A primeira etapa consistiu dos processos de retirada de ruído do fundo da imagem, segmentação da região da mama, detecção da região de músculo peitoral, localização do mamilo e da segmentação da região de tecidos fibro-glandulares. Utilizou-se a equação de Difusão Anisotrópica com filtro de Wiener para retirada e suavização de ruídos encontrados na imagem e preservação da borda da mama. Para a segmentação da região da mama, foram utilizadas as técnicas de limiarização de Princípio de Máxima Entropia, Método de Preservação de Momento, Método de Otsu, Método interativo de Ridler & Carvard, Método de Reddi e Método da Matriz de Co-ocorrência. A melhor imagem foi escolhida numa tarefa supervisionada. A detecção automática da região do músculo peitoral foi feita com a combinação do operador de Canny e a transformada de Radon como detector de linha. A posição do mamilo foi detectada com a transformada de Radon como detector de direção de densidade. A segmentação da região de tecidos fibro-glandulares foi feita também com as técnicas de limiarização do Princípio de Máxima Entropia, Método de Preservação de Momento, e Método de Otsu. Momentos Estatísticos extraídos do Histograma, Medida de Granulometria, Momentos Estatísticos extraídos do Domínio de Radon, Momento de Hu, e Textura de Haralick foram investigados como atributos de textura. Medida de Área, Circularidade e Razão de Diâmetro foram investigados como atributos de forma. A rede de Mapas Auto-Organizáveis de Kohonen foi utilizada como sistema de recuperação de imagem. Foram utilizadas, neste trabalho, 1080 imagens do projeto de Banco de Imagens do HCFMRP-USP, módulo Mamografia. O treinamento e teste foram feitos com a técnica de \"leaving-one-out\" e os melhores resultados obtidos foram: Taxa de precisão de 91,07% para a combinação dos cinco grupos de atributos de Forma, Estatísticos Extraídos do Histograma, Momento de Hu, Espectral no Domínio de Radon e de Medida de Granulometria; taxa de precisão e revocação do coeficiente de correlação médio representadas pela área sob a curva com valor de 0,02351 dos grupos de atributos de forma, de Textura de Haralick e Momento de Hu. Os resultados obtidos indicaram a relevância de nosso trabalho e seu potencial de utilização para a recuperação baseada em conteúdo de imagens mamográficas. / Visual texture based on texture and shape features were investigated for content-based mammographic images retrieval (CBIR). For similarity of images, the mammary density structures were considered, mainly represented by fibro-glandular tissues. This research consisted of three stages: (1) Images preparation and processing; (2) Extraction and selection of the visual features; (3) Implementation of a retrieval system. The first stage consisted of noisy removing from the image background, breast region segmentation, pectoral muscle region detection, nipple localization and the fibro-glandular tissues region segmentation. The equation of Anisotropic Diffusion was used with Wiener filter for noisy removing with the breast region edge preservation. For the breast region segmentation, the Thresholding techniques were used of Maximum Entropy Principle, Moment Preserving Method, Otsu Method, Ridler & Carvard Method, Reddi Method and Co-occurrence Matrix Method. The better image was chosen in a supervised task. The automatic pectoral muscle region detection was made with the Canny operator and Radon Transform combination as straight line detector. The nipple position was detected with the Radon Transform as density direction detector. The fibro-glandular tissues region was also defined with the thresholding techniques of the Maximum Entropy Principle, Moment Preserving Method, and Otsu Method. The Statistical Moments extracted from the Histogram, Measured of Granulometry, Statistical Moments extracted in Radon Domain, Moment of Hu, and Haralick Textures were investigated as texture features. Area, Circularity and Diameter Ratio were investigated as shape features. The Self-Organizing Maps of Kohonen was used as image retrieval system. One thousand and eighty images of the HCFMRP-USP Database Project, Mammography Module, were used in this work. The training and test processes were realized with the \"leaving-one-out\" technique and the best results obtained were: The precision rate of 91,07% for the combination of the five following features group: Shape, Statistical Moments extracted of the Histogram, Moment of Hu, Statistical Moments extracted in Radon Domain and Measure of Granulometry; precision and revocation rates of the average coefficient of correlation represented by the area under the curve with value of 0,02351 for the three following features group: Shape, Haralick Textures and Moment de Hu. The results obtained indicated the relevance of our work for the content-based mammographic images retrieval.

Atributos visuais de textura e forma foram investigados para a recuperação baseada em conteúdo de imagens mamográficas (CBIR). Para a similaridade de imagens, foi considerada a estrutura de densidade mamária, representada principalmente pelos tecidos fibro-glandulares. A pesquisa consistiu de três etapas: (1) Preparação e processamento das imagens; (2) Extração e seleção de atributos visuais de textura e forma; (3) Implementação de um sistema de recuperação de imagem. A primeira etapa consistiu dos processos de retirada de ruído do fundo da imagem, segmentação da região da mama, detecção da região de músculo peitoral, localização do mamilo e da segmentação da região de tecidos fibro-glandulares. Utilizou-se a equação de Difusão Anisotrópica com filtro de Wiener para retirada e suavização de ruídos encontrados na imagem e preservação da borda da mama. Para a segmentação da região da mama, foram utilizadas as técnicas de limiarização de Princípio de Máxima Entropia, Método de Preservação de Momento, Método de Otsu, Método interativo de Ridler & Carvard, Método de Reddi e Método da Matriz de Co-ocorrência. A melhor imagem foi escolhida numa tarefa supervisionada. A detecção automática da região do músculo peitoral foi feita com a combinação do operador de Canny e a transformada de Radon como detector de linha. A posição do mamilo foi detectada com a transformada de Radon como detector de direção de densidade. A segmentação da região de tecidos fibro-glandulares foi feita também com as técnicas de limiarização do Princípio de Máxima Entropia, Método de Preservação de Momento, e Método de Otsu. Momentos Estatísticos extraídos do Histograma, Medida de Granulometria, Momentos Estatísticos extraídos do Domínio de Radon, Momento de Hu, e Textura de Haralick foram investigados como atributos de textura. Medida de Área, Circularidade e Razão de Diâmetro foram investigados como atributos de forma. A rede de Mapas Auto-Organizáveis de Kohonen foi utilizada como sistema de recuperação de imagem. Foram utilizadas, neste trabalho, 1080 imagens do projeto de Banco de Imagens do HCFMRP-USP, módulo Mamografia. O treinamento e teste foram feitos com a técnica de \"leaving-one-out\" e os melhores resultados obtidos foram: Taxa de precisão de 91,07% para a combinação dos cinco grupos de atributos de Forma, Estatísticos Extraídos do Histograma, Momento de Hu, Espectral no Domínio de Radon e de Medida de Granulometria; taxa de precisão e revocação do coeficiente de correlação médio representadas pela área sob a curva com valor de 0,02351 dos grupos de atributos de forma, de Textura de Haralick e Momento de Hu. Os resultados obtidos indicaram a relevância de nosso trabalho e seu potencial de utilização para a recuperação baseada em conteúdo de imagens mamográficas. / Visual texture based on texture and shape features were investigated for content-based mammographic images retrieval (CBIR). For similarity of images, the mammary density structures were considered, mainly represented by fibro-glandular tissues. This research consisted of three stages: (1) Images preparation and processing; (2) Extraction and selection of the visual features; (3) Implementation of a retrieval system. The first stage consisted of noisy removing from the image background, breast region segmentation, pectoral muscle region detection, nipple localization and the fibro-glandular tissues region segmentation. The equation of Anisotropic Diffusion was used with Wiener filter for noisy removing with the breast region edge preservation. For the breast region segmentation, the Thresholding techniques were used of Maximum Entropy Principle, Moment Preserving Method, Otsu Method, Ridler & Carvard Method, Reddi Method and Co-occurrence Matrix Method. The better image was chosen in a supervised task. The automatic pectoral muscle region detection was made with the Canny operator and Radon Transform combination as straight line detector. The nipple position was detected with the Radon Transform as density direction detector. The fibro-glandular tissues region was also defined with the thresholding techniques of the Maximum Entropy Principle, Moment Preserving Method, and Otsu Method. The Statistical Moments extracted from the Histogram, Measured of Granulometry, Statistical Moments extracted in Radon Domain, Moment of Hu, and Haralick Textures were investigated as texture features. Area, Circularity and Diameter Ratio were investigated as shape features. The Self-Organizing Maps of Kohonen was used as image retrieval system. One thousand and eighty images of the HCFMRP-USP Database Project, Mammography Module, were used in this work. The training and test processes were realized with the \"leaving-one-out\" technique and the best results obtained were: The precision rate of 91,07% for the combination of the five following features group: Shape, Statistical Moments extracted of the Histogram, Moment of Hu, Statistical Moments extracted in Radon Domain and Measure of Granulometry; precision and revocation rates of the average coefficient of correlation represented by the area under the curve with value of 0,02351 for the three following features group: Shape, Haralick Textures and Moment de Hu. The results obtained indicated the relevance of our work for the content-based mammographic images retrieval.

Traditionally, local shape descriptors or color and texture based descriptors are used to describe the content of images. Although, these solutions achieving good results, they are not able to distinguish scenes that contain objects with the same colors, but with a different spatial organization or do not supports partial matching. In this work we focus on a particular case of the partial matching that is to find individual objects in images that contain various objects. Since the color is one of the most visually distinguishable properties, we propose a new descriptor based only on color able to find pictures of objects that are contained in other images. Although our descriptor has shown better results when compared to related works, this new color descriptor is not able to discriminate objects topologically different but having the same colors. To overcome this problem, we also propose a new approach to the partial matching of images that combine color and topological features on a single descriptor. This new descriptor, first performs a simplification process of the original image, which identifies the color regions that make up the image. Then, we represent the spatial information among the color regions using a topological graph, where vertices represent the color regions and the edges represent the spatial connections between them. To calculate the descriptor from this graph representation, we use the spectral theory of graphs, avoiding the need to make a direct comparison between graphs. To support the partial matching, we propose a decomposition of the main graph into several subgraphs, and also calculate descriptors for these subgraphs. / Tradicionalmente, descritores de forma, ou descritores baseados em cor e textura, são utilizados para descrever o conteúdo visual das imagens. Embora essas abordagens apresentem bons resultados, elas não são capazes de diferenciar adequadamente imagens que contêm objetos com as mesmas cores, mas com organização espacial diferente ou não suportam a pesquisa parcial de imagens. Neste trabalho focamos em um caso particular da pesquisa parcial de imagens, que é encontrar objetos em imagens que contenham vários objetos, não deixando de lado a pesquisa total (encontrar imagens similares à original). Dado que a cor é uma das propriedades visuais mais discriminativas, propomos um novo descritor baseado somente em cor capaz de encontrar imagens de objetos que estão contidos em outras imagens. Embora tenha apresentado melhores resultados quando comparado a trabalhos correlatos, esse novo descritor de cor não é capaz de discriminar objetos topologicamente diferentes mas que possuam as mesmas cores. Com o intuito de resolver esse problema, também propomos uma nova abordagem para a recuperação parcial de imagens que combina características topológicas e de cor em um único descritor. Esse novo descritor primeiramente realiza um processo de simplificação da imagem original, onde são identificadas as regiões de cor que compõem a imagem. Após esse processo de simplificação, a organização espacial das regiões de cor previamente identificadas é representada por meio de um grafo topológico, onde os vértices representam as regiões de cor e as arestas representam as conexões entre essas regiões. O descritor topológico é então calculado a partir do grafo de topologia utilizando a teoria espectral de grafos, evitando a necessidade de se realizar uma comparação direta entre grafos. Para suportar a pesquisa parcial de imagens, é realizada uma decomposição do grafo principal em diversos subgrafos. / Mestre em Ciência da Computação

This work focuses on a possibility of using current computer vision alghoritms and methods for automatic similarity matching of so called graffiti tags. Those are such graffiti, that are used as a fast and simple signature of their authors. The process of development and implementation of CBIR system, which is created for this task, is described. For the purposes of finding images similarity, local features are used, most notably self-similarity features.

While historically digital heritage libraries were first powered in image mode, they quickly took advantage of OCR technology to index printed collections and consequently improve the scope and performance of the information retrieval services offered to users. But the access to iconographic resources has not progressed in the same way, and the latter remain in the shadows: manual incomplete and heterogeneous indexation, data silos by iconographic genre. Today, however, it would be possible to make better use of these resources, especially by exploiting the enormous volumes of OCR produced during the last two decades, and thus valorize these engravings, drawings, photographs, maps, etc. for their own value but also as an attractive entry point into the collections, supporting discovery and serenpidity from document to document and collection to collection. This article presents an ETL (extract-transform-load) approach to this need, that aims to: Identify and extract iconography wherever it may be found, in image collections but also in printed materials (dailies, magazines, monographies); Transform, harmonize and enrich the image descriptive metadata (in particular with machine learning classification tools); Load it all into a web app dedicated to image retrieval. The approach is pragmatically dual, since it involves leveraging existing digital resources and (virtually) on-the-shelf technologies. / Si historiquement, les bibliothèques numériques patrimoniales furent d’abord alimentées par des images, elles profitèrent rapidement de la technologie OCR pour indexer les collections imprimées afin d’améliorer périmètre et performance du service de recherche d’information offert aux utilisateurs. Mais l’accès aux ressources iconographiques n’a pas connu les mêmes progrès et ces dernières demeurent dans l’ombre : indexation manuelle lacunaire, hétérogène et non viable à grande échelle ; silos documentaires par genre iconographique ; recherche par le contenu (CBIR, content-based image retrieval) encore peu opérationnelle sur les collections patrimoniales. Aujourd’hui, il serait pourtant possible de mieux valoriser ces ressources, en particulier en exploitant les énormes volumes d’OCR produits durant les deux dernières décennies (tant comme descripteur textuel que pour l’identification automatique des illustrations imprimées). Et ainsi mettre en valeur ces gravures, dessins, photographies, cartes, etc. pour leur valeur propre mais aussi comme point d’entrée dans les collections, en favorisant découverte et rebond de document en document, de collection à collection. Cet article décrit une approche ETL (extract-transform-load) appliquée aux images d’une bibliothèque numérique à vocation encyclopédique : identifier et extraire l’iconographie partout où elle se trouve (dans les collections image mais aussi dans les imprimés : presse, revue, monographie) ; transformer, harmoniser et enrichir ses métadonnées descriptives grâce à des techniques d’apprentissage machine – machine learning – pour la classification et l’indexation automatiques ; charger ces données dans une application web dédiée à la recherche iconographique (ou dans d’autres services de la bibliothèque). Approche qualifiée de pragmatique à double titre, puisqu’il s’agit de valoriser des ressources numériques existantes et de mettre à profit des technologies (quasiment) mâtures.

Indiana University-Purdue University Indianapolis (IUPUI) / A massive amount of videos are uploaded on video websites, smooth video browsing, editing, retrieval, and summarization are demanded. Most of the videos employ several types of camera operations for expanding field of view, emphasizing events, and expressing cinematic effect. To digest heterogeneous videos in video websites and databases, video clips are profiled to 2D image scroll containing both spatial and temporal information for video preview. The video profile is visually continuous, compact, scalable, and indexing to each frame. This work analyzes the camera kinematics including zoom, translation, and rotation, and categorize camera actions as their combinations. An automatic video summarization framework is proposed and developed. After conventional video clip segmentation and video segmentation for smooth camera operations, the global flow field under all camera actions has been investigated for profiling various types of video. A new algorithm has been designed to extract the major flow direction and convergence factor using condensed images. Then this work proposes a uniform scheme to segment video clips and sections, sample video volume across the major flow, compute flow convergence factor, in order to obtain an intrinsic scene space less influenced by the camera ego-motion. The motion blur technique has also been used to render dynamic targets in the profile. The resulting profile of video can be displayed in a video track to guide the access to video frames, help video editing, and facilitate the applications such as surveillance, visual archiving of environment, video retrieval, and online video preview.

This thesis addresses the challenge of denoising microscopy images captured under low-light conditionswith varying intensity levels. The study compares three deep learning models — N2V, CARE, andRCAN — against the collaborative filter BM4D, which serves as a reference point. The models weretrained on two distinct datasets: Endoplasmic Reticulum and Mitochondria datasets, both acquired witha lattice light-sheet microscope.Results show that BM4D maintains stable performance metrics and delivers superior visual quality,when compared to the noisy input. In contrast, the deep learning models exhibit poor performance onnoisy test images when trained on datasets with non-uniform noise levels. Additionally, a sensitivitycomparison of neural parameter between the same models was made. Revealing that supervised modelsare data-specific to some extent, whereas the self-supervised N2V demonstrates consistent neuralparameters, suggesting lower data specificity. / Denna uppsats tar upp problemet med att reducera brus i mikroskopibilder tagna under svagaljusförhållanden med varierande intensitetsnivåer. Studien jämför tre djupinlärningsmodeller – N2V,CARE och RCAN – mot det kollaborativa filtret BM4D, vilket agerar som en referenspunkt.Modellerna tränades på två olika dataset: Endoplasmic Reticulum och Mitochondria, båda tagna meden selektiv planbelysningsmikroskop (lattice light-sheet microscope).Resultaten visar att BM4D behåller stabila prestationsmått och levererar bättre visuell kvalitet, jämförtmed den brusiga input. Däremot visar djupinlärningsmodellerna bristande prestanda på brusigatestbilder när de tränats på data med icke-enhetliga brusnivåer. Dessutom gjordes enkänslighetsjämförelse av neurala parametrar mellan samma modeller. Detta visade att de övervakademodellerna är specifika för data i viss utsträckning, medan den självövervakade N2V-modellen visarlika neurala parametrar, vilket tyder på lägre dataspecificitet