Spelling suggestions: "subject:"segmentação dde imagem"" "subject:"segmentação dee imagem""
1 |
Detecção de núcleos de células em sequências de imagens de microscopia confocalGuichard, Tiago da Cunha Serra January 2008 (has links)
Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2008
|
2 |
Image segmentation and reconstruction of 3D surfaces from carotid ultrasound imagesRocha, Rui António Henrique Fernandes da January 2007 (has links)
Tese de doutoramento. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2007
|
3 |
Contributions to the segmentation of dermoscopic imagesFerreira, Pedro Miguel Martins January 2012 (has links)
Tese de mestrado. Mestrado em Engenharia Biomédica. Faculdade de Engenharia. Universidade do Porto. 2012
|
4 |
Metadata assisted image segmentationCardoso, Jaime dos Santos January 2006 (has links)
Tese de doutoramento. Engenharia Electrotécnica e de Computadores. 2006. Faculdade de Engenharia. Universidade do Porto
|
5 |
COSE: sistema de segmentação de imagens colaborativoBARBOSA, Pedro Augusto Lopes 10 September 2014 (has links)
Submitted by Fernanda Rodrigues de Lima (fernanda.rlima@ufpe.br) on 2018-07-05T20:54:35Z
No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
DISSERTAÇÃO Pedro Augusto Lopes Barbosa.pdf: 7038786 bytes, checksum: fcf6649a519539449241602342cf1bd4 (MD5) / Approved for entry into archive by Alice Araujo (alice.caraujo@ufpe.br) on 2018-07-09T18:35:55Z (GMT) No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
DISSERTAÇÃO Pedro Augusto Lopes Barbosa.pdf: 7038786 bytes, checksum: fcf6649a519539449241602342cf1bd4 (MD5) / Made available in DSpace on 2018-07-09T18:35:55Z (GMT). No. of bitstreams: 2
license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5)
DISSERTAÇÃO Pedro Augusto Lopes Barbosa.pdf: 7038786 bytes, checksum: fcf6649a519539449241602342cf1bd4 (MD5)
Previous issue date: 2014-09-10 / Biólogos cada vez mais necessitam de dados quantitativos para realizar suas pesquisas. Estes dados podem ser extraídos de imagens adquiridas através de técnicas de microscopia – e.g. microscopia eletrônica, microscopia confocal, etc. - e de técnicas de processamento de imagens e visão computacional. Uma das técnicas frequentemente utilizadas é a segmentação de imagens, uma tarefa que consiste em particionar a imagem em regiões que representam ou compõem os objetos de interesse. Por exemplo, detectar células cancerosas particionando a imagem entre regiões de célula e regiões que não são células; em seguida, outra etapa de processamento é necessária para, baseada nos dados quantitativos obtidos a partir da segmentação, identificar quais das células são cancerosas. Dado que, historicamente, na maioria dos casos não sabemos como elaborar algoritmos de segmentação suficientemente eficazes para realizar o processamento de imagens de maneira ótima, este trabalho propõe uma plataforma web que alia esforços de computadores e usuários para a obtenção dos resultados desejados. O sistema deve ser eficiente, escalável para centenas de usuários, de fácil interpretação para usuários com diferentes níveis de educação e que possa gerar bons resultados de maneira semiautomática. A combinação de segmentações é uma etapa de crucial importância de todo o processo de segmentação colaborativa. É nesta etapa em que as várias segmentações de diferentes usuários são combinadas para obter um resultado final com a menor quantidade de erros possível. A ideia fundamental é que o erro cometido por cada usuário, individualmente, seja compensado pelos acertos dos outros usuários. Para tanto, este trabalho apresenta uma técnica de combinação de segmentações baseada no algoritmo de Distance Transform e binarização de Otsu. Os resultados obtidos neste trabalho mostram que a resolução de problemas de processamento de imagem de maneira colaborativa é um caminho promissor. Além disto, a técnica de combinação de segmentações apresentada possui desempenho satisfatório e tempo de execução comparável ao voto majoritário. / Biologists increasingly require more quantitative data for their researches purposes. These data can be extracted from images acquired through microscopy techniques - e.g. electron microscopy, confocal microscopy, etc. - and computer vision and image processing techniques. Image segmentation is often used for this purpose. It is an image processing technique which aims to partition the image into regions that represent objects of interest. For example, image segmentation could be used to detect cancer cells by partitioning a medical image in regions corresponding to cells. And based on the quantitative data obtained from the segmentation step a further processing step would classify these cell regions as being a cancer cell or not. In the most of the cases we do not know how to elaborate segmentation algorithms efficient enough to achieve an optimal segmentation, this work proposes a web platform where users and computers work together to achieve the desired results. The system may be efficient, scalable to hundreds of users, easy to use for users of different levels of education and has to be able to generate good results in a semiautomatic way. The segmentation merge is one of the most important step for the whole collaborative segmentation system. At this stage the segmentation made by each user is merged into a resultant segmentation which may have a minimal amount of error. The fundamental idea is that the error committed by each user individually is balanced with the success of another users. Then, this work presents a new segmentation merge technique based on Distance Transform and Otsu thresholding. This work has shown that the resolution of image processing problems collaboratively is a promising approach. Furthermore, the segmentation merge technique presented has shown satisfactory performance and execution time comparable to the majority vote execution time.
|
6 |
Medical x-ray images of the human thorax : segmentation, decomposition and reconstructionVinhais, Carlos Alberto Afonso January 2007 (has links)
Tese de doutoramento. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2007
|
7 |
Region-based spatial and temporal image segmentationMonteiro, Fernando Jorge Coutinho January 2007 (has links)
Tese de doutoramento. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2007
|
8 |
Segmentação de imagens coloridas por árvores bayesianas adaptativasPeixoto, Guilherme Garcia Schu January 2017 (has links)
A segmentação de imagens consiste em urna tarefa de fundamental importância para diferentes aplicações em visão computacional, tais como por exemplo, o reconhecimento e o rastreamento de objetos, a segmentação de tomores/lesões em aplicações médicas, podendo também servir de auxílio em sistemas de reconhecimento facial. Embora exista uma extensa literatora abordando o problema de segmentação de imagens, tal tópico ainda continua em aberto para pesquisa. Particularmente, a tarefa de segmentar imagens coloridas é desafiadora devido as diversas inomogeneidades de cor, texturas e formas presentes nas feições descritivas das imagens. Este trabalho apresenta um novo método de clustering para abordar o problema da segmentação de imagens coloridas. Nós desenvolvemos uma abordagem Bayesiana para procura de máximos de densidade em urna distribuição discreta de dados, e representamos os dados de forma hierárquica originando clusters adaptativos a cada nível da hierarquia. Nós aplicamos o método de clustering proposto no problema de segmentação de imagens coloridas, aproveitando sua estrutura hierárquica, baseada em propriedades de árvores direcionadas, para representar hierarquicamente uma imagem colorida. Os experimentos realizados revelaram que o método de clustering proposto, aplicado ao problema de segmentação de imagens coloridas, obteve para a medida de performance Probabilistic Rand lndex (PRI) o valor de 0.8148 e para a medida Global Consistency Error (GCE) o valor 0.1701, superando um total de vinte e um métodos previamente propostos na literatura para o banco de dados BSD300. Comparações visuais confirmaram a competitividade da nossa abordagem em relação aos demais métodos testados. Estes resultados enfatizam a potencialidade do nosso método de clustering para abordar outras aplicações no domínio de Visão Computacional e Reconhecimento de Padrões. / Image segmentation is an essential task for several computer vision applications, such as object recognition, tracking and image retrieval. Although extensively studied in the literature, the problem of image segmentation remains an open topic of research. Particularly, the task of segmenting color images is challenging due to the inhomogeneities in the color regions encountered in natural scenes, often caused by the shapes of surfaces and their interactions with the illumination sources (e.g. causing shading and highlights) This work presents a novel non-supervised classification method. We develop a Bayesian framework for seeking modes on the underlying discrete distribution of data and we represent data hierarchically originating adaptive clusters at each levei of hierarchy. We apply the prnposal clustering technique for tackling the problem of color irnage segmentation, taking advantage of its hierarchical structure based on hierarchy properties of directed trees for representing fine to coarse leveis of details in an image. The experiments herein conducted revealed that the proposed clustering method applied to the color image segmentation problem, achieved for the Probabilistic Rand Index (PRI) performance measure the value of 0.8148 and for the Global Consistency Error (GCE) the value of 0.1701, outperforming twenty-three methods previously proposed in the literature for the BSD300 dataset. Visual comparison confirmed the competitiveness of our approach towards state-of-art methods publicly available in the literature. These results emphasize the great potential of our proposed clustering technique for tackling other applications in computer vision and pattem recognition.
|
9 |
Análise computacional de imagens de focos de criptas aberrantesCidre, Diana Catarina Martins January 2012 (has links)
Tese de mestrado. Engenharia Biomédica. Faculdade de Engenharia. Universidade do Porto. 2012
|
10 |
Endoscopic image analysis of aberrant crypt fociAlves, Ana Priscila Vieira January 2011 (has links)
Tese de Mestrado Integrado. Bioengenharia. Faculdade de Engenharia. Universidade do Porto. 2011
|
Page generated in 0.1133 seconds