Made available in DSpace on 2014-10-09T12:46:58Z (GMT). No. of bitstreams: 0 / Made available in DSpace on 2014-10-09T14:10:10Z (GMT). No. of bitstreams: 1 08315.pdf: 2209007 bytes, checksum: da772613fbbd4e5110a0d2f25639c69c (MD5) / Dissertacao (Mestrado) / IPEN/D / Instituto de Pesquisas Energeticas e Nucleares - IPEN/CNEN-SP

Made available in DSpace on 2014-10-09T12:46:58Z (GMT). No. of bitstreams: 0 / Made available in DSpace on 2014-10-09T14:10:10Z (GMT). No. of bitstreams: 1 08315.pdf: 2209007 bytes, checksum: da772613fbbd4e5110a0d2f25639c69c (MD5) / Dissertacao (Mestrado) / IPEN/D / Instituto de Pesquisas Energeticas e Nucleares - IPEN/CNEN-SP

This thesis inquires the existing methods on the field of image recognition with regards to gesture recognition. Some methods have been chosen for deeper study and these are to be discussed later on. The second part goes in for the concenpt of an algorithm that would be able of robust gesture recognition based on data acquired within the AMI and M4 projects. A new ways to achieve precise information on participants position are suggested along with dynamic data processing approaches toward recognition. As an alternative, recognition using Gaussian Mixture Models and periodicity analysis are brought in. The gesture class in focus are speech supporting gestures. The last part demonstrates the results and discusses future work.

Η αυτόματη επεξεργασία εικόνων του ενδομητρίου αποτελεί ένα δύσκολο και πολυδιάστατο πρόβλημα, το οποίο έχει απασχολήσει πλήθος ερευνητών και για το οποίο έχει αναπτυχθεί μεγάλος αριθμός τεχνικών. Στην παρούσα διατριβή, παρουσιάζεται μια μεθοδολογική προσέγγιση, η οποία βασίζεται στη χρήση αλγορίθμων ψηφιακής επεξεργασίας και ανάλυσης εικόνων, για την αυτόματη εκτίμηση χαρακτηριστικών που περιγράφουν την αγγείωση και την υφή εικόνων του ενδομητρίου. Αφορμή της μελέτης αποτελεί ο ρόλος που διαπιστώνεται ότι διαδραματίζει η μεταβολή των τιμών των εν λόγω χαρακτηριστικών στην έγκαιρη διάγνωση των παθήσεων του ενδομητρίου. Στα πλαίσια της διατριβής, υλοποιήθηκε κατάλληλη μεθοδολογία για τον υπολογισμό ενός συνόλου χαρακτηριστικών τόσο για υστεροσκοπικές εικόνες, όσο και για ιστολογικές εικόνες του ενδομητρίου. Ιδιαίτερη βαρύτητα δόθηκε στην προ – επεξεργασία των εικόνων προκειμένου να προκύψει βελτίωση της ποιότητας καθώς και ενίσχυση της αντίθεσης αυτών. Στη συνέχεια, ανιχνεύτηκαν τα σημεία που αποτελούν τους κεντρικούς άξονες των υπό εξέταση αγγείων με χρήση διαφορικού λογισμού για τις υστεροσκοπικές εικόνες και υπολογίστηκε ένα σύνολο χαρακτηριστικών μεγεθών που περιγράφουν την αγγείωση και την υφή των εικόνων τόσο για τις υστεροσκοπικές όσο και για τις ιστολογικές εικόνες. Τέλος, εφαρμόστηκαν κατάλληλοι αλγόριθμοι με σκοπό την κατηγοριοποίηση των υστεροσκοπικών και των ιστολογικών εικόνων και συγκεκριμένα τον διαχωρισμό των παθολογικών και των φυσιολογικών εικόνων του ενδομητρίου. Παράλληλα, χρησιμοποιήθηκε η ROC ανάλυση στην απεικόνιση και ανάλυση της συμπεριφοράς των εν λόγω κατηγοριοποιητών. / Automatic analysis of the endometrial images is a difficult and multidimensional problem. For this reason, the number of papers and techniques regarding this issue is numerous. In this Thesis, a methodology is presented, based on advance image processing techniques in order to automatically estimate texture and vessel’s features in endometrial images. Motivation for the Thesis is the fact that the variation of the measurements of the specific features plays significant role in the seasonable diagnosis of endometrial disorders. Throughout this Thesis, an appropriate methodology is developed in order to estimate the features for the hysteroscopical and histological images of the endometrium. An important step is the pre – processing of the images in order to enhance the image quality and the image contrast. Then, the pixels that constitute the centerlines of vessels are detected by using differential calculus for the hysteroscopical images, only. Furthermore, the texture and vessel’s features in hysteroscopical and histological images are estimated. Finally, appropriate algorithms are applied in order to classify the hysteroscopical and histological images and distinguish pathological and normal endometrial images. ROC analysis is used in order to evaluate the discrimination power of the features that were estimated.