Return to search

Αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών DNA

Στο πείραμα των μικροσυστοιχιών, η απόκτηση εικόνας συνοδεύεται πάντα από θόρυβο, ο οποίος είναι έμφυτος σε τέτοιου είδους διεργασίες. Είναι λοιπόν επιτακτική ανάγκη να χρησιμοποιηθούν τεχνικές προς καταστολή αυτού. Στην παρούσα εργασία αναλύονται μέθοδοι και παρουσιάζονται τα αποτελέσματά τους σε 5 επιλεγμένα παραδείγματα. Ιδιαίτερη έμφαση δίνεται στο wavelet denoising και συγκεκριμένα στους αλγορίθμους soft thresholding, hard thresholding και stationary wavelet transform. / 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).

Identiferoai:union.ndltd.org:upatras.gr/oai:nemertes:10889/1621
Date18 June 2009
CreatorsΚαπρινιώτης, Αχιλλέας
ContributorsΔερματάς, Ευάγγελος, Kapriniotis, Achilleas, Δερματάς, Ευάγγελος, Δενάζης, Σπυρίδων
Source SetsUniversity of Patras
Languagegr
Detected LanguageEnglish
TypeThesis
Rights0

Page generated in 0.0022 seconds