{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1317461"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1317461","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Εύρεση αγγείων σε εικόνες αμφιβληστροειδή – Υπολογισμός πλάτους αγγείων","abstract":"Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός αλγορίθμου για τον εντοπισμό αγγείων σε έγχρωμες εικόνες του αμφιβληστροειδούς χιτώνα του οφθαλμού. Ο αμφιβληστροειδής επιτελεί πολύ βασικό ρόλο στη λειτουργία του οφθαλμού.Ο αλγόριθμος αποτελείται από 4 βασικά σημεία. Α) την εύρεση των κεντρικών αξόνων των αγγείων με χρήση διαφορικής γεωμετρίας .Β) τη δημιουργία δομών κυρτών συνόλων, χρησιμοποιώντας τρεις διαφορετικές εξισώσεις για την ομαδοποίηση των εικονοστοιχείων. Γ) Την ομαδοποίηση των δομών κυρτών συνόλων χρησιμοποιώντας τοπικά χαρακτηριστικά. Δ) Η ταξινόμηση με τη χρήση ταξινομητή κοντινότερου γείτονα, χρησιμοποιώντας χαρακτηριστικά των εικονοστοιχείων της εικόνας. Για την εκπαίδευση του ταξινομητή χρησιμοποιείται μία βάση δεδομένων με 40 έγχρωμες εικόνες του αμφιβληστροειδούς, παρέχοντας τμηματοποιημένες εικόνες. Επιπλέον, αναπτύχθηκε αλγόριθμος για τον εντοπισμό των σημείων διακλάδωσης των αγγείων, ώστε αρχικά να εντοπιστούν τα σημεία που ξεκινούν τα αγγεία, μετέπειτα τα σημεία τερματισμού τους και τέλος να υπολογιστεί το μέσο, το ελάχιστο και το μέγιστο πλάτος κάθε αγγείου. Όσον αφορά στην τμηματοποίηση, ο αλγόριθμος αναγνωρίζει τα μεγάλα αγγεία, ενώ τις περισσότερες φορές αναγνωρίζει και τα μικρότερα παρουσιάζοντας όμως κάποια ασυνέχεια στη δομή τους. Στο κομμάτι της εκτίμησης του πλάτους ο αλγόριθμος εντοπίζει τα αγγεία της εικόνας και υπολογίζει το πλάτος με ακρίβεια εικονοστοιχείου","abstract_html":"Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός αλγορίθμου για τον εντοπισμό αγγείων σε έγχρωμες εικόνες του αμφιβληστροειδούς χιτώνα του οφθαλμού. Ο αμφιβληστροειδής επιτελεί πολύ βασικό ρόλο στη λειτουργία του οφθαλμού.Ο αλγόριθμος αποτελείται από 4 βασικά σημεία. Α) την εύρεση των κεντρικών αξόνων των αγγείων με χρήση διαφορικής γεωμετρίας .Β) τη δημιουργία δομών κυρτών συνόλων, χρησιμοποιώντας τρεις διαφορετικές εξισώσεις για την ομαδοποίηση των εικονοστοιχείων. Γ) Την ομαδοποίηση των δομών κυρτών συνόλων χρησιμοποιώντας τοπικά χαρακτηριστικά. Δ) Η ταξινόμηση με τη χρήση ταξινομητή κοντινότερου γείτονα, χρησιμοποιώντας χαρακτηριστικά των εικονοστοιχείων της εικόνας. Για την εκπαίδευση του ταξινομητή χρησιμοποιείται μία βάση δεδομένων με 40 έγχρωμες εικόνες του αμφιβληστροειδούς, παρέχοντας τμηματοποιημένες εικόνες. Επιπλέον, αναπτύχθηκε αλγόριθμος για τον εντοπισμό των σημείων διακλάδωσης των αγγείων, ώστε αρχικά να εντοπιστούν τα σημεία που ξεκινούν τα αγγεία, μετέπειτα τα σημεία τερματισμού τους και τέλος να υπολογιστεί το μέσο, το ελάχιστο και το μέγιστο πλάτος κάθε αγγείου. Όσον αφορά στην τμηματοποίηση, ο αλγόριθμος αναγνωρίζει τα μεγάλα αγγεία, ενώ τις περισσότερες φορές αναγνωρίζει και τα μικρότερα παρουσιάζοντας όμως κάποια ασυνέχεια στη δομή τους. Στο κομμάτι της εκτίμησης του πλάτους ο αλγόριθμος εντοπίζει τα αγγεία της εικόνας και υπολογίζει το πλάτος με ακρίβεια εικονοστοιχείου","abstract_has_math":false,"creators":["Λεοντίδης Γεώργιος"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2013,"date_issued":"2013","date_published":"2013","updated_at":"2026-11-19T05:25:04Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1317461"],"render_values":[{"text":"uoadl:1317461","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1317461","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1317461","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1317461","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Λεοντίδης Γεώργιος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2013"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1317461","https://pergamos.lib.uoa.gr/uoa/dl/object/1317461"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός αλγορίθμου για τον εντοπισμό αγγείων σε έγχρωμες εικόνες του αμφιβληστροειδούς χιτώνα του οφθαλμού. Ο αμφιβληστροειδής επιτελεί πολύ βασικό ρόλο στη λειτουργία του οφθαλμού.Ο αλγόριθμος αποτελείται από 4 βασικά σημεία. Α) την εύρεση των κεντρικών αξόνων των αγγείων με χρήση διαφορικής γεωμετρίας .Β) τη δημιουργία δομών κυρτών συνόλων, χρησιμοποιώντας τρεις διαφορετικές εξισώσεις για την ομαδοποίηση των εικονοστοιχείων. Γ) Την ομαδοποίηση των δομών κυρτών συνόλων χρησιμοποιώντας τοπικά χαρακτηριστικά. Δ) Η ταξινόμηση με τη χρήση ταξινομητή κοντινότερου γείτονα, χρησιμοποιώντας χαρακτηριστικά των εικονοστοιχείων της εικόνας. Για την εκπαίδευση του ταξινομητή χρησιμοποιείται μία βάση δεδομένων με 40 έγχρωμες εικόνες του αμφιβληστροειδούς, παρέχοντας τμηματοποιημένες εικόνες. Επιπλέον, αναπτύχθηκε αλγόριθμος για τον εντοπισμό των σημείων διακλάδωσης των αγγείων, ώστε αρχικά να εντοπιστούν τα σημεία που ξεκινούν τα αγγεία, μετέπειτα τα σημεία τερματισμού τους και τέλος να υπολογιστεί το μέσο, το ελάχιστο και το μέγιστο πλάτος κάθε αγγείου. Όσον αφορά στην τμηματοποίηση, ο αλγόριθμος αναγνωρίζει τα μεγάλα αγγεία, ενώ τις περισσότερες φορές αναγνωρίζει και τα μικρότερα παρουσιάζοντας όμως κάποια ασυνέχεια στη δομή τους. Στο κομμάτι της εκτίμησης του πλάτους ο αλγόριθμος εντοπίζει τα αγγεία της εικόνας και υπολογίζει το πλάτος με ακρίβεια εικονοστοιχείου","The purpose of this thesis is the development of an algorithm for the segmentation of Retina vessels. The proposed algorithm can be partitioned on four different parts. A) The detection of the retina vessels’ centerlines using differential geometry. B) The creation of structures called convex sets. C) The extraction of spatial characteristics, in order to create regions with many different convex set that will be straight elements. D) The classification of the convex set regions using a K-nearest neighbor classifier. For the training phase we employ the publicly available database DRIVE which includes 40 RGB images of fundus, as well as a segmented image for each of the 40 images.At the second part we propose an algorithm for the estimation of the vessels’ width by finding the bifurcation areas, which denote a change of the cross point between two vessels. Then we can calculate the mean, maximum and minimum width of the vessel. Regarding the part of the segmentation, the algorithm identifies the large vessels, whereas it misses some pixels that belong to the smaller vessels. For the part of the width estimation, the algorithm identifies the vessels from the image’s skeleton and estimates the width with pixel accuracy"]},{"key":"dc:title","label":"Title","values":["Εύρεση αγγείων σε εικόνες αμφιβληστροειδή – Υπολογισμός πλάτους αγγείων"]}]}],"canonical_facts":{"dc:creator":["Λεοντίδης Γεώργιος"],"dc:date":["2013"],"dc:description":["Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός αλγορίθμου για τον εντοπισμό αγγείων σε έγχρωμες εικόνες του αμφιβληστροειδούς χιτώνα του οφθαλμού. Ο αμφιβληστροειδής επιτελεί πολύ βασικό ρόλο στη λειτουργία του οφθαλμού.Ο αλγόριθμος αποτελείται από 4 βασικά σημεία. Α) την εύρεση των κεντρικών αξόνων των αγγείων με χρήση διαφορικής γεωμετρίας .Β) τη δημιουργία δομών κυρτών συνόλων, χρησιμοποιώντας τρεις διαφορετικές εξισώσεις για την ομαδοποίηση των εικονοστοιχείων. Γ) Την ομαδοποίηση των δομών κυρτών συνόλων χρησιμοποιώντας τοπικά χαρακτηριστικά. Δ) Η ταξινόμηση με τη χρήση ταξινομητή κοντινότερου γείτονα, χρησιμοποιώντας χαρακτηριστικά των εικονοστοιχείων της εικόνας. Για την εκπαίδευση του ταξινομητή χρησιμοποιείται μία βάση δεδομένων με 40 έγχρωμες εικόνες του αμφιβληστροειδούς, παρέχοντας τμηματοποιημένες εικόνες. Επιπλέον, αναπτύχθηκε αλγόριθμος για τον εντοπισμό των σημείων διακλάδωσης των αγγείων, ώστε αρχικά να εντοπιστούν τα σημεία που ξεκινούν τα αγγεία, μετέπειτα τα σημεία τερματισμού τους και τέλος να υπολογιστεί το μέσο, το ελάχιστο και το μέγιστο πλάτος κάθε αγγείου. Όσον αφορά στην τμηματοποίηση, ο αλγόριθμος αναγνωρίζει τα μεγάλα αγγεία, ενώ τις περισσότερες φορές αναγνωρίζει και τα μικρότερα παρουσιάζοντας όμως κάποια ασυνέχεια στη δομή τους. Στο κομμάτι της εκτίμησης του πλάτους ο αλγόριθμος εντοπίζει τα αγγεία της εικόνας και υπολογίζει το πλάτος με ακρίβεια εικονοστοιχείου","The purpose of this thesis is the development of an algorithm for the segmentation of Retina vessels. The proposed algorithm can be partitioned on four different parts. A) The detection of the retina vessels’ centerlines using differential geometry. B) The creation of structures called convex sets. C) The extraction of spatial characteristics, in order to create regions with many different convex set that will be straight elements. D) The classification of the convex set regions using a K-nearest neighbor classifier. For the training phase we employ the publicly available database DRIVE which includes 40 RGB images of fundus, as well as a segmented image for each of the 40 images.At the second part we propose an algorithm for the estimation of the vessels’ width by finding the bifurcation areas, which denote a change of the cross point between two vessels. Then we can calculate the mean, maximum and minimum width of the vessel. Regarding the part of the segmentation, the algorithm identifies the large vessels, whereas it misses some pixels that belong to the smaller vessels. For the part of the width estimation, the algorithm identifies the vessels from the image’s skeleton and estimates the width with pixel accuracy"],"dc:identifier":["uoadl:1317461","https://pergamos.lib.uoa.gr/uoa/dl/object/1317461"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Εύρεση αγγείων σε εικόνες αμφιβληστροειδή – Υπολογισμός πλάτους αγγείων"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:25:04Z"}