Önálló laboratórium Képek szegmentálása textúra analízis segítségével

Slides:

Advertisements

Hasonló előadás

A sin függvény grafikonja

Advertisements

Programozási tételek, és „négyzetes” rendezések

SStat - Statisztika 2014.

Match Move Juhász Endre Muhi Kornél Urbán Szabolcs Számítógépes látás projekt.

Triclops HW-SW rendszer - 3D felület modellezés Patkó Tamás - Hexium Kft. Radványi András - MTA SzTAKI.

Gábor Dénes Főiskola Informatikai Rendszerek Intézete Informatikai Alkalmazások Tanszék Infokommunikáció Beszédjelek Házman DIGITÁLIS BESZÉDJEL ÁTVITEL.

Petyus Dániel, Szederjesi Miklós konzulens: Dr. Molnár András

Nem lineáris modellek fotogrammetriai alkalmazása a geokörnyezettudományban DOKTORI (Ph.D.) ÉRTEKEZÉS Jancsó Tamás 2005 Nem lineáris modellek fotogrammetriai.

Geometriai Transzformációk

Geometriai transzformációk

Önálló Laboratórium II. Készítette: Varga Róbert

Képelemzések a digitális fotogrammetriában

Számítógépes grafika és képfeldolgozás

Digitális képanalízis

Digitális képanalízis

Függvénytranszformációk

Bevezetés a gépi tanulásba február 16.. Mesterséges Intelligencia „A számítógépes tudományok egy ága, amely az intelligens viselkedés automatizálásával.

Metal/plastic foam projekt

Intelligens ébresztő óra Számítógépes látás projekt 2011.

Vámossy Zoltán 2004 (Mubarak Shah, Gonzales-Woods anyagai alapján)

Vámossy Zoltán 2006 Gonzales-Woods, SzTE (Kató Zoltán) anyagok alapján

Küszöbölés Szegmentálás I.

Feladatok - BAR K+F Vámossy Zoltán 2010 Summer School on Image Processing (SSIP) nyári egyetem feladatai és saját ötletek alapján.

Image Processing Toolbox múltkor: képek megjelenítése, betöltése, alapvető manipulációk Image Processing TB: további funkciók.

Vámossy Zoltán 2004 (H. Niemann: Pattern Analysis and Understanding, Springer, 1990) DIP + CV Bevezető II.

Számítógépes Grafika 2. gyakorlat Programtervező informatikus (esti) 2011/2012 őszi félév.

Számítógépes grafika 3. gyakorlat.

Számítógépes Grafika Programtervező informatikus (esti)‏ Textúrázás.

Budapesti Műszaki Főiskola Bánki Donát Gépészmérnöki Főiskolai Kar Forgácsolási technológia számítógépes tervezése 3. Előadás Felületek megmunkálásának.

Számítógépes szimuláció A RITSIM-2000 rendszer ismertetése.

Mentális állapot felmérés BCI segítségével

Idősor előrejelzés Önálló laboratórium 2. Kollár Péter Attila ICG36F Konzulens: Dr. Pataki Béla.

Diagnosztika intelligens eszközökkel

Textúra elemzés szupport vektor géppel

A másodfokú függvények ábrázolása

Képfeldolgozási módszerek alkalmazása kajszimagok morfológiai tulajdonságainak leírására Felföldi J. 1, Hermán R. 2, Pedryc A. 2, Firtha F. 1 1 Budapesti.

Budapesti Műszaki Főiskola Neumann János Informatikai Kar Informatikai Automatizált Rendszerek Konzulens: Vámossy Zoltán Projekt tagok: Marton Attila Tandari.

Többszintű Tenyéralapú Biometrikus Azonosító Rendszer

A Cprob általános képelemző szoftver

HF MINTA 2012/2013. ősz. HF Minta  Objektum-orientált program  „Adatvezérelt” alkalmazás írása  Fájl kezelés (olvasás, írás)  Menü készítése  5-6.

Orvosbiológiai képkereső rendszer teljesítményének képek osztályozásán alapuló javítása Június 23, 2008 Budapest Altrichter Márta Konzulens: dr. Horváth.

Mammográfiás képek együttes vizsgálata (Mikrokalcifikációk)

Felbontás és kiértékelés lehetőségei a termográfiában

Levéláradat az online levelezésben Tippek, ötletek az átlátható és (általunk) ellenőrzött folyamatokért október 09.

Funkciós blokkok A funkciós blokkok áttekintése Az alkalmazás előnyei.

Barsi Árpád BME Fotogrammetria és Térinformatika Tanszék

Az ELTE Informatikai Kar és a FÖMI Távérzékelési Központ kapcsolata : Műhold-felvétel kiértékelő rendszer komponenseinek kifejlesztése (tervezés.

Digitális képanalízis Bevezetés. Kép fénykép, kép (picture)  digitális fénykép (image) feldolgozás: (digital) image processing.

Máté: Orvosi képfeldolgozás8. előadás1 Kondenzált képek Transzport folyamat, pl. mukocilliáris klírensz (a légcső tisztulása). ROI kondenzált kép F 1 F.

Üreges mérőhely üreg kristály PMT Nincs kollimátor!

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.

Menetrend optimalizálása genetikus algoritmussal

Máté: Orvosi képfeldolgozás5. előadás1 Mozgó detektor: előnyHátrány állójó időbeli felbontás nincs (rossz) térbeli felbontás mozgójó térbeli felbontás.

Máté: Orvosi képfeldolgozás5. előadás1 yy xx Linearitás kalibráció: Ismert geometriájú rács leképezése. Az egyes rácspontok képe nem az elméletileg.

Bevezetés a méréskiértékelésbe (BMETE80ME19)

Fájlszervezés Adatbázisok tervezése, megvalósítása és menedzselése.

Matlab. M ma áű t T vL e a r l b I e b x t a en k.

Digitális képanalízis

Számítógépes grafika és képfeldolgozás

Személyes adatok Manno-Kovács Andrea BME VIK, mérnök-informatikus ( ) PPKE ITK, Interdiszciplináris Műszaki Tudományok Doktori Iskola ( )

Perspektív projekció és kamera paraméterek. Szükséges transzformációk Világkoordináta rendszer (3D) Kamera koordinátarendszer (3D) Képsík koordináták.

TÁMOP /1-2F Informatikai gyakorlatok 11. évfolyam Alapvető programozási tételek megvalósítása Czigléczky Gábor 2009.

Vámossy Zoltán (Gonzales – Woods könyve alapján) Jellemzők és leírók.

Technológiai folyamatok optimalizálása

A digitális kép bevezetés.

Informatikai gyakorlatok 11. évfolyam

Változó expozíciós idejű képek fúziója

IT hálózat biztonság Összeállította: Huszár István

Programozási tételek.

Szövegfeldolgozás II. INFOÉRA perc kell még hozzá

Előadás másolata:

Önálló laboratórium Képek szegmentálása textúra analízis segítségével Eisenberger András Konzulens: Pataki Béla

Képszegmentálás Eisenberger András Önálló Laboratórium

Képszegmentálás Felhasználás Módszerek Orvosi felvételek Műholdfelvételek Számítógépes látás stb. Módszerek Hisztogram alapján Él kereséssel Textúra analízissel Eisenberger András Önálló Laboratórium

Textúra analízis Különböző módszerek Specializáltak Cél Laws szűrők SRDM (surrounding region dependence method) Futási hossz elemzés Ko-okkurancia mátrix Specializáltak Cél Általános(abb) eszköz Automatikus beállítás Eisenberger András Önálló Laboratórium

Ellenőrzés Berkeley egyetem, 300 elemes képhalmaz, ember által végzett szegmentálással Ebből 14, amin nagy homogén textúrák vannak Eisenberger András Önálló Laboratórium

Kiértékelés módszere Saját program: Qt/C++ Betölt egy képet/szegmentációt Egy tulajdonságot, ami a kép minden pixelét jellemzi egyesével Az alapján, hogy szegmensen belül hasonlók-e az értékek, értékel 0-tól 1-ig (kisebb a jobb) Futtatható sok kiértékelés batch módon Eisenberger András Önálló Laboratórium

Eisenberger András Önálló Laboratórium

Feldolgozás Ko-okkurancia mátrix Ezt teszteljük Valamilyen vektor (képen (1, 0)) mentén milyen értékről milyenre ugrunk Ebből a mátrixból kinyerhetőek különböző tulajdonságok Ezt teszteljük Egyik legelterjedtebb Sok paraméter Eisenberger András Önálló Laboratórium

Megvalósítás Matlab Image Processing Toolbox használata Csináltam egy függvényt, ami egyben megcsinálja a beolvasást és a kiírást is, paraméterei Blokkok mérete Eltolási vektor Melyik tulajdonságot számolja ki a mátrixon Eisenberger András Önálló Laboratórium

Példák Kontraszt 20x20-as blokkok (0, 5)-ös eltolás Érték: 0.567455 Homogenitás 20x20-as blokkok (0, 5)-ös eltolás Érték: 0.542539 Kontraszt 20x20-as blokkok (5, 0)-ös eltolás Érték: 0.760454 Homogenitás 15x15-ös blokkok (0, 5)-ös eltolás Érték: 0.576391 Eisenberger András Önálló Laboratórium

További teendők Befejezni a kiértékelés automatizálását Teljes képhalmazon aggregálni az eredményeket Megpróbálni automatikus beállítást Más képjellemző, például teljesítményspektrum, alapján beállított értékek tudnak-e jobban teljesíteni, mint fixek (a teljes képhalmazon)? Eisenberger András Önálló Laboratórium

Köszönöm a figyelmet! Eisenberger András Önálló Laboratórium