Proceedings ArticleDOI
Rapid Texture Identification
Kenneth I. Laws
- Vol. 0238, pp 376-381
TLDR
In this article, the texture energy approach requires only a few convolutions with small (typically 5x5) integer coefficient masks, followed by a moving-window absolute average operation.Abstract:
A method is presented for classifying each pixel of a textured image, and thus for segmenting the scene. The "texture energy" approach requires only a few convolutions with small (typically 5x5) integer coefficient masks, followed by a moving-window absolute average operation. Normalization by the local mean and standard deviation eliminates the need for histogram equalization. Rotation-invariance can also be achieved by using averages of the texture energy features. The convolution masks are separable, and can be implemented with 1-dimensional (vertical and horizontal) or multipass 3x3 convolutions. Special techniques permit rapid processing on general-purpose digital computers.read more
Citations
More filters
Improvements on human skin segmentation in digital images : Melhorias na segmentação de pele humana em imagens digitais
TL;DR: In this paper, a segmentacao de pele humana with precisao ainda e uma tarefa desafiadora is presented, where a set of metodos are used for segmentation of pele.
Proceedings ArticleDOI
Raster-Vector Cooperation Algorithm for GIS - Application to Ecological Units Delineation
TL;DR: A way to use satellite images as an information source in order to produce new information layers and validate some fusion operation made with the other information layers is proposed and an iterative algorithm to select and fuse layers is presented.
Proceedings ArticleDOI
Satellite image classification by narrowband Gabor filters and artificial neural networks
TL;DR: A texture segmentation algorithm to segment satellite images using Gabor filter bank and neural networks is described and the optimized extracted features are classified into sections according to the textured land cover regions.
Dissertation
Classificação da esteatose hepática usando imagens ecográficas
Abstract: ................................................................................................................................ iii ÍNDICE ........................................................................................................................................ iv LISTA DE FIGURAS .................................................................................................................. vi LISTA DE TABELAS ............................................................................................................... viii LISTA DE ABREVIATURAS ..................................................................................................... x I. Introdução ............................................................................................................................. 1 I.1 Contextualização ........................................................................................................... 2 I.2 Objectivos ..................................................................................................................... 2 I.3 Organização do trabalho ................................................................................................ 3 II. A esteatose e suas técnicas de diagnóstico ............................................................................ 5 II.1 Anatomia e Fisiologia do fígado ................................................................................... 6 II.2 A esteatose .................................................................................................................... 7 II.3 Técnicas de Diagnóstico da esteatose ........................................................................... 9 II.3.1 Biópsia ................................................................................................................. 10 II.3.2 Tomografia axial computorizada ......................................................................... 11 II.3.3 Ressonância magnética ....................................................................................... 12 II.3.4 Ultrassons ............................................................................................................ 12 III. Ultrassons e esteatose ..................................................................................................... 17 III.1 Análise qualitativa ....................................................................................................... 18 III.2 Análise quantitativa ..................................................................................................... 20 IV. Metodologia .................................................................................................................... 23 IV.1 Características das imagens ......................................................................................... 24 IV.2 Características da população em estudo ...................................................................... 24 IV.3 Processos de análise da esteatose ................................................................................ 24 V. Descrição dos métodos de análise ....................................................................................... 29 V.1 Análise textural ........................................................................................................... 30 V.1.1 Extração de características .................................................................................. 30 V.1.1.1 Estatística de primeira ordem .......................................................................... 30 V.1.1.2 Estatística de segunda ordem .......................................................................... 33 V.1.1.3 Estatística de ordem superior .......................................................................... 38 V.2 Algoritmos de aprendizagem automática .................................................................... 43 “CLASSIFICAÇÃO DA ESTEATOSE HEPÁTICA USANDO IMAGENS ECOGRÁFICAS” v V.2.1 Redes Neuronais Artificiais................................................................................. 44 V.2.2 Máquina de Vector Suporte ................................................................................. 46 V.2.3 K-vizinhos mais próximos .................................................................................. 47 V.2.4 Classificador de Bayes ........................................................................................ 47 V.2.5 Árvore de decisão ................................................................................................ 48 V.3 Estratégia para melhorar o sistema de classificação ................................................... 49 V.3.1 Selecção de características .................................................................................. 49 V.3.2 Combinação de Classificadores........................................................................... 50 V.4 Análise do desempenho dos classificadores ................................................................ 52 V.5 Validação do sistema DAC ......................................................................................... 53 V.6 Diferenças de ecogenicidade entre fígado e rim ......................................................... 54 V.7 Atenuação da onda de US ao longo do parênquima hepático ..................................... 55 VI. Resultados ....................................................................................................................... 57 VI.1 Diagnóstico Assistido por Computador ...................................................................... 58 VI.1.1 Primeiro conjunto de imagensajuste dos parâmetros de US ............................. 58 VI.1.2 Segundo conjunto de imagensparâmetro de US fixos ....................................... 63 VI.2 Análise do Coeficiente Hepatorrenal .......................................................................... 66 VI.2.1 Primeiro conjunto de imagensajuste dos parâmetros de US ............................. 66 VI.2.2 Segundo conjunto de imagensparâmetro de US fixos ....................................... 69 VI.3 Análise da atenuação ................................................................................................... 73 VI.3.1 Primeiro conjunto de imagensajuste dos parâmetros de US ............................. 73 VI.3.2 Segundo conjunto de imagensparâmetro de US fixos ....................................... 75 VII. Conclusão ........................................................................................................................ 79 VII.1 Considerações finais .................................................................................................... 80 VII.2 Desenvolvimentos futuros ........................................................................................... 82 Referências Bibliográficas .......................................................................................................... 84 “CLASSIFICAÇÃO DA ESTEATOSE HEPÁTICA USANDO IMAGENS ECOGRÁFICAS”
Proceedings ArticleDOI
A computer-aided diagnosis system to detect pathologies in temporal subtraction images of chest radiographs
TL;DR: The purpose of this study was to create a computer-aided diagnostic (CAD) system that identifies which regions of change are cause by pathology and which are caused by misregistration of the radiographs used to create the TS image.
References
More filters
Journal ArticleDOI
Textural Features for Image Classification
TL;DR: These results indicate that the easily computable textural features based on gray-tone spatial dependancies probably have a general applicability for a wide variety of image-classification applications.
ReportDOI
Textured Image Segmentation
TL;DR: In this article, texture energy is measured by filtering with small masks, typically 5x5, then with a moving-window average of the absolute image values, leading to a simple class of texture energy transforms, which perform better than any of the preceding methods.