MAJTNER, Tomáš, Roman STOKLASA a David SVOBODA. RSurf Texture Descriptor. 2014.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název RSurf Texture Descriptor
Název česky Popisovač textúry RSurf
Autoři MAJTNER, Tomáš (703 Slovensko, domácí), Roman STOKLASA (703 Slovensko, domácí) a David SVOBODA (203 Česká republika, garant, domácí).
Vydání 2014.
Další údaje
Originální jazyk angličtina
Typ výsledku Software
Obor 20206 Computer hardware and architecture
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
WWW http://cbia.fi.muni.cz/projects/rsurf-texture-descriptor.html
Kód RIV RIV/00216224:14330/14:00074012
Organizační jednotka Fakulta informatiky
Klíčová slova anglicky image descriptor; Pattern recognition; RSurf; HEp-2 cells;
Technické parametry Software pre výpis vlastností textúry snímku, ktoré je možné použiť pre rozpoznanie a následnú klasifikáciu vstupného obrázku. Program bol vyvinutý pre spracovanie obrázkov HEp-2 buniek nasnímaných fluorescenčným mikroskopom ale obecne je možné ho použiť pre ľubovolný vstup. Implementácia je realizovaná v jazyku C++. Zodpovedné osoby: Tomáš Majtner <majtner@ics.muni.cz> a Roman Stoklasa <rstoki@seznam.cz> Adresa: Fakulta informatiky Masarykovy univerzity, Botanická 68a, 602 00 Brno.
Štítky cbia-web
Příznaky Mezinárodní význam
Změnil Změnil: RNDr. Ing. Bc. Tomáš Majtner, Ph.D., učo 172786. Změněno: 29. 10. 2014 13:48.
Anotace
In biomedical image analysis, object description and classification tasks are very common. Our work relates to the problem of classification of Human Epithelial (HEp-2) cells. Since the crucial part of each classification process is the feature extraction and selection, much attention should be concentrated to the development of proper image descriptors. In this article, we introduce a new efficient texture-based image descriptor for HEp-2 images. We compare proposed descriptor with LBP, Haralick features (GLCM statistics) and Tamura features using the public MIVIA HEp-2 Images Dataset. Our descriptor outperforms all previously mentioned approaches and the kNN classifier based solely on the proposed descriptor achieve the accuracy as high as 91.1%.
Návaznosti
GBP302/12/G157, projekt VaVNázev: Dynamika a organizace chromosomů během buněčného cyklu a při diferenciaci v normě a patologii
Investor: Grantová agentura ČR, Dynamika a organizace chromosomů během buněčného cyklu a při diferenciaci v normě a patologii
MUNI/A/0855/2013, interní kód MUNázev: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace III. (Akronym: FI MAV III.)
Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace III., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
VytisknoutZobrazeno: 3. 8. 2024 07:51