D 2006

Improved statistical edge detection through neural networks

WILLIAMS, Ian, David SVOBODA, Nicholas BOWRING and Elizabeth GUEST

Basic information

Original name

Improved statistical edge detection through neural networks

Name in Czech

Neuronové sítě coby nástroj sloužící ke zlepšení výsledků statistické detekce hran

Authors

WILLIAMS, Ian (826 United Kingdom of Great Britain and Northern Ireland), David SVOBODA (203 Czech Republic, guarantor, belonging to the institution), Nicholas BOWRING (826 United Kingdom of Great Britain and Northern Ireland) and Elizabeth GUEST (826 United Kingdom of Great Britain and Northern Ireland)

Edition

Manchester, 10th Conference on Medical Image Understanding and Analysis, p. 56-60, 5 pp. 2006

Publisher

BMVA

Other information

Language

English

Type of outcome

Stať ve sborníku

Field of Study

20200 2.2 Electrical engineering, Electronic engineering, Information engineering

Country of publisher

United Kingdom of Great Britain and Northern Ireland

Confidentiality degree

není předmětem státního či obchodního tajemství

References:

RIV identification code

RIV/00216224:14330/06:00017002

Organization unit

Faculty of Informatics

ISBN

1-901727-31-9

Keywords in English

edge detection; neural networks; statistical tests

Tags

Změněno: 14/1/2011 14:55, doc. RNDr. David Svoboda, Ph.D.

Abstract

ORIG CZ

V originále

The paper details a novel and successful method for multi-statistic edge detection. The detector works by analyzing the texture properties of different regions within an image, and through the use of neural networks classifying the location and direction of any edges. The detailed technique is illustrated for use both on Histological Mouse Embryo Atlas (MA) images, and also real image data. The overall accuracy of this novel technique is extensively tested using a novel grey-scale performance measure (GFOM) which allows a robustness in the results unavailable with visual inspection alone. The filter is illustrated to outperform the traditional Canny edge detector which is seen as the benchmark for edge detection. The technique presented within the paper can be applied to a variety of low level medical imaging applications and is particularly suited to images containing high levels of noise and texture where the traditional methods of edge detection prove less successful.

In Czech

Předmětem tohoto článku je prezentování nové úspěšné metody kombinované detekce hran založené na statistických testech. Vhodně zvolený filtr detekující hrany hledá v obrazových datech místa s odlišnou texturou a výsledky předává ke klasifikaci neuronové síti. Navržený algoritmus je prezentován na histologických snímcích myších embryí. Přesnost této nové metody detekce hran byla měřena s využitím tzv. GFOM srovnávací míry. Součástí textu je rovněž ukázka, že nový přístup dokáže překonat i kvalitní detektory hran, mezi něž se řadí např. Cannyho filtr.

Links

LC535, research and development project
Name: Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii
Investor: Ministry of Education, Youth and Sports of the CR, Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii
1K05021, research and development project
Name: Rekonstrukce objektů v biomedicínských obrazech pomocí statistických metod a metod umělé inteligence
Investor: Ministry of Education, Youth and Sports of the CR, Rekonstrukce objektů v biomedicínských obrazech pomocí statistických metod a metod umělé inteligence