2006
Improved statistical edge detection through neural networks
WILLIAMS, Ian, David SVOBODA, Nicholas BOWRING a Elizabeth GUESTZákladní údaje
Originální název
Improved statistical edge detection through neural networks
Název česky
Neuronové sítě coby nástroj sloužící ke zlepšení výsledků statistické detekce hran
Autoři
WILLIAMS, Ian (826 Velká Británie a Severní Irsko), David SVOBODA (203 Česká republika, garant, domácí), Nicholas BOWRING (826 Velká Británie a Severní Irsko) a Elizabeth GUEST (826 Velká Británie a Severní Irsko)
Vydání
Manchester, 10th Conference on Medical Image Understanding and Analysis, od s. 56-60, 5 s. 2006
Nakladatel
BMVA
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
20200 2.2 Electrical engineering, Electronic engineering, Information engineering
Stát vydavatele
Velká Británie a Severní Irsko
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Kód RIV
RIV/00216224:14330/06:00017002
Organizační jednotka
Fakulta informatiky
ISBN
1-901727-31-9
Klíčová slova anglicky
edge detection; neural networks; statistical tests
Změněno: 14. 1. 2011 14:55, doc. RNDr. David Svoboda, Ph.D.
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.
Česky
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.
Návaznosti
| LC535, projekt VaV |
| ||
| 1K05021, projekt VaV |
|