haku: @instructor Iivarinen, Jukka / yhteensä: 5
viite: 1 / 5
« edellinen | seuraava »
Tekijä: | Hinneri, Samuli |
Työn nimi: | Visual Attention Detection of Gaussian Profile 2D Structures in Medical Imaging |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2005 |
Sivut: | 64 Kieli: eng |
Koulu/Laitos/Osasto: | Tietotekniikan osasto |
Oppiaine: | Informaatiotekniikka (T-122) |
Valvoja: | Hollmén, Jaakko |
Ohjaaja: | Iivarinen, Jukka |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark Aalto | Arkisto |
Avainsanat: | visual attention foveation region content-based compression JPEG2000 VI area of the brain blood vessel segmentation diabetes treatment visuaalinen huomio silmien fovea-alue sisältöpohjainen kuvanpakkaus JPEG2000 aivojen VI-alue verisuonten segmentointi diabeteksen hoito |
Tiivistelmä (fin): | Esitellään uusi lähestymistapa visuaalisten huomionkohteiden havaitsemiseksi. Se perustuu gradienttivirtauskenttien epäsäännöllisyyksien huomioimiseen mallilla, joka laskee 3 innovatiivista mitta-arvoa kullekin pikselille ja päättelee tästä tiedosta, mitkä arvokombinaatiot todennäköisimmin sijaitsevat kiintoisilla alueilla. Kokeet antoivat hyviä tuloksia, erityisesti tubulaaristen rakenteiden havainnointiin. Pätevin sovellusalue on verisuonten segmentointi; muihin kuuluu sisältöpohjainen kuvanpakkaus, aivotutkimus ja visuaalisen attention mallittaminen. Johtoajatuksena on, että esiteltyä menetelmää voisi käyttää vastefunktiona verisuonten segmentoinnissa, mutta alan huipulle nouseminen todistettavalla tavalla vaatisi jatkotutkimuksia. |
Tiivistelmä (eng): | A new approach to automatic visual attention detection is presented. It is based on detecting irregularities in gradient flow fields with a model which calculates 3 innovative measures for each pixel and using this information concludes which measure combinations are likely to be in salient areas. Studies with test images give good results, especially for tubular structure detection. The most relevant application is blood vessel segmentation, others include content-based image compression, brain research and visual attention modeling. The main line of thought is that the proposed model could be used as a response function in blood vessel detection, but to reach verifiably state-of-the-art would require further research. |
ED: | 2006-01-03 |
INSSI tietueen numero: 30449
+ lisää koriin
« edellinen | seuraava »
INSSI