haku: @keyword kuvankäsittely / yhteensä: 29
viite: 15 / 29
| Tekijä: | Toivonen, Riitta |
| Työn nimi: | Anisotropic diffusion in image processing |
| Anisotrooppinen diffuusio kuvankäsittelyssä | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2005 |
| Sivut: | 54 Kieli: eng |
| Koulu/Laitos/Osasto: | Teknillisen fysiikan ja matematiikan osasto |
| Oppiaine: | Matematiikka (Mat-1) |
| Valvoja: | Somersalo, Erkki |
| Ohjaaja: | Somersalo, Erkki |
| 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 TF80 | Arkisto |
| Avainsanat: | anisotropic diffusion diffusion image processing coherence-enhancing edge-enhancing segmentation structure tensor diffusion tensor anisotrooppinen diffuusio diffuusio kuvankäsittely koherenssia tehostava diffuusio reunoja tehostava diffuusio segmentointi rakennetensori diffuusiotensori |
| Tiivistelmä (fin): | Työssä käsitellään anisotrooppista diffuusiota kuvankäsittelymenetelmänä teoreettisesti ja numeerisesti. Diffuusio on fysikaalinen ilmiö, joka tasoittaa konsentraatioeroja ilman, että samalla syntyy tai häviää massaa. Jos samastamme harmaasävykuvan intensiteetin konsentraation kanssa, voimme diffuusion avulla tasoittaa intensiteettieroja kuvassa. Asettamalla rajoitteita diffuusion suunnalle ja voimakkuudelle voimme tehostaa kuvassa haluamiamme piirteitä ja toisaalta poistaa samalla kuvasta kohinaa. Suunnistettua diffuusiota kutsutaan anisotrooppiseksi diffuusioksi. Tarkastelemme kahta hieman erilaista versiota anisotrooppisesta diffuusiosta. Toinen näistä säilyttää ääriviivat ja tasoittaa niiden sisälle jäävän alueen, joten sitä voidaan käyttää kuvien segmentointiin eli alueiden erotteluun. Kutsumme sitä reunoja tehostavaksi diffuusioksi (edge-enhancing diffusion). Toinen esitelty menetelmä yhdistää katkonaisia linjoja kuvassa. Sitä kutsutaan koherenssia tehostavaksi diffuusioksi (coherence-enhancing diffusion). Luku 2 käsittelee diffuusiomenetelmien fysikaalista perustaa ja niiden luokittelua, sekä esittelee skaala-avaruuden käsitteen, jolla on merkitystä kuva-analyysissa. Luvussa 3 määrittelemme muodon diffuusiotensorille, joka diffuusioyhtälössä määrää, mihin suuntiin ja kuinka voimakkaasti diffuusio etenee kussakin kuvan pisteessä. Diffuusiotensorin muodostamista varten esittelemme kuvien tekstuurianalyysissa paljon käytetyn työkalun, rakennetensorin, joka sisältää tietoa kuvan intensiteettivaihteluista kussakin pisteessä. Luvuissa 4 ja 5 diffuusioyhtälö diskretoidaan ajan ja paikan suhteen. Luku 6 kuvailee laskennallisia yksityiskohtia, mm. konvoluutiomaskien muodostamista. Luvussa 7 havainnollistetaan, miten kuvatut diffuusiomenetelmät käytännössä toimivat, tarkastellaan parametrien valinnan vaikutusta ja näytetään joitakin sovelluksia. Luku 8 sisältää yhteenvedon edellä käsitellyistä aiheista. Anisotrooppinen diffuusio näyttää soveltuvan hyvin tiettyihin tehtäviin, esimerkiksi sormenjäljen syiden korostamiseen epäselvässä kuvassa. Menetelmät ovat kuitenkin laskennallisesti raskaita ja lisäksi herkkiä parametrien valinnalle. Laskentatehon jatkuvan halpenemisen vuoksi niillä saattaa silti olla tulevaisuutta myös nopeutta vaativissa käytännön sovelluksissa, etenkin yhdistettynä bayesilaisiin menetelmiin, joista olisi apua parametrien valinnassa. |
| ED: | 2005-05-04 |
INSSI tietueen numero: 28752
+ lisää koriin
INSSI