Resultados: visualización detallada
Registro 1 de 1 para la búsqueda Institución Biblioteca Universitaria de Chile Y tipo de materia Biofísica
Segmentación de Objetos en Imagénes de Microscopía Mediante Contornos Activos con Adaptabilidad Topológica
Olmos Marchant, Luis Felipe
Maass Sepúlveda, Alejandro
Hitschfeld Kahler, Nancy
Härtel Gründler, Steffen
2009
- Datos de edición Programa Cybertesis
- Tipo de Documento Libro
-
Materia
Procesamiento de imagen
Biofísica
Segmentación de objetos biológicos
Flujo vectorial de gradiente
Contornos activos -
Descripción
El análisis y procesamiento de imágenes es un área con activo desarrollo en la matemática y ciencia de la computación. La motivación de esta memoria es desarrollar un método de segmentación de objetos biológicos en imágenes de microscopía que construya contornos de la más alta calidad y que requiera la menor interacción humana en su ejecución. Una familia de métodos exitosa en esta área está basada en un modelo de minimización de energí ...El análisis y procesamiento de imágenes es un área con activo desarrollo en la matemática y ciencia de la computación. La motivación de esta memoria es desarrollar un método de segmentación de objetos biológicos en imágenes de microscopía que construya contornos de la más alta calidad y que requiera la menor interacción humana en su ejecución. Una familia de métodos exitosa en esta área está basada en un modelo de minimización de energía de curvas deformables bajo la influencia de fuerzas externas. En la presente memoria se trabajó en la implementación de uno de estos métodos y constó de dos partes. En la primera parte se implementó el algoritmo Topology Adaptive Snakes o T - Snakes. La propiedad esencial de este método es que admite cambios topológicos en las curvas (fusiones, cortes y destrucción), lo que permite segmentar objetos con formas altamente complejas minimizando la interacción humana en al proceso. En la segunda parte se implementó el algoritmo Edge Preserving Gradient Vector Flow (EPGVF) el cual genera los campos vectoriales que fuerzan las curvas a evolucionar hacia los bordes de objetos en la imagen. Este método se comparó con su algoritmo predecesor, Generalized Gradient Vector Flow (GGVF), sin que EPGVF presentara ventajas convincentes en las imágenes probadas
- Identificador 10131