Detail publikace

 

Improved statistical edge detection through neural networks

Základní údaje
Originální název:Improved statistical edge detection through neural networks
Název česky:Neuronové sítě coby nástroj sloužící ke zlepšení výsledků statistické detekce hran
Autoři:Ian Williams, David Svoboda, Nicholas Bowring, Elizabeth Guest
Další údaje
Citace:WILLIAMS, Ian, David SVOBODA, Nicholas BOWRING a Elizabeth GUEST. Improved statistical edge detection through neural networks. In 10th Conference on Medical Image Understanding and Analysis. Manchester: BMVA, 2006. s. 56-60, 5 s. ISBN 1-901727-31-9.Export BibTeX
@inproceedings{639086,
author = {Williams, Ian and Svoboda, David and Bowring, Nicholas and Guest, Elizabeth},
address = {Manchester},
booktitle = {10th Conference on Medical Image Understanding and Analysis},
keywords = {edge detection; neural networks; statistical tests},
language = {eng},
location = {Manchester},
isbn = {1-901727-31-9},
pages = {56-60},
publisher = {BMVA},
title = {Improved statistical edge detection through neural networks},
url = {http://www2.wiau.man.ac.uk/miua2006/},
year = {2006}
}
Originální jazyk:angličtina
Obor:Využití počítačů, robotika a její aplikace
WWW:odkaz do nového oknahttp://www2.wiau.man.ac.uk/miua2006/
Druh:Článek ve sborníku
Klíčová slova:edge detection; neural networks; statistical tests

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.

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.

Související projekty: