Andere Kunden interessierten sich auch für
![Gridding e Segmentação Eficiente para Imagens de Microarranjo]( "Gridding e Segmentação Eficiente para Imagens de Microarranjo")
Gridding e Segmentação Eficiente para Imagens de Microarranjo26,99 €![Compressão de imagens utilizando o método DCT]( "Compressão de imagens utilizando o método DCT")
Compressão de imagens utilizando o método DCT26,99 €![Uma limiarização multinível óptima baseada na segmentação de imagens a cores]( "Uma limiarização multinível óptima baseada na segmentação de imagens a cores")
Uma limiarização multinível óptima baseada na segmentação de imagens a cores29,99 €![Análise de doenças de pelev Com ADABOOST]( "Análise de doenças de pelev Com ADABOOST")
Análise de doenças de pelev Com ADABOOST29,99 €![Técnicas de Segmentaçãode Imagens Borradas]( "Técnicas de Segmentaçãode Imagens Borradas")
Técnicas de Segmentaçãode Imagens Borradas26,99 €![Arquitectura VLSI para Remoção de Ruído de Impulso em Imagens]( "Arquitectura VLSI para Remoção de Ruído de Impulso em Imagens")
Arquitectura VLSI para Remoção de Ruído de Impulso em Imagens26,99 €![Marcação de água em imagens médicas]( "Marcação de água em imagens médicas")
Marcação de água em imagens médicas24,99 €
É apresentado um novo método proposto de estruturas de processamento totalmente automático baseado em algoritmos de contorno ativo de corte de gráfico geodésico. O algoritmo é aplicado à segmentação de imagens utilizando dois tipos diferentes de vizinhanças locais na construção do gráfico. O principal problema da abordagem Graph-Cut é a seleção incorrecta da região do fígado com uma coloração semelhante aos rabiscos do utilizador, que é identificada como uma região tumoral. Os resultados podem ser melhorados utilizando a nova técnica proposta baseada no método Geodesic Graph-Cut. Este sistema concentrou-se em encontrar um método de segmentação rápido e interativo para a segmentação do fígado e do tumor. Na fase de pré-processamento, o processo da imagem CT é realizado com um filtro de deslocamento médio e um método de limiarização estatística para reduzir a área de processamento e melhorar a taxa de deteção. A segunda fase é a segmentação do fígado; a região do fígado foi segmentada utilizando o algoritmo do método proposto. Na fase seguinte, a segmentação do tumor também seguiu os mesmos passos. Finalmente, as regiões do fígado e do tumor são segmentadas separadamente a partir da imagem de tomografia computorizada.