Sunteți pe pagina 1din 6

UNIVERSITATEA „DUNĂREA DE JOS„ DIN GALAȚI

FACULTATEA DE ȘTIINȚE JURIDICE, SOCIALE ȘI POLITICE


SPECIALIZAREA ADMINISTRAȚIE PUBLICĂ

TITLUL LUCRĂRII

Coordonator științific,
Conf.dr. .........

Absolvent,
.................

Galați,
2020
CAPITOLUL 1
PROCESAREA ELEMENTARĂ ȘI ÎMBUNĂTĂȚIREA
CALITĂȚII IMAGINILOR DIGITALE

1.1 Introducere

Imaginile constituie una din cele mai importante surse de informații pentru om.
Imaginile reale sunt percepute direct de către ochiul umanpe baza unui proces optico-neuronal
constituit din direcționarea luminii (radiații electromagnetice) prin globul ocular (pupila și
cristalin), descompunerea imaginii în informații (cu ajutorul sistemului de conuri și bastonașe)
la nivelul retinei și, în final, interpretarea și memorarea imaginii la nivelul centrului optic din
creier.

Toate aceste operații se pot implementa în aplicații dedicate de asistare și diagnosticare


CAD.1

1
Computer Aided Diagnosis
1.2 Dimensiunea fractală
CAPITOLUL 2
SEGMENTAREA IMAGINILOR DIGITALE

2.5.3Metodă originală de segmentare a imaginilorecocardiografice 2D pe baza integrării


contururilor active în imaginile de caracteristici

Eficiența operației de filtrarea a imaginilor (de-noising process) poate fi investigată folosind parametrii
de zgomot sau parametrii de calitate ai filtrării imaginii. Parametrii de zgomot definiți în relațiile (1.9 -1.12)
sunt [13, 15]: raportul semnal-zgomot sau signal to noise ratio (SNR), valoarea maximă a raportului
semnal-zgomotsau peak to signal noise ratio (PSNR), eroarea pătratică medie sau mean squared error
(MSE) și eroarea absolută medie sau mean absolute error (MAE). Valorile SNRși PSNRau ca unitate de
măsura [dB], iar valorile MSEși MAE nu au asociată o unitate de măsură.
M N

∑ ❑ ∑ ❑ f 2 (x , y )
x−1 y−1
SNR=10 log M N
[dB] (1.9)
2
∑ ❑∑ ❑( g(x , y)−f (x , y))
x−1 y−1

MN max f (x , y )2
PSNR=10 log
( X ,Y ) [ dB ]
M N
2
∑ ❑∑ ❑ ( g(x , y)−f (x , y))
x−1 y−1
(1.10)
M N
1
MSE=
MN
∑ ❑ ∑ ❑( g( x , y)−f ( x , y))2 (1.11)
x−1 y−1

M N
1
MAE= ∑ ❑ ∑ ❑|g( x , y )−f (x , y )| (1.12)
MN x−1 y−1
Modulul (I) Modulul ( II ) Modulul ( III) Modulul ( IV ) Modulul ( V )
Segmentare de Segmenarea Segmentarea Segmentarea Segmentarea
referinţă ACM în Io ACM&SGBFRLS ACM în IFs ACM&SGBFRLS în
î
(manuală) în IG IFs

Modelul ( VI )
Eficienţă de
segmentare

AER DC FD
AER − AERl AER 0− AERl DC 0−DC l DC 20−DC 2l
11 2 2 1 1 1 1
0 Fx Fx Fx Fx
FD −FD0 FD 20−FD 2l
lF x Fx

SAX LAX SAX LAX SAX LAX SAX LAX SAX LAX SAX LAX
IF μ 3x3 13,81 24,95 9,04 19,58 -0,15 -0,21 -0,07 -0.15 5,33 2,38 2,19 2,97
5x5 13,14 19,74 6,35 15,01 -0,14 -0,17 -0,05 -0,11 5.48 2,11 1,95 2,27

IF σ

IF U

IF c
Contents
CAPITOLUL 1.......................................................................................................................................2
PROCESAREA ELEMENTARĂ ȘI ÎMBUNĂTĂȚIREA CALITĂȚII IMAGINILOR DIGITALE....2
1.1 Introducere............................................................................................................................2
1.2 Dimensiunea fractală............................................................................................................3
CAPITOLUL 2.....................................................................................................................................4
SEGMENTAREA IMAGINILOR DIGITALE.................................................................................4
2.5.3Metodă originală de segmentare a imaginilorecocardiografice 2D pe baza integrării
contururilor active în imaginile de caracteristici.......................................................................4