ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INŠTITÚT PRE INFORMATIKU - PDF na stiahnutie zadarmo
ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INŠTITÚT PRE INFORMATIKU Stolička pre rozpoznávanie vzorov a spracovanie obrazu Prof. Dr. Ing. Hans Burkhardt Lokalizácia bunkových jadier a stanovenie ich fázy mitózy v konfokálnych 3D obrazoch Arabidopsis thaliana Diplomová práca Janina Schulz jún 2005 december 2005
Vyhlásenie Týmto vyhlasujem, že súčasné dielo som vytvoril sám a iba za použitia uvedených pomôcok. Všetky pasáže, ktoré boli prevzaté doslovne alebo zodpovedajúcim spôsobom zo zverejnených alebo nepublikovaných dokumentov, sú takto označené. Diplomová práca ešte nie je ani čiastočne pripravená na ďalšiu skúšku. Freiburg, 22. decembra 2005
Janina Schulz Lokalizácia bunkových jadier a stanovenie ich fázy mitózy v konfokálnych 3D obrazoch Arabidopsis thaliana Diplomová práca pod vedením prof. Dr. Ing. Hans Burkhardt Dipl.-Phys. Olaf Ronneberger, predseda Ústavu pre rozpoznávanie vzorov a spracovanie obrazu pre informatiku Univerzita vo Freiburgu Janina Schulz [email protected]
Obsah 1 Úvod 15 1.1 Motivácia. 15 1.2 Štruktúra práce. 16 2 Biológia a mikroskopia 17 2.1 Arabidopsis thaliana. 17 2.2 Delenie rastlinných buniek. 18 2.3 Mikroskopia. 19 2.3.1 Svetelná mikroskopia. 19 2.3.2 Fluorescenčná mikroskopia. 19 2.3.3 Konfokálny laserový skenovací mikroskop. 20 2.3.4 Selektívny mikroskop s rovinným osvetlením (SPIM). 21 2.3.5 Ponorenie. 21 2.4 Príprava objektu. 23 3 Klasické spracovanie obrazu 25 3.1 Od nepretržitého signálu po diskrétny obraz. 25 3.2 Predbežné spracovanie obrazu. 26 3.2.1 Zmena mierky. 26 3.2.2 Normalizácia hodnoty šedej. 27 3.2.3 Morfologické metódy. 29 3.3 Segmentácia. 29 3.3.1 Prahové metódy. 29 3.3.2 Metódy založené na hranách. 31 3.3.3 Metódy založené na regionálnom raste. 31 3.3.4 Zhoda šablón. 32 3.3.5 Guľový detektor. 35 11
12 4 Teória invariantov 37 4.1 Teória rozpoznávania vzorov s invariantnými vlastnosťami. 37 4.1.1 Modelovanie tried ako tried ekvivalencie. . 38 4.1.2 Podmienky týkajúce sa meny. 38 4.1.3 Tri kanonické metódy výpočtu invariantov. 39 4.2 Integrálne varianty. 40 4.2.1 2-bodové invariantné hodnoty šedej. 41 4.2.2 Funkcie jadra s vektorovou hodnotou. 42 4.2.3 Deskriptory sférického povrchu. 46 4.2.4 Všeobecné sférické invarianty. 49 4.2.5 Funkcie radiálneho jadra. 49 4.2.6 Distribúcie umiestnenia. 51 4.2.7 Funkcie radiálneho súbežného výskytu. 52 5 Invariantný výpočet 55 5.1 2-bodové invarianty šedej hodnoty. 55 5.2 Funkcie jadra s vektorovou hodnotou. 56 5.3 Sférické povrchové funkcie. 59 5.4 Deskriptory sférického povrchu. 59 5.5 Všeobecné sférické invarianty. 60 5.6 Funkcie radiálneho jadra. 60 5.7 Rozloženie miest. 60 5.8 Funkcie radiálneho súbežného výskytu. 61 5.9 Invariantné hodnotenie. 61 6 Klasifikácia 63 6.1 Klasifikátor najbližšieho suseda. 63 6.2 SVM - podporný vektorový stroj. 63 7 Výsledky 69 7.1 Pokusy. 69 7.2 Modelovanie výsledkov. 72 7.2.1 Analýza tvaru. 73 7.2.2 Stanovenie bunkových vrstiev. 75 7.2.3 Kontrola kvality. 75 7.2.4 Vizualizácia. 76 8 Zhrnutie 77 8.1 Outlook. 78
13 A Workflow 79 B Použitý softvér a knižnice 82 B.1 Rýchlosť. 82 B.2 ObrázokJ. 82 B.3 NetCDF. 83 B.4 ITK. 83 B.5 libsvmtl. 83 B.6 Blitz ++. 83 B.7 MATLAB. 83 B.8 Nástroje. 83 C Vypočítané invarianty 85 Referencie 88
36 KAPITOLA 3. SPRACOVANIE KLASICKÉHO OBRAZU (a) (b) (c) Obrázok 3.8: Detektor gule. Výsledok detekcie sférickej hrany pomocou jadra (vpravo) je zobrazený na pôvodnom obrázku (vľavo). Na obrázku použitého jadra (vpravo) biela zodpovedá hodnote 1 a čierna hodnote 1. Maxima (zelená) a minima (modrá) na strednom obrázku sú stredy nájdených sfér.