ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INFORMATIKAI INTÉZET - PDF ingyenes letöltés

ALBERT-LUDWIGS-UNIVERSITÄT FREIBURG INFORMATIKAI INTÉZET Mintafelismerés és képfeldolgozás elnöke Prof. Dr. Ing.Hans Burkhardt A sejtmagok lokalizálása és mitózisfázisuk meghatározása az Arabidopsis thaliana konfokális 3D képein Diplomamunka Janina Schulz 2005. június 2005. december

letöltés

Nyilatkozat Ezennel kijelentem, hogy a jelen munkát én készítettem, és csak a felsorolt ​​segédeszközöket használva. Az összes szöveget szó szerint, vagy ennek megfelelően a közzétett vagy közzé nem tett dokumentumokból vették. A diplomamunkát még nem készítették elő újabb vizsgára, még részben sem. Freiburg, 2005. december 22

Janina Schulz A sejtmagok lokalizációja és mitózisfázisuk meghatározása konfokális 3D képeken Arabidopsis thaliana Diplomamunka prof. Dr. Ing.Hans Burkhardt Dipl.-Phys. Olaf Ronneberger a Freiburgi Egyetem Számítástechnikai Mintafelismerési és Képfeldolgozó Intézetének elnöke Janina Schulz [email protected]

Tartalom 1 Bevezetés 15 1.1 Motiváció. 15 1.2 A dolgozat felépítése. 16 2 Biológia és mikroszkópia 17 2.1 Arabidopsis thaliana. 17 2.2 Növénysejt-osztódás. 18 2.3 Mikroszkópia. 19 2.3.1 Fénymikroszkópia. 19 2.3.2 Fluoreszcens mikroszkópia. 19 2.3.3 Konfokális lézeres pásztázó mikroszkóp. 20 2.3.4 Szelektív sík megvilágító mikroszkóp (SPIM). 21 2.3.5 Merítés. 21 2.4 Tárgy előkészítése. 23 3 Klasszikus képfeldolgozás 25 3.1 Folyamatos jeltől diszkrét képpé. 25 3.2 Kép előfeldolgozása. 26 3.2.1 Méretezés. 26 3.2.2 Szürkeérték normalizálás. 27 3.2.3 Morfológiai módszerek. 29 3.3 Szegmentálás. 29 3.3.1 Küszöbalapú módszerek. 29 3.3.2 Él alapú módszerek. 31 3.3.3 Regionális növekedés-alapú módszerek. 31 3.3.4 Sablonillesztés. 32 3.3.5 Golyóérzékelő. 35 11

12 4 Invariáns elmélet 37 4.1 A mintafelismerés elmélete invariáns tulajdonságokkal. 37 4.1.1 Az osztályok ekvivalencia osztályok modellezése. 38 4.1.2 Invariancia feltételek. 38 4.1.3 Az invariánsok számításának három kanonikus módszere. 39 4.2 Integrált változatok. 40 4.2.1 2 pontos szürkeérték invariánsok. 41 4.2.2 Vektorértékű kernelfunkciók. 42 4.2.3 Gömb alakú felületleírók. 46 4.2.4 Általános szférikus invariánsok. 49 4.2.5 Radiális magfunkciók. 49 4.2.6 Helymegoszlások. 51 4.2.7 Radiális egyidejűség jellemzői. 52 5 Variánsszámítás 55 5.1 2 pontos szürkeérték invariánsok. 55 5.2 Vektorértékű kernelfunkciók. 56 5.3 Gömb alakú felületfunkciók. 59 5.4 Gömb alakú felületleírók. 59 5.5 Általános szférikus invariánsok. 60 5.6 Radiális magfunkciók. 60 5.7 A helyek megoszlása. 60 5.8 Radiális egyidejűség jellemzői. 61 5.9 Invariáns értékelés. 61 6 Besorolás 63 6.1 Legközelebbi szomszéd osztályozó. 63 6.2 SVM - a támogató vektor gép. 63 7 Eredmények 69 7.1 Kísérletek. 69 7.2 Az eredmények modellezése. 73 7.2.1 Alakelemzés. 73 7.2.2 A sejtrétegek meghatározása. 75 7.2.3 Minőségellenőrzés. 75 7.2.4 Megjelenítés. 76 8 Összefoglalás 77 8.1 Kilátás. 78

13 A Munkafolyamat 79 B Felhasznált szoftverek és könyvtárak 82 B.1 Volocity. 82 B.2 KépJ. 82 B.3 NetCDF. 83 B.4 ITK. 83 B.5 libsvmtl. 83 B.6 Blitz ++. 83 B.7 MATLAB. 83 B.8 Eszközök. 83 C Számított invariánsok 85 Hivatkozások 88

36 3. FEJEZET KLASSZIKUS KÉPFELDOLGOZÁS (a) (b) (c) 3.8. Ábra: Gömbérzékelő. A gömb alakú élérzékelés eredménye a mag (jobb) segítségével az eredeti képen (balra) látható. A felhasznált mag képén (jobbra) a fehér megfelel az 1 értéknek, a fekete az 1 értéknek felel meg. A középső képen látható maximák (zöld) és minimumok (kék) a talált gömbök középpontjai.