АЛЬБЕРТ-ЛЮДВІГС-УНІВЕРСИТЕТ ФРЕЙБУРГСЬКИЙ ІНСТИТУТ ІНФОРМАТИКИ - завантажити безкоштовно PDF
АЛЬБЕРТ-ЛЮДВІГС-УНІВЕРСИТЕТ ФРЕЙБУРГСЬКИЙ ІНСТИТУТ ІНФОРМАТИКИ Кафедра розпізнавання зразків та обробки зображень Проф. Інж. Ганс Бурхардт Локалізація ядер клітин та визначення фази їх мітозу на конфокальних 3D-зображеннях Arabidopsis thaliana Дипломна робота Яніна Шульц червень 2005 грудень 2005
Декларація Цим заявляю, що даний твір був створений мною особисто та лише з використанням перерахованих допоміжних засобів. Усі фрагменти, взяті дослівно або відповідно з опублікованих або неопублікованих документів, позначені як такі. Дипломна робота ще не підготовлена до чергового іспиту, навіть частково. Фрайбург, 22 грудня 2005 р
Яніна Шульц Локалізація ядер клітин та визначення фази їх мітозу на конфокальних 3D-зображеннях Arabidopsis thaliana Дипломна робота під керівництвом проф. Інж. Ганс Бурхардт, д-р фіз. Олаф Роннебергер Кафедра розпізнавання зразків та обробки зображень Інститут комп'ютерних наук Фрайбурзького університету Яніна Шульц [email protected]
Зміст 1 Вступ 15 1.1 Мотивація. 15 1.2 Структура дипломної роботи. 16 2 Біологія та мікроскопія 17 2.1 Arabidopsis thaliana. 17 2.2 Поділ рослинних клітин. 18 2.3 Мікроскопія. 19 2.3.1 Світлова мікроскопія. 19 2.3.2 Флуоресцентна мікроскопія. 19 2.3.3 Конфокальний лазерний скануючий мікроскоп. 20 2.3.4 Мікроскоп селективного освітлення на площині (SPIM). 21 2.3.5 Занурення. 21 2.4 Підготовка об’єкта. 23 3 Класична обробка зображень 25 3.1 Від безперервного сигналу до дискретного зображення. 25 3.2 Попередня обробка зображень. 26 3.2.1 Масштабування. 26 3.2.2 Нормалізація сірого значення. 27 3.2.3 Морфологічні методи. 29 3.3 Сегментація. 29 3.3.1 Порогові методи. 29 3.3.2 Крайові методи. 31 3.3.3 Регіональні методи, засновані на зростанні. 31 3.3.4 Відповідність шаблону. 32 3.3.5 Детектор кульок. 35 11
12 4 Теорія інваріантів 37 4.1 Теорія розпізнавання зразків з незмінними ознаками. 37 4.1.1 Моделювання класів як класів еквівалентності. 38 4.1.2 Умови інваріації. 38 4.1.3 Три канонічні методи обчислення інваріантів. 39 4.2 Інтегральні варіанти. 40 4.2.1 2-точкові інваріанти сірого значення. 41 4.2.2 Функції ядра, що мають векторну оцінку. 42 4.2.3 Дескриптори сферичної поверхні. 46 4.2.4 Загальні сферичні інваріанти. 49 4.2.5 Радіальні основні функції. 49 4.2.6 Розподіл розташування. 51 4.2.7 Особливості радіальної кукурентності. 52 5 Інваріантний розрахунок 55 5.1 2-точкові інваріанти сірого значення. 55 5.2 Векторні функції ядра. 56 5.3 Сферичні поверхневі функції. 59 5.4 Дескриптори сферичної поверхні. 59 5.5 Загальні сферичні інваріанти. 60 5.6 Радіальні основні функції. 60 5.7 Розподіл місць розташування. 60 5.8 Особливості радіальної кукурентності. 61 5.9 Інваріантне оцінювання. 61 6 Класифікація 63 6.1 Найближчий сусідський класифікатор. 63 6.2 SVM - опорна векторна машина. 63 7 Результати 69 7.1 Експерименти. 69 7.2 Моделювання результатів. 73 7.2.1 Аналіз фігури. 73 7.2.2 Визначення клітинних шарів. 75 7.2.3 Контроль якості. 75 7.2.4 Візуалізація. 76 8 Підсумок 77 8.1 Перспектива. 78
13 A Робочий процес 79 B Програмне забезпечення та бібліотеки, що використовуються 82 B.1 Volocity. 82 B.2 ImageJ. 82 B.3 NetCDF. 83 Б.4 ІТК. 83 B.5 libsvmtl. 83 Б.6 Бліц ++. 83 B.7 MATLAB. 83 Б.8 Інструменти. 83 C Обчислювані інваріанти 85 Список літератури 88
36 РОЗДІЛ 3. КЛАСИЧНА ОБРОБКА ЗОБРАЖЕННЯ (a) (b) (c) Рисунок 3.8: Сферичний детектор. Результат сферичного виявлення краю за допомогою серцевини (праворуч) відображається на вихідному зображенні (ліворуч). На зображенні використовуваного ядра (праворуч) білий відповідає значенню 1, а чорний - значенню 1. Максимуми (зелений) та мінімуми (синій) на середньому малюнку є центрами знайдених сфер.