Αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών DNA

Στο πείραμα των μικροσυστοιχιών, η απόκτηση εικόνας συνοδεύεται πάντα από θόρυβο, ο οποίος είναι έμφυτος σε τέτοιου είδους διεργασίες. Είναι λοιπόν επιτακτική ανάγκη να χρησιμοποιηθούν τεχνικές προς καταστολή αυτού. Στην παρούσα εργασία αναλύονται μέθοδοι και παρουσιάζονται τα αποτελέσματά τους σε 5...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Καπρινιώτης, Αχιλλέας
Άλλοι συγγραφείς: Δερματάς, Ευάγγελος
Μορφή: Thesis
Γλώσσα:Greek
Έκδοση: 2009
Θέματα:
Διαθέσιμο Online:http://nemertes.lis.upatras.gr/jspui/handle/10889/1621
id nemertes-10889-1621
record_format dspace
spelling nemertes-10889-16212022-09-05T13:56:54Z Αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών DNA Καπρινιώτης, Αχιλλέας Δερματάς, Ευάγγελος Δερματάς, Ευάγγελος Δενάζης, Σπυρίδων Kapriniotis, Achilleas Στατικός μετασχηματισμός κυματιδίου Αφαίρεση θορύβου Stationary wavelet transform Image denoising 621.382 24 Στο πείραμα των μικροσυστοιχιών, η απόκτηση εικόνας συνοδεύεται πάντα από θόρυβο, ο οποίος είναι έμφυτος σε τέτοιου είδους διεργασίες. Είναι λοιπόν επιτακτική ανάγκη να χρησιμοποιηθούν τεχνικές προς καταστολή αυτού. Στην παρούσα εργασία αναλύονται μέθοδοι και παρουσιάζονται τα αποτελέσματά τους σε 5 επιλεγμένα παραδείγματα. Ιδιαίτερη έμφαση δίνεται στο wavelet denoising και συγκεκριμένα στους αλγορίθμους soft thresholding, hard thresholding και stationary wavelet transform. The subject of this diploma thesis is the manufacturing of a driver assistance system. Robust and reliable vehicle detection from images acquired by a moving vehicle (i.e., on road vehicle detection) is an important problem with applications to driver assistance systems and autonomous, self-guided vehicles. The focus of this diploma is on the issues of feature extraction and classification for rear-view vehicle detection. Specifically, by treating the problem of vehicle detection as a two-class classification problem, we have investigated several different feature extraction methods such as wavelets and Gabor filters. To evaluate the extracted features, we have experimented with two popular classifiers, neural networks and support vector machines (SVMs). 2009-06-18T16:54:13Z 2009-06-18T16:54:13Z 2009-03-19 2009-06-18T16:54:13Z Thesis http://nemertes.lis.upatras.gr/jspui/handle/10889/1621 gr 0 application/pdf
institution UPatras
collection Nemertes
language Greek
topic Στατικός μετασχηματισμός κυματιδίου
Αφαίρεση θορύβου
Stationary wavelet transform
Image denoising
621.382 24
spellingShingle Στατικός μετασχηματισμός κυματιδίου
Αφαίρεση θορύβου
Stationary wavelet transform
Image denoising
621.382 24
Καπρινιώτης, Αχιλλέας
Αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών DNA
description Στο πείραμα των μικροσυστοιχιών, η απόκτηση εικόνας συνοδεύεται πάντα από θόρυβο, ο οποίος είναι έμφυτος σε τέτοιου είδους διεργασίες. Είναι λοιπόν επιτακτική ανάγκη να χρησιμοποιηθούν τεχνικές προς καταστολή αυτού. Στην παρούσα εργασία αναλύονται μέθοδοι και παρουσιάζονται τα αποτελέσματά τους σε 5 επιλεγμένα παραδείγματα. Ιδιαίτερη έμφαση δίνεται στο wavelet denoising και συγκεκριμένα στους αλγορίθμους soft thresholding, hard thresholding και stationary wavelet transform.
author2 Δερματάς, Ευάγγελος
author_facet Δερματάς, Ευάγγελος
Καπρινιώτης, Αχιλλέας
format Thesis
author Καπρινιώτης, Αχιλλέας
author_sort Καπρινιώτης, Αχιλλέας
title Αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών DNA
title_short Αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών DNA
title_full Αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών DNA
title_fullStr Αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών DNA
title_full_unstemmed Αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών DNA
title_sort αφαίρεση θορύβου από ψηφιακές εικόνες μικροσυστοιχιών dna
publishDate 2009
url http://nemertes.lis.upatras.gr/jspui/handle/10889/1621
work_keys_str_mv AT kapriniōtēsachilleas aphairesēthorybouapopsēphiakeseikonesmikrosystoichiōndna
_version_ 1771297268684554240