Bone Image Segmentation and Recognition Using Image Processing Techniques
محل انتشار: چهارمین کنفرانس ماشین بینایی و پردازش تصویر
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 2,924
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP04_092
تاریخ نمایه سازی: 21 دی 1386
چکیده مقاله:
This paper presents a fast approach for bone image analysis including segmentation and recognition. Segmentation is carried out by K-means
clustering of the gray scale image, whereas the recognition phase is based on feature extraction and two-level statistical classication. The proposed approach has applications in medicine and veterinary anatomy studies, orthopedics, paleontology, and archaeology. Several image features, including geometric and moment invariants (regular and Zernike), are derived for recognition. The rst-level classication is used to distinguish different kinds of bone and the second-level to recognize the right animal the bone is belong to. Two-dimensional structures, namely clusterproperty and cluster-features matrices, have been employed to evaluate different bone’s characteristics. Experimental results at the rst-level recognition exhibit better performance of the geometric features compared to moment invariants and Zernike moments. On the other hand, Zernike moments showed supremacy in differential diagnosis at the second level to recognize animals.
نویسندگان
Abdolah Chalechale
Razi University
Aliasghar Bahari
Bu Ali sina university
Mheran Vatanchian
Bu Ali sina university
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :