Andere Kunden interessierten sich auch für
![Un umbral óptimo multinivel basado en la segmentación de imágenes en color]( "Un umbral óptimo multinivel basado en la segmentación de imágenes en color")
Un umbral óptimo multinivel basado en la segmentación de imágenes en color29,99 €![Segmentación de imágenes basada en blockchain]( "Segmentación de imágenes basada en blockchain")
Segmentación de imágenes basada en blockchain29,99 €![Sistema rápido y eficaz de compresión de imágenes sin pérdidas basado en VLSI]( "Sistema rápido y eficaz de compresión de imágenes sin pérdidas basado en VLSI")
Sistema rápido y eficaz de compresión de imágenes sin pérdidas basado en VLSI30,99 €![Análisis SAR en niños, adultos y pacientes con tumores cerebrales]( "Análisis SAR en niños, adultos y pacientes con tumores cerebrales")
Análisis SAR en niños, adultos y pacientes con tumores cerebrales30,99 €![Marca de agua en imágenes médicas]( "Marca de agua en imágenes médicas")
Marca de agua en imágenes médicas24,99 €![Técnicas de compresión de imágenes basadas en Wavelet para imágenes médicas]( "Técnicas de compresión de imágenes basadas en Wavelet para imágenes médicas")
Técnicas de compresión de imágenes basadas en Wavelet para imágenes médicas26,99 €![OPTIMIZACIÓN DE LA COMPRESIÓN DE IMÁGENES FRACTALES MEDIANTE ALGORITMOS METAHEURÍSTICOS]( "OPTIMIZACIÓN DE LA COMPRESIÓN DE IMÁGENES FRACTALES MEDIANTE ALGORITMOS METAHEURÍSTICOS")
OPTIMIZACIÓN DE LA COMPRESIÓN DE IMÁGENES FRACTALES MEDIANTE ALGORITMOS METAHEURÍSTICOS40,99 €
Se propone un nuevo método de marcos de procesamiento totalmente automático basado en algoritmos de contorno activo de corte de grafo geodésico. El algoritmo se aplica a la segmentación de imágenes utilizando dos tipos diferentes de vecindarios locales en la construcción del gráfico. El principal problema del enfoque Graph-Cut es la selección incorrecta de la región del hígado con una coloración similar a los garabatos del usuario que se identifica como región tumoral. Los resultados pueden mejorarse utilizando la nueva técnica propuesta basada en el método Graph-Cut geodésico. Este sistema se ha concentrado en encontrar un método de segmentación rápido e interactivo para la segmentación de hígado y tumores. En la etapa de preprocesamiento, la imagen de TC se procesa con un filtro de desplazamiento medio y un método de umbralización estadística para reducir el área de procesamiento y mejorar la tasa de detección. La segunda etapa es la segmentación del hígado; la región hepática se ha segmentado utilizando el algoritmo del método propuesto. En la siguiente etapa, la segmentación del tumor también sigue los mismos pasos. Por último, las regiones del hígado y del tumor se segmentan por separado a partir de la imagen de tomografía computerizada.