Digital Image Processing of Cross-section Samples

Abstract

Tato disertační práce se věnuje digitální analýze a zpracování mikrosko- pických obrazových dat se zaměřením na vzorky v příčném řezu, které se odebírají z uměleckých děl, čímž práce tematicky částečně spadá do oblasti kulturního dědictví. Práce přispívá k řešení dvou problémů zpracování ob- razu - segmentace obrazu a vyhledávání na základě obrazové podobnosti. Za účelem studia chování různých segmentačních metod jsou na sadě snímků příčných řezů porovnány a vyhodnoceny výsledky těchto metod. Na tomto základě jsou navržena doporučení pro volbu metod vhodných pro segmen- taci mikroskopických snímků. Dále se práce věnuje přínosu kombinace/fúze segmentačních algoritmů a v textu je navrženo několik různých kombinač- ních postupů. Všechny výsledky jsou objektivně posouzeny a vyhodnoceny prostřednictvím několika indexů pro měření kvality segmentace v rámci mnoha experimentů. Použitelnost navržených řešení a zjištění je ověřena též na datech jiného než uměleckého původu. V druhé části se práce věnuje vyhledávání na základě obrazové podobnosti a představuje funkční řešení pro hledání podobných vzorků v databázi. Vyhledávání je implementováno v systému Nephele, který je určen pro zpracování a archivaci zpráv o mate- riálovém průzkumu. K tomu...

The thesis is aimed on the digital analysis and processing of micro- scopic image data with a focus on cross-section samples from the artworks which fall into cultural heritage domain. It contributes to solution of two different problems of image processing - image seg- mentation and image retrieval. The performance evaluation of differ- ent image segmentation methods on a data set of cross-section images is carried out in order to study the behavior of individual approaches and to propose guidelines how to choose suitable method for segmen- tation of microscopic images. Moreover, the benefit of segmenta- tion combination approach is studied and several distinct combination schemes are proposed. The evaluation is backed up by a large number of experiments where image segmentation algorithms are assessed by several segmentation quality measures. Applicability of achieved re- sults is shown on image data of different origin. In the second part, content-based image retrieval of cross-section samples is addressed and functional solution is presented. Its implementation is included in Nephele system, an expert system for processing and archiving the material research reports with image processing features, designed and implemented for the cultural heritage application area. 1