Please use this identifier to cite or link to this item: https://doi.org/10.15480/882.2180
Fulltext available Open Access
DC FieldValueLanguage
dc.contributor.advisorLindner, Marko-
dc.contributor.authorNicolai, Christoph-
dc.date.accessioned2019-04-16T05:19:09Z-
dc.date.available2019-04-16T05:19:09Z-
dc.date.issued2019-
dc.identifier.urihttp://hdl.handle.net/11420/2305-
dc.description.abstractDie vorliegende Masterarbeit behandelt eine Klasse von Methoden zur sogenannten Bildsegmentierung. Dabei wird ein digitales Bild automatisch in einzelne Objekte zerlegt. Dies könnten zum Beispiel einzelne Personen sowie der Hintergrund auf einem Foto sein. In dieser Arbeit liegen die Anwendungsfelder aber im medizintechnischen Bereich bei Aufnahmen des menschlichen Gehirns. Bei diesen zwei- oder dreidimensionalen Aufnahmen des Gehirns sollen zum Beispiel die Regionen der sogenannten grauen Masse von denen weißer Masse sowie vom Hirnbalken und dem Hintergrund unterschieden werden. Die einzelnen Regionen können dann vermessen und im Laufe der Zeit beobachtet werden. Re- oder degenerative Prozesse im Gehirn können so nicht nur subjektiv durch den Arzt verfolgt, sondern automatisch quantifiziert und aufgezeichnet werden. Einfache Verfahren erstellen eine solche Segmentierung durch sogenanntes Thresholding. Hier werden die einzelnen Bildpunkte ausschließlich anhand ihres Helligkeitswerts einem Objekt zugeordnet. Bei Aufnahmen mit fließenden Übergängen zwischen den Helligkeitsstufen erhält man damit aber extrem viele kleine Segmente an den Übergangszonen. In der Masterarbeit geht es nun um die analytische Herleitung und effiziente Implementierung eines alternativen Ansatzes, die Minimierung des sogenannten Mumford-Shah-Funktionals. Die in der Arbeit vorgestellte Methode unterscheidet verschiedene Bildpunkte auch anhand deren Helligkeit, vermeidet aber gleichzeitig die Entstehung langer Segmentkanten und damit die Unterteilung in zu viele kleine Objekte.de
dc.description.abstractIn this master thesis, a class of methods for image segmentation is discussed. Image segmentation is the decomposition of an image in separate objects. An example for such a decomposition is the separation of individual persons and the background in a photograph. The focus of this thesis is medical image processing. An exemplary task is the segmentation of two- or three-dimensional images of the human brain, where the different objects could be white matter, grey matter, the corpus callosum and the background. Changes over time in the structure of the brain can then not only be subjectively assessed by a physician, but also be automatically quantified and observed. Basic methods compute such a segmentation by so-called thresholding. Here, image pixels are assigned to a region only by their brightness. For images with soft transitions between the different brightness levels, this yields many small segments along the object borders. The topic of this master thesis is the analytical derivation and efficient implementation of an alternative approach, the minimization of the so-called Mumford-Shah functional. The method discussed in this thesis also considers the brightness of the image pixels, but avoids the subdivision in too many small objects.en
dc.language.isoende_DE
dc.rightsinfo:eu-repo/semantics/openAccessde_DE
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/-
dc.subjectImage processingde_DE
dc.subjectImage segmentationde_DE
dc.subjectMumford–Shah functionalde_DE
dc.subjectMagnetic resonance imagingde_DE
dc.subjectPrimal-dual optimizationde_DE
dc.subject.ddc510: Mathematikde_DE
dc.titleImage segmentation methods and an application to brain imagesde_DE
dc.typeThesisde_DE
dcterms.dateAccepted2018-07-04-
dc.identifier.urnurn:nbn:de:gbv:830-882.030498-
dc.identifier.doi10.15480/882.2180-
dc.type.thesismasterThesisde_DE
dc.type.dinimasterThesis-
dc.subject.ddccode510-
dcterms.DCMITypeText-
tuhh.identifier.urnurn:nbn:de:gbv:830-882.030498-
tuhh.oai.showtruede_DE
tuhh.abstract.germanDie vorliegende Masterarbeit behandelt eine Klasse von Methoden zur sogenannten Bildsegmentierung. Dabei wird ein digitales Bild automatisch in einzelne Objekte zerlegt. Dies könnten zum Beispiel einzelne Personen sowie der Hintergrund auf einem Foto sein. In dieser Arbeit liegen die Anwendungsfelder aber im medizintechnischen Bereich bei Aufnahmen des menschlichen Gehirns. Bei diesen zwei- oder dreidimensionalen Aufnahmen des Gehirns sollen zum Beispiel die Regionen der sogenannten grauen Masse von denen weißer Masse sowie vom Hirnbalken und dem Hintergrund unterschieden werden. Die einzelnen Regionen können dann vermessen und im Laufe der Zeit beobachtet werden. Re- oder degenerative Prozesse im Gehirn können so nicht nur subjektiv durch den Arzt verfolgt, sondern automatisch quantifiziert und aufgezeichnet werden. Einfache Verfahren erstellen eine solche Segmentierung durch sogenanntes Thresholding. Hier werden die einzelnen Bildpunkte ausschließlich anhand ihres Helligkeitswerts einem Objekt zugeordnet. Bei Aufnahmen mit fließenden Übergängen zwischen den Helligkeitsstufen erhält man damit aber extrem viele kleine Segmente an den Übergangszonen. In der Masterarbeit geht es nun um die analytische Herleitung und effiziente Implementierung eines alternativen Ansatzes, die Minimierung des sogenannten Mumford-Shah-Funktionals. Die in der Arbeit vorgestellte Methode unterscheidet verschiedene Bildpunkte auch anhand deren Helligkeit, vermeidet aber gleichzeitig die Entstehung langer Segmentkanten und damit die Unterteilung in zu viele kleine Objekte.de_DE
tuhh.abstract.englishIn this master thesis, a class of methods for image segmentation is discussed. Image segmentation is the decomposition of an image in separate objects. An example for such a decomposition is the separation of individual persons and the background in a photograph. The focus of this thesis is medical image processing. An exemplary task is the segmentation of two- or three-dimensional images of the human brain, where the different objects could be white matter, grey matter, the corpus callosum and the background. Changes over time in the structure of the brain can then not only be subjectively assessed by a physician, but also be automatically quantified and observed. Basic methods compute such a segmentation by so-called thresholding. Here, image pixels are assigned to a region only by their brightness. For images with soft transitions between the different brightness levels, this yields many small segments along the object borders. The topic of this master thesis is the analytical derivation and efficient implementation of an alternative approach, the minimization of the so-called Mumford-Shah functional. The method discussed in this thesis also considers the brightness of the image pixels, but avoids the subdivision in too many small objects.de_DE
tuhh.publication.instituteMathematik E-10de_DE
tuhh.identifier.doi10.15480/882.2180-
tuhh.type.opusMasterarbeit-
tuhh.institute.germanMathematik E-10de
tuhh.institute.englishMathematik E-10de_DE
tuhh.gvk.hasppnfalse-
tuhh.contributor.refereeGuillemard, Mijail-
tuhh.hasurnfalse-
openaire.rightsinfo:eu-repo/semantics/openAccessde_DE
dc.type.drivermasterThesis-
thesis.grantor.universityOrInstitutionUniversität Hamburgde_DE
thesis.grantor.placeHamburgde_DE
dc.type.casraiSupervised Student Publication-
dc.rights.nationallicensefalsede_DE
local.status.inpressfalsede_DE
datacite.resourceTypeSupervised Student Publication-
datacite.resourceTypeGeneralText-
item.fulltextWith Fulltext-
item.refereeGNDGuillemard, Mijail-
item.cerifentitytypePublications-
item.advisorOrcidLindner, Marko-
item.refereeOrcidGuillemard, Mijail-
item.openairecristypehttp://purl.org/coar/resource_type/c_46ec-
item.advisorGNDLindner, Marko-
item.creatorOrcidNicolai, Christoph-
item.creatorGNDNicolai, Christoph-
item.openairetypeThesis-
item.grantfulltextopen-
item.languageiso639-1en-
item.mappedtypemasterThesis-
crisitem.author.orcid0000-0002-3432-6610-
Appears in Collections:Publications with fulltext
Files in This Item:
File Description SizeFormat
Nicolai - Image Segmentation.pdf18,04 MBAdobe PDFView/Open
Thumbnail
Show simple item record

Page view(s)

392
Last Week
1
Last month
9
checked on Nov 30, 2022

Download(s)

466
checked on Nov 30, 2022

Google ScholarTM

Check

Note about this record

Cite this record

Export

Items in TORE are protected by copyright, with all rights reserved, unless otherwise indicated.