Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Status:
Autorzy: Goleman Ryszard, Stryczewska Henryka, Mańko Monika, Giżewski Tomasz, Znajewska-Pander Aleksandra, Placek Waldemar, Owczarczyk-Samonek Agnieszka
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Arkusze wydawnicze: 0,5
Język: angielski
Strony: 1 - 4
Scopus® Cytowania: 0
Bazy: Scopus | IEEE Xplore
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: 9th International Conference ELMECO-9 " Electromagnetic Devices and Processes in Environment Protection " with 12th Seminar AoS-12 "Applications of Superconductors"
Skrócona nazwa konferencji: ELMECO & AoS 2017
URL serii konferencji: LINK
Termin konferencji: 3 grudnia 2017 do 6 grudnia 2017
Miasto konferencji: Nałęczów
Państwo konferencji: POLSKA
Publikacja OA: NIE
Abstrakty: angielski
The fractal analysis method in medical diagnosis is a promising tool in evaluating image parameters regardless of the scale used. From a discussion among dermatologists, it is clear that the problem of classification the pigmented skin lesions is large and the commercially available tools consider only changes in the shape, color, and symmetry in the image. The problems of selecting the binarization threshold, the use of graphical filters and the reduction of the number of free variables are presented. A computer program was created for automated image processing and fractal analysis, primarily based on the implementation of selected image binarization methods and selected image filters. Furthermore, the impact of the binarization threshold on fractal parameters was investigated. Statistical analysis has shown that the variables as fractal parameters can be linearly dependent on each other, and thus it is possible to reduce the input vector for classification algorithms.