uu.seUppsala universitets publikasjoner
Endre søk
Begrens søket
1617181920 901 - 950 of 961
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Treff pr side
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
Merk
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 901.
    Wahlberg, Fredrik
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Dahllöf, Mats
    Uppsala universitet, Humanistisk-samhällsvetenskapliga vetenskapsområdet, Språkvetenskapliga fakulteten, Institutionen för lingvistik och filologi.
    Mårtensson, Lasse
    Uppsala universitet, Humanistisk-samhällsvetenskapliga vetenskapsområdet, Språkvetenskapliga fakulteten, Institutionen för nordiska språk.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Word Spotting in Pre-Modern Manuscripts using Dynamic Time Warping2012Inngår i: Proceedings of SSBA, 2012, 2012Konferansepaper (Annet vitenskapelig)
  • 902.
    Wahlberg, Fredrik
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Mårtensson, Lasse
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Estimating manuscript production dates using both image and language data2016Inngår i: Proceedings of SSBA, 2016, 2016Konferansepaper (Annet vitenskapelig)
  • 903.
    Wahlberg, Fredrik
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Mårtensson, Lasse
    Univ Gavle, Dept Business Studies, Gavle, Sweden.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Large scale continuous dating of medieval scribes using a combined image and language model2016Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Finding the production date of a pre-modern manuscript is commonly a long process in historical research, requiring days of work from highly specialised experts. In this paper, we present an automatic dating method based on modelling both the language and the image data. By creating a statistical model over the changes in the pen strokes and short character sequences in the transcribed text, a combination of multiple estimators give a distribution over the time line for each manuscript. We have evaluated our estimation scheme on the medieval charter collection "Svenskt Diplomatariums huvudkartotek" (SDHK), including more than 5300 transcribed charters from the period 1135 - 1509. Our system is capable of achieving a median absolute error of 12 years, where the only human input is a transcription of the charter text. Since reading and transcribing the text is a skill that many researchers and students have, compared to the more specialized skill of dating medieval manuscripts based on palaeographical expertise, we find our novel approach suitable for helping individual researchers to date collections of manuscript pages. For larger collections, transcriptions could also be collected using crowd sourcing.

    Fulltekst (pdf)
    fulltext
  • 904.
    Wahlberg, Fredrik
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Mårtensson, Lasse
    Högskolan i Gävle.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Large scale style based dating of medieval manuscripts2015Inngår i: Proc. 3rd International Workshop on Historical Document Imaging and Processing, New York: ACM Press, 2015, s. 107-114Konferansepaper (Fagfellevurdert)
    Fulltekst (pdf)
    fulltext
  • 905.
    Wahlberg, Fredrik
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Mårtensson, Lasse
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Scribal Attribution using a Novel 3-D Quill-Curvature Feature Histogram2014Inngår i: Proceedings International Conference on Frontiers in Handwriting Recognition (ICFHR), 2014, 2014Konferansepaper (Fagfellevurdert)
    Abstract [en]

    In this paper, we propose a novel pipeline forautomated scribal attribution based on the Quill feature: 1) Wecompensate the Quill feature histogram for pen changes andpage warping. 2) We add curvature as a third dimension in thefeature histogram, to better separate characteristics like loopsand lines. 3) We also investigate the use of several dissimilaritymeasures between the feature histograms. 4) We propose andevaluate semi-supervised learning for classification, to reducethe need of labeled samples.Our evaluation is performed on 1104 pages from a 15thcentury Swedish manuscript. It was chosen because it repre-sents a significant part of Swedish manuscripts of said period.Our results show that only a few percent of the materialneed labelling for average precisions above 95%. Our novelcurvature and registration extensions, together with semi-supervised learning, outperformed the current Quill feature.

    Fulltekst (pdf)
    fulltext
  • 906.
    Wahlberg, Fredrik
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Wilkinson, Tomas
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Historical Manuscript Production Date Estimation using Deep Convolutional Neural Networks2016Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Deep learning has thus far not been used for dating of pre-modern handwritten documents. In this paper, we propose ways of using deep convolutional neural networks (CNNs) to estimate production dates for such manuscripts. In our approach, a CNN can either be used directly for estimating the production date or as a feature learning framework for other regression techniques. We explore the feature learning approach using Gaussian Processes regression and Support Vector Regression.The evaluation is performed on a unique large dataset of over 10000 medieval charters from the Swedish collection Svenskt Diplomatariums huvudkartotek (SDHK). We show that deep learning is applicable to the task of dating documents and that the performance is on average comparable to that of a human expert.

    Fulltekst (pdf)
    fulltext
  • 907. Wang, Chunliang
    et al.
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för beräkningsvetenskap. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Smedby, Örjan
    Fast level-set based image segmentation using coherent propagation2014Inngår i: Medical physics (Lancaster), ISSN 0094-2405, Vol. 41, s. 073501:1-11Artikkel i tidsskrift (Fagfellevurdert)
  • 908. Wang, Xiaoye Michael
    et al.
    Lind, Mats
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Bingham, Geoffrey P.
    Large continuous perspective change with noncoplanar points enables accurate slant perception2018Inngår i: Journal of Experimental Psychology: Human Perception and Performance, ISSN 0096-1523, E-ISSN 1939-1277, Vol. 44, nr 10, s. 1508-1522Artikkel i tidsskrift (Fagfellevurdert)
  • 909. Wang, Yizhi
    et al.
    Wang, Congchao
    Ranefall, Petter
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Broussard, Gerard Joey
    Wang, Yinxue
    Shi, Guilai
    Lyu, Boyu
    Wu, Chiung-Ting
    Wang, Yue
    Tian, Lin
    Yu, Guoqiang
    SynQuant: An Automatic Tool to Quantify Synapses from Microscopy Images2019Inngår i: Bioinformatics, ISSN 1367-4803, E-ISSN 1367-4811Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Synapses are essential to neural signal transmission. Therefore, quantification of synapses and related neurites from images is vital to gain insights into the underlying pathways of brain functionality and diseases. Despite the wide availability of synaptic punctum imaging data, several issues are impeding satisfactory quantification of these structures by current tools. First, the antibodies used for labeling synapses are not perfectly specific to synapses. These antibodies may exist in neurites or other cell compartments. Second, the brightness of different neurites and synaptic puncta is heterogeneous due to the variation of antibody concentration and synapse-intrinsic differences. Third, images often have low signal to noise ratio due to constraints of experiment facilities and availability of sensitive antibodies. These issues make the detection of synapses challenging and necessitates developing a new tool to easily and accurately quantify synapses.We present an automatic probability-principled synapse detection algorithm and integrate it into our synapse quantification tool SynQuant. Derived from the theory of order statistics, our method controls the false discovery rate and improves the power of detecting synapses. SynQuant is unsupervised, works for both 2D and 3D data, and can handle multiple staining channels. Through extensive experiments on one synthetic and three real data sets with ground truth annotation or manually labeling, SynQuant was demonstrated to outperform peer specialized unsupervised synapse detection tools as well as generic spot detection methods.Supplementary data are available at Bioinformatics online. Java source code, Fiji plug-in, and test data are available at https://github.com/yu-lab-vt/SynQuant.

  • 910. Way, Benjamin L. M.
    et al.
    Khonsari, Roman H.
    Karunakaran, Tharsika
    Nysjö, Johan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Nyström, Ingela
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Dunaway, David J.
    Evans, Robert D.
    Hayward, Richard D.
    Britto, Jonathan A.
    Correcting exorbitism by monobloc frontofacial advancement in Crouzon–Pfeiffer syndrome: An age-specific, time-related, controlled study2019Inngår i: Plastic and reconstructive surgery (1963), ISSN 0032-1052, E-ISSN 1529-4242, Vol. 143, nr 1, s. 121e-132eArtikkel i tidsskrift (Fagfellevurdert)
  • 911.
    Weibrecht, Irene
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylära verktyg. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Gavrilovic, Milan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Lindbom, Lena
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylära verktyg. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Landegren, Ulf
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylära verktyg. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Söderberg, Ola
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylära verktyg. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Visualising individual sequence-specific protein-DNA interactions in situ2012Inngår i: New Biotechnology, ISSN 1871-6784, E-ISSN 1876-4347, Vol. 29, nr 5, s. 589-598Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Gene expression-a key feature for modulating cell fate-is regulated in part by histone modifications, which modulate accessibility of the chromatin to transcription factors. Until now, protein-DNA interactions (PDIs) have mostly been studied in bulk without retrieving spatial information from the sample or with poor sequence resolution. New tools are needed to reveal proteins interacting with specific DNA sequences in situ for further understanding of the orchestration of transcriptional control within the nucleus. We present herein an approach to visualise individual PDIs within cells, based on the in situ proximity ligation assay (PLA). This assay, previously used for the detection of protein-protein interactions in situ, was adapted for analysis of target PDIs, using padlock probes to identify unique DNA sequences in complex genomes. As a proof-of-principle we detected histone H3 interacting with a 26bp consensus sequence of the Alu-repeat abundantly expressed in the human genome, but absent in mice. However, the mouse genome contains a highly similar sequence, providing a model system to analyse the selectivity of the developed methods. Although efficiency of detection currently is limiting, we conclude that in situ PLA can be used to achieve a highly selective analysis of PDIs in single cells.

  • 912.
    Wernersson, Erik L. G.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Boone, M. N.
    Ghent University.
    Van den Bulcke, J.
    Ghent University.
    Van Hoorebeke, L.
    Ghent University.
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Understanding phase contrast artefacts in micro computed absorption tomography2014Inngår i: Proceedings SSBA 2014, Symposium on Image Analysis, 2014Konferansepaper (Annet vitenskapelig)
  • 913.
    Wernersson, Erik L. G.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Boone, Matthieu N.
    Van den Bulcke, Jan
    Van Hoorebeke, Luc
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Postprocessing method for reducing phase effects in reconstructed microcomputed-tomography data2013Inngår i: Optical Society of America. Journal A: Optics, Image Science, and Vision, ISSN 1084-7529, E-ISSN 1520-8532, Vol. 30, nr 3, s. 455-461Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    With increased resolution in x-ray computed tomography, refraction adds increasingly to the attenuation signal. Though potentially beneficial, the artifacts caused by refraction often need to be removed from the image. In this paper, we propose a postprocessing method, based on deconvolution, that is able to remove these artifacts after conventional reconstruction. This method poses two advantages over existing projection-based (preprocessing) phase-retrieval or phase-removal algorithms. First, evaluation of the parameters can be done very quickly, improving the overall speed of the method. Second, postprocessing methods can be applied when projection data is not available, which occurs in several commercial systems with closed software or when projection data has been deleted. It is shown that the proposed method performs comparably to state-of-the-art methods in terms of image quality.

  • 914.
    Wernersson, Erik L. G.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Borodulina, Svetlana
    Kulachenko, Artem
    Borgefors, Gunilla
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Characterisations of fibre networks in paper using micro computed tomography images2014Inngår i: Nordic Pulp & Paper Research Journal, ISSN 0283-2631, E-ISSN 2000-0669, Vol. 29, nr 3, s. 468-475Artikkel i tidsskrift (Fagfellevurdert)
  • 915.
    Wernersson, Erik L. G.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Accurate estimation of Gaussian and mean curvature in volumetric images2011Inngår i: International Conference on 3D Imaging, Modeling, Processing, Visualization, and Transmission, 3DIMPVT 2011, IEEE Publications , 2011, s. 312-317Konferansepaper (Fagfellevurdert)
  • 916.
    Wernersson, Erik L. G.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Calculating curvature from orientation fields in volumetric images2011Konferansepaper (Annet vitenskapelig)
  • 917.
    Wetzer, Elisabeth
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Hultenby, Kjell
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Towards automated multiscale Glomeruli detection and analysis in TEM by fusion of CNN and LBP maps2019Inngår i: 3rd NEUBIAS Conference, Luxembourg, 2019Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Glomeruli are special structures in kidneys which filter the plasma volume from metabolic waste.Podocytes are cells that wrap around the capillaries of the Glomerulus. They take an active role in the renal filtration by preventing plasma proteins from entering the urinary ultrafiltrate through slits between so called foot processes. A number of diseases, such as minimal change disease, systemic lupus and diabetic nephropathy, can affect the glomerulus and have serious impact on the kidneys and their function.When the resolution of optical microscopy is insufficient for a diagnosis, it is necessary to thoroughly examine the morphology of the podocytes in transmission electron microscopy (TEM). This includes measuring the size and shape of the foot processes, the thickness and overall morphology of the Glomerulus Base Membrane (GBM), and the number of slits along the GBM.The high resolution of TEM images produces large amounts of data and requires long acquisition time, which makes automated imaging and Glomerulus detection a desired option. We present a multi-step and multi-scale approach to automatically detect Glomeruli and subsequently foot processes by using convolutional neural networks (CNN). Previously, texture information in the form of local binary patterns (LBPs) has shown great success in Glomerulus detection in different modalities other than TEM. This motivates our approach to explore different methods to incorporate LBPs in CNN training to enhance the performance over training exclusively on intensity images. We use a modified approximation of the Earth mover’s distance to define dissimilarities between the initially unordered binary codes resulting from pixel-wise LBP computations.Multidimensional scaling based on those dissimilarities can be applied to compute LBP maps which are suitable as CNN input. We explore the effect of different radii and dimensions for the LBP maps generation, as well as the impact of early, mid and late fusion of intensity and texture information input. We compare the performance of ResNet50 and VGG16-like architectures. Furthermore we provide comparison of transfer learning of networks pretrained on ImageNet, as well as on a publicly available SEM database, a network architecture in which convolutional layers are replaced by local binary convolutional layers, as well as ‘classic’ methods such as SVM or 1-NN classification based on LBP histograms.We show that for Glomerulus detection, where texture is a main discriminative feature, CNN training on the texture based input provides complementary information not learned by the network on the intensity images and mid and late fusion can boost performance. In foot process detection, in which the scale shifts the focus from texture to morphology, the performance also benefits by the handcrafted texture features, though to a lesser extent than for the larger scale Glomerulus detection.

  • 918.
    Wetzer, Elisabeth
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Hultenby, Kjell
    Karolinska Institute.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Towards automated multiscale imaging and analysis in TEM: Glomeruli detection by fusion of CNN and LBP maps2018Inngår i: Swedish Symposium on Deep Learning, 2018Konferansepaper (Annet vitenskapelig)
  • 919.
    Wetzer, Elisabeth
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Hultenby, Kjell
    Karolinska Institute.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Towards automated multiscale imaging and analysis in TEM: Glomerulus detection by fusion of CNN and LBP maps2018Inngår i: Workshop on BioImage Computing @ ECCV 2018, Springer, 2018, s. 465-475Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Glomerulal structures in kidney tissue have to be analysed at a nanometer scale for several medical diagnoses. They are therefore commonly imaged using Transmission Electron Microscopy. The high resolution produces large amounts of data and requires long acquisition time, which makes automated imaging and glomerulus detection a desired option. This paper presents a deep learning approach for Glomerulus detection, using two architectures, VGG16 (with batch normalization) and ResNet50. To enhance the performance over training based only on intensity images, multiple approaches to fuse the input with texture information encoded in local binary patterns of different scales have been evaluated. The results show a consistent improvement in Glomerulus detection when fusing texture-based trained networks with intensity-based ones at a late classification stage.

  • 920.
    Wetzer, Elisabeth
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Vienna University of Technology.
    Lohninger, Hans
    Vienna University of Technology.
    Image Processing using Color SpaceModels for Forensic Fiber Detection2018Inngår i: IFAC PapersOnLine, 2018, Vol. 51, s. 445-450Konferansepaper (Fagfellevurdert)
  • 921.
    White, Edward Peter Greenwood
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Thatcher, Andrew
    How mobile phones affect the sustainability of the work/life balance of their users2015Inngår i: Foundations of Augmented Cognition, Springer, 2015, s. 393-400Konferansepaper (Fagfellevurdert)
    Abstract [en]

    This study examined the relationship between sustainability of mobile phone users and work-life balance. Twenty-seven interviews were performed on managerial level mobile phone owners over the duration of a month and half. The study extends Clark's [1] original Border theory that fails to mention how mobile phones (or indeed any other information and communication technology) influence the borders between the two domains. This study found technology has a definitive impact with separate users groups emerging from the data; border-extenders, border-adapters and border-enforcers.

  • 922. Whitehouse, Diane
    et al.
    Patrignani, Norberto
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Computers, time and speed: Five slow tech case studies2014Inngår i: ICT and society / [ed] K. Kimppa, D. Whitehouse, T. Kuusela and J. Phahlamohlaka, Berlin/Heidelberg: Springer Berlin/Heidelberg, 2014, s. 122-135Konferansepaper (Fagfellevurdert)
    Abstract [en]

    This chapter examines briefly the notions of time and speed. It introduces the notion of Slow Tech:information technology that is good, clean and fair, and places an especial emphasis on technologythat is clean. This chapter does not delve deep into the Slow Tech concept. Rather, it highlights a setof arguments about why speed is not always important or necessary. People are now increasinglybeginning to think about much longer periods and phases that may extend at least as long as theexistence of human beings on the globe. As illustrations, the chapter explores five specific casestudies. Each comes from a different location, yet all describe global implications and challenges.One example is in fact a mathematical model. Two sites, in sympathy with the location of theHuman Choice and Computing 11 (HCC11) conference, are from Scandinavia – one from Onkalo,Finland, and a second from Svalbard, a northern Norwegian island. A further two cases are from theUnited States of America. The logic behind these five case studies strengthens the arguments aboutwhy − with the support of the Slow Tech concept − it is increasingly important for society and itsmany stakeholders to question the current information and communication technology (ICT)obsession with speed and rethink the relationships between society and technology.

  • 923. Whitehouse, Diane
    et al.
    Patrignani, Norberto
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    From slow food to slow tech: A reflection paper2013Inngår i: ICT, society and human beings / [ed] P. Kommers and C. Gauzente, Prague: IADIS Press, 2013, s. 141-145Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Increasing challenges are facing the information society, particularly in terms of its sustainability and continuity. Humanbeings are finding it more and more difficult to cope with the accelerating speed of information and communicationtechnologies (ICT). Society has been seduced by a rapid pace of development of ICT, progressively celebrated year onyear for its growing speed and power. This reflection paper proposes a new way of thinking about ICT in the future: aslower, more careful, more considered, and more ethical manner (a slow tech approach). It concentrates on the need forslow tech: ICT that is good, clean, and fair. It then provides some additional reflections on how such an approach couldbe developed further.

  • 924.
    Wieslander, Håkan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Forslid, Gustav
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Hirsch, Jan-Michaél
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Runow Stark, Christina
    Sadanandan, Sajith Kecheril
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Deep convolutional neural networks for detecting cellular changes due to malignancy2017Inngår i: Proc. 16th International Conference on Computer Vision Workshops, IEEE Computer Society, 2017, s. 82-89Konferansepaper (Fagfellevurdert)
  • 925.
    Wieslander, Håkan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Spjuth, Ola
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Harrison, Philip J
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Skogberg, Gabriel
    Department COPD and IPF, Respiratory, Inflammation and Autoimmunity, R&D, AstraZeneca, Gothenburg, Sweden.
    Jackson, Sonya
    Department of Translational Science and Experimental Medicine, Respiratory, Inflammation and Autoimmunity, R&D, AstraZeneca, Gothenburg, Sweden.
    Karlsson, Johan
    Data Sciences & Quantitative Biology, Discovery Sciences, R&D, Astra Zeneca, Gothenburg, Sweden.
    Fridén, Marcus
    Department of Drug Metabolism and Pharmacoki- ´ netics, Respiratory, Inflammation and Autoimmunity, R&D, AstraZeneca, Gothenburg, Sweden.
    Deep learning and conformal prediction for hierarchical analysis of large-scale whole-slide tissue images2020Inngår i: IEEE journal of biomedical and health informatics, ISSN 2168-2194, E-ISSN 2168-2208Artikkel i tidsskrift (Fagfellevurdert)
  • 926.
    Wilkinson, Tomas
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Learning based Word Search and Visualisation for Historical Manuscript Images2019Doktoravhandling, med artikler (Annet vitenskapelig)
    Abstract [en]

    Today, work with historical manuscripts is nearly exclusively done manually, by researchers in the humanities as well as laypeople mapping out their personal genealogy. This is a highly time consuming endeavour as it is not uncommon to spend months with the same volume of a few hundred pages. The last few decades have seen an ongoing effort to digitise manuscripts, both preservation purposes and to increase accessibility. This has the added effect of enabling the use methods and algorithms from Image Analysis and Machine Learning that have great potential in both making existing work more efficient and creating new methodologies for manuscript-based research.

    The first part of this thesis focuses on Word Spotting, the task of searching for a given text query in a manuscript collection. This can be broken down into two tasks, detecting where the words are located on the page, and then ranking the words according to their similarity to a search query. We propose Deep Learning models to do both, separately and then simultaneously, and successfully search through a large manuscript collection consisting of over a hundred thousand pages.

    A limiting factor in applying learning-based methods to historical manuscript images is the cost, and therefore, lack of annotated data needed to train machine learning models. We propose several ways to mitigate this problem, including generating synthetic data, augmenting existing data to get better value from it, and learning from pre-existing, partially annotated data that was previously unusable.

    In the second part, a method for visualising manuscript collections called the Image-based Word Cloud is proposed. Much like it text-based counterpart, it arranges the most representative words in a collection into a cloud, where the size of the words are proportional to their frequency of occurrence. This grants a user a single image overview of a manuscript collection, regardless of its size. We further propose a way to estimate a manuscripts production date. This can grant historians context that is crucial for correctly interpreting the contents of a manuscript.

    Delarbeid
    1. Bootstrapping Weakly Supervised Segmentation-free Word Spotting through HMM-based Alignment
    Åpne denne publikasjonen i ny fane eller vindu >>Bootstrapping Weakly Supervised Segmentation-free Word Spotting through HMM-based Alignment
    (engelsk)Manuskript (preprint) (Annet vitenskapelig)
    Abstract [en]

    Recent work in word spotting in handwritten documents has yielded impressive results. Yet this progress has largely been made by supervised learning systems which are dependant on manually annotated data, making deployment to new collections a significant effort. In this paper we propose an approach utilising transcriptions without bounding box annotations to train segmentation-free word spotting models, given a model partially trained with full annotations. This is done through an alignment procedure based on hidden Markov models. This model can create a tentative mapping between word region proposals and the transcriptions to automatically create additional weakly annotated training data. Using as little as 1% and 10% of the fully annotated training sets for partial convergence, we automatically annotate the remaining training data and successfully train using it. Across all datasets, our approach comes within a few mAP% of achieving the same performance as a model trained with only full ground truth. We believe that this will be a significant advance towards a more general use of word spotting, since digital transcription data will already exist for parts of many collections of interest.

    Emneord
    weakly supervised, segmentation-free word spotting, convolutional neural network, hidden Markov model
    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-381304 (URN)
    Prosjekter
    q2b
    Forskningsfinansiär
    Swedish Research Council, 2012-5743Riksbankens Jubileumsfond, NHS14-2068:1
    Tilgjengelig fra: 2019-04-07 Laget: 2019-04-07 Sist oppdatert: 2019-04-08
    2. Neural Word Search in Historical Manuscript Collections
    Åpne denne publikasjonen i ny fane eller vindu >>Neural Word Search in Historical Manuscript Collections
    (engelsk)Manuskript (preprint) (Annet vitenskapelig)
    Abstract [en]

    We address the problem of segmenting and retrieving word images in collections of historical manuscripts given a text query. This is commonly referred to as "word spotting". To this end, we first propose an end-to-end trainable model based on deep neural networks that we dub Ctrl-F-Net. The model simultaneously generates region proposals and embeds them into a word embedding space, wherein a search is performed. We further introduce a simplified version called Ctrl-F-Mini. It is faster with similar performance, though it is limited to more easily segmented manuscripts. We evaluate both models on common benchmark datasets and surpass the previous state of the art. Finally, in collaboration with historians, we employ the Ctrl-F-Net to search within a large manuscript collection of over 100 thousand pages, written across two centuries. With only 11 training pages, we enable large scale data collection in manuscript-based historical research. This results in a speed up of data collection and the number of manuscripts processed by orders of magnitude. Given the time consuming manual work required to study old manuscripts in the humanities, quick and robust tools for word spotting has the potential to revolutionise domains like history, religion and language.

    Emneord
    Word spotting, Historical Manuscripts, Deep Convolutional Neural Network, Region Proposals
    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-381306 (URN)
    Prosjekter
    q2b
    Forskningsfinansiär
    Swedish Research Council, 2012-5743Riksbankens Jubileumsfond, NHS14-2068:1
    Tilgjengelig fra: 2019-04-07 Laget: 2019-04-07 Sist oppdatert: 2019-04-08
    3. Neural Ctrl-F: Segmentation-free query-by-string word spotting in handwritten manuscript collections
    Åpne denne publikasjonen i ny fane eller vindu >>Neural Ctrl-F: Segmentation-free query-by-string word spotting in handwritten manuscript collections
    2017 (engelsk)Inngår i: 2017 IEEE International Conference on Computer Vision (ICCV), IEEE, 2017, s. 4443-4452Konferansepaper, Publicerat paper (Fagfellevurdert)
    Abstract [en]

    In this paper, we approach the problem of segmentation-free query-by-string word spotting for handwritten documents. In other words, we use methods inspired from computer vision and machine learning to search for words in large collections of digitized manuscripts. In particular, we are interested in historical handwritten texts, which are often far more challenging than modern printed documents. This task is important, as it provides people with a way to quickly find what they are looking for in large collections that are tedious and difficult to read manually. To this end, we introduce an end-to-end trainable model based on deep neural networks that we call Ctrl-F-Net. Given a full manuscript page, the model simultaneously generates region proposals, and embeds these into a distributed word embedding space, where searches are performed. We evaluate the model on common benchmarks for handwritten word spotting, outperforming the previous state-of-the-art segmentation-free approaches by a large margin, and in some cases even segmentation-based approaches. One interesting real-life application of our approach is to help historians to find and count specific words in court records that are related to women's sustenance activities and division of labor. We provide promising preliminary experiments that validate our method on this task.

    sted, utgiver, år, opplag, sider
    IEEE, 2017
    Serie
    IEEE International Conference on Computer Vision, E-ISSN 1550-5499
    Emneord
    Segmentation-free Word Spotting, Deep Learning, Convolutional Neural Network, Query-by-String
    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-335926 (URN)10.1109/ICCV.2017.475 (DOI)000425498404054 ()978-1-5386-1032-9 (ISBN)
    Konferanse
    16th IEEE International Conference on Computer Vision (ICCV), Venice, Italy, October 22-29, 2017
    Prosjekter
    q2b
    Forskningsfinansiär
    Swedish Research Council, 2012-5743Riksbankens Jubileumsfond, NHS14-2068:1
    Tilgjengelig fra: 2017-12-11 Laget: 2017-12-11 Sist oppdatert: 2019-04-08bibliografisk kontrollert
    4. Visualizing document image collections using image-based word clouds
    Åpne denne publikasjonen i ny fane eller vindu >>Visualizing document image collections using image-based word clouds
    2015 (engelsk)Inngår i: Advances in Visual Computing: 11th International Symposium, ISVC 2015, Las Vegas, NV, USA, December 14-16, 2015, Proceedings, Part I / [ed] Bebis, G; Boyle, R; Parvin, B; Koracin, D; Pavlidis, I; Feris, R; McGraw, T; Elendt, M; Kopper, R; Ragan, E; Ye, Z; Weber, G, Springer, 2015, s. 297-306Konferansepaper, Publicerat paper (Fagfellevurdert)
    sted, utgiver, år, opplag, sider
    Springer, 2015
    Serie
    Lecture Notes in Computer Science, ISSN 0302-9743 ; 9474
    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-272193 (URN)10.1007/978-3-319-27857-5_27 (DOI)000376400300027 ()9783319278568 (ISBN)9783319278575 (ISBN)
    Konferanse
    ISVC 2015, December 14–16, Las Vegas, NV
    Prosjekter
    q2b
    Forskningsfinansiär
    Swedish Research Council, 2012-5743
    Tilgjengelig fra: 2015-12-18 Laget: 2016-01-12 Sist oppdatert: 2019-04-08bibliografisk kontrollert
    5. A novel word segmentation method based on object detection and deep learning
    Åpne denne publikasjonen i ny fane eller vindu >>A novel word segmentation method based on object detection and deep learning
    2015 (engelsk)Inngår i: Advances in Visual Computing: 11th International Symposium, ISVC 2015, Las Vegas, NV, USA, December 14-16, 2015, Proceedings, Part I / [ed] Bebis, G; Boyle, R; Parvin, B; Koracin, D; Pavlidis, I; Feris, R; McGraw, T; Elendt, M; Kopper, R; Ragan, E; Ye, Z; Weber, G, Springer, 2015, s. 231-240Konferansepaper, Publicerat paper (Fagfellevurdert)
    Abstract [en]

    The segmentation of individual words is a crucial step in several data mining methods for historical handwritten documents. Examples of applications include visual searching for query words (word spotting) and character-by-character text recognition. In this paper, we present a novel method for word segmentation that is adapted from recent advances in computer vision, deep learning and generic object detection. Our method has unique capabilities and it has found practical use in our current research project. It can easily be trained for different kinds of historical documents, uses full gray scale information, does not require binarization as pre-processing or prior segmentation of individual text lines. We evaluate its performance using established error metrics, previously used in competitions for word segmentation, and demonstrate its usefulness for a 15th century handwritten document.

    sted, utgiver, år, opplag, sider
    Springer, 2015
    Serie
    Lecture Notes in Computer Science, ISSN 0302-9743 ; 9474
    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-272181 (URN)10.1007/978-3-319-27857-5_21 (DOI)000376400300021 ()9783319278568 (ISBN)9783319278575 (ISBN)
    Konferanse
    ISVC 2015, December 14–16, Las Vegas, NV
    Prosjekter
    q2b
    Forskningsfinansiär
    Swedish Research Council, 2012-5743
    Tilgjengelig fra: 2015-12-18 Laget: 2016-01-12 Sist oppdatert: 2019-04-08bibliografisk kontrollert
    6. Semantic and Verbatim Word Spotting using Deep Neural Networks
    Åpne denne publikasjonen i ny fane eller vindu >>Semantic and Verbatim Word Spotting using Deep Neural Networks
    2016 (engelsk)Inngår i: Proceedings Of 2016 15Th International Conference On Frontiers In Handwriting Recognition (Icfhr), 2016, s. 307-312Konferansepaper, Publicerat paper (Fagfellevurdert)
    Abstract [en]

    In the last few years, deep convolutional neural networks have become ubiquitous in computer vision, achieving state-of-the-art results on problems like object detection, semantic segmentation, and image captioning. However, they have not yet been widely investigated in the document analysis community. In this paper, we present a word spotting system based on convolutional neural networks. We train a network to extract a powerful image representation, which we then embed into a word embedding space. This allows us to perform wordspotting using both query-by-string and query-by-example in a variety of word embedding spaces, both learned and handcrafted, for verbatim as well as semantic word spotting. Our novel approach is versatile and the evaluation shows that it outperforms the previous state-of-the-art for word spotting on standard datasets.

    Serie
    International Conference on Handwriting Recognition, ISSN 2167-6445
    Emneord
    handwritten word spotting, convolutional neural networks, deep learning, word embeddings
    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-306667 (URN)10.1109/ICFHR.2016.60 (DOI)000400052400056 ()978-1-5090-0981-7 (ISBN)
    Konferanse
    15th International Conference on Frontiers in Handwriting Recognition (ICFHR), October 23-26, 2016, Shenzhen, China.
    Prosjekter
    q2b
    Forskningsfinansiär
    Swedish Research Council, 2012-5743Riksbankens Jubileumsfond, NHS14-2068:1
    Tilgjengelig fra: 2016-11-01 Laget: 2016-11-01 Sist oppdatert: 2019-04-08
    7. Historical Manuscript Production Date Estimation using Deep Convolutional Neural Networks
    Åpne denne publikasjonen i ny fane eller vindu >>Historical Manuscript Production Date Estimation using Deep Convolutional Neural Networks
    2016 (engelsk)Konferansepaper, Publicerat paper (Fagfellevurdert)
    Abstract [en]

    Deep learning has thus far not been used for dating of pre-modern handwritten documents. In this paper, we propose ways of using deep convolutional neural networks (CNNs) to estimate production dates for such manuscripts. In our approach, a CNN can either be used directly for estimating the production date or as a feature learning framework for other regression techniques. We explore the feature learning approach using Gaussian Processes regression and Support Vector Regression.The evaluation is performed on a unique large dataset of over 10000 medieval charters from the Swedish collection Svenskt Diplomatariums huvudkartotek (SDHK). We show that deep learning is applicable to the task of dating documents and that the performance is on average comparable to that of a human expert.

    sted, utgiver, år, opplag, sider
    IEEE, 2016
    Serie
    International Conference on Handwriting Recognition, ISSN 2167-6445
    Emneord
    Document analysis, Manuscripts, Document dating, Digital Humanities
    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-306685 (URN)10.1109/ICFHR.2016.114 (DOI)000400052400039 ()978-1-5090-0981-7 (ISBN)
    Konferanse
    International Conference on Frontiers in Handwriting Recognition (ICFHR), October 23-26, 2016, Shenzhen, China.
    Prosjekter
    q2bq2b_vr2012
    Forskningsfinansiär
    Swedish Research Council, 2012-5743Riksbankens Jubileumsfond, NHS14-2068:1
    Tilgjengelig fra: 2016-11-01 Laget: 2016-11-01 Sist oppdatert: 2019-04-08
    8. CalligraphyNet: Augmenting handwriting generation with quill based stroke width
    Åpne denne publikasjonen i ny fane eller vindu >>CalligraphyNet: Augmenting handwriting generation with quill based stroke width
    2019 (engelsk)Manuskript (preprint) (Annet vitenskapelig)
    Abstract [en]

    Realistic handwritten document generation garners a lot ofinterest from the document research community for its abilityto generate annotated data. In the current approach we haveused GAN-based stroke width enrichment and style transferbased refinement over generated data which result in realisticlooking handwritten document images. The GAN part of dataaugmentation transfers the stroke variation introduced by awriting instrument onto images rendered from trajectories cre-ated by tracking coordinates along the stylus movement. Thecoordinates from stylus movement are augmented with thelearned stroke width variations during the data augmentationblock. An RNN model is then trained to learn the variationalong the movement of the stylus along with the stroke varia-tions corresponding to an input sequence of characters. Thismodel is then used to generate images of words or sentencesgiven an input character string. A document image thus cre-ated is used as a mask to transfer the style variations of the inkand the parchment. The generated image can capture the colorcontent of the ink and parchment useful for creating annotated data.

    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-379633 (URN)
    Konferanse
    26th IEEE International Conference on Image Processing
    Merknad

    Currently under review

    Tilgjengelig fra: 2019-03-19 Laget: 2019-03-19 Sist oppdatert: 2019-04-08
    Fulltekst (pdf)
    fulltext
    Download (jpg)
    presentationsbild
  • 927.
    Wilkinson, Tomas
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    A novel word segmentation method based on object detection and deep learning2015Inngår i: Advances in Visual Computing: 11th International Symposium, ISVC 2015, Las Vegas, NV, USA, December 14-16, 2015, Proceedings, Part I / [ed] Bebis, G; Boyle, R; Parvin, B; Koracin, D; Pavlidis, I; Feris, R; McGraw, T; Elendt, M; Kopper, R; Ragan, E; Ye, Z; Weber, G, Springer, 2015, s. 231-240Konferansepaper (Fagfellevurdert)
    Abstract [en]

    The segmentation of individual words is a crucial step in several data mining methods for historical handwritten documents. Examples of applications include visual searching for query words (word spotting) and character-by-character text recognition. In this paper, we present a novel method for word segmentation that is adapted from recent advances in computer vision, deep learning and generic object detection. Our method has unique capabilities and it has found practical use in our current research project. It can easily be trained for different kinds of historical documents, uses full gray scale information, does not require binarization as pre-processing or prior segmentation of individual text lines. We evaluate its performance using established error metrics, previously used in competitions for word segmentation, and demonstrate its usefulness for a 15th century handwritten document.

    Fulltekst (pdf)
    fulltext
  • 928.
    Wilkinson, Tomas
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Experiments on Large Scale Document Visualization using Image-based Word Clouds2015Rapport (Annet vitenskapelig)
    Abstract [en]

    In this paper, we introduce image-based word clouds as a novel tool for a quick and aesthetic overviews of common words in collections of digitized text manuscripts. While OCR can be used to enable summaries and search functionality to printed modern text, historical and handwritten documents remains a challenge. By segmenting and counting word images, without applying manual transcription or OCR, we have developed a method that can produce word- or tag clouds from document collections. Our new tool is not limited to any specific kind of text. We make further contributions in ways of stop-word removal, class based feature weighting and visualization. An evaluation of the proposed tool includes comparisons with ground truth word clouds on handwritten marriage licenses from the 17th century and the George Washington database of handwritten letters, from the 18th century. Our experiments show that image-based word clouds capture the same information, albeit approximately, as the regular word clouds based on text data.

  • 929.
    Wilkinson, Tomas
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Semantic and Verbatim Word Spotting using Deep Neural Networks2016Inngår i: Proceedings Of 2016 15Th International Conference On Frontiers In Handwriting Recognition (Icfhr), 2016, s. 307-312Konferansepaper (Fagfellevurdert)
    Abstract [en]

    In the last few years, deep convolutional neural networks have become ubiquitous in computer vision, achieving state-of-the-art results on problems like object detection, semantic segmentation, and image captioning. However, they have not yet been widely investigated in the document analysis community. In this paper, we present a word spotting system based on convolutional neural networks. We train a network to extract a powerful image representation, which we then embed into a word embedding space. This allows us to perform wordspotting using both query-by-string and query-by-example in a variety of word embedding spaces, both learned and handcrafted, for verbatim as well as semantic word spotting. Our novel approach is versatile and the evaluation shows that it outperforms the previous state-of-the-art for word spotting on standard datasets.

    Fulltekst (pdf)
    fulltext
  • 930.
    Wilkinson, Tomas
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Visualizing document image collections using image-based word clouds2015Inngår i: Advances in Visual Computing: 11th International Symposium, ISVC 2015, Las Vegas, NV, USA, December 14-16, 2015, Proceedings, Part I / [ed] Bebis, G; Boyle, R; Parvin, B; Koracin, D; Pavlidis, I; Feris, R; McGraw, T; Elendt, M; Kopper, R; Ragan, E; Ye, Z; Weber, G, Springer, 2015, s. 297-306Konferansepaper (Fagfellevurdert)
    Fulltekst (pdf)
    fulltext
  • 931.
    Wilkinson, Tomas
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindström, Jonas
    Uppsala universitet, Humanistisk-samhällsvetenskapliga vetenskapsområdet, Historisk-filosofiska fakulteten, Historiska institutionen.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Neural Ctrl-F: Segmentation-free Query-by-String Word Spotting in Handwritten Manuscript Collections2017Konferansepaper (Annet vitenskapelig)
  • 932.
    Wilkinson, Tomas
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindström, Jonas
    Uppsala universitet, Humanistisk-samhällsvetenskapliga vetenskapsområdet, Historisk-filosofiska fakulteten, Historiska institutionen.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Neural Ctrl-F: Segmentation-free query-by-string word spotting in handwritten manuscript collections2017Inngår i: 2017 IEEE International Conference on Computer Vision (ICCV), IEEE, 2017, s. 4443-4452Konferansepaper (Fagfellevurdert)
    Abstract [en]

    In this paper, we approach the problem of segmentation-free query-by-string word spotting for handwritten documents. In other words, we use methods inspired from computer vision and machine learning to search for words in large collections of digitized manuscripts. In particular, we are interested in historical handwritten texts, which are often far more challenging than modern printed documents. This task is important, as it provides people with a way to quickly find what they are looking for in large collections that are tedious and difficult to read manually. To this end, we introduce an end-to-end trainable model based on deep neural networks that we call Ctrl-F-Net. Given a full manuscript page, the model simultaneously generates region proposals, and embeds these into a distributed word embedding space, where searches are performed. We evaluate the model on common benchmarks for handwritten word spotting, outperforming the previous state-of-the-art segmentation-free approaches by a large margin, and in some cases even segmentation-based approaches. One interesting real-life application of our approach is to help historians to find and count specific words in court records that are related to women's sustenance activities and division of labor. We provide promising preliminary experiments that validate our method on this task.

    Fulltekst (pdf)
    fulltext
  • 933.
    Wu, Chi-Chih
    et al.
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Biologiska sektionen, Institutionen för ekologi och genetik, Evolutionsbiologi.
    Klaesson, Axel
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Buskas, Julia
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Biologiska sektionen, Institutionen för ekologi och genetik, Evolutionsbiologi.
    Ranefall, Petter
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Mirzazadeh, Reza
    Söderberg, Ola
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Wolf, Jochen B. W.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Biologiska sektionen, Institutionen för ekologi och genetik, Evolutionsbiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    In situ quantification of individual mRNA transcripts in melanocytes discloses gene regulation of relevance to speciation2019Inngår i: Journal of Experimental Biology, ISSN 0022-0949, E-ISSN 1477-9145, Vol. 222, nr 5Artikkel i tidsskrift (Fagfellevurdert)
  • 934.
    Wuttke, Anne
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinsk cellbiologi.
    Gandasi, Nikhil
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinsk cellbiologi.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Barg, Sebastian
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinsk cellbiologi.
    Tengholm, Anders
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinsk cellbiologi.
    Continuous imaging of exocytosis in β-cells reveals negative feedback of insulinManuskript (preprint) (Annet vitenskapelig)
  • 935.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    High throughput phenotyping of model organisms2012Inngår i: BioImage Informatics 2012 / [ed] Fuhui Long, Ivo F. Sbalzarini, Pavel Tomancak and Michael Unser, Dresden, Germany, 2012, s. 45-45Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Microscopy has emerged as one of the most powerful and informative ways to analyze cell-based high-throughput screening samples in experiments designed to uncover novel drugs and drug targets. However, many diseases and biological pathways can be better studied in whole animals – particularly diseases that involve organ systems and multi-cellular interactions, such as metabolism, infection, vascularization, and development. Two model organisms compatible with high-throughput phenotyping are the 1mm long round worm C. elegans and the transparent embryo of zebrafish (Danio rerio). C. elegans is tractable as it can be handled using similar robotics, multi-well plates, and flow-sorting systems as are used for high-throughput screening of cells. The worm is also transparent throughout its lifecycle and is attractive as a model for genetic functions as its genes can be turned off by RNA-interference. Zebrafish embryos have also proved to be a vital model organism in many fields of research, including organismal development, cancer, and neurobiology. Zebrafish, being vertebrates, exhibit features common to phylogenetically higher organisms such as a true vasculature and central nervous system.

     

    Basically any phenotypic change that can be visually observed (in untreated or stained worms and fish) can also be imaged. However, visual assessment of phenotypic variation is tedious and prone to error as well as observer bias. Screening in high throughput limits image resolution and time-lapse information. Still, the images are typically rich in information and the number of images for a standard screen often exceeds 100 000, ruling out visual inspection. Generation of automated image analysis platforms will increase the throughout of data analysis, improve the robustness of phenotype scoring, and allow for reliable application of statistical metrics for evaluating assay performance and identifying active compounds.

     

    We have developed a platform for automated analysis of C. elegans assays, and are currently developing tools for analysis of zebrafish embryos. Our worm analysis tools, collected in the WormToolbox, can identify individual worms also as they cross and overlap, and quantify a large number of features, including mapping of reporter protein expression patterns to the worm anatomy. We have evaluated the tools on screens for novel treatments of infectious disease and genetic perturbations affecting fat metabolism. The WormToolbox is part of the free and open source CellProfiler software, also including methods for image assay quality control and feature selection by machine learning.

  • 936.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Image Segmentation, Processing and Analysis in Microscopy and Life Science2015Inngår i: Mathematical Models in Biology: Bringing Mathematics to Life, Springer, 2015, s. 1-16Kapittel i bok, del av antologi (Annet vitenskapelig)
  • 937.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    The quest for multiplexed spatially resolved transcriptional profiling2016Inngår i: Nature Methods, ISSN 1548-7091, E-ISSN 1548-7105, Vol. 13, nr 8, s. 623-624Artikkel i tidsskrift (Annet vitenskapelig)
  • 938.
    Wählby, Carolina
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Conery, Annie Lee
    Bray, Mark-Anthony
    Kamentsky, Lee
    Larkins-Ford, Jonah
    Sokolnicki, Katherine L.
    Veneskey, Matthew
    Michaels, Kerry
    Carpenter, Anne E.
    O'Rourke, Eyleen J.
    High- and low-throughput scoring of fat mass and body fat distribution in C. elegans2014Inngår i: Methods, ISSN 1046-2023, E-ISSN 1095-9130, Vol. 68, nr 3, s. 492-499Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Fat accumulation is a complex phenotype affected by factors such as neuroendocrine signaling, feeding, activity, and reproductive output. Accordingly, the most informative screens for genes and compounds affecting fat accumulation would be those carried out in whole living animals. Caenorhabditis elegans is a well-established and effective model organism, especially for biological processes that involve organ systems and multicellular interactions, such as metabolism. Every cell in the transparent body of C. elegans is visible under a light microscope. Consequently, an accessible and reliable method to visualize worm lipid-droplet fat depots would make C. elegans the only metazoan in which genes affecting not only fat mass but also body fat distribution could be assessed at a genome-wide scale. Here we present a radical improvement in oil red O worm staining together with high-throughput image-based phenotyping. The three-step sample preparation method is robust, formaldehyde-free, and inexpensive, and requires only 15 min of hands-on time to process a 96-well plate. Together with our free and user-friendly automated image analysis package, this method enables C. elegans sample preparation and phenotype scoring at a scale that is compatible with genome-wide screens. Thus we present a feasible approach to small-scale phenotyping and large-scale screening for genetic and/or chemical perturbations that lead to alterations in fat quantity and distribution in whole animals.

  • 939.
    Wählby, Carolina
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Kamentsky, Lee
    Imaging Platform, Broad Institute of MIT and Harvard, Cambridge, MA.
    Liu, Zihan H
    Imaging Platform, Broad Institute of MIT and Harvard, Cambridge, MA.
    Riklin-Raviv, Tammy
    Conery, Annie L
    Dept. of Molecular Biology and Center for Computational and Integrative Biology, Mass. General Hospital, Boston, MA.
    O'Rourke, Eyleen
    Sokolnicki, Katherine
    Imaging Platform, Broad Institute of MIT and Harvard, Cambridge, MA.
    Visvikis, Orane
    Developmental Immunology Program, Dept. of Pediatrics, Mass. General Hospital, Boston, MA.
    Ljosa, Vebjorn
    Imaging Platform, Broad Institute of MIT and Harvard, Cambridge, MA.
    Irazoqui, Javier E
    Developmental Immunology Program, Dept. of Pediatrics, Mass. General Hospital, Boston, MA.
    Golland, Polina
    Computer Science and Artificial Intelligence Laboratory, MIT, Cambridge, MA.
    Ruvkun, Gary
    Ausubel, Frederick M
    Dept. of Molecular Biology and Center for Computational and Integrative Biology, Mass. General Hospital, Boston, MA.
    Carpenter, Anne E
    Imaging Platform, Broad Institute of MIT and Harvard, Cambridge, MA.
    An image analysis toolbox for high-throughput C. elegans assays2012Inngår i: Nature Methods, ISSN 1548-7091, E-ISSN 1548-7105, Vol. 9, nr 7, s. 714-716Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    We present a toolbox for high-throughput screening of image-based Caenorhabditis elegans phenotypes. The image analysis algorithms measure morphological phenotypes in individual worms and are effective for a variety of assays and imaging systems from different laboratories. The toolbox is available via the open-source CellProfiler project and enables objective scoring of whole-animal high-throughput image-based assays using this unique model organism for the study of diverse biological pathways relevant to human disease.

  • 940.
    Yeh, Alexander
    et al.
    Chalmers University of Technology, Gothenburg, Sweden.
    Ratsamee, Photchara
    Osaka University, Osaka, Japan.
    Kiyokawa, Kiyoshi
    Nara Institute of Science and Technology (NAIST), Nara, Japan.
    Uranishi, Yuki
    Osaka University, Osaka, Japan.
    Mashita, Tomohiro
    Osaka University, Osaka, Japan.
    Takemura, Haruo
    Osaka University, Osaka, Japan.
    Fjeld, Morten
    Chalmers University of Technology, Gothenburg, Sweden.
    Obaid, Mohammad
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Exploring proxemics for human-drone interaction2017Inngår i: Proc. 5th International Conference on Human Agent Interaction, New York: ACM Press, 2017, s. 81-88Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We present a human-centered designed social drone aiming to be used in a human crowd environment. Based on design studies and focus groups, we created a prototype of a social drone with a social shape, face and voice for human interaction. We used the prototype for a proxemic study, comparing the required distance from the drone humans could comfortably accept compared with what they would require for a nonsocial drone. The social shaped design with greeting voice added decreased the acceptable distance markedly, as did present or previous pet ownership, and maleness. We also explored the proximity sphere around humans with a social shaped drone based on a validation study with variation of lateral distance and heights. Both lateral distance and the higher height of 1.8 m compared to the lower height of 1.2 m decreased the required comfortable distance as it approached.

  • 941.
    Zhang, Hanqian
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Ericsson, Maja
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Virtanen, Marie
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Weström, Simone
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Vahlquist, Anders
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Törmä, Hans
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Quantitative image analysis of protein expression and colocalisation in skin sections2018Inngår i: Experimental dermatology, ISSN 0906-6705, E-ISSN 1600-0625, Vol. 27, nr 2, s. 196-199Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Immunofluorescence (IF) and in situ proximity ligation assay (isPLA) are techniques that are used for in situ protein expression and colocalisation analysis, respectively. However, an efficient quantitative method to analyse both IF and isPLA staining on skin sections is lacking. Therefore, we developed a new method for semi-automatic quantitative layer-by-layer measurement of protein expression and colocalisation in skin sections using the free open-source software CellProfiler. As a proof of principle, IF and isPLA of ichthyosis-related proteins TGm-1 and SDR9C7 were examined. The results indicate that this new method can be used for protein expression and colocalisation analysis in skin sections.

  • 942.
    Zhang, Hanqian
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Virtanen, Marie
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi. en..
    Weström, Simone
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Bygum, A.
    Odense Univ Hosp, Dept Dermatol & Allergy, Odense, Denmark..
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Vahlquist, Anders
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Törmä, Hans
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper, Dermatologi och venereologi.
    Quantitative analysis of immunofluorescence and in situ PLA staining using CellProfiler reveals impaired epidermal lipid processing pathway in ARCI patients with CYP4F22 mutations2016Inngår i: Journal of Investigative Dermatology, ISSN 0022-202X, E-ISSN 1523-1747, Vol. 136, nr 9, s. S180-S180Artikkel i tidsskrift (Annet vitenskapelig)
  • 943. Zhang, Jianming
    et al.
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sclaroff, Stan
    Visual Saliency: From Pixel-Level to Object-Level Analysis2019Bok (Fagfellevurdert)
  • 944. Zhang, Peilin
    et al.
    Gao, Alex Yuan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Theel, Oliver
    Bandit learning with concurrent transmissions for energy-efficient flooding in sensor networks2018Inngår i: EAI Endorsed Transactions on Industrial Networks and Intelligent Systems, ISSN 2410-0218, Vol. 4, nr 13, artikkel-id e4Artikkel i tidsskrift (Fagfellevurdert)
  • 945. Zhang, Peilin
    et al.
    Gao, Alex Yuan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Theel, Oliver
    Less is More: Learning more with concurrent transmissions for energy-efficient flooding2017Inngår i: Proc. 14th International Conference on Mobile and Ubiquitous Systems: Computing, Networking and Services, New York: ACM Press, 2017Konferansepaper (Fagfellevurdert)
  • 946. Zuluaga, Maria A.
    et al.
    Orkisz, Maciej
    Dong, Pei
    Pacureanu, Alexandra
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Gouttenoire, Pierre-Jean
    Peyrin, Françoise
    Bone canalicular network segmentation in 3D nano-CT images through geodesic voting and image tessellation2014Inngår i: Physics in Medicine and Biology, ISSN 0031-9155, E-ISSN 1361-6560, Vol. 59, nr 9, s. 2155-2171Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Recent studies emphasized the role of the bone lacuno-canalicular network (LCN) in the understanding of bone diseases such as osteoporosis. However, suitable methods to investigate this structure are lacking. The aim of this paper is to introduce a methodology to segment the LCN from three-dimensional (3D) synchrotron radiation nano-CT images. Segmentation of such structures is challenging due to several factors such as limited contrast and signal-to-noise ratio, partial volume effects and huge number of data that needs to be processed, which restrains user interaction. We use an approach based on minimum-cost paths and geodesic voting, for which we propose a fully automatic initialization scheme based on a tessellation of the image domain. The centroids of pre-segmented lacunae are used as Voronoi-tessellation seeds and as start-points of a fast-marching front propagation, whereas the end-points are distributed in the vicinity of each Voronoi-region boundary. This initialization scheme was devised to cope with complex biological structures involving cells interconnected by multiple thread-like, branching processes, while the seminal geodesic-voting method only copes with tree-like structures. Our method has been assessed quantitatively on phantom data and qualitatively on real datasets, demonstrating its feasibility. To the best of our knowledge, presented 3D renderings of lacunae interconnected by their canaliculi were achieved for the first time.

  • 947.
    Åberg, Anna Cristina
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för folkhälso- och vårdvetenskap, Geriatrik.
    Halvorsen, Kjartan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för systemteknik. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik.
    From, Ingrid
    Dalarna Univ, Sch Educ Hlth & Social Studies, SE-79188 Falun, Sweden.
    Bergman Bruhn, Åsa
    Dalarna Univ, Sch Educ Hlth & Social Studies, SE-79188 Falun, Sweden.
    Oestreicher, Lars
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Melander-Wikman, Anita
    Lulea Univ Technol, Div Hlth & Rehab, Dept Hlth Sci, SE-97187 Lulea, Sweden.
    A study protocol for applying user participation and co-learning: Lessons learned from the eBalance project2017Inngår i: International Journal of Environmental Research and Public Health, ISSN 1661-7827, E-ISSN 1660-4601, Vol. 14, nr 5, artikkel-id 512Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    The eBalance project is based on the idea that serious exergames-i.e., computer gaming systems with an interface that requires physical exertion to play-that are well adapted to users, can become a substantial part of a solution to recognized problems of insufficient engagement in fall-prevention exercise and the high levels of fall-related injuries among older people. This project is carried out as a collaboration between eight older people who have an interest in balance training and met the inclusion criteria of independence in personal activities of daily living, access to and basic knowledge of a computer, four staff working with the rehabilitation of older adults, and an interdisciplinary group of six research coordinators covering the areas of geriatric care and rehabilitation, as well as information technology and computer science. This paper describes the study protocol of the project's initial phase which aims to develop a working partnership with potential users of fall-prevention exergames, including its conceptual underpinnings. The qualitative methodology was inspired by an ethnographical approach implying combining methods that allowed the design to evolve through the study based on the participants' reflections. A participatory and appreciative action and reflection (PAAR) approach, accompanied by inquiries inspired by the Normalization Process Theory (NPT) was used in interactive workshops, including exergame testing, and between workshop activities. Data were collected through audio recordings, photos, and different types of written documentation. The findings provide a description of the methodology thus developed and applied. They display a methodology that can be useful for the design and development of care service and innovations for older persons where user participation is in focus.

    Fulltekst (pdf)
    fulltext
  • 948. Åhlén, Julia
    et al.
    Seipel, Stefan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Automatic Water Body Extraction From Remote Sensing Images Using Entropy2015Inngår i: SGEM2015 Conference Proceedings, 2015, Vol. 2, s. 517-524Konferansepaper (Fagfellevurdert)
    Abstract [en]

    This research focuses on automatic extraction of river banks and other inland waters from remote sensing images. There are no up to date accessible databases of rivers and most of other waters objects for modelling purposes. The main reason for that is that some regions are hard to access with the traditional ground through techniques and thus the boundary of river banks are uncertain in many geographical positions. The other reason is the limitations of widely applied method for extraction of water bodies called normalized-difference water index (NDWI). There is a novel approach to extract water bodies, which is based on pixel level variability or entropy, however, the methods work somewhat satisfactory on high spatial resolution images, there is no verification of the method performance on moderate or low resolution images. Problems encounter identification of mixed water pixels and e.g. roads, which are built in attachment to river banks and thus can be classified as rivers. In this work we propose an automatic extraction of river banks using image entropy, combined with NDWI identification. In this study only moderate spatial resolution Landsat TM are tested. Areas of interest include both major river banks and inland lakes. Calculating entropy on such poor spatial resolution images will lead to misinterpretation of water bodies, which all exhibits the same small variation of pixel values as e.g. some open or urban areas. Image entropy thus is calculated with the modification that involves the incorporation of local normalization index or variability coefficient. NDWI will produce an image where clear water exhibits large difference comparing to other land features. We are presenting an algorithm that uses an NDWI prior to entropy processing, so that bands used to calculate it, are chosen in clear connection to water body features that are clearly discernible.As a result we visualize a clear segmentation of the water bodies from the remote sensing images and verify the coordinates with a given geographic reference.

  • 949.
    Åhlén, Julia
    et al.
    Högskolan i Gävle.
    Seipel, Stefan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Indication of Methane Gas in IR-Imagery2011Inngår i: Proceedings of IADIS International Conference Computer Graphics, Visualization, Computer Vision and Image Processing 2011 (CGVCVIP 2011), 2011, s. 187-192Konferansepaper (Fagfellevurdert)
  • 950.
    Åhlén, Julia
    et al.
    Högskolan i Gävle.
    Seipel, Stefan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Knowledge Based Single Building Extraction and Recognition2014Inngår i: Proceedings WSEAS International Conference on Computer Engineering and Applications, 2014, 2014, s. 29-35Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Building facade extraction is the primary step in the recognition process in outdoor scenes. It is also achallenging task since each building can be viewed from different angles or under different lighting conditions. Inoutdoor imagery, regions, such as sky, trees, pavement cause interference for a successful building facade recognition.In this paper we propose a knowledge based approach to automatically segment out the whole facade or majorparts of the facade from outdoor scene. The found building regions are then subjected to recognition process. Thesystem is composed of two modules: segmentation of building facades region module and facade recognition module.In the facade segmentation module, color processing and objects position coordinates are used. In the facaderecognition module, Chamfer metrics are applied. In real time recognition scenario, the image with a building isfirst analyzed in order to extract the facade region, which is then compared to a database with feature descriptors inorder to find a match. The results show that the recognition rate is dependent on a precision of building extractionpart, which in turn, depends on a homogeneity of colors of facades.

1617181920 901 - 950 of 961
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf