Segmentation of Fe&lt;inf&gt;3&lt;/inf&gt;O&lt;inf&gt;4&lt;/inf&gt; nano particles in TEM images

Vural, Ulas; Oktay, Ayşe Betül

doi:10.1109/siu.2014.6830613

Cited by 4 publications

(2 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Although this approach presented good accuracy for nanoparticle shape recognition, they did not focus on analyzing the groups and interaction of particles. Vural and Oktay [38] proposed a method to segment F e3O4 nanoparticles in TEM images by using Hough transform [11]. Similarly, a number of other works [28] used a multi-level image segmentation for measuring the size distribution of nanoparticles in TEM images.…”

Section: Introductionmentioning

confidence: 99%

A complex network approach for nanoparticle agglomeration analysis in nanoscale images

et al. 2017

View full text Add to dashboard Cite

Complex networks have been widely used in science and technology because of their ability to represent several systems. One of these systems is found in Biochemistry, in which the synthesis of new nanoparticles is a hot topic. However, the interpretation of experimental results in the search of new nanoparticles poses several challenges. This is due to the characteristics of nanoparticles images and due to their multiple intricate properties; one property of recurrent interest is the agglomeration of particles. Addressing this issue, this paper introduces an approach that uses complex networks to detect and describe nanoparticle agglomerates so to foster easier and more insightful analyses. In this approach, each detected particle in an image corresponds to a vertice and the distances between the particles define a criterion for creating edges. Edges are created if the distance is smaller than a radius of interest. Once this network is set, we calculate several discrete measures able to reveal the most outstanding agglomerates in a nanoparticle image. Experimental results using images of Scanning Tunneling Microscopy (STM) of gold nanoparticles demonstrated the effectiveness of the pro- The results also demonstrated efficacy for both convex and non-convex agglomerates.

show abstract

Section: Introductionmentioning

confidence: 99%

A complex network approach for nanoparticle agglomeration analysis in nanoscale images

et al. 2017

View full text Add to dashboard Cite

show abstract

“…Although this approach presented good accuracy for nanoparticle shape recognition, they did not focus on analyzing the groups and interaction of particles. Vural and Oktay (VURAL;OKTAY, 2014) proposed a method to segment Fe3O4 nanoparticles in TEM images by using Hough transform (DUDA; HART, 1972). Similarly, a number of other works used a multi-level image segmentation for measuring the size distribution of nanoparticles in TEM images.…”

Section: Remarks Of T He Chapt Ermentioning

confidence: 99%

Texture analysis using complex system models: fractal dimension, swarm systems and non-linear diffusion

Machado¹

View full text Add to dashboard Cite

" Happiness is not something you postpone for the future, it is something you design for the present; if it does not knock, build a door." A textura é um dos principais atributos visuais para a descrição de padrões encontrados na natureza. Diversosmétodos de análise de textura têm sido usadoscomo uma poderosa ferramenta para aplicações reais que envolvem análise de imagens e visão computacional. Entretanto, os métodos existentes não conseguem discriminar com sucesso a complexidade dos padrões de textura. Tais métodos desconsideram a possibilidade de se descrever estruturas de imagens por meio de medidas como a dimensão fractal. Medidas baseadas em fractalidade permitem uma interpretação geométrica não-inteira que possui aplicações encontradas em áreas como matemática, física, e biologia. Sobre esta lacuna metodológica, a hipótese central desta tese é que texturas presentes na natureza podem ser medidas como superfícies fractais irregulares devido à sua geometria complexa, o que pode ser explorado para fins de análise de imagens e visão computacional. Para superar tais limitações, avançando o estado da arte, esta tese se inicia com uma análise das características de texturas baseada em caminhadas aleatórias de agentes sobre superfícies de imagens. Esta primeira análise leva a um método que combina dimensão fractal com caminhadas de agentes sobre a superfície de imagens. Em uma segunda abordagem, usa-se a difusão não-linear para representar imagens de texturas em diferentes escalas, as quais são descritas via dimensão fractal para fins de classificação de imagens. Em uma terceira proposta, emprega-se a dimensão fractal sobre múltiplas escalas derivadas de uma mesma imagem com o propósito de se realizar a descrição multi-escala de texturas. Um dos propósitos específicos foi a detecção automática de doenças em folhas de soja. Por último, as características de textura foram exploradas segundo uma metodologia baseada em redes complexas para análise de aglomeração de partículas em imagens de nanotecnologia. Os resultados alcançados nesta tese demonstraram o potencial do uso de características de textura. Para tanto foram usadas técnicasde dimensão fractal de Bouligand-Minkowski, multiagentesArtificial Crawlerse difusão não-linear de Perona-Malik, os quais alcançaram eficácia e eficiência comparáveis ao do estado da arte. As contribuições obtidas devem suportar avanços significativos nas áreas de engenharia de materiais, visão computacional, e agricultura.Palavr as-chave: análise de textura, dimensão fractal, sistemas multi-agentes, difusão anisotró-pica, redes complexas. Texture is one of the primary visual attributes used to describe patterns found in nature. Several texture analysis methods have been used as powerful tools for real applications involving analysis and computer vision. However, existing methods do not successfully discriminate the complexity of texture patterns. Such methods disregard the possibility of describing image structures by means of measures such as the fractal dimension. Fractality-based mea...

show abstract

A new structure of decision tree based on oriented edges gradient map for circles detection and the analysis of nano-particles

Akrout

2021

Micron

View full text Add to dashboard Cite

Segmentation of Fe<inf>3</inf>O<inf>4</inf> nano particles in TEM images

Cited by 4 publications

References 10 publications

A complex network approach for nanoparticle agglomeration analysis in nanoscale images

A complex network approach for nanoparticle agglomeration analysis in nanoscale images

Texture analysis using complex system models: fractal dimension, swarm systems and non-linear diffusion

A new structure of decision tree based on oriented edges gradient map for circles detection and the analysis of nano-particles

Contact Info

Product

Resources

About