自迁移出 MediaWiki 以来，本页内容尚未经过审查。如果您愿意帮忙，请查看帮助指南！
基于 ImgLib 单元的 Block-Face EM 图像体积的 3 路查看器
Example of a 3-way view of an anisotropic EM stack. An isotropic stack would show images with the same resolution in the side views.
Volumetric or higher dimensional data as generated in todays scientific experiments is often too large to be kept in memory entirely. Still, the data needs to be displayed rapidly in multiple views. A typical example is data from Block-Face Serial Scanning Electron Microscopy, displayed through a technique now commercialized as “Gatan 3-way view EM.” See this page for theory and for pictures and examples. Our generic image processing library Imglib is designed to efficiently generate such virtual views from arbitrary n-dimensional image data containers. Still missing is a data back-end that stores the data on the harddisk and provides rapid access to parts of it at multiple scales. The aim of this project is to create such a data back-end and utilize it for an interactive viewer application.
目标：为§§§1§§创建一个多尺寸磁盘存储图像数据容器，并使用它来快速多尺寸/多尺寸显示非常大的n维图像数据。
语言：斐济支持的任何语言，最好是Java。
导师： Ignacio Arganda-Carreras、Mark Longair
将机器学习评估图像分割问题
术语“图像分割”描述了对图像中的对象进行概述的任务，以便每个像素都连接到命名对象或背景。
传统上，分割是一个非常困难的问题，尤其是在存在可变照明、噪声或低恢复的情况下。
斐济已经实施了许多分割算法来执行图像分割，例如Auto Threshold和Auto Local Threshold，但在实践中，它们都可能无效，因为它们是根据特定设计的，而你的图像可能无法满足这些需求。
最近，出现一类新的分割算法：实例分割。这些算法需要一组示例，用于计算出一个模型，该模型可以导出其他外观相似的图像。
](/media/trakem2-display-s.jpg)
Segmented neural tissue, painfully done by hand. See the Public data sets
我们将考虑通用的实现应用程序（即它们适用于任何图像），或者尝试解决非常具体的问题（例如在使用电子子或共焦推理的连续切片中分割神经元）。
我们有几个图像数据集及其相应的手动分割（用于训练算法）。参见示例：
- 果蝇幼虫大脑用 ssTEM 理论：http://t2.ini.uzh.ch/data.html
- 果蝇高速与共焦显微镜结论。
欢迎您使用您选择的任何与科学相关的数据集，但我们将优先考虑生物学的数据集。
斐济已有插件：Trainable Segmentation。
目标：实现多种基于机器学习的分割算法。
语言： Java。
导师： Albert Cardona、Mark Longair、Albert Cardona
为 Imglib 实现算法
新的imglib支持独立于维度、存储和数据类型的图像处理。该库已经内置了一些算法，但强烈需要通用地实现更通用的图像处理算法、存储策略和数据类型，例如：
- 插值（三次插值、样条插值……）
- 熵过滤器、平均过滤器、百分（最小、中值、峰值）过滤器…
- 部分图像加载的内存管理
- 色彩空间和色彩空间转换
- 非光栅图像的表示（基于2d光栅形状和3d/4d网格）
目标：实现图像处理的通用算法。
语言： Java。
导师： Stephan Preibisch、Stephan Saalfeld、Tobias Pietzsch、Albert Cardona
使用上下文信息修复丢失数据的图像
使用小波实现简单的修复方法（恢复即由ROI标记图像中丢失/不需要的部分）：应用小波变换，然后在每个级别上使用扩散算法从周围部分推导出平滑信号，最后对小波进行逆变换恢复的图像。 {::nomarkdown}
Section 2
|
Section 1
|
center
|
{:/}
其他方法也受到欢迎，例如使用电子显微镜图像体积中相邻连续部分的信息。例如，参见第large black blob at top left，可以使用下一节和上一节的信息来恢复。
目标： 实现一个用于修复图像的插件。
语言： Java。
导师： Albert Cardona
强大的景观分割
在科学中，你经常会遇到感兴趣的圆形结构。这种圆形结构可以是细胞、囊泡、最终细胞或类似形状的物体。虽然圆形形状可能是一个很好的最终成品，但生命肯定不是。
center
重要的是要记住，对象明显是凸出的，因为它们有时重叠，并且我们仍然找到正确的对象。请参阅后续希望图像的示例。
该项目的目的是执行方式分割生物中的凸结构。这可以通过在初始阶段使用简单的模板匹配方法或高斯完成图像，然后在所需的约束下整个输出结构。
目标：提供可在2D、3D和4D下工作的健壮的分割即时算法。
语言： Java
导师： Albert Cardona
