2D/3D Gabor Features and 2D/3D MPEG-7 EHD Features

MAJTNER, Tomáš a David SVOBODA. 2D/3D Gabor Features and 2D/3D MPEG-7 EHD Features. 2015.

Základní údaje

• Originální název: 2D/3D Gabor Features and 2D/3D MPEG-7 EHD Features
• Autoři: MAJTNER, Tomáš (703 Slovensko, domácí) a David SVOBODA (203 Česká republika, garant, domácí).
• Vydání: 2015.

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Software
• Obor: 20206 Computer hardware and architecture
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• WWW: http://cbia.fi.muni.cz/projects/2d/3d-gabor--2d/3d-mpeg-7-ehd-features.html
• Kód RIV: RIV/00216224:14330/15:00081208
• Organizační jednotka: Fakulta informatiky
• Klíčová slova anglicky: image descriptor; Pattern recognition; Gabor features; MPEG-7 Edge Histogram Descriptor
• Technické parametry: Software pre výpis textúrových vlastností snímku na základe aplikovania metód Gabor features a MPEG-7 EHD, ktoré je možné použiť pre rozpoznanie a následnú klasifikáciu vstupného obrázku. Primárnou inováciou je pridaná podpora pre aplikovanie na 3D vstupné data, ktorá doposiaľ nebola definovaná. Program bol vyvinutý pre spracovanie biomedicínskych obrázkov nasnímaných fluorescenčným mikroskopom ale obecne je možné ho použiť pre ľubovolný vstup. Implementácia je realizovaná v jazyku C++. Zodpovedné osoby: Tomáš Majtner <[e-mail]> a David Svoboda<[e-mail]> Adresa: Fakulta informatiky Masarykovy univerzity, Botanická 68a, 602 00 Brno.
• Štítky: cbia-web
• Příznaky: Mezinárodní význam

Anotace

The recognition of patterns with focus on texture and shape analysis is still very hot topic, especially in biomedical image processing. In this article, we introduce 3D extensions of well-known approaches for this particular area. We focus on the collection of MPEG-7 image descriptors, specifically on the Edge Histogram Descriptor (EHD) and Gabor features, which are the core of the Homogeneous Texture Descriptor (HTD). The proposed extensions are evaluated on the dataset consisting of three classes of 3D volumetric biomedical images. Two different classifiers, namely k-NN and Multi-Class SVM, are used to evaluate the proposed algorithms. According to the presented tests, the proposed 3D extensions clearly outperform their 2D equivalents in the classification tasks.

Návaznosti

• GA14-22461S, projekt VaV: Název: Vývoj a studium metod pro kvantifikaci živých buněk (Akronym: Live Cell Quantification)

Investor: Grantová agentura ČR, Development and Study of Methods for Live Cell Quantification

• MUNI/A/1159/2014, interní kód MU: Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace IV.

Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace IV., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty