HUBENÝ, Jan a Pavel MATULA. Fast and Robust Segmentation of Low Contrast Biomedical Images. In Visualization Imaging and Image Processing. Anaheim, Calgary, Zurich: ACTA Press, 2006, s. 189-196. ISBN 0-88986-598-1.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Fast and Robust Segmentation of Low Contrast Biomedical Images
Název česky Rychlé a robustní segmentace nízko kontrastních biomedicínských obrazů
Autoři HUBENÝ, Jan (203 Česká republika, garant) a Pavel MATULA (203 Česká republika).
Vydání Anaheim, Calgary, Zurich, Visualization Imaging and Image Processing, od s. 189-196, 8 s. 2006.
Nakladatel ACTA Press
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Španělsko
Utajení není předmětem státního či obchodního tajemství
Kód RIV RIV/00216224:14330/06:00015952
Organizační jednotka Fakulta informatiky
ISBN 0-88986-598-1
Klíčová slova anglicky medical imaging fast Chan--Vese active contour segmentation
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: doc. RNDr. Pavel Matula, Ph.D., učo 2927. Změněno: 18. 3. 2008 00:27.
Anotace
This paper presents fast and robust algorithm for minimization of Chan--Vese energy functional. Proposed technique is based on recently published k-Means level set and threshold dynamics approximations of Chan--Vese functional. The approximation algorithms are combined in order to preserve their individual advantages and avoid their limitations. Hence, the proposed hybrid algorithm is robust and converges reasonably fast to steady state and is suitable for two-phase segmentation of low contrast biomedical data. A simple numerical scheme for threshold dynamics method is derived in the paper. Results of the hybrid algorithm that are better than results of both k-Means level set and threshold dynamics methods employed individually are presented.
Anotace česky
Článek prezentuje rychlý a robustní algoritmus pro minimalizaci Chan--Vese funkcionálu. Navrhovaná technika je založena na dvou nedávno publikovaných přístupech. Aproximační algoritmy Gioua a Fedkiwa a Tsaie a Esedoglua jsou zkombinovány tak aby byly zachovány jejich výhody a vyhnuli jsme se jejich omezením. Proto je navrhovaný algoritmus robustní a konverguje rozumně rychle a je vhodný pro zpracování nízko kontrastních biomedicíncských dat. Dále bylo navrženo jednoduché numerické schéma na výpočet Tsai Esedogluova algoritmu. Výsledky hybridníhop algoritmu jsou lepší než výsledky obou jeho předků. To je prezentováno jak na umělých tak na reálných datech.
Návaznosti
GP204/03/D034, projekt VaVNázev: Trojrozměrná analýza buněčných jader s využitím obrazové cytometrie
Investor: Grantová agentura ČR, Trojrozměrná analýza buněčných jader s využitím obrazové cytometrie
MSM0021622419, záměrNázev: Vysoce paralelní a distribuované výpočetní systémy
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Vysoce paralelní a distribuované výpočetní systémy
VytisknoutZobrazeno: 8. 5. 2024 13:17