2006
Fast and Robust Segmentation of Low Contrast Biomedical Images
HUBENÝ, Jan a Pavel MATULAZákladní 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
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
Změněno: 18. 3. 2008 00:27, doc. RNDr. Pavel Matula, Ph.D.
V originále
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.
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 VaV |
| ||
| MSM0021622419, záměr |
|