MAŠKA, Martin, Jan HUBENÝ, David SVOBODA a Michal KOZUBEK. A Comparison of Fast Level Set-Like Algorithms for Image Segmentation in Fluorescence Microscopy. In 3rd International Symposium on Visual Computing. Berlin, Heidelberg: Spinger-Verlag, 2007. s. 571-581, 11 s. ISBN 978-3-540-76855-5.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název A Comparison of Fast Level Set-Like Algorithms for Image Segmentation in Fluorescence Microscopy
Název česky Porovnání rychlých aproximací Level Set metody pro segmentaci obrazu ve fluorescenční mikroskopii
Autoři MAŠKA, Martin (203 Česká republika, garant, domácí), Jan HUBENÝ (203 Česká republika, domácí), David SVOBODA (203 Česká republika, domácí) a Michal KOZUBEK (203 Česká republika, domácí).
Vydání Berlin, Heidelberg, 3rd International Symposium on Visual Computing, od s. 571-581, 11 s. 2007.
Nakladatel Spinger-Verlag
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Německo
Utajení není předmětem státního či obchodního tajemství
Forma vydání elektronická verze "online"
WWW URL
Kód RIV RIV/00216224:14330/07:00022769
Organizační jednotka Fakulta informatiky
ISBN 978-3-540-76855-5
UT WoS 000251785200056
Klíčová slova anglicky image segmentation; level set method; active contours
Štítky active contours, cbia-web, image segmentation, level set method
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Martin Maška, Ph.D., učo 60734. Změněno: 13. 12. 2015 02:07.
Anotace
Image segmentation, one of the fundamental task of image processing, can be accurately solved using the level set framework. However, the computational time demands of the level set methods make them practically useless, especially for segmentation of large threedimensional images. Many approximations have been introduced in recent years to speed up the computation of the level set methods. Although these algorithms provide favourable results, most of them were not properly tested against ground truth images. In this paper we present a comparison of three methods: the Sparse-Field method [1], Deng and Tsui's algorithm [2] and Nilsson and Heyden's algorithm [3]. Our main motivation was to compare these methods on 3D image data acquired using fluorescence microscope, but we suppose that presented results are also valid and applicable to other biomedical images like CT scans, MRI or ultrasound images. We focus on a comparison of the method accuracy, speed and ability to detect several objects located close to each other for both 2D and 3D images. Furthermore, since the input data of our experiments are artificially generated, we are able to compare obtained segmentation results with ground truth images.
Anotace česky
Segmentaci obrazu, jednu ze základních úloh zpracování obrazu, lze přesně řešit pomocí Level Set metody.
Návaznosti
LC535, projekt VaVNázev: Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Centra základního výzkumu
MSM0021622419, záměrNázev: Vysoce paralelní a distribuované výpočetní systémy
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Výzkumné záměry
2B06052, projekt VaVNázev: Vytipování markerů, screening a časná diagnostika nádorových onemocnění pomocí vysoce automatizovaného zpracování multidimenzionálních biomedicínských obrazů (Akronym: Biomarker)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Zdravý a kvalitní život
VytisknoutZobrazeno: 24. 2. 2020 01:21