Arbitrarily-Oriented Anisotropic 3D Gaussian Filtering Computed with 1D Convolutions without Interpolation

ULMAN, Vladimír. Arbitrarily-Oriented Anisotropic 3D Gaussian Filtering Computed with 1D Convolutions without Interpolation. In Proceedings of 8th WSEAS International Conference on Signal Processing, Computational Geometry and Artificial Vision. Ateny: WSEAS, 2008, s. 56-62. ISBN 978-960-6766-95-4.

Základní údaje

• Originální název: Arbitrarily-Oriented Anisotropic 3D Gaussian Filtering Computed with 1D Convolutions without Interpolation
• Název česky: Obecně orientované anisotropní 3D Gausovské fitrování počítáno pomocí 1D konvolucí bez interpolací
• Autoři: ULMAN, Vladimír (203 Česká republika, garant).
• Vydání: Ateny, Proceedings of 8th WSEAS International Conference on Signal Processing, Computational Geometry and Artificial Vision, od s. 56-62, 7 s. 2008.
• Nakladatel: WSEAS

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Stať ve sborníku
• Obor: 10201 Computer sciences, information science, bioinformatics
• Stát vydavatele: Řecko
• Utajení: není předmětem státního či obchodního tajemství
• Kód RIV: RIV/00216224:14330/08:00026077
• Organizační jednotka: Fakulta informatiky
• ISBN: 978-960-6766-95-4
• UT WoS: 000260494200008
• Klíčová slova anglicky: Gaussian separability spatial image filtering
• Štítky: CBIA, cbia-web
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

The paper presents a procedure that allows for good approximation of anisotropic arbitrarily-oriented arbitrarily-dimensional Gaussian filter. Even though the method is generally $n$D, it is demonstrated and discussed in 3D. It, essentially, substitutes a given 3D Gaussian by six 1D oriented recursive convolutions. Since many such orientations may be available, a set of fast constraints is presented to narrow the number of them and to select the best ones. Firstly, only integer elements are allowed in the directional vector of each orientation not to break translation-invariance of the method. Secondly, validations due to requirements on separability of the approximated filter are applied. Finally, the best directions are selected in the convolution test. We compare the method to a similar recent approach of [Lampert and Wirjadi, 2007] in 3D. A possibility how to improve the performance of bank filtering by using this method is outlined.

Anotace česky

Článek popisuje proceduru, která umožňuje dobrou aproximaci anizotropního obecně orientovaného Gaussovského filtru v obecné dimenzi. Metoda je především popsána a diskutována pro 3D, navzdory její obecnosti. Základem metody je nahrazení klasické plné konvoluce 6-ti orientovanými 1D rekurzivními konvolucemi. Protože takových orientací může být obecně velmi mnoho, v článku popisujeme i množinu podmínek, které umí rychle vybrat nejvhodnější orientace. Nejprve omezíme orientace na takové, jejichž směrový vektor obsahuje pouze celočíselné hodnoty, abychom neporušili translační invariance metody. Následně ověříme aplikovatelnost nového filtru z podmínek rozložitelnosti původního zadaného filtru. Konečně je zvolena nejlepší orientace pomocí konvolučního testu. Výsledky metoda jsou porovnávány vůči podobnému přístupu [Lampert a Wirjadi, 2007]. V článku také naznačíme možnosti, jak představenou metodou zlepšit celkový výkon banky fitrů.

Návaznosti

• LC535, projekt VaV: Název: Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii

• MSM0021622419, záměr: Název: Vysoce paralelní a distribuované výpočetní systémy

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Vysoce paralelní a distribuované výpočetní systémy

• 2B06052, projekt VaV: Název: Vytipování markerů, screening a časná diagnostika nádorových onemocnění pomocí vysoce automatizovaného zpracování multidimenzionálních biomedicínských obrazů (Akronym: Biomarker)

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Vytipování markerů, screening a časná diagnostika nádorových onemocnění pomocí vysoce automatizovaného zpracování multidimenzionálních biomedicínských obrazů