@inproceedings{PalmMetzlerMohametal., author = {Palm, Christoph and Metzler, V. and Moham, B. and Dieker, O. and Lehmann, Thomas M. and Spitzer, Klaus}, title = {Co-Occurrence Matrizen zur Texturklassifikation in Vektorbildern}, series = {Bildverarbeitung f{\"u}r die Medizin}, booktitle = {Bildverarbeitung f{\"u}r die Medizin}, editor = {Evers, H. and Glombitza, G. and Lehmann, Thomas M. and Meinzer, H.-P.}, publisher = {Springer}, address = {Berlin}, doi = {10.1007/978-3-642-60125-5_69}, pages = {367 -- 371}, abstract = {Statistische Eigenschaften nat{\"u}rlicher Grauwerttexturen werden mit Co-Occurrence Matrizen, basierend auf der Grauwertstatistik zweiter Ordnung, modelliert. Die Matrix gibt dann die apriori Wahrscheinlichkeiten aller Grauwertpaare an. Da in der medizinischen Bildverarbeitung verst{\"a}rkt Multispektralbilder ausgewertet werden, wird das bekannte Konzept hier auf beliebige Vektorbilder erweitert. Dadurch kann bei der Texturklassifikation die zur Verf{\"u}gung stehende Information vollst{\"a}ndig genutzt werden. Insbesondere zur Detektion von Farbtexturen ist dieser Ansatz geeignet, da Wertepaare unterschiedlicher Spektralebenen ausgewertet werden k{\"o}nnen. Ebenso kann die Methode auch bei der Multiskalendekomposition von Intensit{\"a}tsbildern zur Verbesserung der Texturerkennung beitragen. Die in den Matrizen entstehenden Muster lassen dann {\"u}ber die Extraktion geeigneter Texturdeskriptoren R{\"u}ckschl{\"u}sse auf die Texturen des Bildes zu.}, language = {de} }