Co-Occurrence Matrizen zur Texturklassifikation in Vektorbildern

  • Statistische Eigenschaften natürlicher 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 verstärkt Multispektralbilder ausgewertet werden, wird das bekannte Konzept hier auf beliebige Vektorbilder erweitert. Dadurch kann bei der Texturklassifikation die zur Verfügung stehende Information vollständig genutzt werden. Insbesondere zur Detektion von Farbtexturen ist dieser Ansatz geeignet, da Wertepaare unterschiedlicher Spektralebenen ausgewertet werden können. Ebenso kann die Methode auch bei der Multiskalendekomposition von Intensitätsbildern zur Verbesserung der Texturerkennung beitragen. Die in den Matrizen entstehenden Muster lassen dann über die Extraktion geeigneter Texturdeskriptoren Rückschlüsse auf die Texturen des Bildes zu.

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Christoph PalmORCiDGND, V. Metzler, B. Moham, O. Dieker, Thomas M. Lehmann, Klaus Spitzer
DOI:https://doi.org/10.1007/978-3-642-60125-5_69
Parent Title (German):Bildverarbeitung für die Medizin
Publisher:Springer
Place of publication:Berlin
Editor:H. Evers, G. Glombitza, Thomas M. Lehmann, H.-P. Meinzer
Document Type:conference proceeding (article)
Language:German
Year of first Publication:1999
Release Date:2020/06/08
Tag:Klassifikation; Multiskalenbilder; Multispektralbilder; Texturerkennung; Vektorbilder
First Page:367
Last Page:371
Institutes:Fakultät Informatik und Mathematik
Regensburg Medical Image Computing - ReMIC
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 005 Computerprogrammierung, Programme, Daten
Publication:Externe Publikationen