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.
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 |
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 |
research focus: | Digitalisierung |