کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6877195 | 1442812 | 2018 | 13 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Accurate and reliable extraction of surfaces from image data using a multi-dimensional uncertainty model
ترجمه فارسی عنوان
دقیق و قابل اعتماد استخراج سطوح از داده های تصویری با استفاده از یک مدل عدم قطعیت چند بعدی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
استخراج سطحی، تجسم نامعلوم، کاوش پارامتر فضایی،
ترجمه چکیده
استخراج سطحی یک گام مهم در خط لوله پردازش تصویر برای برآورد اندازه و شکل یک شی است. متاسفانه، الگوریتم های استخراج سطحی سطح پیشرفته، بر اساس یک مقدار از پیش تعریف شده ایجاد می شود که می تواند منجر به سطوح شود که دقیق نیستند. علاوه بر این، اکثر الگوریتم های استخراج ایزوفرفیف توانایی برقراری ارتباط نااطمینانی ناشی از داده های تصویر را ندارند. این می تواند منجر به رد چنین الگوریتمی در بسیاری از برنامه های کاربردی شود. برای حل این مشکل، ما یک روش برای استخراج و بهینه سازی سطوح از داده های تصویری بر اساس یک مدل عدم قطعیت تعریف پیشنهاد می کنیم. برای تعیین پارامترهای مطلوب، روش ارائه شده، یک فضای پارامتر را تعیین می کند و میزان هر استخراج را بر اساس عدم اطمینان سطحی باقی می گذارد. سطوح حاصل می تواند به طور مستقیم در یک چارچوب تعاملی مورد بررسی قرار گیرد. ما روش ما را به مجموعه ای از انواع داده ها برای نشان دادن کیفیت سطوح حاصل شده اعمال کردیم.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
گرافیک کامپیوتری و طراحی به کمک کامپیوتر
چکیده انگلیسی
Surface extraction is an important step in the image processing pipeline to estimate the size and shape of an object. Unfortunately, state of the art surface extraction algorithms form a straight forward extraction based on a pre-defined value that can lead to surfaces, that are not accurate. Furthermore, most isosurface extraction algorithms lack the ability to communicate uncertainty originating from the image data. This can lead to a rejection of such algorithms in many applications. To solve this problem, we propose a methodology to extract and optimize surfaces from image data based on a defined uncertainty model. To identify optimal parameters, the presented method defines a parameter space that is evaluated and rates each extraction run based on the remaining surface uncertainty. The resulting surfaces can be explored intuitively in an interactive framework. We applied our methodology to a variety of datasets to demonstrate the quality of the resulting surfaces.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Graphical Models - Volume 99, September 2018, Pages 13-21
Journal: Graphical Models - Volume 99, September 2018, Pages 13-21
نویسندگان
Christina Gillmann, Thomas Wischgoll, Bernd Hamann, Hans Hagen,