TU Darmstadt / ULB / TUbiblio

Konsistente Parametrisierung von Flächen vom Geschlecht 1 zur Bildung eines statistischen Formmodells des Wirbels

Becker, Meike and Kirschner, Matthias and Wesarg, Stefan (2011):
Konsistente Parametrisierung von Flächen vom Geschlecht 1 zur Bildung eines statistischen Formmodells des Wirbels.
In: Informatik aktuell, pp. 74-78, Springer, Berlin; Heidelberg; New York, Bildverarbeitung für die Medizin 2011, DOI: 10.1007/978-3-642-19335-4₁₇,
[Conference or Workshop Item]

Abstract

Für die Segmentierung komplexer Strukturen wie beispielsweise Wirbel werden häufig statistische Formmodelle (SFM) verwendet. Bei der Konstruktion des SFM stellt die Lösung des Korrespondenzproblems eine der größten Herausforderungen dar. In dieser Arbeit präsentieren wir einen neuen automatischen Ansatz für die Initiallösung des Korrespondenzproblems für Flächen vom Geschlecht 1. Dazu schneiden wir eine Referenzfläche der Trainingsmenge entlang zweier möglichst kurzer Schleifen auf und propagieren diese auf die übrigen Flächen der Trainingsmenge. Anschließend bilden wir jede Fläche auf den Parameterraum des Rechtecks ab, wo wir die entstehende Flächenverzerrung mit einem heuristischen Ansatz verringern. Damit können wir SFM mit erhöhter Qualität konstruieren.

Item Type: Conference or Workshop Item
Erschienen: 2011
Creators: Becker, Meike and Kirschner, Matthias and Wesarg, Stefan
Title: Konsistente Parametrisierung von Flächen vom Geschlecht 1 zur Bildung eines statistischen Formmodells des Wirbels
Language: German
Abstract:

Für die Segmentierung komplexer Strukturen wie beispielsweise Wirbel werden häufig statistische Formmodelle (SFM) verwendet. Bei der Konstruktion des SFM stellt die Lösung des Korrespondenzproblems eine der größten Herausforderungen dar. In dieser Arbeit präsentieren wir einen neuen automatischen Ansatz für die Initiallösung des Korrespondenzproblems für Flächen vom Geschlecht 1. Dazu schneiden wir eine Referenzfläche der Trainingsmenge entlang zweier möglichst kurzer Schleifen auf und propagieren diese auf die übrigen Flächen der Trainingsmenge. Anschließend bilden wir jede Fläche auf den Parameterraum des Rechtecks ab, wo wir die entstehende Flächenverzerrung mit einem heuristischen Ansatz verringern. Damit können wir SFM mit erhöhter Qualität konstruieren.

Series Name: Informatik aktuell
Publisher: Springer, Berlin; Heidelberg; New York
Uncontrolled Keywords: Forschungsgruppe Medical Computing (MECO), Distortion, Surface parameterization, Cutting, Statistical shape models (SSM)
Divisions: 20 Department of Computer Science
20 Department of Computer Science > Interactive Graphics Systems
Event Title: Bildverarbeitung für die Medizin 2011
Date Deposited: 12 Nov 2018 11:16
DOI: 10.1007/978-3-642-19335-4₁₇
Export:
Suche nach Titel in: TUfind oder in Google
Send an inquiry Send an inquiry

Options (only for editors)
Show editorial Details Show editorial Details