uu.seUppsala universitets publikasjoner
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Seeded Segmentation Based on Object Homogeneity
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för radiologi, onkologi och strålningsvetenskap, Enheten för radiologi.
Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för radiologi, onkologi och strålningsvetenskap, Enheten för radiologi.
2012 (engelsk)Inngår i: Proceedings of the 21st International Conference on Pattern Recognition (ICPR), 2012, s. 21-24Konferansepaper, Poster (with or without abstract) (Fagfellevurdert)
Abstract [en]

Seeded segmentation methods attempt to solve the segmentation problem in the presence of prior knowledge in the form of a partial segmentation, where a small subset of the image elements (seed-points) have been assigned correct segmentation labels. Common for most of the leading methods in this area is that they seek to find a segmentation where the boundaries of the segmented regions coincide with sharp edges in the image. Here, we instead propose a method for seeded segmentation that seeks to divide the image into areas of homogeneous pixel values. The method is based on the computation of minimal cost paths in a discrete representation of the image, using a novel path-cost function. The utility of the proposed method is demonstrated in a case study on segmentation of white matter hyperintensitities in MR images of the human brain.

sted, utgiver, år, opplag, sider
2012. s. 21-24
HSV kategori
Forskningsprogram
Datoriserad bildanalys; Datoriserad bildbehandling
Identifikatorer
URN: urn:nbn:se:uu:diva-188438ISBN: 978-1-4673-2216-4 (tryckt)OAI: oai:DiVA.org:uu-188438DiVA, id: diva2:577856
Konferanse
ICPR 2012, 21 st International Conference on Pattern Recognition, November 11-15 2012, Tsukuba International Congress Center, Tsukuba Science City, Japan
Tilgjengelig fra: 2012-12-17 Laget: 2012-12-17 Sist oppdatert: 2013-07-23bibliografisk kontrollert

Open Access i DiVA

Fulltekst mangler i DiVA

Andre lenker

http://www.icpr2012.org/http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6460062

Personposter BETA

Malmberg, FilipStrand, RobinNordenskjöld, RichardKullberg, Joel

Søk i DiVA

Av forfatter/redaktør
Malmberg, FilipStrand, RobinNordenskjöld, RichardKullberg, Joel
Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar

isbn
urn-nbn

Altmetric

isbn
urn-nbn
Totalt: 599 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf