Advertisement

Untersuchung der Detektionsleistung von 3D-Operatoren zur Ermittlung von Punktlandmarken in MR- und CT-Bildern

  • Thomas Hartkens
  • Karl Rohr
  • H. Siegfried Stiehl
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

Während die Leistungsfähigkeit von 2D-Operatoren zur Detektion von Punktlandmarken in tomographischen Bildern bereits untersucht wurde (z.B. [10]), sind Untersuchungen bzgl. der Detektionsleistung von 3D-Operatoren kaum bekannt. In dieser Arbeit werden neun verschiedene 3D-Differentialoperatoren dahingehend untersucht, ob und inwieweit sie geeignet sind, Landmarken in 3D-Bildern zu detektieren. Dazu verwenden wir Maße, die unterschiedliche Aspekte der Detektionsleistung der Operatoren widerspiegeln.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    I. E. Abdou and W. K. Pratt. Qualitative design and evaluation of enhancement/thresholding edge detector. Proc. IEEE, 67 (5): 753–763, May 1979.CrossRefGoogle Scholar
  2. 2.
    P. Beaudet. Rotationally invariant image operators. In Proc. Jfth Int. Joint Conf. Patt. Recog., pages 579–583, November 1978. Kyoto, Japan.Google Scholar
  3. 3.
    W. Beil, K. Rohr, and H.S. Stiehl. Investigation of approaches for the localization of anatomical landmarks in 3D medical images. In Proc. Computer Assisted Radiology and Surgery (CAR‘97’), pages Seite 265–270, Juni 1997.Google Scholar
  4. 4.
    J. Blom. Topological and Geometrical Aspects of Image Structure. PhD thesis, Utrecht University, 1992.Google Scholar
  5. 5.
    F. L. Bookstein. Principal warps: Thin-plate splines and the decomposition of deformations. IEEE Transactions on Pattern Analysis oxid Machine Intelligence, June 1989, PAMI-11(6): 567–585, 1989.Google Scholar
  6. 6.
    E. S. Deutsch and J. R. Pram. A quantitative study of the orientational bias of some edge detector schemes. IEEE Transactions on Computers, 27 (3): 205–213, March 1978.CrossRefGoogle Scholar
  7. 7.
    L. M. J. Florack, B. M. ter Haar Romeny, J. J. Koenderink, and M. A. Vier- gever. General intensity transformations and differential invariants. Journal of Mathematical Imaging and Vision, 4 (2): 171–187, 1994.MathSciNetCrossRefGoogle Scholar
  8. 8.
    W. Förstner. A feature based correspondence algorithm for image matching. In Int. Arch. Photogramm. Remote Sensing, volume 26, pages 150–166, 1986.Google Scholar
  9. 9.
    S. Frantz, K. Rohr, and H. S. Stiehl. On the localization of 3D anatomical point- landmarks in medical imagery using multi-step differential approaches. In Proc. 19. D AG M-Symposium Mustererkennung, Braunschweig/Germany, pages 340–347. Springer-Verlag Berlin Heidelberg, Sept. 1997.Google Scholar
  10. 10.
    T. Hartkens, K. Rohr, and H. S. Stiehl. Evaluierung von Differentialoperatoren zur Detektion charakteristischer Punkte in tomographischen Bildern. In Proc. 18. DAGM-Symposium Mustererkennung, Heidelberg/Germany, pages 637–644. Springer-Verlag Berlin Heidelberg, Sept. 1996.Google Scholar
  11. 11.
    L. Kitchen and A. Rosenfeld. Grey level corner detection. Pattern Recognition Letters, 1: 95–102, December 1982.CrossRefGoogle Scholar
  12. 12.
    K. Rohr. Untersuchung von grauwertabhängigen Transformationen zur Ermittlung des optischen Flusses in Bildfolgen. Diplomarbeit, Institut für Nachrichtensysteme, Universität Karlsruhe, Germany, 1987.Google Scholar
  13. 13.
    K. Rohr. On 3D differential operators for detecting point landmarks. Image Vision Computing, 15 (3): 219–233, March 1997.CrossRefGoogle Scholar
  14. 14.
    J. P. Thirion and A. Gourdon. Computing the differential characteristics of isoin- tensity surfaces. Computer Vision and Image Understanding, 61 (2): 190–202, March 1995.CrossRefGoogle Scholar
  15. 15.
    S. Venkatesh and L. J. Kitchen. Edge evaluation using necessary components. Computer Vision, Graphics, and Image Processing; Graphical Models and Image Processing, 54 (l): 23–30, January 1992.Google Scholar
  16. 16.
    O. A. Zuniga and R. M. Haralick. Corner detection using the facet model. In Proc. IEEE Conf. on Computer Vision and Pattern Recognition, pages 30–37, 1983.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1998

Authors and Affiliations

  • Thomas Hartkens
    • 1
  • Karl Rohr
    • 1
  • H. Siegfried Stiehl
    • 1
  1. 1.Arbeitsbereich Kognitive Systeme, Fachbereich InformatikUniversität HamburgGermany

Personalised recommendations