Dissertation

Fourier based rotation invariance and biological image analysis : rotation invariant description and detection, and cell segmentation

Weitere Titel
Fourier-Rotationsinvarianz und biologische Bildanalyse : rotationsinvariante Beschreibung und Erkennung, und Zellsegmentierung [deutsch]
Personen-Informationen ausblenden

Erschienen in
Bibliographische Angaben
Erscheinungsjahr: 2014
URN: urn:nbn:de:bsz:25-opus-96193 Sprache: englisch Informatik, Information und Wissen, allgemeine Werke / Informatik, Information und Wissen, allgemeine Werke / Informatik
Abstract
  • deutsch
  • englisch
Während der grundlegende Ansatz, wie mittels Fourieranalyse Rotationsinvarianz erreicht werden kann, hinlänglich bekannt ist, beschränkt sich die typische Nutzung auf die Berechnung der Absolutbeträge nachdem die Bilddaten oder Bildmerkmale auf eine Fourierbasis projiziert wurden. Der Hauptbeitrag dieser Doktorarbeit ist die Verbesserung der Beschreibung, bzw. der Diskriminationsfähgigkeit von Fourier-basierten invarianten Methoden, durch die Kombination mit anderen modernen Techniken aus dem Bereich der Musterekerkennung und der Computer Vision. Das "Histogram of Oriented Gradients (HOG)" wird vielfach für die Beschreibung von Bildern genutzt und hat sich als sehr leistungsfähig erwiesen (Felzenszwalb et al., 2010). Diese Doktorarbeit präsentiert eine Methode zur Berechnung von rotationsinvarianten HOG-Deskriptoren mittels Fourieranalyse in Polar- und Kugelkoordinaten. Dies wird erreicht durch die Interpretation eines Gradientenhistogramms als kontinuierliche Funktion auf dem Einheitskreis, bzw. der Einheitskugel, die mittels der Fourierbasis (2D) oder Kugelflächenfunktionen (3D) dargestellt wird. Da die Rotationsinvarianz hier analytisch erreicht wird, werden Quantisierungsartefakte vermieden und es wird eine kontinuierliche Abbildung vom Bild- in den Merkmalsraum erreicht, die die darauf folgende Klassifizierungsaufgabe erleichtert. In den Experimenten war unsere Methode anderen "state-of-the-art" Methoden auf einem öffentlich verfügbaren Datensatz zur Fahrzeugerkennung in Luftbildern klar überlegen. Auf dem "Princeton Shape Benchmark" und dem "SHREC 2009 Generic Shape Benchmark" zeigte unsere Methode ebenfalls eine hohe Leistungsfähigkeit als Ähnlichkeitsmaß für 3D Formen. Anstatt invariante Merkmale zu benutzen, können wir auch direkt die Endergebnisse einer Erkennung rotationsinvariant machen. Basierend auf den equivarianten Filtern (Reisert and Burkhardt, 2008) wurde ein neues Modell entworfen, dass hohe Lernfähigkeit unter der Randbedingung der Rotationsinvarianz gewährleistet. Durch die gleichzeitige Nutzung von Rohmerkmalen und rotationsinvarianten Merkmalen haben wir eine solide Lösung gefunden, um eine "Codebook"-ähnliche Methode unter der Randbedingung der Invarianz zu nutzen. Dieses neue Modell liefert einen einfachen und verlässlichen Lernmechanismus für die equivarianten Filter, der die Leistungsfähigkeit in anspruchsvollen Aufgabenstellungen signifikant erhöht. Seine Leistungsfähigkeit wurde in einer 2D Objektdetektionsaufgabe, bei der die Objekte innerhalb der Ebene rotiert sind, sowie in einer 3D-Landmarkendetektion in mikroskopischen Volumendaten demonstriert. Dieser effiziente rotationsinvariante Detektor ist ein wichtiger Beitrag für das Projekt "3D Virtual Brain Explorer for Zebrafish". Dieses Projekt stellt Biologen ein Werkzeug zur Verfügung, um große Mengen von Zebrafischlarven (einem Modellorganismus für Wirbeltiere) auf eine Referenzlarve auszurichten, so dass Koexpression von Genen detailliert analysiert werden kann. Kapitel 5 der Doktorarbeit ist meinen Arbeiten zur Zellsegmentierung und den dazugehörigen Techniken für biologische Forschungsprojekte, bei denen große Mengen an Proben quantitativ ausgewertet werden müssen, gewidmet. Das Bildverbesserungsverfahren auf der Basis von anisotroper Diffusion hat sich für viele verschiedene mikroskopische Datensätze als sehr effektiv erwiesen. Für die Pflanzenforschung wurde ein halbautomatischer Zellanalysenablauf entwickelt. Für die gleichzeitige Zellsegmentierung und -klassifikation wurde ein Ansatz basierend auf "Markov Random Fields" vorgeschlagen. Die Erkenntnisse, die in dieser Doktorarbeit gewonnen wurden, erweitern den Stand der Wissenschaft in der Fourier-basierten Rotationsinvarianz. Die Arbeit liefert Beispiele, wie in verschiedenen Anwendungen Rotationsinvarianz erreicht werden kann. Die vorgestellten Verfahren zur Kombination der analytischen Fourier-basierten Rotationsinvarianz mit anderen Techniken werden ein wertvolles Rezept für weitere Entwicklungen im Bereich der rotationsinvarianten Erkennung sein. Die vorgestellten Zellanalysenansätze zeigen ebenfalls vielversprechende Ergebnisse und erfüllen die Anforderungen in praktischen Anwendungen.

Beschreibung

Dateien
Lizenz Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich.
DFG
Dieser Beitrag ist mit Zustimmung des Rechteinhabers (Verlag) aufgrund einer (DFG-geförderten) Allianz- bzw. Nationallizenz frei zugänglich.
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich. 
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich.
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich.
Fourier based rotation invariance and biological image analysis : rotation invariant description and detection, and cell segmentation



ist lizenziert unter einer
Urheberrechtlich geschützt: Eine Nutzung ist nur gemäß Urheberrechtsgesetzen und/oder einschlägigen verwandten Schutzrechten möglich.
  • Liu_Thesis_prepress.pdf SHA256 checksum: 17145e1c5484dca63ecc56aec1b07504c3c60fbd878e5c640dcb88df27dcfeff
    Download (22.88 MB)

  • Beschreibung der Forschungsdaten

    Relationen
    Laden...
    Laden...

    Prüfungsangaben Fakultät: Technische Fakultät Betreuer:in: Ronneberger, Olaf Prüfungsdatum: 29.07.2014
    Korrekturanfrage
    Vielen Dank für Ihre Korrekturanfrage. Wir werden uns um Ihre Anfrage kümmern und uns ggf. über die angegebene E-Mail-Adresse bei Ihnen zurückmelden. Bitte haben Sie Verständnis dafür, dass die Korrektur unter Umständen einige Tage dauern kann.
    Es ist ein Fehler aufgetreten. Bitte versuchen Sie es später noch einmal.