Texture Analysis Using 3D Gabor Features and 3D MPEG-7 Edge Histogram Descriptor in Fluorescence Microscopy

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F14%3A00074031" target="_blank" >RIV/00216224:14330/14:00074031 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/IC3D.2014.7032576" target="_blank" >http://dx.doi.org/10.1109/IC3D.2014.7032576</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/IC3D.2014.7032576" target="_blank" >10.1109/IC3D.2014.7032576</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Texture Analysis Using 3D Gabor Features and 3D MPEG-7 Edge Histogram Descriptor in Fluorescence Microscopy

Popis výsledku v původním jazyce

The pattern recognition with focus on texture and shape analysis is still very hot topic, especially in biomedical image processing. In this article, we introduce 3D extension of well-known approaches for this particular area. We focus on the collectionof MPEG-7 image descriptors, specifically on Edge Histogram Descriptor (EHD) and Gabor features, which are core of Homogeneous Texture Descriptor (HTD). The proposed extensions are evaluated on the dataset consisting of three classes of 3D volumetric biomedical images. Two different classifiers, namely $k$-NN and Multi-Class SVM, are used to evaluate the proposed algorithms. According to the presented tests, proposed 3D extensions clearly outperforms their 2D equivalents in the classification tasks.

Název v anglickém jazyce

Texture Analysis Using 3D Gabor Features and 3D MPEG-7 Edge Histogram Descriptor in Fluorescence Microscopy

Popis výsledku anglicky

The pattern recognition with focus on texture and shape analysis is still very hot topic, especially in biomedical image processing. In this article, we introduce 3D extension of well-known approaches for this particular area. We focus on the collectionof MPEG-7 image descriptors, specifically on Edge Histogram Descriptor (EHD) and Gabor features, which are core of Homogeneous Texture Descriptor (HTD). The proposed extensions are evaluated on the dataset consisting of three classes of 3D volumetric biomedical images. Two different classifiers, namely $k$-NN and Multi-Class SVM, are used to evaluate the proposed algorithms. According to the presented tests, proposed 3D extensions clearly outperforms their 2D equivalents in the classification tasks.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GA14-22461S" target="_blank" >GA14-22461S: Vývoj a studium metod pro kvantifikaci živých buněk</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2014

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

4th International Conference on 3D Imaging (IC3D)

ISBN

9781479980239

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

1-7

Název nakladatele

IEEE Computer Society

Místo vydání

Los Alamitos, California

Místo konání akce

Liege, Belgium

Datum konání akce

1. 1. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—