Incremental B-spline deformation model for geometric graph matching

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F18%3A00327676" target="_blank" >RIV/68407700:21230/18:00327676 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/8363758" target="_blank" >https://ieeexplore.ieee.org/document/8363758</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ISBI.2018.8363758" target="_blank" >10.1109/ISBI.2018.8363758</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Incremental B-spline deformation model for geometric graph matching

Popis výsledku v původním jazyce

We propose a B-spline deformation model, which can be efficiently updated from sequential measurements. Our incremental update is based on the Kalman filtering, is optimal in the least squares sense, and is very fast, an order of magnitude faster than the direct methods, while converging to the same solution. While this method can be applied to any multidimensional scattered data interpolation task, our main application is a geometric graph matching algorithm, which is used for registering large images from the biomedical domain or remote sensing, based on matching linear structures such as blood vessels or roads. The B-spline transformation model needs to be updated incrementally as more points are added to the match and using the proposed Kalman-like update yields substantial speed gains over the previously used bi-Lipschitz model.

Název v anglickém jazyce

Incremental B-spline deformation model for geometric graph matching

Popis výsledku anglicky

We propose a B-spline deformation model, which can be efficiently updated from sequential measurements. Our incremental update is based on the Kalman filtering, is optimal in the least squares sense, and is very fast, an order of magnitude faster than the direct methods, while converging to the same solution. While this method can be applied to any multidimensional scattered data interpolation task, our main application is a geometric graph matching algorithm, which is used for registering large images from the biomedical domain or remote sensing, based on matching linear structures such as blood vessels or roads. The B-spline transformation model needs to be updated incrementally as more points are added to the match and using the proposed Kalman-like update yields substantial speed gains over the previously used bi-Lipschitz model.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA17-15361S" target="_blank" >GA17-15361S: Učení lokálních konceptů z globálních trénovacích dat pro klasifikaci a segmentaci biomedicínských obrazů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

2018 IEEE 15th IEEE International Symposium on Biomedical Imaging (ISBI)

ISBN

978-1-5386-3636-7

ISSN

—

e-ISSN

1945-7928

Počet stran výsledku

4

Strana od-do

1079-1082

Název nakladatele

IEEE Signal Processing Society

Místo vydání

New Jersey

Místo konání akce

Washington, D.C.

Datum konání akce

4. 4. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000455045600247