IIIE   20352
INSTITUTO DE INVESTIGACIONES EN INGENIERIA ELECTRICA "ALFREDO DESAGES"
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
Segmentación en Imágenes 3D utilizando Dimensión Fractal de Autocorrelación Local
Autor/es:
SILVETTI ANDREA FABIANA; DELRIEUX CLAUDIO
Lugar:
Chilecito, La Rioja - Argentina
Reunión:
Congreso; XIV CACIC 2008 - Congreso Argentino de Ciencias de la Computación - VI Workshop de computación gráfica, imágenes y visualización; 2008
Institución organizadora:
Red UNCI
Resumen:
Resumen
Presentamos un método eficiente y robusto para computar la dimensión fractal local
(DFL) de autocorrelación o coeficiente H de Hurst en imágenes 3D. El mismo es una
variante al modelo que se utiliza para medir la DFL en senales e imágenes digitales.
En el caso de imágenes tridimensionales, la autocorrelación local evalúa, dentro de
una ventana volumétrica, la máxima variación de los valores presentes en los voxels en
función de su distancia Euclídea al centro de la ventana, siendo el H local la pendiente
de la regresión en el espacio loglog de dicha máxima varianción en función de la
distancia.
En trabajos anteriores se mostró que la evaluación de H en imágenes es mucho más
precisa y estable si se utiliza la máxima variación entre todos los pixels que están a una
distancia dada, y que la utilización de ventanas circulares reduce además el tiempo de
cómputo mejorando la calidad. En este trabajo proponemos generalizar estas ideas a
3D, computando la DFL en volúmenes utilizando autocorrelación cúbica. Los resultados
obtenidos, tanto en volúmenes sintéticos de datos como con imágenes médicas 3D, son
significativamente mejores que con el método clásico, demostrando que la DFL es una
alternativa importante para la segmentación en imágenes tridimensionales.