Autocorrelation-Driven Diffusion Filtering

SND-ID: 2024-219. Version: 1. DOI: https://doi.org/10.5878/qb4q-jt57

Citering

Skapare/primärforskare

Michael Felsberg - Linköpings universitet, Institutionen för systemteknik, Bildbehandling / Centrum för medicinsk bildvetenskap och visualisering, CMIV orcid

Forskningshuvudman

Linköpings universitet rorId

Beskrivning

The dataset consists of Matlab code and present a novel scheme for anisotropic diffusion driven by the image autocorrelation function. We show the equivalence of this scheme to a special case of iterated adaptive filtering. By determining the diffusion tensor field from an autocorrelation estimate, we obtain an evolution equation that is computed from a scalar product of diffusion tensor and the image Hessian. We propose further a set of filters to approximate the Hessian on a minimized spatial support. On standard benchmarks, the resulting method performs favorable in many cases, in particular at low noise levels. In a GPU implementation, video real-time performance is easily achieved.

Datasetet har ursprungligen publicerats i DiVA och flyttades över till SND 2024.

Data innefattar personuppgifter

Nej

Språk

Metod och utfall
Datainsamling
Geografisk täckning
Administrativ information

Identifierare

Ämnesområde och nyckelord

Forskningsområde

Datorseende och robotik (autonoma system) (Standard för svensk indelning av forskningsämnen 2011)

Nyckelord

Autonoma system

Publikationer
Publicerad: 2024-07-01