Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 1 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina.

Ähnliche Präsentationen


Präsentation zum Thema: "ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 1 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina."—  Präsentation transkript:

1 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 1 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D Active Shape and Appearance Models

2 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 2 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Inhalt Grundlagen (2D): –PDM: Point Distribution Model –ASM: Active Shape Model –AAM: Active Appearance Model Methoden: –3D PDM und ASM –3D und 4D Active Appearance Models

3 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 3 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Point Distribution Model (PDM) (1/4) Beinhaltet durchschnittliche Form eines Training Sets mit ihrer Varianz Formanalyse Training Set = N shape samples mit jeweils n landmark points Der Vektor x i beschreibt die n landmarks der i-ten Form X i = (x i0, y i0, x i1, y i1,……x in,y in ) T wobei (x ik, y ik ) der k-te Punkt (landmark) dieser Form ist.

4 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 4 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Point Distribution Model (PDM) (2/4) Principal Component Ananlysis (PCA) Berechnung des Durchschnittsvektors und der Abweichung jeder Form vom Durchschnitt

5 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 5 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Point Distribution Model (PDM) (3/4) Daraus kann nun die Kovarianzmatrix S erstellt werden Die Abweichungen können durch die Eigenvektoren (p k ) beschrieben werden. Die Einvektoren können in Kombination mit den größten Eigenwerten die signifikantesten Formen von Abweichungen beschreiben.

6 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 6 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Point Distribution Model (PDM) (4/4) Jede Form des Trainingsets kann mit Hilfe der Durchschnittsform und einer Summe dieser Abweichungen angenähert werden P =(p 1 p 2 …p t ) wobei Matrix der ersten t Eigenvektoren b =(b 1 b 2 …b t ) Gewichtungsvektor für jeden Eigenvektor Neue Formen können durch Variieren der Parameter erzeugt werden!

7 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 7 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Active Shape Model (ASM)(1/2) Erweiterung des PDM mit einem Matching Algorithmus Segmentierung Motion Tracking Iteratives Anpassen des Models an die Bilddaten innerhalb der trainierten statistischen Limits

8 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 8 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Active Shape Model (ASM)(2/2) Abschätzung neuer Update-Positionen für landmarks z.B. durch grey-level Modelle Grauwertmodell: Berücksichtigung der Grauwerte in der Umgebung der landmarks Die Differenz zwischen den zuzufügenden Punkte und Modelpunkte ändert die Modelausrichtung in jeder Iteration

9 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 9 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Active Appearance Model (AAM) Erweiterung der ASM: statistisches Helligkeitsmodel von kompletten volumetrischen Patches um die landmarks Form-Modell (PCA) Ausgangsbild wird mittels Image Warping in Form gebracht Active: Automatische Anpassung eines unbekannten Bildes mit Hilfe der gelernten Transformationen innerhalb der Limits

10 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 10 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik PDMs, ASM und AAMs …..haben sich sehr durch ihre Robustheit bewährt Es gibt aber natürlich auch interessante Alternativen: Statistical deformation Models, M-reps, wahrscheinlichkeitstheoretische Atlanten…

11 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 11 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Erweiterung auf 3D und höhere Dimensionen Absolut notwendig da moderne (medizinische) Geräte Daten in 3D und mehr bereits liefern Schwierigkeit: Riesige Datenmengen richtige Point Correspondence konsistentes setzen von Landmarks

12 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 12 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D Point Distribution Models (1/4) Konturen im Training Set einzeichnen und labeln (flood-filling) Anpassen der gelabelten Formen durch eine globale Transformation ( Translation, Rotation und Skalierung 9 Freiheitsgrade) an ein Reference Sample (RS) aus dem Training Set.

13 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 13 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D Point Distribution Models (2/4) Konstruktion eines Atlas durch Mittelung der Distanztransformation der angepassten Formen Wiederholung bis Atlas stabil Reference Coordinate System (RCS) Formen werden mit Hilfe von non-rigid-registration in RCS aufgenommen (Lokale Transformation: Free Form Deformations basierned auf B-Splines )

14 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 14 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D Point Distribution Models (3/4) Das Mittel der erhaltenen lokalen Transformationen wird auf das RCS angewandt Natural Coordinate System (NCS) Setzen von Landmarks am Atlas (marching cubes Algorithmus: Oberflächen- triangulierung) Landmark Propagation: Landmarks werden durch inverse Transformation für jede Form automatisch berechnet

15 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 15 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D Point Distribution Models (4/4) PCA kann durchgeführt werden

16 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 16 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D Active Shape Models Schlüsselkriterien: –Unabhängigkeit von der Orientierung der Bildschichten und der Art und Weise der Bilderzeugung (MR, CT) –Anwendbarkeit auf nur wenig gesampelte Daten mit beliebiger Orientierung 2D Bilddaten zum updaten des Models Erzeugung der Update-Punkte basierend auf RELATIVEN Farbdifferenzen

17 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 17 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Model Matching Extract contours from mesh Sample contours Generate new candidate position for sample points Propagate point displacements to mesh vertices Convergence? NO YES Deform model to minimize the shape difference with the points cloud Align model mesh to displace points cloud Align 2D-in-plane displacement vectors to 3D vertex normals Finished

18 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 18 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Fuzzy Inference System Bestimmung des 2D point-displacement vectors durch Pixelklassifikation Einteilung durch relative Farbdifferenz in Blut- Muskel- oder Luft-Pixel

19 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 19 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D and 4D Active Appearance Models

20 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 20 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 2D + time Active Appearance Models Problem: MR nicht zeitkontinuierlich Erweiterung von 2D + time modeling: –Zeitdimension in Model codiert –landmark time frames –nearest neighbour interpolation => shape und intensity vectors werden verbunden => 2D AAM

21 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 21 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D AAM: Modeling Volume Appearance intensity model sample volumes => average shape (warping) –voxel-wise correspondence –voxel intensity: shape-free vector Warping –Mapping-Funktion –piecewise affine warping –thin-plate spline warping

22 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 22 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D AAM: Modeling Volume Appearance 3D: piecewise affine warping –Tetraeder (x 1, x 2, x 3, x 4 ) –Punkte im Tetraeder: x = αx 1 + βx 2 + γx 3 + δx 4 –3D Delauny Triangulierung –baryzentrische Koordinaten

23 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 23 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D AAM: Modeling Volume Appearance 1.PDM x i …. 3D landmark für sample i 3D PDM shape sample: lineare Kombination von Eigenvektoren 2.Warping Ziel: shape-free intensity vectors 3.Normalisieren shape-free intensity vectors auf Durchschnitts-Intensität normalisieren Average intensity: 0; average variance: 1

24 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 24 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D AAM: Modeling Volume Appearance 4.PCA durchführen 5.Lineare Kombination intensity sample => lineare Kombination von Eigenvektoren 6.Konkatenation shape vectors + gray-level intensity vectors 7.PCA durchführen

25 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 25 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D Active Appearance Models: Matching appearance model => image data –root-mean-square intensity difference minimieren Modifizierung der affinene Transformation, der Intensity-Parameter und der Appearance-Koeffizienten –gradient descent method

26 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 26 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik

27 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 27 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Multi-view Active Appearance Models 3D und 2D time AAMs –single image set at a time cardiac MR –mehrere Blickwinkel MVAAM –Zusammenhang und Korrelation der verschiedenen image sets –Information aus allen views

28 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 28 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Multi-view Active Appearance Models align training shapes shape vectors kombinieren PCA an Kovarianz-Matrix durchführen gleich bei intensity model cardiac MR views, linksventrikuläre Arteriendarstellung

29 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 29 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik 3D + time Active Appearance Models Erweiterung des 3D AAM frameworks –Zeitelement im Model –Objekte => time correspondence shape –texture vectors => single shape and texture vector

30 ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 30 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina Münzer, Christian Dobnik Referenzen Handbook of Mathematical Models in Computer Vision Ergänzende Papers: T. Cootes, G. Edwards, and C. Taylor. Active appearance models. IEEE Trans. Pattern Anal. And Machine Intelligence, 23:681-685, 2001 A. Frangi, D. Rueckert, J. Schnabel, and W. Niessen. Automatic construction of multiple-object three-dimesional statistical shape models: application to cardiac modelling. IEEE Transactions on Medical Imaging, 21(9):1151-66,2002 H. van Assen, M. Danilouchkine, F. Behloul, H. Lamb, R. van der Geest, J. Reiber, and B. Lelieveldt. Cardiac LV segmentation using a 3D active shape model driven by fuzzy inference. In Medical Image Computing & Computer Assisted Interventions – MICCAI, volume 2878 of Lecture Notes in Computer Science, pages 535-540. Springer Verlag, Berlin 2003 S. Mitchell, J. Bosch, B. Lelieveldt, R. van der Geest, J. Reiber, and M. Sonka. 3-D active appearance models: segmentation of cardiac MR and ultrasound images. IEEE Transactions on Medical Imaging. 21(9=:1167-78, September 2002


Herunterladen ppt "ICG – Institut für Maschinelles Sehen und Darstellen Professor Horst Cerjak, 19.12.2005 1 3D Active Shape Models Ma-GL Sommersemester 2007 Ma GL Bettina."

Ähnliche Präsentationen


Google-Anzeigen