Comment retrouver une constellation dans la galaxie ?
Résumé
In this paper, we propose an approach to find a subset of n-dimensional points within a larger set. The idea is to match objects detected in images at different resolutions. To do so, we use a complete bipartite graph model whose vertices are weighted by the cost of assignment problems. The proposed method is tested on randomly generated data emphasizing on some particular cases as well as on real data (matching neurons in two different types of 3D microscopic images of mice cortices and automatically detecting a constellation in an image of the night sky).
Dans cet article, nous proposons une approche pour retrouver un sous-ensemble de points de Rn dans un ensemble de plus grande
taille. L’idée est de mettre en correspondance des groupes d’objets détectés dans des images à différentes résolutions. Pour cela, nous utilisons
un modèle de graphe biparti complet dont chacune des arêtes est pondérée par le coût d’un problème d’appariement. La méthode proposée est testée sur des données générées aléatoirement mettant en évidence plusieurs cas particuliers ainsi que sur des cas réels de mise en correspondance de neurones entre deux types d’images 3D de cortex de souris extraites par microscopie confocale ainsi que sur une image du ciel sur laquelle une galaxie est automatiquement détectée.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...