liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Similar Tensor Arrays - A Framework for Storage of Tensor Array Data
Linköpings universitet, Institutionen för medicinsk teknik, Medicinsk informatik. Linköpings universitet, Tekniska högskolan. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Centre for Image Analysis, SLU, Uppsala, Sweden.
Universidad de Valladolid Laboratorio de Procesado de Imagen (LPI), Dept. Teoría de la Señal y Comunicaciones e Ingeniería Telemática Spain.
Boğaziçi University 5 Electrical & Electronics Engineering Department Istanbul Turkey.
Universidad de Valladolid Laboratorio de Procesado de Imagen (LPI), Dept. Teoría de la Señal y Comunicaciones e Ingeniería Telemática Spain.
Visa övriga samt affilieringar
2009 (Engelska)Ingår i: Tensors in Image Processing and Computer Vision / [ed] Santiago Aja-Fern´andez, Rodrigo de Luis Garc´ıa, Dacheng Tao, Xuelong Li, Springer Science+Business Media B.V., 2009, 1, s. 407-428Kapitel i bok, del av antologi (Refereegranskat)
Abstract [en]

This chapter describes a framework for storage of tensor array data, useful to describe regularly sampled tensor fields. The main component of the framework, called Similar Tensor Array Core (STAC), is the result of a collaboration between research groups within the SIMILAR network of excellence. It aims to capture the essence of regularly sampled tensor fields using a minimal set of attributes and can therefore be used as a “greatest common divisor” and interface between tensor array processing algorithms. This is potentially useful in applied fields like medical image analysis, in particular in Diffusion Tensor MRI, where misinterpretation of tensor array data is a common source of errors. By promoting a strictly geometric perspective on tensor arrays, with a close resemblance to the terminology used in differential geometry, (STAC) removes ambiguities and guides the user to define all necessary information. In contrast to existing tensor array file formats, it is minimalistic and based on an intrinsic and geometric interpretation of the array itself, without references to other coordinate systems.

Ort, förlag, år, upplaga, sidor
Springer Science+Business Media B.V., 2009, 1. s. 407-428
Serie
Advances in Pattern Recognition, ISSN 1617-7916
Nationell ämneskategori
Datorseende och robotik (autonoma system)
Identifikatorer
URN: urn:nbn:se:liu:diva-58091DOI: 10.1007/978-1-84882-299-3_19ISBN: 978-1-84882-298-6 (tryckt)ISBN: 978-1-84882-299-3 (tryckt)OAI: oai:DiVA.org:liu-58091DiVA, id: diva2:331961
Konferens
Tensor in Image Processing and Computer Vision
Tillgänglig från: 2010-07-29 Skapad: 2010-07-29 Senast uppdaterad: 2018-01-12Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextfind book at a swedish library/hitta boken i ett svenskt bibliotek

Personposter BETA

Brun, AndersSigfridsson, AndreasSvensson, BjörnHerberthson, MagnusKnutsson, Hans

Sök vidare i DiVA

Av författaren/redaktören
Brun, AndersSigfridsson, AndreasSvensson, BjörnHerberthson, MagnusKnutsson, Hans
Av organisationen
Medicinsk informatikTekniska högskolanCentrum för medicinsk bildvetenskap och visualisering, CMIVTillämpad matematik
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 739 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf