Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • 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
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. (Centre for image analsis)ORCID-id: 0000-0002-4405-6888
Dept. Teoría de la Señal y Comunicaciones e Ingeniería Telemática, Universidad de Valladolid, Spain. (Laboratorio de Procesado de Imagen (LPI))
(5 Electrical & Electronics Engineering Department, Boğaziçi University, Istanbul, Turkey)
(Laboratorio de Procesado de Imagen (LPI), Dept. Teoría de la Señal y Comunicaciones e Ingeniería Telemática, Universidad de Valladolid, Spain)
Visa övriga samt affilieringar
2009 (Engelska)Ingår i: Tensors in Image Processing and Computer Vision, London: Springer , 2009, 1, s. 407-428Kapitel i bok, del av antologi (Övrigt vetenskapligt)
Abstract [en]

Abstract 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
London: Springer , 2009, 1. s. 407-428
Serie
Advances in Pattern Recognition, ISSN 1617-7916
Nationell ämneskategori
Datorseende och robotik (autonoma system)
Forskningsämne
Datoriserad bildanalys
Identifikatorer
URN: urn:nbn:se:uu:diva-111490DOI: 10.1007/978-1-84882-299-3_19ISBN: 978-1-84882-298-6 (tryckt)OAI: oai:DiVA.org:uu-111490DiVA, id: diva2:281384
Tillgänglig från: 2009-12-15 Skapad: 2009-12-15 Senast uppdaterad: 2018-01-12Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltexthttp://www.springerlink.com/content/w6j2825rp677j677/

Sök vidare i DiVA

Av författaren/redaktören
Brun, Anders
Av organisationen
Datoriserad bildanalysCentrum för bildanalys
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 549 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • 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