Coarse-to-fine foraminifera image segmentation through 3D and deep features
Coarse-to-fine foraminifera image segmentation through 3D and deep features
复制标题
通过 3D 和深度特征进行从粗到细的有孔虫图像分割
DOI：
10.1109/ssci.2017.8280982
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Lobaton, Edgar
中科院分区：
文献类型：
--
作者：
Ge, Qian;Zhong, Boxuan;Kanakiya, Bhargav;Mitra, Ritayan;Marchitto, Thomas;Lobaton, Edgar
有孔虫是单细胞的海洋生物，直径通常小于1毫米。与有孔虫相关的最常见任务之一是鉴定岩石或海洋沉积物样本中含有的数千种有孔虫的物种，这可能是一个繁琐的人工过程。因此，需要一种自动视觉识别系统。有孔虫物种鉴定的一些主要标准来自于壳本身的特征。因此，有孔虫图像的腔室和孔的分割将为物种识别提供有力的特征。然而，现有的基于图像的自动分类方法都没有使用分割，部分原因是缺乏对有孔虫图像的准确分割方法。在本文中，我们提出了一种基于学习的边缘检测管道，使用粗到精的策略，从有孔虫图像中提取模糊边缘，并使用相对较小的训练集进行分割。实验表明，我们的方法能够正确地分割有孔虫的腔室和孔，并有可能为物种鉴定和其他应用提供有用的特征，如有孔虫壳的形态学研究和有孔虫数据集标记。
Foraminifera are single-celled marine organisms, which are usually less than 1 mm in diameter. One of the most common tasks associated with foraminifera is the species identification of thousands of foraminifera contained in rock or ocean sediment samples, which can be a tedious manual procedure. Thus an automatic visual identification system is desirable. Some of the primary criteria for foraminifera species identification come from the characteristics of the shell itself. As such, segmentation of chambers and apertures in foraminifera images would provide powerful features for species identification. Nevertheless, none of the existing image-based, automatic classification approaches make use of segmentation, partly due to the lack of accurate segmentation methods for foraminifera images. In this paper, we propose a learning-based edge detection pipeline, using a coarse-to-fine strategy, to extract the vague edges from foraminifera images for segmentation using a relatively small training set. The experiments demonstrate our approach is able to segment chambers and apertures of foraminifera correctly and has the potential to provide useful features for species identification and other applications such as morphological study of foraminifera shells and foraminifera dataset labeling.
登录
查看更多内容
原生动物的多样性和生态意义
影响因子：
3.4
作者：
Keith Vickerman
通讯作者：
Keith Vickerman
DOI：
10.1109/caia.1994.323653
发表时间：
1994
期刊：
Proceedings of the Tenth Conference on Artificial Intelligence for Applications
影响因子：
--
作者：
S. Liu;M. Thonnat;M. Berthod
通讯作者：
M. Berthod
新生代时间尺度——对区域地质学和古生物地理学的一些影响
DOI：
--
发表时间：
1972
期刊：
影响因子：
--
作者：
W. Berggren
通讯作者：
W. Berggren
DOI：
10.1007/10983652_33
发表时间：
2003
期刊：
2013 IEEE Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
R. Marmo;S. Amodio
通讯作者：
S. Amodio
影响因子：
1.9
作者：
CORLISS, BH
通讯作者：
CORLISS, BH