Discrete Tomography from Incomplete and Uncertain Data: Modelling, Algorithms, and Applications  Page description

Help  Print 
Back »

 

Details of project

 
Identifier
112998
Type K
Principal investigator Balázs, Péter
Title in Hungarian Diszkrét tomográfia hiányos és bizonytalan adatokból: Modellezés, algoritmusok, alkalmazások
Title in English Discrete Tomography from Incomplete and Uncertain Data: Modelling, Algorithms, and Applications
Keywords in Hungarian diszkrét tomográfia, képrekonstrukció, GPU programozás
Keywords in English discrete tomography, image reconstruction, prior information, regularization, projection selection
Discipline
Information Technology (Council of Physical Sciences)100 %
Ortelius classification: Informatics
Panel Informatics and Electrical Engineering
Department or equivalent Department of Image Processing and Computer Graphics (University of Szeged)
Participants Bodnár, Péter
Nagy, Antal
Nyúl, László
Palágyi, Kálmán
Varga, László Gábor
Starting date 2015-01-01
Closing date 2017-12-31
Funding (in million HUF) 28.053
FTE (full time equivalent) 6.22
state closed project
Summary in Hungarian
A kutatás összefoglalója, célkitűzései szakemberek számára
Itt írja le a kutatás fő célkitűzéseit a témában jártas szakember számára.

Megvizsgáljuk, hogy milyen módon gyengíthetők az összefüggőségre, konvexitásra és egyéb geometriai tulajdonságokra adott definíciók, melyek segítségével a tomográfiai alkalmazásokból származó alakzatok tulajdonságai jobban leírhatóvá válnak. Időbeli, térbeli és vegyes regularizációs priorokat vezetünk be, és tanulmányozzuk a rekonstrukcióra gyakorolt hatásukat. Bevezetünk gyakorlati alkalmazások által motivált mértékeket, melyekkel a képeken megjelenők struktúrák hatékonyságát mérhetjük. Olyan eljárásokat tervezünk, melyek a vetületek információtartalmát mérik, és ez alapján jellemzik, hogy az adott vetületekből mennyire megbízhatóan végezhető el a rekonstrukció. Adaptív vetületválasztó algoritmusokat szolgáltatunk, melyek a rekonstrukció közben tudják megállapítani a következő hasznos vetítési irányt. A fentiek kiaknázó újszerű diszkrét rekonstrukciós algoritmusokat tervezünk, implementálunk és elemzünk. Lehetőség szerint a GPU programozást részesítjük előnyben, hogy eljárásaink minél gyorsabbak legyenek. A fenti problémákat megvizsgáljuk kettőnél több (de kevés) intenzitásértéket tartalmazó képek esetén is. Egyes konkrét gyakorlati alkalmazásokra a kidolgozott módszerek paramétereinek hangolását is elvégezzük.

Mi a kutatás alapkérdése?
Ebben a részben írja le röviden, hogy mi a kutatás segítségével megválaszolni kívánt probléma, mi a kutatás kiinduló hipotézise, milyen kérdéseket válaszolnak meg a kísérletek.

A cél a rekonstruálandó kép előállításához szükséges vetületek számának csökkentése, arra alapozva, hogy a kép csak kevés, előre ismert szürke intenzitást tartalmaz. Ily módon gyorsabb és pontosabb rekonstrukciós módszereket adhatunk meg. Geometriai feltételek olyan gyengítését javasoljuk, melyek a diszkrét képrekonstrukció flexibilis modelljébe is beépíthetők. Újfajta regularizációs termeket vezetünk be, hogy meggyorsítsuk a rekonstrukciót és javítsuk a kép minőségét. Kidolgozunk olyan újszerű vetületválasztó stratégiákat is, melyek képesek kiválasztani a nagyobb információtartalommal rendelkező vetületeket.

Mi a kutatás jelentősége?
Röviden írja le, milyen új perspektívát nyitnak az alapkutatásban az elért eredmények, milyen társadalmi hasznosíthatóságnak teremtik meg a tudományos alapját. Mutassa be, hogy a megpályázott kutatási területen lévő hazai és a nemzetközi versenytársaihoz képest melyek az egyediségei és erősségei a pályázatának!

A kidolgozandó új modellek, módszerek segítségével olyan újszerű rekonstrukciós eljárások valósíthatók meg, melyek kevesebb vetületből, kisebb költséggel, gyorsabban képesek a képet rekonstruálni. Az eredmények kiemelten fontosak és hasznosak lehetnek az ipari nemroncsoló tesztelésben. Az újonnan bevezetendő flexibilis geometriai tulajdonságok a diszkrét geometria, a mintafelismerés, és -elemzés több területén is bevethetők lesznek. A levezetendő matematikai modellek további inverz problémák megoldásában is segítséget nyújthatnak.

A kutatás összefoglalója, célkitűzései laikusok számára
Ebben a fejezetben írja le a kutatás fő célkitűzéseit alapműveltséggel rendelkező laikusok számára. Ez az összefoglaló a döntéshozók, a média illetve az adófizetők tájékoztatása szempontjából különösen fontos az NKFI számára.

A tomográfia célja objektumok belső szerkezetéről információt szerezni annak vetületeiből. Egyes alkalmazások esetén csak nagyon kevés (2-20) vetület áll rendelkezésre, ami önmagában nem elegendő az elfogadható minőségű kép előállítására. Olyan matematikai modellek vezetünk le, továbbá olyan számítógépes algoritmusokat tervezünk és implementálunk, melyek a képről rendelkezésre álló információt kitudják használni a rekonstrukció során. Kifejlesztünk olyan stratégiákat is melyek segítségével meghatározható, hogy mely irányokból érdemes az objektum vetületeit képezni. Így, bizonyos esetekben, jó minőségű képet tudunk rekonstrálni már kevés vetületből is.
Summary
Summary of the research and its aims for experts
Describe the major aims of the research for experts.

We investigate connectedness, convexity, and further discrete geometrical properties how they can be relaxed in order to give more realistic descriptions of binary images arising from real tomographic applications. We introduce novel space, time, and space+time regularizing priors and study their effect on the reconstruction. We introduce similarity measures for certain classes of structures motivated by practical applications. We design methods that can measure the information content of the projections, and thus can describe how reliable the reconstruction could be from the given set of projections. We provide adaptive projection selection methods, that can estimate the next important projection angle on-the-fly. We design, implement, and analyse effective discrete tomographic reconstruction algorithms that can use the above priors, reliability measures, and projection selection strategies. Where possible, we prefer GPU programming to increase the speed of the methods. We study the developed techniques in multi-valued scenarios (i.e., where the number of possible values in the reconstructed function/image is small but larger than 2). We devise specific settings for the reconstruction problem for particular applications.

What is the major research question?
Describe here briefly the problem to be solved by the research, the starting hypothesis, and the questions addressed by the experiments.

The aim is to reduce the number of projections used for reconstructing images containing just a few known intensity values. By this we can supply faster and more accurate reconstruction methods. We propose relaxation of geometrical conditions that can be used in flexible models of discrete image reconstruction. We introduce novel regularization terms to speed up the reconstruction process and improve image quality. We develop novel projection selection strategies that can choose the projection directions having more information content than the others.

What is the significance of the research?
Describe the new perspectives opened by the results achieved, including the scientific basics of potential societal applications. Please describe the unique strengths of your proposal in comparison to your domestic and international competitors in the given field.

The abovementioned methods can create the possibilty of reducing the number of required projections for the image reconstruction, while in the same time not degrading image quality. This means faster, more precise and cheaper imaging. The results are especially useful in industrial non-destructive testing. The newly introduces flexible geometrical properties will be also useful in several fields of discrete geometry, and pattern recognition and analysis. The devised mathematical models can be adapted to further inverse problems.

Summary and aims of the research for the public
Describe here the major aims of the research for an audience with average background information. This summary is especially important for NKFI in order to inform decision-makers, media, and the taxpayers.

Reconstruction tomography is an imaging technique where the aim is to recover images from their projections. In certain applications just extremely few (2-20) projections are available which on its own is not sufficient to reconstruct images of acceptable quality. We devise mathematical models, design and develop computer algorithms that can incorporate prior information of the image into the reconstruction. We also develop strategies that can choose the best directions the projections should be taken from. By this, under certain circumstances, we can provide good-quality reconstructions also from few projections.





 

Final report

 
Results in Hungarian
A kutatás célja olyan képrekonstrukciós módszerek kidolgozása volt, melyek képesek az előállítandó képről rendelkezésre álló a priori információt felhasználva a hagyományos módszerek által szolgáltatottnál jobb minőségű képet előállítani, lényegesen kevesebb vetületből is. Az alábbi alakzat leírókat vizsgáltuk meg kiterjedtebben: konvexitás, mintázat, objektumváz, irányultság, hasznos vetületek. Az elméleti megfigyeléseink alapján sikerült hatékony képrekonstrukciós algoritmusokat terveznünk. Az elért eredmények az ipari nem roncsoló tesztelés területén hasznosíthatóak. Eredményeinket 9 folyóiratcikkben, 23 konferenciakiadványban és 7 absztraktban publikáltuk.
Results in English
The aim of the research was to develop image reconstruction methods capable of incorporating prior information of the image to be reconstructed in order to achieve better image quality, from much fewer projections. We extensively investigated the following image descriptors: convexity, texture, object skeleton, orientation, informative projections. Based on our theoretical observastios, we succeeded to develop efficient reconstruction algorithms. The results are mainly applicable in industrial non destructive testing. We published our results in 9 journal articles, 23 conference proceedings and 7 abstracts.
Full text https://www.otka-palyazat.hu/download.php?type=zarobeszamolo&projektid=112998
Decision
Yes





 

List of publications

 
Nagy Antal: Problems and Solutions in Discrete Tomography, Szegedi Tudományegyetem, Informatikai Intézet, 2017
P. Balázs, S. Brunetti: A Q-convexity vector descriptor for image analysis, Journal of Mathematical Imaging and Vision, submitted, 2018
A. Nagy: Experimental study on multivalued phantoms using different filters in the DART algorithm, Fundamenta Informaticae 141 (2015) 207–231, 2015
Petrovszki Gábor: Ipari CT szkenner adatbázis alapú szoftverrendszerének tervezése és implementálása, Szegedi Tudományegyetem, Informatikai Tanszékcsoport, Képfeldolgozás és Számítógépes Grafika Tanszék, 2015
P. Bodnár: Image analysis methods for localization of visual codes, Institute of Informatics, University of Szeged, 2015
N. Hantos: Reconstruction, Enumeration, and Examination of Binary Images with Prior Information, Institute of Informatics, University of Szeged, 2015
K. Palágyi, G. Németh, P. Kardos: Topology-preserving equivalent parallel and sequential 4-subiteration 2D thinning algorithms, Proc. 9th International Symposium on Image and Signal Processing and Analysis, IEEE/EURASIP, ISPA 2015, Zagreb, Croatia, 2015, 306-311., 2015
K. Palágyi, G. Németh, P. Kardos: Equivalent sequential and parallel subiteration-based surface-thinning algorithms, Proc. 17th International Workshop on Combinatorial Image Analysis, IWCIA 2015, Kolkata, India, Lecture Notes in Computer Science 9448, Springer, 2015, 31-45., 2015
P. Balázs, Z. Ozsvár, T.S. Tasi, L.G. Nyúl: A measure of directional convexity inspired by binary tomography, Fundamenta Informaticae 141 (2015) 151-167, 2015
N. Hantos, P. Balázs: Eliminating switching components in binary matrices by 0-1 flips and column permutations, Fundamenta Informaticae 141 (2015) 135-150, 2015
T. Lukic, P. Balázs: Binary tomography reconstruction based on shape orientation, Pattern Recognition Letters (Elsevier) 79 18-24 (2016), 2016
P. Balázs, S. Brunetti: A measure of Q-convexity, 19th International Conference on Discrete Geometry for Computer Imagery, Nantes, France, April 2016, Proceedings, Lecture Notes in Computer Science 9647 219-230, 2016
L. Varga, Z. Ozsvár, P. Balázs: Image enhancement by volume limitation in binary tomography, 12th International Symposium on Visual Computing, Las Vegas, USA, December 2016, Proceedings, Lecture Notes in Computer Science 10072 213-222, 2016
Szűcs Judit: Képrekonstrukció tanult strukturális információval, Szegedi Tudományegyetem, Informatikai Tanszékcsoport, Képfeldolgozás és Számítógépes Grafika Tanszék, 2016
K. Palágyi: P-Simple Points and General-Simple Deletion Rules, Proc. 19th IAPR International Conference on Discrete Geometry for Computer Imagery, DGCI 2016, Nantes, France, Lecture Notes in Computer Science 9647 143-153, 2016
K. Palágyi: Equivalent sequential and parallel topological algorithms for binary images, VIII. Magyar Számítógépes Grafika és Geometria Konferencia, GRAFGEO 2016, Budapest, pp. 188-191, 2016
M. Katona, A. Kovács, R. Dégi, L.G. Nyúl: Automatic Detection of Subretinal Fluid and Cyst in Retinal Images, 19th International Conference on Image Analysis and Processing, Catania, Italy, September 2017, Proceedings, Lecture Notes in Computer Science 10484, Springer, 606-616., 2017
K. Palágyi, G. Németh: A pair of equivalent sequential and fully parallel 3D surface-thinning algorithms, Discrete Applied Mathematics 216 (2017) 348-361., 2017
P. Kardos, K. Palágyi: Unified characterization of P-simple points in triangular, square, and hexagonal grids, Proc. CompIMAGE'16, Niagara Falls, NY, USA, Lecture Notes in Computer Science 10149, Springer, 2016, 79-88., 2016
K. Palágyi: Simplifier points in 2D binary images, Proc. 18th International Workshop on Combinatorial Image Analysis, IWCIA 2017, Plovdiv, Bulgaria, Lecture Notes in Computer Science 10256, Springer, 2017, 3-15., 2017
K. Palágyi, P. Kardos: A single-step 2D thinning scheme with deletion of P-simple points, Proc. 22th Iberoamerican Congress on Pattern Recognition, CIARP 2017, Valparaiso, Chile, Lecture Notes in Computer Science 10657, Springer, (in press), 2018
J. Szűcs, P. Balázs: Binary image reconstruction using local binary pattern priors, International Journal of Circuits, Systems and Signal Processing (NAUN) 11 296-299, 2017
G. Lékó, P. Balázs: Detecting steel cord discontinuities in tire tread x-ray images: A preliminary study, International Journal of Circuits, Systems and Signal Processing (NAUN) 11 314-318, 2017
S. Brunetti, P. Balázs, P. Bodnár: Extension of a one-dimensional convexity measure to two dimensions, 18th International Workshop on Combinatorial Image Analysis, Plovdiv, Bulgaria, June 2017, Proceedings, Lecture Notes in Computer Science (Springer) 10256 105-116, 2017
P. Bodnár, P. Balázs: An improved directional convexity measure for binary images, 14th International Conference on Image Analysis and Recognition, Montreal, Canada, July 2017, Proceedings, Lecture Notes in Computer Science (Springer) 10317 278-285, 2017
P. Bodnár, P. Balázs, L.G. Nyúl: A convexity measure for gray-scale images based on hv-convexity, 19th International Conference on Image Analysis and Processing, Catania, Italy, September 2017, Proceedings, Lecture Notes in Computer Science (Springer) 10484 555-563, 2017
P. Balázs, S. Brunetti: A new shape descriptor based on a Q-convexity measure, 20th International Conference on Discrete Geometry for Computer Imagery, Vienna, Austria, September 2017, Proceedings, Lecture Notes in Computer Science 10502, 267-278, 2017
P. Bodnár, P. Balázs: An area-based measure of directional convexity for grayscale images, 6th Thematic Conference on Comp. Vision and Med. Image Proc., Porto, Portugal, October 2017, Proceedings, Lecture Notes in Comput. Vision and Biomech. 27 131-139, 2017
G. Petrovszki, P. Balázs: A database-driven software framework for industrial data acquisition and processing, 6th Thematic Conference on Comp. Vision and Med. Image Proc., Porto, Portugal, October 2017, Proceedings, Lecture Notes in Comput. Vision and Biomech. 27 560-569, 2017
S. Brunetti, P. Balázs: A measure of Q-convexity for shape analysis, Pattern Recognition Letters, submitted, 2018
P. Balázs, G. Lékó, Z. Ozsvár, G. Petrovszki, J. Szûcs, L. Varga: 3D ipari CT szkenner informatikai rendszerének tervezése és fejlesztése, Abstracts of the 11th Conference of the Hungarian Association of Image Processing and Pattern Recognition, Szováta, Romania, 24-27 January, 2017, 10 pages, 2017
J. Szűcs, P. Balázs: Binary image reocnstruction based on structural information, Abstracts of the 4th Winter School of PhD Students in Informatics and Mathematics, Pécs, Hungary, 24-26 February, 2017, pp. 33-34., 2017
P. Balázs, S. Harizanov: 2D CT data reconstruction from radiographic images, generated by scanners with static 1D detectors, Extended Abstracts of the 12th Annual Meeting of the Bulgarian Section of SIAM, Sofia, Bulgaria, 20-22 December, 2017, pp. 42-43., 2017
P. Balázs, J. Szűcs: Reconstruction of Binary Images from Row and Column Sums with Fixed Number of Strips, 15th International Conference on Image Analysis and Recognition, June 27-29, 2018 – Póvoa de Varzim, Portugal, submitted, 2018
G. Lékó, P. Balázs, L.G. Varga: Projection selection using global uncertainty for binary tomographic reconstruction, 15th International Conference on Image Analysis and Recognition, June 27-29, 2018 – Póvoa de Varzim, Portugal, submitted, 2018, 2018
Olasz Csaba: Optimalizáláson alapuló CT szkenner kalibráció, Szegedi Tudományegyetem, Informatikai Tanszékcsoport, Képfeldolgozás és Számítógépes Grafika Tanszék, 2017
Katona M., Nyúl L.: Szubretinális folyadéktér és ciszta automatikus detektálása retinafelvételeken, KÉPAF 2017: Képfeldolgozók és Alakfelismerők Társaságának 11. országos konferenciája, Paper 52. 11 p., 2017
K. Palágyi, P. Kardos: P-simpleness on regular 2D grids, and its equivalence with general-simpleness, KÉPAF 2017: Képfeldolgozók és Alakfelismerők Társaságának 11. országos konferenciája, 11 pages, 2017
K. Palágyi, G. Németh, P. Kardos: Equivalent sequential and parallel thinning algorithms, KÉPAF 2017: Képfeldolgozók és Alakfelismerők Társaságának 11. országos konferenciája, 11 pages,, 2017
Lukic T., Balázs P.: Alakzatok irányultságára támaszkodó bináris tomográfiai módszer, Abstracts of the 11th Conference of the Hungarian Association of Image Processing and Pattern Recognition, Szováta, Romania, 24-27 January, 2017, 16 pages, 2017
Cs. Olasz, L. Varga, A. Nagy,: CT scanner calibration based on optimalization, 5th Winter School of PhD Students in Informatics and Mathematics, to appear, 2018
J. Szűcs, P. Balázs: Binary Image Reconstruction with Strip Constraints, 5th Winter School of PhD Students in Informatics and Mathematics, to appear,, 2018
G. Lékó, P. Balázs, L.G. Varga: Projection selection using uncertainty in binary tomography, 5th Winter School of PhD Students in Informatics and Mathematics, to appear, 2018





 

Events of the project

 
2015-11-12 09:04:16
Résztvevők változása




Back »