Camera Motion Estimation in Micro-Rotation Imaging

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology | Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Date
2007
Major/Subject
Laskennallinen tekniikka
Mcode
S-114
Degree programme
Language
en
Pages
80
Series
Abstract
Kolmiulotteinen mikroskopia mahdollistaa yksittäisten solujen rakenteiden tutkimisen, mikä olisi mahdotonta pelkästään ihmissilmällä sen riittämättömän erottelukyvyn takia. Digitaalisen käsittelyn avulla tutkittavista kohteista pystytään oleellisesti luomaan kolmiulotteisia rekonstruktioita. Aiemmin 3D-mikroskopia on tyypillisesti rajoittunut pinomuotoiseen kuvauskäytäntöön, jonka seurauksena rekonstruktioiden projektioakselin suuntainen resoluutio on huono tai tiedonkeruu on ollut monimutkaista ja eriaikaista. Mikrorotaatiokuvantaminen on uudenlainen kuvantamistapa, joka on kehitetty solunpyöritysjärjestelmän ohella. Siinä näytteestä kerätään kuva-aineistoa samaan aikaan, kun sitä pyöritetään täydet 360 astetta. Haasteena on siten laajentaa nykyiset rekonstruktiomenetelmät ottamaan huomioon uudenlainen kuvausgeometria. Ennen varsinaista rekonstruktiota kuva-aineiston tarkka sijainti ja suuntaus kuvatussa 3D-kohteessa on selvitettävä. Työssä esitellään ja tutkitaan kolmen eri lähestymistavan soveltumista kuvantamista vastaavan kameran liikkeen estimointiin. Nämä ovat ristikorrelaatioon, piirteisiin sekä 3D-malliin pohjautuvat menetelmät, joista pääpaino on kahdessa ensimmäisessä menetelmässä. Menetelmät luodaan lähinnä Bayesilaisen tilastollisen mallinnuksen pohjalta. Paras tulos saadaan luultavasti kuitenkin lopulta yhdistämällä kaikki kolme menetelmää yhdeksi hierarkkiseksi algoritmiksi. Menetelmiä testattiin yhdellä synteettisellä ja kolmella todellisella kuva-aineistolla. Testien perusteella estimoidut kameran liikkeet parantavat selvästi rekonstruktioita. Luotettavien tuloksien saaminen edellyttää kuva-aineistolta kuitenkin selvästi erottuvia yksityiskohtia. Ilman niitäkin voidaan silti aina luottaa liikkeestä olemassa olevaan etukäteistietoon suoraviivaisesti Bayesilaisen lähestymistavan avulla.
Description
Supervisor
Kaski, Kimmo
Thesis advisor
Brandt, Sami
Keywords
camera motion estimation, kameran liikkeen estimointi, computer vision, tietokonenäkö, micro-rotation microscopy imaging, mikrorotaatiomikroskopia, Bayesian modelling, Bayesilainen mallinnus
Other note
Citation