On the application of content adaptive mesh image representation

In this article we focus on image representation using Content Adaptive Mesh Models (CAMM). We discuss the idea of image representation using the triangular mesh and limitations of this method. The performance of the methods is evaluated with two sample images representative for biomedical applications: brain reconstruction from Positron Emission Tomography (PET) scanner and Shepp-Logan head phantom. The conclusion is that the CAMM approach may be very effective representation for image reconstruction, but the current version of the algorithm is inappropriate for very low contrast data, such as the Shepp-Logan phantom. The main conclusion is that the node placement scheme should be corrected to prevent excess concentration of nodes in unimportant regions of highcontrast and shortage of nodes in low-contrast parts of the image. It is postulated that contrast stretching could be a possible solution to that limitation.

W artykule opisano zastosowanie reprezentacji obrazu w postaci adaptujacej się do jego zawartości siatki elementów trójkatnych (ang. Content Adaptive Mesh Models - CAMM). Przeanalizowano skuteczność takiego podejścia i ograniczenia metody na przykładzie dwóch obrazów testowych, typowych dla zastosowań biomedycznych: rekonstrukcji skanu mózgu z wykorzystaniem tomografii emisyjnej (PET) oraz tzw. fantomu Sheppa-Logana. Na podstawie uzyskanych wyników wnioskuje się, że wykorzystanie siatki elementów trójkatnych może być bardzo efektywnym sposobem reprezentacji obrazu, jednak w swojej obecnej wersji algorytm nie sprawdza się w przypadkach w których część obrazu cechuje sie niskim kontrastem. Zasugerowano zastosowanie kompresji kontrastu w celu przezwyciężenia tego ograniczenia.