Direkt zum Inhalt
  1. Publizieren |
  2. Suche |
  3. Browsen |
  4. Neuzugänge rss |
  5. Open Access |
  6. Rechtsfragen |
  7. EnglishCookie löschen - von nun an wird die Spracheinstellung Ihres Browsers verwendet.

Nonsmooth Convex Variational Approaches to Image Analysis

Lellmann, Jan

Deutsche Übersetzung des Titels: Nichtglatte Konvexe Variationsmethoden in der Bildverarbeitung

[thumbnail of lellmann_thesis.pdf]
Vorschau
PDF, Englisch
Download (8MB) | Nutzungsbedingungen

Zitieren von Dokumenten: Bitte verwenden Sie für Zitate nicht die URL in der Adresszeile Ihres Webbrowsers, sondern entweder die angegebene DOI, URN oder die persistente URL, deren langfristige Verfügbarkeit wir garantieren. [mehr ...]

Abstract

Variational models constitute a foundation for the formulation and understanding of models in many areas of image processing and analysis. In this work, we consider a generic variational framework for convex relaxations of multiclass labeling problems, formulated on continuous domains. We propose several relaxations for length-based regularizers, with varying expressiveness and computational cost. In contrast to graph-based, combinatorial approaches, we rely on a geometric measure theory-based formulation, which avoids artifacts caused by an early discretization in theory as well as in practice. We investigate and compare numerical first-order approaches for solving the associated nonsmooth discretized problem, based on controlled smoothing and operator splitting. In order to obtain integral solutions, we propose a randomized rounding technique formulated in the spatially continuous setting, and prove that it allows to obtain solutions with an a priori optimality bound. Furthermore, we present a method for introducing more advanced prior shape knowledge into labeling problems, based on the sparse representation framework.

Übersetzung des Abstracts (Deutsch)

Variationsmethoden bilden in vielen Gebieten der Bildverarbeitung die Grundlage für die Formulierung von Modellen sowie für deren tieferes Verständnis. In dieser Arbeit betrachten wir einen Variationsansatz für konvexe Relaxierungen des Mehrklassen-Segmentierungsproblems, formuliert auf kontinuierlichen Bildgebieten. Wir stellen mehrere zugehörige Relaxierungen für längenbasierte Regularisierer vor, die sich in der Mächtigkeit, aber auch in der numerischen Komplexität, unterscheiden. Durch die Formulierung im Rahmen der geometrischen Maÿtheorie werden Diskretisierungsartefakte, die bei graphenbasierten kombinatorischen Verfahren aufgrund der frühzeitigen Diskretisierung auftreten, so weit wie möglich vermieden. Zur numerischen Lösung des zugehörigen nichtglatten Optimierungsproblems untersuchen wir Optimierungsmethoden erster Ordnung, basierend auf kontrollierter Glättung und Operator Splitting. Wir formulieren eine randomisierte Rundungsmethode für Mehrklassen-Segmentierungsprobleme auf kontinuierlichen Gebieten und zeigen, dass auf diese Weise ganzzahlige Lösungen mit einer a priori-Schranke für die Optimalität gefunden werden können. Weiterhin stellen wir eine "Sparse Representation"-basierte Methode vor, die es erlaubt, zusätzliches Vorwissen über die Objektform in Variationsansätze zu integrieren.

Dokumententyp: Dissertation
Erstgutachter: Schnörr, Prof. Dr. Christoph
Tag der Prüfung: 12 Juli 2011
Erstellungsdatum: 06 Okt. 2011 14:32
Erscheinungsjahr: 2011
Institute/Einrichtungen: Zentrale und Sonstige Einrichtungen > Interdisziplinäres Zentrum für Wissenschaftliches Rechnen (IWR)
DDC-Sachgruppe: 510 Mathematik
Normierte Schlagwörter: Bildsegmentierung, Konvexe Optimierung, Nichtglatte Optimierung, Kombinatorische Optimierung, Funktion von beschränkter Variation
Freie Schlagwörter: Konvexe Relaxation , Sattelpunktproblem , Coarea-FormelImage Segmentation , Continuous Cut , Saddle Point Problem , Convex Relaxation , Coarea Formula
Leitlinien | Häufige Fragen | Kontakt | Impressum |
OA-LogoDINI-Zertifikat 2013Logo der Open-Archives-Initiative