Dataset: "Effektive globale minimeringsmetoder for spredthet og regularitetsfremmende optimering knyttet til problemer i bildebehandling og visualisering, 2014"

Abstract

Hovedmålene for "Effektive globale minimeringsmetoder for spredthet og regularitetsfremmende optimering knyttet til problemer i bildebehandling og visualisering, 2014" er design og analyse av regularitets-/spredthetsfremmende energiminimaliserende modeller i bildebehandling, datavisualisering og compressed sensing, og design og analyse av effektive numeriske metoder som kan produsere globale eller nesten globale løsninger for de resulterende optimeringsproblemene. Bildebehandling og visualisering er noen av de viktigste nye teknologiene som former vårt samfunn. Dette kan delvis forklares med stadig bedre fysiske sensorer som skaffer bildedata. En annen viktig årsak er utvikling av bildebehandling og datavisualiseringsprogramvare som gjenoppretter, analyserer, forenkler og tolker bildeinformasjon. Energiminimering er et av de viktigste paradigmene som finnes for å formulere problemer i bildebehandling og datavisualisering i et matematisk språk. Problemene kan elegant formuleres som å finne den minimale tilstanden av energipotensial, som typisk koder den underliggende forutsetning at bildedataene er vanlige/spredte, dvs. at verdiene av ulike bildepiksler korrelerer. Mer nylig har man innsett at denne dyre innhentingsprosessen kan bli betydelig forbedret ved å inkorporere den samme slutningen i et energiminimaliserende rammeverk, et felt som kalles compressed sensing. En stor utfordring er å løse optimeringsproblemene knyttet til dette, effektivt. De mest ønskelige modellene er ofte de vanskeligste å håndtere sett ut fra et optimaliseringsperspektiv. Kontinuerlige optimeringsproblemer kan være ikke-konvekse og inneholder mange underlegne lokale minimum. Diskret optimeringsproblemer kan være NP-harde, noe som betyr at det er usannsynlig at en algoritme som alltid kan beregne en eksakt løsning uten en urimelig mengde innsats, eksisterer. Selv om de underliggende problemene er NP-harde, vil beregningsmetoder som produserer globale løsninger for praktiske inngangsdata, og ellers nære tilnærmelser, bli produsert.

Data er presentert i diverse artikler.

Variable Groups

Full Title

"Effektive globale minimeringsmetoder for spredthet og regularitetsfremmende optimering knyttet til problemer i bildebehandling og visualisering, 2014"

Identification Number

NSD2253

Authoring Entity

Name Affiliation
Bae, Egil Matematisk institutt, Universitetet i Bergen

Producer

Name Affiliation Abbreviation Role
Bae, Egil Matematisk institutt, Universitetet i Bergen UiB Prosjektleder

Copyright

Copyright (C) 2015 Egil Bae, Matematisk institutt, UiB

Funding Agency/Sponsor

Name Abbreviation Role Grant
Norges forskningsråd NFR 214889

Data Distributor

Name Affiliation Abbreviation
NSD - Norsk senter for forskningsdata AS NSD

Version

Date: 2015-11-15

Notes

Originaldata fra Egil Bae, Matematisk institutt, UiB er dokumentert og tilrettelagt, første NSD-versjon.

Bibliographic Citation

"Effektive globale minimeringsmetoder for spredthet og regularitetsfremmende optimering knyttet til problemer i bildebehandling og visualisering, 2014". Data samlet av Egil Bae, Matematisk institutt, UiB. Første NSD-utgave, Bergen 2015.

List of Keywords

Topic Classification

Vitenskap og teknologi

Time Period Covered

Start End Cycle
2012-12-31 2014-12-31

Date of Collection

Start End Cycle
2012-12-31 2014-12-31

Country

Norge  (NO)

Geographic Coverage

Land

Unit of Analysis

Annet

Kind of Data

Annet

Time Method

Tverrsnittstudie

Data Collector

Bae, Egil, Matematisk institutt, Universitet i Bergen  (UiB)

Mode of Data Collection

Annet

Location

Availability Status

Data er presentert i diverse artikler.

Related Publications

A Fast Continuous Max-Flow Approach to Non-convex Multi-labeling Problems

Bae E., Yuan J., Tai X.C., Boykov Y. (2014) A Fast Continuous Max-Flow Approach to Non-convex Multi-labeling Problems. Efficient Algorithms for Global Optimization Methods in Computer Vision (pp. 134-154). Springer Berlin Heidelberg, Heidelberg.

A simple boundary reinforcement technique for segmentation without prior

Duggana N., Bae E., Jonesa E., Glavina M., Veseb L. (2014) A simple boundary reinforcement technique for segmentation without prior. Pattern Recognition Letters, 46, 27-35.

A spatially continuous max-flow and min-cut framework for binary labeling problems

Yuan J.,  Bae E., Tai X.C., Boykov Y. (2014) A spatially continuous max-flow and min-cut framework for binary labeling problems. Numerische Mathematik, 126(3), 559-587.

A Technique for Lung Nodule Candidate Detection in CT Using Global Minimization Methods

Duggan N., Bae E., Shen S., Hsu W., Bui A., Jones E., Glavin M., Vese L. (2015) A Technique for Lung Nodule Candidate Detection in CT Using Global Minimization Methods. Energy Minimization Methods in Computer Vision and Pattern Recognition (pp. 478-491). Springer International Publishing, Switzerland.

Convex Relaxations for a Generalized Chan-Vese Model

Bae E., Lellmann J., Tai X.C. (2013) Convex Relaxations for a Generalized Chan-Vese Model. Energy Minimization Methods in Computer Vision and Pattern Recognition (pp. 223-236). Springer Berlin Heidelberg, Heidelberg.

Efficient Global Minimization Methods for Image Segmentation Models with Four Regions

Bae E., Tai X.C. (2015) Efficient Global Minimization Methods for Image Segmentation Models with Four Regions. Journal of Mathematical Imaging and Vision, 51(1), 71-97.

Global Binary Optimization on Graphs for Classification of High-Dimensional Data

Merkurjev E., Bae E., Bertozzi A.L., Tai X.C. (2015) Global Binary Optimization on Graphs for Classification of High-Dimensional Data. Journal of Mathematical Imaging and Vision, 52(3), 414-435.

Maximizing Flows with Message-Passing: Computing Spatially Continuous Min-Cuts

Bae E., Tai X.C., Yuan J. (2015) Maximizing Flows with Message-Passing: Computing Spatially Continuous Min-Cuts. Energy Minimization Methods in Computer Vision and Pattern Recognition (pp. 15-28). Springer International Publishing, Switzerland.

Reconstructing Open Surfaces via Graph-Cuts

Wan M., Wang Y., Bae, E., Tai X.C., Wang D. (2013)  Reconstructing Open Surfaces via Graph-Cuts. Visualization and Computer Graphics, IEEE Transactions on, 19(2), 306-318.

Simultaneous Convex Optimization of Regions and Region Parameters in Image Segmentation Models

Bae, E., Yuan J., Tai X.C. (2013) Simultaneous Convex Optimization of Regions and Region Parameters in Image Segmentation Models. Innovations for Shape Analysis (pp. 421-438). Springer Berlin Heidelberg, Heidelberg.

Variational Time-Implicit Multiphase Level-Sets

Rajchl M., Baxter J.S.H., Bae E., Tai X.C., Fenster A., Peters T.M., Yuan J. (2015) Variational Time-Implicit Multiphase Level-Sets. Energy Minimization Methods in Computer Vision and Pattern Recognition (pp. 278-291). Springer International Publishing, Switzerland.

Metadata Index

This is the Metadata Index for a Nesstar Server.
Nesstar is a tool used for analysing, visualising and downloading datasets.

Click the "Explore Dataset" button to open the dataset.