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

Sammendrag

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.

Variabelgrupper

Full tittel

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

Identifikasjonsnummer

NSD2253

Ansvarlig forfatter

Navn Tilknytning
Bae, Egil Matematisk institutt, Universitetet i Bergen

Produsent

Navn Tilknytning Forkortelse Rolle
Bae, Egil Matematisk institutt, Universitetet i Bergen UiB Prosjektleder

Opphavsrett

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

Sponsor/finansierende institusjon

Navn Forkortelse Rolle Bevilgning
Norges forskningsråd NFR 214889

Datadistributør

Navn Tilknytning Forkortelse
NSD - Norsk senter for forskningsdata AS NSD

Versjon

Dato: 2015-11-15

Notater

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

Bibliografisk henvisning

"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.

Liste av nøkkelord

Emneklassifisering

Vitenskap og teknologi

Tidsperiode dekket

Start Slutt Syklus
2012-12-31 2014-12-31

Innsamlingsdato

Start Slutt Syklus
2012-12-31 2014-12-31

Land

Norge  (NO)

Geografisk omfang

Land

Analyseenhet

Annet

Datatype

Annet

Tidsmetode

Tverrsnittstudie

Datainnsamler

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

Type datainnsamling

Annet

Sted

Tilgangsstatus

Data er presentert i diverse artikler.

Relaterte publikasjoner

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

Dette er metadata-indeksen for en Nesstar Server.

Nesstar er et verktøy for analyse, visualisering og nedlasting av datasett.
Bruk knappen "Utforsk datasett" for å åpne datasettet.