Καινοτόμες και εύρωστες μέθοδοι για την αυτόματη ταύτιση δεδομένων εικόνων
Περίληψη
Η Ταύτιση εικόνων είναι η διαδικασία του γεωμετρικού μετασχηματισμού δύο ή περισσότερων εικόνων με σκοπό τα κοινά τους σημεία να έχουν την ίδια θέση στο χώρο, κι έχει πολλές εφαρμογές όπως στην Ιατρική απεικόνιση, Remote Sensing και Συρραφή Εικόνων (Image Stitching). Παρά την επιστημονική πρόοδο που έχει επιτευχθεί τα τελευταία 40 χρόνια, εξακολουθούν να υπάρχουν άλυτα θέματα που σχετίζονται με Ακρίβεια, Υπολογιστικό Κόστος, Σύγκλιση σε τοπικά μέγιστα και διαδικασίες Αυτοματισμού των αριθμητικών μεθόδων ταύτισης εικόνων. Αυτά με την σειρά τους επηρεάζονται από το Μέτρο Ομοιότητας των εικόνων, τον Γεωμετρικό Μετασχηματισμό και την Μέθοδο βελτιστοποίησης που χρησιμοποιούνται. Οι μαθηματικές/στατιστικές μέθοδοι για την σύγκριση εικόνων έχουν αποδειχθεί πολύ αποτελεσματικότερες των μεθόδων που χρησιμοποιούν χαρακτηριστικά των εικόνων όπως τα σημεία τους. Επιπλέον, απαιτούν ελάχιστη (αν όχι καθόλου) προεπεξεργασία των εικόνων, πράγμα που τις καθιστά αυτόματες. Επειδή χρησιμοποιούν ένα σημ ...
περισσότερα
Περίληψη σε άλλη γλώσσα
Image Registration is the process of geometrically transforming two or more images in order for their common points to occupy the same place in space. It is used in many applications such as Medical Imaging, Remote Sensing and Image Stitching. Despite the progress over the last 40 years, there are still unresolved issues: Accuracy, Computational Costs, Convergence to Local Maximums and Automation. The Image Similarity Measure, the Geometric Transformation and the Optimization Method influence these in turn. Mathematical / statistical methods for comparing images have proven to be much more efficient than methods that use image features such as points. In addition, they require minimal (if not all) pre-processing of the images, which renders them automatic. However, due to their using a significant percentage of the images to estimate similarity, they become computationally very expensive, especially when an extensive search for the optimal transformation is required. In the context of ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (28.64 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.