Efficient Optimization Techniques for Localization and Registration of Images
Författare
Summary, in Swedish
Popular Abstract in Swedish
I takt med att vi översvämmas av kameror och bilder blir också tillämpningarna för automatiserad bildanalys allt större. Det kan handla om avancerade industrirobotar eller mobiltelefoner och syftet är allt från att rädda liv till att få en bra bild på barnbarnen.
Den här avhandlingen fokuserar på två centrala problem inom fältet datorseende och bildanalys. Den första delen av avhandlingen behandlar bildlokalisering. Målet är helt enkelt att svara på frågan: Var är bilden tagen? För att kunna svara på detta behövs två saker. Dels en modell av världen eller i alla fall den relevanta delen av världen, och dels en metod för att relatera en ny bild i den modellen. I avhandlingen presenteras nya metoder för båda stegen. Genom att utnyttja extra sensorer som GPS eller gravitationssensorer uppnås högre kvalitet och tillförlitlighet än med tidigare metoder.
Den andra delen av avhandlingen är mer inriktad mot medicinska tillämpningar och specifikt på problemet bildregistrering. Målet för bildregistrering är att hitta den korrekta transformationen mellan två bilder av samma (eller snarlika objekt). Användningsområdena är många. Ett vanligt fall är att registrera bilder från olika modaliteter, som PET (positronemissionstomografi) och MR (magnetresonanstomografi) för att kunna dra nytta av den samlade informationen. Men bildregistrering är också en byggsten i en av de vanligaste metoder för segmentering av medicinska bilder, dvs uppdelning av bilden i medicinskt relevanta delar.
De nya metoder som tas upp i avhandlingen syftar till ökad robusthet i meningen att de lätt kan användas i nya tillämpningar utan manuell anpassning. Detta är viktigt för att skapa automatiska metoder som kan användas vid många olika sammanhang där saker såsom vilket organ man avbildar eller bildmodalitet varierar. Flera av metoderna syftar också till ökad pålitlighet; att de ska kunna hitta bra lösningar även om datan innehåller mycket brus och defekter.
I takt med att vi översvämmas av kameror och bilder blir också tillämpningarna för automatiserad bildanalys allt större. Det kan handla om avancerade industrirobotar eller mobiltelefoner och syftet är allt från att rädda liv till att få en bra bild på barnbarnen.
Den här avhandlingen fokuserar på två centrala problem inom fältet datorseende och bildanalys. Den första delen av avhandlingen behandlar bildlokalisering. Målet är helt enkelt att svara på frågan: Var är bilden tagen? För att kunna svara på detta behövs två saker. Dels en modell av världen eller i alla fall den relevanta delen av världen, och dels en metod för att relatera en ny bild i den modellen. I avhandlingen presenteras nya metoder för båda stegen. Genom att utnyttja extra sensorer som GPS eller gravitationssensorer uppnås högre kvalitet och tillförlitlighet än med tidigare metoder.
Den andra delen av avhandlingen är mer inriktad mot medicinska tillämpningar och specifikt på problemet bildregistrering. Målet för bildregistrering är att hitta den korrekta transformationen mellan två bilder av samma (eller snarlika objekt). Användningsområdena är många. Ett vanligt fall är att registrera bilder från olika modaliteter, som PET (positronemissionstomografi) och MR (magnetresonanstomografi) för att kunna dra nytta av den samlade informationen. Men bildregistrering är också en byggsten i en av de vanligaste metoder för segmentering av medicinska bilder, dvs uppdelning av bilden i medicinskt relevanta delar.
De nya metoder som tas upp i avhandlingen syftar till ökad robusthet i meningen att de lätt kan användas i nya tillämpningar utan manuell anpassning. Detta är viktigt för att skapa automatiska metoder som kan användas vid många olika sammanhang där saker såsom vilket organ man avbildar eller bildmodalitet varierar. Flera av metoderna syftar också till ökad pålitlighet; att de ska kunna hitta bra lösningar även om datan innehåller mycket brus och defekter.
Avdelning/ar
Publiceringsår
2015
Språk
Engelska
Fulltext
- Available as PDF - 17 MB
- Download statistics
Dokumenttyp
Doktorsavhandling
Ämne
- Computer Vision and Robotics (Autonomous Systems)
- Mathematics
Status
Published
Forskningsgrupp
- Mathematical Imaging Group
Handledare
- Magnus Oskarsson
- Fredrik Kahl
- Olof Enqvist
ISBN/ISSN/Övrigt
- ISBN: 978-91-7623-243-9
Försvarsdatum
19 februari 2015
Försvarstid
10:15
Försvarsplats
Lecture hall MA:02, Annexet, Centre for Mathematical Sciences, Sölvegatan 20, Lund University Faculty of Engineering
Opponent
- Tomas Pajdla