Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Adaptive sharpening of multimodal distributions
Heidelberg Collaboratory for Image Processing Heidelberg University Heidelberg, Germany.
Linköpings universitet, Institutionen för systemteknik, Datorseende. Linköpings universitet, Tekniska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV.ORCID-id: 0000-0002-6096-3648
BG-2: Plant Sciences Forschungszentrum Jülich 52425, Jülich, Germany.
2015 (Engelska)Ingår i: Colour and Visual Computing Symposium (CVCS), 2015 / [ed] Marius Pedersen and Jean-Baptiste Thomas, IEEE , 2015Konferensbidrag, Publicerat paper (Refereegranskat)
Resurstyp
Text
Abstract [en]

In this work we derive a novel framework rendering measured distributions into approximated distributions of their mean. This is achieved by exploiting constraints imposed by the Gauss-Markov theorem from estimation theory, being valid for mono-modal Gaussian distributions. It formulates the relation between the variance of measured samples and the so-called standard error, being the standard deviation of their mean. However, multi-modal distributions are present in numerous image processing scenarios, e.g. local gray value or color distributions at object edges, or orientation or displacement distributions at occlusion boundaries in motion estimation or stereo. Our method not only aims at estimating the modes of these distributions together with their standard error, but at describing the whole multi-modal distribution. We utilize the method of channel representation, a kind of soft histogram also known as population codes, to represent distributions in a non-parametric, generic fashion. Here we apply the proposed scheme to general mono- and multimodal Gaussian distributions to illustrate its effectiveness and compliance with the Gauss-Markov theorem.

Ort, förlag, år, upplaga, sidor
IEEE , 2015.
Nyckelord [en]
Probability density function, Signal reconstruction, Signal restoration
Nationell ämneskategori
Datorseende och robotik (autonoma system) Medicinsk bildbehandling
Identifikatorer
URN: urn:nbn:se:liu:diva-125252DOI: 10.1109/CVCS.2015.7274890ISI: 000380410200013ISBN: 9781479917655 (digital)ISBN: 9781479917648 (digital)OAI: oai:DiVA.org:liu-125252DiVA, id: diva2:904084
Konferens
Colour and Visual Computing Symposium (CVCS), 2015, 25th and 26th August, 2015, Gjøvik, Norway
Tillgänglig från: 2016-02-18 Skapad: 2016-02-18 Senast uppdaterad: 2018-10-15Bibliografiskt granskad

Open Access i DiVA

fulltext(425 kB)60 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 425 kBChecksumma SHA-512
7190e7dac94f1ea1e091411a6c2cc4cbf8c60ac2190ac4269b84d91d69874056c1fea0124b2fa4c092622baddc84cad654a7815e8c2529398c6641a71acb6c49
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Sök vidare i DiVA

Av författaren/redaktören
Felsberg, Michael
Av organisationen
DatorseendeTekniska fakultetenCentrum för medicinsk bildvetenskap och visualisering, CMIV
Datorseende och robotik (autonoma system)Medicinsk bildbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 60 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 449 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf