• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Two-dimensional Generalisations Of Dynamic Programming For Image Analysis
【24h】

Two-dimensional Generalisations Of Dynamic Programming For Image Analysis

机译：图像分析动态规划的二维概括

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Dynamic programming (DP) is a fast, elegant method for solving many one-dimensional optimisation problems but, unfortunately, most problems in image analysis, such as restoration and warping, are two-dimensional. We consider three generalisations of DP. The first is iterated dynamic programming (IDP), where DP is used to recursively solve each of a sequence of one-dimensional problems in turn, to find a local optimum. A second algorithm is an empirical, stochastic optimiser, which is implemented by adding progressively less noise to IDP. The final approach replaces DP by a more computationally intensive Forward-Backward Gibbs Sampler, and uses a simulated annealing cooling schedule. Results are compared with existing pixel-by-pixel methods of iterated conditional modes (ICM) and simulated annealing in two applications: to restore a synthetic aperture radar (SAR) image, and to warp a pulsed-field electrophoresis gel into alignment with a reference image. We find that IDP and its stochastic variant outperform the remaining algorithms.
机译：动态编程（DP）是解决许多一维优化问题的一种快速，优雅的方法，但是不幸的是，图像分析中的大多数问题（例如恢复和翘曲）都是二维的。我们考虑DP的三种概括。第一种是迭代动态规划（IDP），其中DP用于依次递归解决一系列一维问题，以找到局部最优值。第二种算法是经验的随机优化器，它是通过向IDP逐渐增加噪声来实现的。最终方法是使用计算量更大的“前向后-吉布斯采样器”代替DP，并使用模拟的退火冷却时间表。将结果与现有的迭代条件模式（ICM）和模拟退火的逐个像素方法进行比较，在以下两个应用中：恢复合成孔径雷达（SAR）图像，并使脉冲场电泳凝胶变形以使其与参考物对齐图片。我们发现IDP及其随机变量的性能优于其余算法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号