User: Guest  Login
Original title:
Convex Variational Methods for Semantic Image Analysis 
Translated title:
Konvexe Variationsansätze für die semantische Bildanalyse 
Year:
2015 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Cremers, Daniel (Prof. Dr.) 
Referee:
Cremers, Daniel (Prof. Dr.); Steidl, Gabriele (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
TUM classification:
DAT 760d; DAT 770d 
Abstract:
Semantic image analysis is a fundamental component in any computer vision system. In this thesis we extend state-of-the-art image analysis methods to allow for a more efficient and more reliable semantic analysis. We show that by convexifying the energy, diffusion improves the localization of target figures in binary line drawings. Then, we focus on the extension of variational segmentation methods towards semantic scene analysis by incorporating suitable prior information in a convex fashion. 
Translated abstract:
Semantische Bildanalyse ist ein wesentlicher Bestandteil in jedem Bildverarbeitungssystem. In dieser Arbeit erweitern wir aktuelle Verfahren, um eine effizientere und zuverlässigere semantische Bildanalyse zu ermöglichen. Wir zeigen, dass die Lokalisierung von Formen in binären Strichzeichnungen durch Diffusion verbessert wird, da Diffusion die Energie konvexifiziert. Im Folgenden erweitern wir Variationsansätze für die semantische Bildanalyse, indem wir Vorabwissen in konvexer Art einbringen. 
Oral examination:
27.11.2015 
File size:
49127067 bytes 
Pages:
194 
Last change:
22.12.2015