Benutzer: Gast  Login
Originaltitel:
Fitting Parametric Curve Models to Images Using Local Self-adapting Separation Criteria 
Übersetzter Titel:
Anpassung parametrischer Kurvenmodelle an Bilder mittels lokaler selbst-adaptierender Trennkriterien 
Jahr:
2004 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Radig, Bernd (Prof. Dr.) 
Gutachter:
Navab, Nassir (Prof. Ph.D.) 
Format:
Text 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik 
Stichworte:
Deformable Models; Optimization; Model-based Image Segmentation; Real-time Contour Tracking; 3-D Pose Estimation; Color; Texture; Image Cue Integration; Automatic Scale Selection; Sub-pixel Accuracy 
Schlagworte (SWD):
Bildverarbeitung; Datenmodell; Kurvenanpassung; Parametrisches Verfahren; Algorithmus 
TU-Systematik:
DAT 539d; DAT 764d; DAT 770d 
Kurzfassung:
The task of fitting parametric curve models to boundaries of perceptually meaningful image regions is a key problem in computer vision with numerous applications, such as image segmentation, pose estimation, 3-D reconstruction, and object tracking. In this thesis, we propose the Contracting Curve Density (CCD) algorithm and the CCD tracker as solutions to this problem. The CCD algorithm solves the curve-fitting problem for a single image whereas the CCD tracker solves it for a sequence of images...    »
 
Übersetzte Kurzfassung:
Das Anpassen parametrischer Kurvenmodelle an die Grenzen perzeptuell relevanter Bildregionen ist ein Kernproblem der Bildverarbeitung. Es tritt in zahlreichen wichtigen Anwendungen wie z.B. Bildsegmentierung, Lageschätzung, 3-D Rekonstruktion und Objektverfolgung auf. In dieser Dissertation werden der Contracting Curve Density (CCD) Algorithmus und der CCD Tracker als Lösungen für dieses Problem vorgeschlagen. Der CCD Algorithmus löst das Anpassungsproblem für ein einzelnes Bild, der CCD Tracker...    »
 
Veröffentlichung:
Universitätsbibliothek der TU München 
Mündliche Prüfung:
07.07.2004 
Dateigröße:
5631719 bytes 
Seiten:
173 
Letzte Änderung:
09.07.2007