Image registration is a key component in image analysis and in problems such as motion estimation or image fusion. In this thesis, discrete optimization is introduced for the task of image registration. A general framework based on random field is derived which allows to represent both linear and non-linear registration as labeling problems where random variables play the role of transformation parameters. Based on this framework, explicit, problem specific models are defined. In order to bridge the gap between discrete labeling and continuous transformations, a novel optimization procedure is proposed based on iterative labeling with successive label space refinement strategies. The procedure is computationally efficient, avoids local minima through large neighborhood search, and yields high-accurate registration results.     «

Image registration is a key component in image analysis and in problems such as motion estimation or image fusion. In this thesis, discrete optimization is introduced for the task of image registration. A general framework based on random field is derived which allows to represent both linear and non-linear registration as labeling problems where random variables play the role of transformation parameters. Based on this framework, explicit, problem specific models are defined. In order to bridge...     »

Bildregistrierung ist eine wichtige Komponente in der Bildanalyse und bei Problemen wie der Bestimmung von Bewegung oder der Fusionierung von Bilddaten. In dieser Dissertation wird diskrete Optimierung für den Einsatz in Registrierungsproblemen vorgestellt. Ein allgemeines Framework basierend auf Random Fields wird erarbeitet, welches erlaubt sowohl lineare als auch nicht-lineare Registrierung als Labelingprobleme darzustellen. Zufallsvariablen übernehmen die Rolle von Transformationsparametern. Darauf basierend werden explizite, problemspezifische Modelle hergeleitet. Dabei wird eine Brücke zwischen diskretem Labeling und kontinuierlichen Transformationen gebaut mittels einer neuartigen Optimierungsprozedur basierend auf iterativen Labeling und schrittweiser Suchraumverfeinerungsstrategie. Die Prozedur ist effizient, vermeidet lokale Minima durch großräumige Nachbarschaftssuche, und ermöglicht hochakkurate Registrierungsergebnisse.     «

Bildregistrierung ist eine wichtige Komponente in der Bildanalyse und bei Problemen wie der Bestimmung von Bewegung oder der Fusionierung von Bilddaten. In dieser Dissertation wird diskrete Optimierung für den Einsatz in Registrierungsproblemen vorgestellt. Ein allgemeines Framework basierend auf Random Fields wird erarbeitet, welches erlaubt sowohl lineare als auch nicht-lineare Registrierung als Labelingprobleme darzustellen. Zufallsvariablen übernehmen die Rolle von Transformationsparametern....     »