Convex Variational Methods for Semantic Image Analysis

Diebold, Julia

User: Guest

Julia Diebold

If you experience problems opening the document, please try this link.

Original title:: Convex Variational Methods for Semantic Image Analysis
Translated title:: Konvexe Variationsansätze für die semantische Bildanalyse
Author:: Diebold, Julia
Year:: 2015
Document type:: Dissertation
Faculty/School:: 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.
WWW:: https://mediatum.ub.tum.de/?id=1273106
Date of submission:: 20.08.2015
Oral examination:: 27.11.2015
File size:: 49127067 bytes
Pages:: 194
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20151127-1273106-1-0
Last change:: 22.12.2015
BibTeX