Dette kursus giver et overblik over matematiske modeller og
beregningsmetoder, som anvendes hyppigt inden for billedbehandling
til f.eks. billed-deblurring, denoising, inpainting og
segmentering. Kursets primære fokus er variationelle metoder. Du
lærer om grundlæggende principper for de underliggende matematiske
modeller og om effektive beregningsmetoder, og du lærer at løse
gængse billedbehandlingsproblemer.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
forklare hvorfor billedbehandlingsproblemer er ekstremt
følsomme over for fejl i data
formulere og identificere de underliggende matematiske
modeller
sammenligne fordele og ulemper ved forskellige
regulariseringer
vælge en regulariseringsparameter baseret på forskellige
metoder
anvende optimeringsprincipper til at analysere eksistens og
entydighed af løsninger givet en matematisk model
anvende advancerede optimeringsalgoritmer til at løse
matematiske problemer
implementere algoritmer til løsning af
billedbehandlingsproblemer i MATLAB
gøre brug af variationelle metoder inden for anvendelsesområder
som f.eks. tomografi
Kursusindhold:
Billedbehandling: billed-deblurring og -denoising,
billed-inpainting, billedsegmentering.
Matematiske teknikker: variationelle metoder med regularisering,
optimering.
Algoritmer: gradient-algoritmer, primal-dual-algoritmer,
level-set-algoritmer.
Litteraturhenvisninger:
Undervisningsmaterialet består af udleverede noter.
Bemærkninger:
Kurset leder op til et specialkursus eller eksamensprojekt.