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. 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

Billedbehandling: billed-deblurring og -denoising, billed-inpainting, billedsegmentering.
Matematiske teknikker: variationelle metoder med regularisering, optimering.
Algoritmer: gradient-algoritmer, primal-dual-algoritmer, level-set-algoritmer. Undervisningsmaterialet består af udleverede noter. Kurset leder op til et specialkursus eller eksamensprojekt. 31. oktober, 2016