Visual Data Recognition and Modeling Based on Local Markovian Models
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F12%3A00374142" target="_blank" >RIV/67985556:_____/12:00374142 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-1-4471-2353-8_14" target="_blank" >http://dx.doi.org/10.1007/978-1-4471-2353-8_14</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-1-4471-2353-8_14" target="_blank" >10.1007/978-1-4471-2353-8_14</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Visual Data Recognition and Modeling Based on Local Markovian Models
Popis výsledku v původním jazyce
An exceptional 3D wide-sense Markov model which can be completely solved analytically and easily synthesised is presented. The model can be modified to faithfully represent complex local data by adaptive numerically robust recursive estimators of all itsstatistics. Illumination invariants can be derived from some of its recursive statistics and exploited in content based image retrieval, supervised or unsupervised image recognition. Its modelling efficiency is demonstrated on several analytical and modelling image applications, in particular on unsupervised image or range data segmentation, bidirectional texture function (BTF) synthesis and compression, dynamic texture synthesis and adaptive multispectral and multichannel image and video restoration.
Název v anglickém jazyce
Visual Data Recognition and Modeling Based on Local Markovian Models
Popis výsledku anglicky
An exceptional 3D wide-sense Markov model which can be completely solved analytically and easily synthesised is presented. The model can be modified to faithfully represent complex local data by adaptive numerically robust recursive estimators of all itsstatistics. Illumination invariants can be derived from some of its recursive statistics and exploited in content based image retrieval, supervised or unsupervised image recognition. Its modelling efficiency is demonstrated on several analytical and modelling image applications, in particular on unsupervised image or range data segmentation, bidirectional texture function (BTF) synthesis and compression, dynamic texture synthesis and adaptive multispectral and multichannel image and video restoration.
Klasifikace
Druh
C - Kapitola v odborné knize
CEP obor
BD - Teorie informace
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název knihy nebo sborníku
Mathematical Methods for Signal and Image Analysis and Representation
ISBN
978-1-4471-2353-8
Počet stran výsledku
19
Strana od-do
241-259
Počet stran knihy
317
Název nakladatele
Springer London
Místo vydání
London
Kód UT WoS kapitoly
—