Modeling and Inverse Problems in Imaging Analysis

ریاضیات بیشتری در توسعه پردازش تصویر دیجیتال به‌عنوان یک علم مشارکت داشته‌اند، و مشارکت‌های آنها در نقش‌آفرینی مهم‌تر در حل مسائل پیچیده منعکس شده است. این کتاب بیشتر به مدل های مبتنی بر انرژی می پردازد. نویسنده از طریق مشکلات تجزیه و تحلیل تصویر عینی، مدل سازی سازگار را توسعه می دهد، دانشی که عموماً در راه حل های پیشنهادی پنهان است.

کتاب به سه بخش اصلی تقسیم شده است. دو بخش اول تئوری پشت برنامه های کاربردی را که در قسمت سوم ارائه شده است، تشریح می کند. این مواد شامل اسپلاین (رویکرد متغیر، اسپلاین رگرسیون، اسپلاین در بعد بالا) و میدان‌های تصادفی (میدان مارکوین، تخمین پارامتریک، بهینه‌سازی تصادفی و قطعی، میدان گاوسی پیوسته) است. بیشتر این کاربردها از پروژه‌های صنعتی می‌آیند که در آن نویسنده در بینایی و رادیوگرافی ربات نقش داشته است: ردیابی خطوط سه بعدی، پردازش تصویر رادیوگرافی، بازسازی و توموگرافی سه بعدی، یادگیری تطبیق و تغییر شکل. تصاویر گرافیکی متعددی همراه با متن است که عملکرد مدل‌های پیشنهادی را نشان می‌دهد.

این کتاب برای محققان و دانشجویان فارغ‌التحصیل در ریاضیات، فیزیک، علوم کامپیوتر و مهندسی مفید خواهد بود.

More mathematics have been taking part in the development of digital image processing as a science, and the contributions are reflected in the increasingly important role modeling has played solving complex problems. This book is mostly concerned with energy-based models. Through concrete image analysis problems, the author develops consistent modeling, a know-how generally hidden in the proposed solutions.

The book is divided into three main parts. The first two parts describe the theory behind the applications that are presented in the third part. These materials include splines (variational approach, regression spline, spline in high dimension) and random fields (Markovian field, parametric estimation, stochastic and deterministic optimization, continuous Gaussian field). Most of these applications come from industrial projects in which the author was involved in robot vision and radiography: tracking 3-D lines, radiographic image processing, 3-D reconstruction and tomography, matching and deformation learning. Numerous graphical illustrations accompany the text showing the performance of the proposed models.

This book will be useful to researchers and graduate students in mathematics, physics, computer science, and engineering.