مشخصات کتاب

Markov Random Fields for Vision and Image Processing

ویرایش:  
نویسندگان: Andrew Blake,  Pushmeet Kohli,  Carsten Rother  
سری:  
ISBN (شابک) : 0262015773, 9780262015776 
ناشر: The MIT Press 
سال نشر: 2011 
تعداد صفحات: 472 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

در صورت تبدیل فایل کتاب Markov Random Fields for Vision and Image Processing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب زمینه های تصادفی مارکوف برای چشم انداز و پردازش تصویر نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب زمینه های تصادفی مارکوف برای چشم انداز و پردازش تصویر

این جلد قدرت میدان تصادفی مارکوف (MRF) را در بینایی نشان می‌دهد، و MRF را هم به‌عنوان ابزاری برای مدل‌سازی داده‌های تصویر و هم با استفاده از الگوریتم‌های اخیراً توسعه‌یافته، به‌عنوان وسیله‌ای برای استنتاج درباره تصاویر در نظر می‌گیرد. این استنتاج‌ها مربوط به ساختار تصویر و صحنه و همچنین راه‌حل‌هایی برای مشکلاتی مانند بازسازی تصویر، تقسیم‌بندی تصویر، دید سه‌بعدی و برچسب‌گذاری اشیا است. یافته‌های کلیدی و تحقیقات پیشرفته در مورد الگوریتم‌ها و کاربردها را ارائه می‌دهد. پس از مقدمه ای بر مفاهیم اساسی مورد استفاده در MRF ها، این کتاب برخی از الگوریتم های اصلی برای انجام استنتاج با MRF ها را بررسی می کند. کاربردهای موفق MRF ها، از جمله تقسیم بندی، وضوح فوق العاده، و بازیابی تصویر، همراه با مقایسه روش های مختلف بهینه سازی را ارائه می دهد. در مورد موضوعات الگوریتمی پیشرفته بحث می کند. به محدودیت‌های مفروضات محلی قوی در MRFs که در فصل‌های قبلی مورد بحث قرار گرفت، می‌پردازد. و برنامه هایی را به نمایش می گذارد که از MRF ها به روش های پیچیده تری استفاده می کنند، به عنوان اجزایی در سیستم های بزرگتر یا با توابع انرژی چند مدت. این کتاب یک راهنمای ضروری برای تحقیقات فعلی در مورد این ابزارهای قدرتمند ریاضی خواهد بود.

توضیحاتی درمورد کتاب به خارجی

This volume demonstrates the power of the Markov random field (MRF) in vision, treating the MRF both as a tool for modeling image data and, utilizing recently developed algorithms, as a means of making inferences about images. These inferences concern underlying image and scene structure as well as solutions to such problems as image reconstruction, image segmentation, 3D vision, and object labeling. It offers key findings and state-of-the-art research on both algorithms and applications. After an introduction to the fundamental concepts used in MRFs, the book reviews some of the main algorithms for performing inference with MRFs; presents successful applications of MRFs, including segmentation, super-resolution, and image restoration, along with a comparison of various optimization methods; discusses advanced algorithmic topics; addresses limitations of the strong locality assumptions in the MRFs discussed in earlier chapters; and showcases applications that use MRFs in more complex ways, as components in bigger systems or with multiterm energy functions. The book will be an essential guide to current research on these powerful mathematical tools.

فهرست مطالب

Cover
......Page 1
Contents......Page 6
1 Introduction to Markov Random Fields......Page 10
I Algorithms for Inference of MAP Estimates for MRFs......Page 38
2 Basic Graph Cut Algorithms......Page 40
3 Optimizing Multilabel MRFs Using Move-Making Algorithms......Page 60
4 Optimizing Multilabel MRFs with Convex and Truncated Convex Priors......Page 74
5 Loopy Belief Propagation, Mean Field Theory, and Bethe Approximations......Page 86
6 Linear Programming and Variants of Belief Propagation......Page 104
II Applications of MRFs, including Segmentation......Page 118
7 Interactive Foreground Extraction......Page 120
8 Continuous-Valued MRF for Image Segmentation......Page 136
9 Bilayer Segmentation of Video......Page 152
10 MRFs for Superresolution and Texture Synthesis......Page 164
11 A Comparative Study of Energy Minimization Methods for MRFs......Page 176
III Further Topics: Inference, Parameter Learning, and Continuous Models......Page 192
12 Convex Relaxation Techniques for Segmentation, Stereo, and Multiview Reconstruction......Page 194
13 Learning Parameters in Continuous-Valued Markov Random Fields......Page 210
14 Message Passing with Continuous Latent Variables......Page 224
15 Learning Large-Margin Random Fields Using Graph Cuts......Page 242
16 Analyzing Convex Relaxations for MAP Estimation......Page 258
17 MAP Inference by Fast Primal-Dual Linear Programming......Page 272
18 Fusion-Move Optimization for MRFs with an Extensive Label Space......Page 290
IV Higher-Order MRFs and Global Constraints......Page 304
19 Field of Experts......Page 306
20 Enforcing Label Consistency Using Higher-Order Potentials......Page 320
21 Exact Optimization for Markov Random Fields with Nonlocal Parameters......Page 338
22 Graph Cut-Based Image Segmentation with Connectivity Priors......Page 356
V Advanced Applications of MRFs......Page 372
23 Symmetric Stereo Matching for Occlusion Handling......Page 374
24 Steerable Random Fields for Image Restoration......Page 386
25 Markov Random Fields for Object Detection......Page 398
26 SIFT Flow......Page 414
27 Unwrap Mosaics......Page 428
Bibliography......Page 442
Contributors......Page 466
Index......Page 468

نظرات کاربران

کتاب های تصادفی

دانلود کتاب An Introduction to Statistical Computing: A Simulation-based Approach

دانلود کتاب Spelling It Like It Is

دانلود کتاب The penultimate curiosity : how science swims in the slipstream of ultimate questions

دانلود کتاب Twenty More Problem Solving Skills For Mathcounts Competitions (Twenty and Twenty More Problem Solving Skills For Mathcounts Competitions)

دانلود کتاب The Architecture of Psychoanalysis: Spaces of Transition