Geometric optimization problems computer von lee seok (3 Ergebnisse)
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 47,67
EUR 13,96 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
Sprache: Englisch
Verlag: VDM Verlag Dr. Müller|VDM Verlag Dr. Müller e.K., 2008
- Softcover
Anbieter: moluna, Greven, Deutschlandmoluna
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 51,42
EUR 48,99 VersandVersand von Deutschland nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. We explore various optimization problems whichappear in computer vision and image processing. By exploiting the geometric structure of the underlying search spaces, we develop more efficient and robust ways to find optimal solutions.We present the Nelder-Me.
Sprache: Englisch
Verlag: VDM Verlag Dr. Müller, VDM Verlag Dr. Müller E.K., 2008
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 62,15
EUR 60,93 VersandVersand von Deutschland nach USAAnzahl: 2 verfügbar
Taschenbuch. Zustand: Neu. Neuware - We explore various optimization problems whichappear in computer vision and image processing. By exploiting the geometric structure of the underlying search spaces, we develop more efficient and robust ways to find optimal solutions.We present the Nelder-Mead algorithms on Lie groups and desc…ribe its application to medical image registration. A widely used approach to image registration involves finding the transformation that maximizes the mutual information between two images, with the transformation restricted to be either rigid-body (i.e., belonging to SE(3)) or volume-preserving (i.e., belonging to SL(3)). We present coordinate-invariant, geometric versionsof the Nelder-Mead optimization algorithm on the transformation groups SL(3), SE(3), and its various subgroups, that are applicable to a wide class of image registration problems. Because the algorithmsrespect the geometric structure of the underlying transformation groups, they are numerically more stable, and exhibit better convergence properties than existing local coordinate-based algorithms. Experimental results demonstrate the improved convergence properties of our geometrics algorithm.
