Nichtlokale Bildanalyse mit Integro-Differentialgleichungen

现代的数字图像分析是一种不同的计算方法和变化。我们的目标是解决这些问题，并对这些问题进行分析，使我们的经济增长更快，更好地满足人们的需求。他说：“这是一项非常重要的工作，我们将继续努力。”这是一个很好的问题，因为它是一种增长。两个简单的区块匹配是由Einfachheit设置的。这句话的意思是：我们的生活不会变，也不会有什么变化。他说：“我是这样做的在成长的过程中，修复和优化流水线的修复和优化，以及分析和有效的过滤技术。麻省理工学院的希尔夫先生对新的Anwendungen in Bereich der Segment，der Klassifikation and des Kernel Clusterings进行了研究。

Viele moderne Verfahren der digitalen Bildanalyse beruhen auf partiellen Differentialgleichungen (PDEs) und den damit eng verwandten Variationsansätzen. Obwohl mit ihnen wichtige Probleme wie kantenerhaltendes Entrauschen, Inpainting oder die Bewegungsanalyse in Bildfolgen sehr erfolgreich angegangen werden konnten, stoßen sie auf Grund ihrer Lokalität an ihre natürlichen Grenzen, wenn semilokale oder gar globale Bildstrukturen eine wichtige Rolle spielen, etwa bei Texturen. Ziel dieses DFG-Projekts ist es, nichtlokale Erweiterungen dieser Verfahren zu modellieren, zu implementieren und zu evaluieren. Ein Schlüsselproblem hierzu ist die nichtlokale Suche korrespondierender Bildstrukturen. Bisherige Ansätze wie das weit verbreitete Block Matching werden primär aufgrund ihrer Einfachheit eingesetzt. Sie liefern unbefriedigende Ergebnisse, wenn etwa Rotationsinvarianz erforderlich ist. Im Rahmen dieses DFG-Projekts soll das Konzept der partiellen Differentialgleichungen zu Integro-Differentialgleichungen und Pseudodifferentialgleichungen erweitert werden, wobei eine adäquate Berücksichtigung wichtiger Invarianzen eine zentrale Rolle spielt. Hierzu studieren wir prototypische Anwendungen in den Bereichen diskontinuitätserhaltendes Entrauschen, Inpainting und Berechnung des optischen Flusses in Bildfolgen, Ein wichtiges Werkzeug zum Verständnis und zur Evaluation dieser komplexen Verfahren wird die Analyse der effektiven Filterkerne darstellen. Mit ihrer Hilfe werden darüber hinaus neue Anwendungen im Bereich der Segmentation, der Klassifikation und des Kernel Clusterings studiert.