aalto1 untyped-item.component.html
Edge-enhancing control of resolution for imaging
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Science |
Master's thesis
Electronic archive copy is available via Aalto Thesis Database.
Authors
Date
Department
Major/Subject
Mcode
Degree programme
Language
en
Pages
51
Series
Abstract
Recent work in Bayesian inverse problems has utilized the lagged diffusivity iteration to enable the efficient, greedy selection of sequentially optimal measurements for edge-promoting image reconstruction. This master's thesis applies the same approach to edge-preserving image compression and presents a new algorithm for generating an edge-preserving adaptive resolution of an image. The adaptive resolution is fine in the vicinity of edges and coarser elsewhere, enabling a more efficient image representation without compromising information in the edges. The central idea of the algorithm is the selection of the edge-promoting subdivisions via greedy selection of sequential measurements in an analogous image reconstruction problem. Numerical experiments are performed to verify the basic functioning of the algorithm and to evaluate the effects of central hyperparameters on its behavior. The computational cost of the algorithm is also analyzed, and an asymptotic lower bound is used in conjunction with numerical cost estimates to show that the cost is excessively high even on moderately sized inputs. Although the algorithm is shown to function as intended, its input sensitivity and high computational cost diminish its potential for practical use.
Nya verk inom Bayesisk inversion har utnyttjat den laggade diffusivitetsiterationen för att möjliggöra effektiv, snål selektion av sekventiellt optimala mått för kantframhävande bildrekonstruktion. Detta diplomarbete tillämpar samma metod till bildkompression och presenterar en ny algoritm för skapandet av en kantframhävande adaptiv bildupplösning. Den adaptiva upplösningen är fin i närheten av kanter och grövre annanstans, vilket möjligör en mera ekonomisk bildrepresentation utan försämrad bildkvalitet kring kanter. Numeriska experiment görs för att säkerställa algoritmens funktion och för att utvärdera påverkan av de viktigaste hyperparametrarna på dess beteende. Även algoritmens beräkningskostnad analyseras och en asymptotisk nedre gräns används tillsammans med numeriska kostnadsestimat för att visa att beräkningskostnaded är mycket hög även för bilder av måttlig storlek. Trots att algoritmen verkar fungera som förväntat, förminskas dess potential för praktiskt bruk av sensitivitet till indata och hög beräkningskostnad.