Optimal Linear Representations of Images Under Diverse Criteria - Couverture souple

Rubinshtein, Evgenia

 
9783639133998: Optimal Linear Representations of Images Under Diverse Criteria

Synopsis

L'analyse d'image nécessite souvent une réduction de dimension avant l'analyse statistique, afin d'appliquer des procédures sophistiquées. Motivés par des applications éventuelles, une variété de critères ont été proposés : erreur de reconstruction, séparation de classe, non-gaussianité par kurtose, parcimonie, information mutuelle, reconnaissance des objets, et leurs combinaisons. Bien que certains critères aient des solutions analytiques, les autres nécessitent des approches numériques. Nous présentons des outils géométriques pour trouver des projections linéaires qui optimisent un critère donné pour un ensemble de données donné. L'idée principale est de formuler un problème d'optimisation sur un collecteur Grassmann ou Stiefel, et d'utiliser la géométrie différentielle de l'espace sous-jacent pour construire des algorithmes d'optimisation. Des mises à jour purement déterministes conduisent à des solutions locales, et l'ajout de composants aléatoires permet des recherches de gradient stochastique qui mènent finalement à des solutions globales. Nous démontrons ces résultats à l'aide de plusieurs ensembles de données d'images, y compris des images naturelles et des images faciales. Ce livre devrait être utile pour les professionnels, les chercheurs et les étudiants diplômés dans le domaine de l'analyse d'image.

Les informations fournies dans la section « Synopsis » peuvent faire référence à une autre édition de ce titre.