TU Darmstadt / ULB / TUbiblio

A Well-Posed Parameter-Free Model for Nonlinear Diffusion and its Applications in Mobile Image Processing

Thürck, Daniel (2013):
A Well-Posed Parameter-Free Model for Nonlinear Diffusion and its Applications in Mobile Image Processing.
TU Darmstadt, [Bachelor Thesis]

Abstract

Images and videos today represent our most important media. Recently, taking pictures and recording videos with mobile phones and uploading them to the internet has become common, especially in social networks. However, due to low-quality CCD sensors, those pictures often suffer from noise. A solution here would be to use quite well-known image processing algorithms, especially anisotropic diffusion. The most famous model, the Perona and Malik equation, unfortunately is ill-posed and thus is problematic. In this work, we present an alternative model for anisotropic diffusion that is constructed in a bottom-up fashion for denoising and well-posedness. The problem of setting the matching input parameters for denoising is tackled by the use of machine learning techniques. Ultimately, we present a prototypical implementation on embedded hardware that shows that the use of such sophisticated techniques is possible for mobile use. Bilder und Videos stellen heute die vorherrschende Art des Medienkonsums dar. Gerade in der letzten Zeit hat sich die mobile Aufnahme von Bildern und Videos und deren Verwendung in Social Networks allgemein durchgesetzt. Aufgrund der in Smartphones oft eingesetzten CCD-Bildsensoren von schlechter Qualität weisen die Bilder jedoch teils starkes Rauschen auf. Eine Lösung dafür lässt sich durch Bildverarbeitungsroutinen finden, besonders durch die anisotropische Diffusion. Das bekannteste Diffusionsmodell von Perona und Malik ist jedoch mathematisch nicht wohlgestellt und daher problematisch. In dieser Arbeit wird daher ein alternativer, extra für die Rauschunterdrückung entwickelter Ansatz vorgestellt, der beweisbar wohlgestellt ist. Das Problem, dafür passende Parameter zu finden, wird mittels Techniken des maschinellen Lernens angegangen. Zum Schluss wird noch eine prototypische Implementierung des vorgestellten Algorithmus präsentiert, die zeigt, dass sich solche Techniken mit ihrer Performance sehr wohl für die mobile Verwendung eignen.

Item Type: Bachelor Thesis
Erschienen: 2013
Creators: Thürck, Daniel
Title: A Well-Posed Parameter-Free Model for Nonlinear Diffusion and its Applications in Mobile Image Processing
Language: English
Abstract:

Images and videos today represent our most important media. Recently, taking pictures and recording videos with mobile phones and uploading them to the internet has become common, especially in social networks. However, due to low-quality CCD sensors, those pictures often suffer from noise. A solution here would be to use quite well-known image processing algorithms, especially anisotropic diffusion. The most famous model, the Perona and Malik equation, unfortunately is ill-posed and thus is problematic. In this work, we present an alternative model for anisotropic diffusion that is constructed in a bottom-up fashion for denoising and well-posedness. The problem of setting the matching input parameters for denoising is tackled by the use of machine learning techniques. Ultimately, we present a prototypical implementation on embedded hardware that shows that the use of such sophisticated techniques is possible for mobile use. Bilder und Videos stellen heute die vorherrschende Art des Medienkonsums dar. Gerade in der letzten Zeit hat sich die mobile Aufnahme von Bildern und Videos und deren Verwendung in Social Networks allgemein durchgesetzt. Aufgrund der in Smartphones oft eingesetzten CCD-Bildsensoren von schlechter Qualität weisen die Bilder jedoch teils starkes Rauschen auf. Eine Lösung dafür lässt sich durch Bildverarbeitungsroutinen finden, besonders durch die anisotropische Diffusion. Das bekannteste Diffusionsmodell von Perona und Malik ist jedoch mathematisch nicht wohlgestellt und daher problematisch. In dieser Arbeit wird daher ein alternativer, extra für die Rauschunterdrückung entwickelter Ansatz vorgestellt, der beweisbar wohlgestellt ist. Das Problem, dafür passende Parameter zu finden, wird mittels Techniken des maschinellen Lernens angegangen. Zum Schluss wird noch eine prototypische Implementierung des vorgestellten Algorithmus präsentiert, die zeigt, dass sich solche Techniken mit ihrer Performance sehr wohl für die mobile Verwendung eignen.

Uncontrolled Keywords: Business Field: Digital society, Research Area: Generalized digital documents, Partial differential equations, Image processing, Machine learning, Mobile devices, Parallel algorithms
Divisions: 20 Department of Computer Science
20 Department of Computer Science > Interactive Graphics Systems
Date Deposited: 12 Nov 2018 11:16
Additional Information:

65 p.

Export:
Suche nach Titel in: TUfind oder in Google
Send an inquiry Send an inquiry

Options (only for editors)
Show editorial Details Show editorial Details