Please use this identifier to cite or link to this item:
doi:10.22028/D291-26599
Title: | Optimal interpolation data for image reconstructions |
Other Titles: | Optimale Interpolationsdaten für Bildrekonstruktionen |
Author(s): | Hoeltgen, Laurent Arthur |
Language: | English |
Year of Publication: | 2014 |
SWD key words: | Interpolation Bildrekonstruktion Diffusion |
Free key words: | Bildkompression inpainting interpolation image restoration |
DDC notations: | 510 Mathematics |
Publikation type: | Dissertation |
Abstract: | This work analyses several approaches for determining optimal sparse data sets for image reconstructions by means of linear homogeneous diffusion. Two optimisation strategies for finding optimal data locations are presented. The first one impresses through its simplicity and is based on results from spline interpolation theory. However, this approach can only be applied to one dimensional strictly convex and differentiable functions. Due to these restrictions we derive an alternative approach which uses findings from optimal control theory. This new algorithm can be applied on arbitrary signals. Both approaches are analysed for their convergence behaviour.
Further, we discuss the problem of selecting good data values for fixed data positions. This problem can be analysed as a least squares problem. An important relationship between the optimal data locations and the data values is derived and we present efficient numerical schemes to obtain these values.
Finally, we present a image compression approach based on the findings from this work. Experiments show that is possible to outperform popular compression algorithms. Diese Arbeit untersucht mehrere Ansätze zur Bestimmung optimaler dünn besetzter Datensätze für Bildrekonstruktionen mittels linearer homogener Diffusion. Es werden zwei Optimierungsverfahren zur Bestimmung der Position der Datenpunkte präsentiert. Das Erste besticht durch seine Einfachheit und basiert auf Resultaten aus der Spline Interpolationstheorie. Dieses Verfahren kann jedoch nur auf eindimensionale streng konvexe und stetig differenzierbare Signale angewendet werden. Wegen dieser Einschränkungen wird ein alternativer Ansatz hergeleitet der auf Erkenntnissen aus der Theorie der optimalen Steuerung beruht. Dieser neue Algorithmus kann auf beliebige Signale angewendet werden. Beide Methoden werden auf ihre Konvergenzeigenschaften untersucht. Des Weiteren untersuchen wird das Problem zur Bestimmung guter Datenwerte für feste Positionen, welches im Rahmen der Methode der kleinsten Quadrate untersucht werden kann. Ein wesentlicher Zusammenhang zwischen optimalen Datenpositionen und Datenwerten wird hergeleitet und wir stellen effiziente numerische Verfahren zur Bestimmung dieser Datenwerte dar. Abschließend präsentieren wir ein Bildkompressionsverfahren das auf den Resultaten aus dieser Arbeit basiert. Experimente beweisen, dass es möglich ist gängige Kompressionsalgorithmen zu schlagen. |
Link to this record: | urn:nbn:de:bsz:291-scidok-60646 hdl:20.500.11880/26655 http://dx.doi.org/10.22028/D291-26599 |
Advisor: | Weickert, Joachim |
Date of oral examination: | 30-Mar-2015 |
Date of registration: | 14-Apr-2015 |
Faculty: | MI - Fakultät für Mathematik und Informatik |
Department: | MI - Mathematik |
Collections: | SciDok - Der Wissenschaftsserver der Universität des Saarlandes |
Items in SciDok are protected by copyright, with all rights reserved, unless otherwise indicated.