PUMA
Istituto di Scienza e Tecnologie dell'Informazione     
Bedini L., Bizzarri M., Tonazzini A. A mixed-annealing method for bayesian image restoration. Progetto finalizzato sistemi informatici e calcolo parallelo. Internal note IEI-B4-13, 1991.
 
 
Abstract
(English)
No abstract available
Abstract
(Italiano)
Modelli di immagini basati su Random Markov Field (MRF) sono stati utilizzati da molti ricercatori nell'ambito della Computer Vision. Mediante il loro uso risulta infatti relativamente facile incorporare nel problema informazioni a priori, ottenendo buoni risultati anche in presenza di un insieme ridotto e rumoroso di dati osservati. Il principale inconveniente riscontrato nell'uso di tali modelli e' la elevata complessita' computazionale degli algoritmi da essi derivati. E' stato comunque rilevato che tali algoritmi sono intrinsecamente paralleli e quindi particolarmente adatti ad una implementazione su hardware parallelo; cio' nonostante la complessita' computazionale risulta cosi' elevata da incoraggiare schemi atti sia a ridurre tale complessita', sia a proporre architetture parallele innovative, quali le reti neurali. Nel presente lavoro Viene proposto un metodo di restauro Bayesiano basato su tecniche di mixed annealing in cui tecniche deterministiche e stocastiche sono combinate in modo da ridurre la complessita' computazionale. Il metodo risulta particolarmente adatto ad una implementazione su una architettura mista costituita da una griglia di processori digitali e da una rete neurale. La validita' del metodo e' stata verificata mediante simulazioni eseguite su calcolatori seriali. A causa dell'elevata complessita' computazionale, nelle simulazioni sono stati considerati solo segnali monodimensionali.
Subject Random Markov Field
restauro Bayesiano
rete neurale
computer vision


Icona documento 1) Download Document PDF


Icona documento Open access Icona documento Restricted Icona documento Private

 


Per ulteriori informazioni, contattare: Librarian http://puma.isti.cnr.it

Valid HTML 4.0 Transitional