| Titre : | Bayesian modeling of uncertainty in low-level vision |
| Auteurs : | Richard Szeliski, Auteur ; Takeo Kanade, Préfacier, etc. |
| Type de document : | texte imprimé |
| Editeur : | Boston : Kluwer academic publishers, 1989 |
| Collection : | The kluwer international series in engineering and computer science |
| Sous-collection : | Robotics: vision, manipulation and sensors, num. 79 |
| ISBN/ISSN/EAN : | 978-0-7923-9039-8 |
| Format : | XVII-198 p. / ill. / 24 cm |
| Note générale : | Index |
| Langues : | Anglais |
| Index. décimale : | 621.391 (Notions générales sur l'ingénierie des Communications électriques. Cybernétique. Théorie de l'information. Théorie des signaux) |
| Tags : | Théorème de Bayes Perception visuelle Algorithmes Computer vision -- Mathematical models Vision par ordinateur -- Modèles mathématiques |
| Résumé : |
Bayesian modeling of uncertainty in low-level vision develops a probablistic model for low-level vision problems such as surface interpolation and depth from motion. The model allows us to describe the uncertainty in the output of low-level vision algorithms. This uncertainty is inherent in all vision applications because of the noisy nature of real sensors.
Modeling of this uncertainty allows us to create algorithms that are more robust with respect to this noise. |
| Note de contenu : |
Contents:
* Introduction. * Representations for low-level vision. * Bayesian models and Markov Random Fields. * Prior models. * Sensor models. * Posterior estimates. ... |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité | Etat_Exemplaire |
|---|---|---|---|---|---|
| 621.391 SZE | Papier | Bibliothèque Centrale | Electronique | Disponible | En bon état |
