Titre :	Bayesian modeling of uncertainty in low-level vision
Type de document :	texte imprimé
Auteurs :	Richard Szeliski, Auteur ; Takeo Kanade, Préfacier, etc.
Editeur :	Boston : Kluwer academic publishers
Année de publication :	1989
Collection :	The kluwer international series in engineering and computer science
Sous-collection :	Robotics: vision, manipulation and sensors num. 79
Importance :	XVII-198 p.
Présentation :	ill.
Format :	24 cm
ISBN/ISSN/EAN :	978-0-7923-9039-8
Note générale :	Index
Langues :	Anglais (eng)
Mots-clés :	Théorème de Bayes Perception visuelle Algorithmes Computer vision -- Mathematical models Vision par ordinateur -- Modèles mathématiques
Index. décimale :	621.391 Notions générales sur l'ingénierie des Communications électriques. Cybernétique. Théorie de l'information. Théorie des signaux
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. ...

Bayesian modeling of uncertainty in low-level vision [texte imprimé] / Richard Szeliski, Auteur ; Takeo Kanade, Préfacier, etc. . - Boston : Kluwer academic publishers, 1989 . - XVII-198 p. : ill. ; 24 cm. - (The kluwer international series in engineering and computer science. Robotics: vision, manipulation and sensors; 79) .
ISBN : 978-0-7923-9039-8
Index
Langues : Anglais (eng)

Mots-clés :	Théorème de Bayes Perception visuelle Algorithmes Computer vision -- Mathematical models Vision par ordinateur -- Modèles mathématiques
Index. décimale :	621.391 Notions générales sur l'ingénierie des Communications électriques. Cybernétique. Théorie de l'information. Théorie des signaux
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. ...