Untersuchung der Laufradströmung einer Kreiselpumpe unter Teillastbedingungen mit Hilfe der particle image velocimetry

Magdeburg, Univ., Fak. für Verfahrens- und Systemtechnik, Diss., 2009

Hand gesture spotting and recognition using HMMs and CRFs in color image sequences

Magdeburg, Univ., Fak. für Elektrotechnik und Informationstechnik, Diss., 2010

Vision-based representation and recognition of human activities in image sequences

Magdeburg, Univ., Fak. für Elektrotechnik und Informationstechnik, Diss., 2013

Evaluierung und Entwicklung einer Image-Broschüre hinsichtlich industrieller Kooperationspartner für den Fachbereich Informatik und Kommunikationssysteme der Hochschule Merseburg

[s.c.]

Software phantoms in medical image analysis

Magdeburg, Univ., Fak. für Informatik, Diss., 2015

Instruments for image guided procedures - IIGP : review summaries for minimal invasive and image guided technologies and clinical procedures : student review papers on selected topics

Michael Friebe, editor ; Otto-von-Guericke-Universität Magdeburg, Institut für Medizintechnik, Lehrstuhl Kathetertechnologie und bildgesteuerte Therapie (INKA - Intelligente Katheter), Forschungscampus STIMULATE (Solution Centre for Image Guided Local Therapies)

Image registration techniques with multiresolution analysis in satellite oceanography

En aquest article es fa una descripció dels procediments realitzats per enregistrar dues imatges geomètricament, de forma automàtica, si es pren la primera com a imatge de referència. Es comparen els resultats obtinguts mitjançant tres mètodes. El primer mètode és el d’enregistrament clàssic en domini espacial maximitzant la correlació creuada (MCC)[1]. El segon mètode es basa en aplicar l’enregistrament MCC conjuntament amb un anàlisi multiescala a partir de transformades wavelet [2]. El tercer mètode és una variant de l’anterior que es situa a mig camí dels dos. Per cada un dels mètodes s’obté una estimació dels coeficients de la transformació que relaciona les dues imatges. A continuació es transforma per cada cas la segona imatge i es georeferencia respecte la primera. I per acabar es proposen unes mesures quantitatives que permeten discutir i comparar els resultats obtinguts amb cada mètode.

Urban image classification with semisupervised multiscale cluster kernels

This paper presents a semisupervised support vector machine (SVM) that integrates the information of both labeled and unlabeled pixels efficiently. Method's performance is illustrated in the relevant problem of very high resolution image classification of urban areas. The SVM is trained with the linear combination of two kernels: a base kernel working only with labeled examples is deformed by a likelihood kernel encoding similarities between labeled and unlabeled examples. Results obtained on very high resolution (VHR) multispectral and hyperspectral images show the relevance of the method in the context of urban image classification. Also, its simplicity and the few parameters involved make the method versatile and workable by unexperienced users.

Some variational problems from image processing

"Vegeu el resum a l'inici del document del fitxer adjunt."