Natural Image Modelling using Mixture Models with compression as an application

Statistische Analyse von natürlichen Bildern mit Mischmodellen samt Kompression als Anwendung

  • This thesis mainly focuses on the problem of finding good generative models of natural images. Two main approaches are used to cope with the high dimensional problem of natural images density estimation. The first approach concentrates on developing models for small natural image patches. Mixture of elliptically contoured distributions are used and its performance is compared to some hierarchical models. The result shows that mixture models outperform the other approaches. This result is furtherThis thesis mainly focuses on the problem of finding good generative models of natural images. Two main approaches are used to cope with the high dimensional problem of natural images density estimation. The first approach concentrates on developing models for small natural image patches. Mixture of elliptically contoured distributions are used and its performance is compared to some hierarchical models. The result shows that mixture models outperform the other approaches. This result is further corroborated by developing a compression algorithm that outperforms existing algorithms both quantitatively based on PSNR comparison and qualitatively. The second approach is a "2D homogeneous infinite state-space Markov Chain (IMC)" approach that explicitely makes use of the stationarity property of natural images. The model used in this document is IMC approach with a conditional density similar to the conditional form of mixture of elliptically contoured distributions. It is shown both theoretically and experimentally that using conditional models leads to better image models, i.e. higher likelihood. The success of the proposed approaches lies in the features of natural images that can be captured by them. These features are mainly contrast information and orientation information. The success of the conditional model in generating realistic textures shows the importance of those features.show moreshow less
  • Diese Arbeit konzentriert sich hauptsächlich auf das Problem der Suche nach guten generativen Modellen natürlicher Bilder. Zwei Ansätze werden verwendet, um mit Mehrdimensionalität Problem der Dichteschätzung natürlicher Bildern zu bewältigen. Der erste Ansatz konzentriert sich auf die Entwicklung von Modellen für kleine natürliche Bildausschnitte. Um dieses Ziel zu erreichen, verwenden wir Mischverteilungen aus elliptisch konturierten Verteilungen und vergleichen deren Leistung mit hierarchischDiese Arbeit konzentriert sich hauptsächlich auf das Problem der Suche nach guten generativen Modellen natürlicher Bilder. Zwei Ansätze werden verwendet, um mit Mehrdimensionalität Problem der Dichteschätzung natürlicher Bildern zu bewältigen. Der erste Ansatz konzentriert sich auf die Entwicklung von Modellen für kleine natürliche Bildausschnitte. Um dieses Ziel zu erreichen, verwenden wir Mischverteilungen aus elliptisch konturierten Verteilungen und vergleichen deren Leistung mit hierarchischen Modellen. Das Ergebnis zeigt, dass die Mischverteilung den anderen Ansätzen überlegen ist. Dieses Ergebnis bestätigt sich erneut durch die Entwicklung eines Kompressionsalgorithmuses, welcher die vorhandenen Algorithmen übertrifft sowohl quantitativ als auch qualitativ. Der zweite Ansatz ist ein "2D homogeneous infinite state-space Markov Chain (IMC)", der die Eigenschaft der Stationarität von natürlichen Bildern explizit nutzt. Das Model, das in dieser Arbeit verwendet wird, ist ein IMC Ansatz mit bedingter Dichte, ähnlich der bedingten Form der Mischverteilung aus elliptisch konturierten Verteilungen. Es wird sowohl theoretisch als auch experimentell gezeigt, dass die Nutzung des bedingten Modells zu einem besseren Bild-Modell führt, d.h. höherer Likelihood. Der Erfolg der hier gezeigten Ansätze liegt in den Merkmalen der natürlichen Bilder, die von diesen erfasst werden können. Diese Merkmale sind vor allen die Kontrastinformationen und die Orientierungsinformationen. Der Erfolg des Modells bei der Erzeugung von realistischen Texturen zeigt die Wichtigkeit der vom Modell erfassten Merkmale.show moreshow less

Download full text files

Export metadata

  • Export Bibtex
  • Export RIS

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author: Reshad Hosseini
URN:urn:nbn:de:kobv:83-opus-37594
Advisor:Prof. Dr. Matthias Bethge
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2012/12/11
Publishing Institution:Technische Universität Berlin
Granting Institution:Technische Universität Berlin, Fakultät IV - Elektrotechnik und Informatik
Date of final exam:2012/10/12
Release Date:2012/12/11
Tag:Gravitationslinsen; Mischmodelle; Mischung von Experten; Transformationskodierung; elliptische Verteilungen
elliptical distributions; gravitational lensing; mixture models; mixture of experts; transform coding
Institutes:Fakultät IV - Elektrotechnik und Informatik -ohne Zuordnung zu einem Institut-
Dewey Decimal Classification:004 Datenverarbeitung; Informatik
Licence (German):License Logo CC BY-NC-SA: Creative Commons-Lizenz: Namensnennung, nicht kommerziell, Weitergabe zu gleichen Bedingungen