タグ付けされた質問 「image-processing」

Octaveの2つのベクトルのユークリッド距離をすばやく計算する方法があるかどうかを知りたいです。そのための特別な関数はないようですので、単に式を使用する必要がありsqrtますか？

16 octave  discretization  nonlinear-equations  newton-method  visualization  fluid-dynamics  mesh-generation  finite-element  finite-volume  optimization  algorithms  approximation  fluid-dynamics  navier-stokes  comsol  modeling  optimization  sparse-matrix  matrix  condition-number  visualization  matlab  quadrature  blas  intel-mkl  finite-element  gpu  discontinuous-galerkin  mathematica  optimization  convex-optimization  algorithms  reference-request  matlab  statistics  finite-element  numerical-analysis  petsc  molecular-dynamics  machine-learning  statistics  visualization  open-source  statistics  image-processing  visualization  python  petsc  finite-element  fluid-dynamics  stability  navier-stokes  incompressible 

私は「登録とワーピングに最適なマストランスポート」というペーパーを実装しています。私の目標は、オイラーマストランスポートコードをオンラインで見つけることができないため、オンラインにすることです。これは、少なくとも画像処理の研究コミュニティにとって興味深いものです。 この論文は次のように要約できます。 - x座標とy座標に沿った1Dヒストグラムマッチングを使用して初期マップを見つける の固定点を、ここでは反時計回りの90度回転を表し、はディリクレ境界条件（= 0）のポアソン方程式の解を表します。そして、ヤコビ行列の行列です。 -タイムステップ安定性が保証されていますu t = 1uuuあなたt= 1μ0D U ∇⊥△− 1di v （u⊥）ut=1μ0Du∇⊥△−1div(u⊥)u_t = \frac{1}{\mu_0} Du \nabla^\perp\triangle^{-1}div(u^\perp)あなた⊥u⊥u^\perp△− 1△−1\triangle^{-1}D UDuDudt &lt; 分| 1μ0∇⊥△− 1di v （u⊥）|dt&lt;min|1μ0∇⊥△−1div(u⊥)|dt<\min|\frac{1}{\mu_0}\nabla^\perp\triangle^{-1}div(u^\perp)| 数値シミュレーション（通常のグリッドで実行）の場合、ポアソン方程式を解くためにmatlabのpoicalcを使用することを示し、風上スキームを使用して計算されるD UDuDuを除いて、空間微分に中心有限差分を使用します。 私のコードを使用すると、エネルギー関数とマッピングのカールは、2、3回の反復（タイムステップに応じて数十から数千）に対して適切に減少しています。しかし、その後、シミュレーションは爆発します。非常に少ない反復でエネルギーが増加し、NANに到達します。私は微分と積分（ここで cumptrapzのより高次の置換がここにあります）といくつかの補間スキームに対していくつかの次数を試してみましたが、常に同じ問題が発生します（非常に滑らかな画像、どこでも0でないなど）。 誰かがコードや私が直面している理論上の問題に興味がありますか？コードはかなり短いです。 デバッグ機能を備えたコード 登録機能 登録する同じサイズの2つのイメージがある場合、テストコード テストスタッフなしで必要な機能のみ（&lt;100行） 最後のgradient2（）をgradient（）に置き換えてください。これはより高次の勾配でしたが、問題も解決しません。 今のところ、紙の最適な輸送部分にのみ関心があり、追加の正則化用語には関心がありません。 よろしくお願いします！

11 pde  finite-difference  matlab  fluid-dynamics  image-processing 

私はこの投稿と同様の問題を抱えていますが、いくつかの顕著な違いがあります： 2D関数を適応的にサンプリングするための簡単な方法は何ですか？ その投稿のように： 私はを持っており、この関数の評価は計算にいくらか費用がかかりますf(x,y)f(x,y)f(x,y) その投稿とは異なり： どこでも正確に関数の値に興味があるのではなく、関数の単一の等高線を見つけることにのみ興味があります。 関数の自己相関、そしてその結果として滑らかさのスケールについて、私は重要な主張をすることができます。 この関数に沿ってステップ/サンプリングしてこの輪郭を見つけるインテリジェントな方法はありますか？ 詳しくは 関数は、計算されHaralick特長上に分類器/回帰何らかのによってポイント、ソフト分類を囲むpixles。これの出力は、ポイントが属するテクスチャ/マテリアルを示す浮動小数点数です。この数値のスケーリングは、推定クラス確率（SoftSVMまたは統計手法など）または線形/ロジスティック回帰の出力のような非常に単純なものです。分類/回帰は、画像からの特徴抽出にかかる時間に比べて正確で安価です。NNN を取り巻く統計は、ウィンドウが通常は重複領域をサンプリングしているため、近くのサンプル間に有意な相関があることを意味します。（私も象徴/数値的に近づくことができるもの）従って、これは、より複雑な機能と考えることができるより大きいより近傍に関連する推定値を与える（高度に相関する）、およびAが小さいほど、変数は大きくなりますが、より局所的な推定になります。 NNNf(x,y,N)f(x,y,N)f(x, y, N)NNNNNN 私が試したこと： ブルート計算-うまく機能します。定数 95％正しいセグメンテーション。その後、標準的な方法を使用して輪郭を描くと、結果は素晴らしいものになります。これには永遠にかかります。サンプルごとに計算された特徴を簡略化できますが、理想的にはこれを避けて、特徴空間の異なる部分に違いが現れるテクスチャのある画像にこのコードを一般的に維持します。 NNN ダムステッピング-各方向に1ピクセルの「ステップ」を取り、等値線値への近さに基づいて移動する方向を選択します。それでもかなり低速で、等値線の分岐は無視されます。また、グラデーションがフラットな領域では、「さまよう」または2倍に戻ります。 私は最初のリンクで提案された細分割のようなことをしたいと思っていますが、関心のある等値線を囲むボックスを剪定しました。も活用できると思いますが、どうすればいいのかわかりません。 NNN

10 optimization  image-processing