Lineární algebra rekonstrukce obrazu

Podobné dokumenty
Faster Gradient Descent Methods

Základní spádové metody

3. Přednáška: Line search

stránkách přednášejícího.

l, l 2, l 3, l 4, ω 21 = konst. Proved te kinematické řešení zadaného čtyřkloubového mechanismu, tj. analyticky

Lineární algebra : Metrická geometrie

Metoda sdružených gradientů

Definice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti:

7 Konvexní množiny. min c T x. při splnění tzv. podmínek přípustnosti, tj. x = vyhovuje podmínkám: A x = b a x i 0 pro každé i n.

Numerické metody optimalizace - úvod

K oddílu VI.1 obecné slabé topologie Příklad 1. Necht X = C([0, 1]) s topologií bodové konvergence na [0, 1]. Popište všechny

Princip řešení soustavy rovnic

Úlohy nejmenších čtverců

DRN: Kořeny funkce numericky

OPTIMALIZACE. (přehled metod)

Arnoldiho a Lanczosova metoda

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

Formální jazyky a gramatiky Teorie programovacích jazyků

ANALÝZA A KLASIFIKACE DAT

Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda

SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Báze konečněrozměrných vektorových prostorů, lineární zobrazení vektorových prostorů

Iterační metody řešení soustav lineárních rovnic. 27. prosince 2011

KVADRATICKÁ KALIBRACE

Kapitola 5. SLAR - gradientní metody

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

ALGEBRA. Téma 5: Vektorové prostory

Operační výzkum. Teorie her. Řešení maticových her převodem na úlohu LP.

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

2. kapitola: Euklidovské prostory

7. Analýza rozptylu.

4EK213 Lineární modely. 5. Dualita v úlohách LP

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1

Metoda konjugovaných gradientů

Matice. Předpokládejme, že A = (a ij ) je matice typu m n: diagonálou jsou rovny nule.

Aplikace metody BDDC

Numerické metody a programování. Lekce 8

Pravděpodobnostní algoritmy

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

Okruh Lineární rovnice v Z m Těleso Gaussova eliminace (GEM) Okruh Z m. Jiří Velebil: X01DML 19. listopadu 2007: Okruh Z m 1/20

1 Projekce a projektory

Jaroslav Tuma. 8. února 2010

Algoritmus pro hledání vlastních čísel kvaternionových matic

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

Detekce kartografického zobrazení z množiny





Lineární algebra : Lineární prostor

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B.

DEFINICE Z LINEÁRNÍ ALGEBRY

4. Přednáška: Kvazi-Newtonovské metody:

Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague

Úvod do teorie her. 6. Koaliční hry

Interpolace, ortogonální polynomy, Gaussova kvadratura

4EK213 Lineární modely. 10. Celočíselné programování

Matematika 4 FSV UK, LS Miroslav Zelený

Odchylka ekliptiky od roviny Galaxie

Zpracování digitalizovaného obrazu (ZDO) - Popisy III

Matice. Je dána matice A R m,n, pak máme zobrazení A : R n R m.

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY

1 0 0 u 22 u 23 l 31. l u11

2 ab. ), (ii) (1, 2, 3), (iii) ( 3α+8,α+12,6α 16

METRICKÉ A NORMOVANÉ PROSTORY

EUKLIDOVSKÉ PROSTORY

Úvod do teorie her

Numerické metody lineární algebry

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

odpovídá jedna a jen jedna hodnota jiných

M5170: Matematické programování


Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Lineární algebra : Změna báze

Metody vnitřních bodů pro řešení úlohy lineární elasticity s daným třením

Co jsme udělali: Au = f, u D(A)

Vyučující: Jan Chleboun, místnost B-305, linka 3866 Konzultace: čtvrtek 13:00-14:40 nebo dle dohody

METODY OPTIMALIZACE ZDENĚK DOSTÁL, PETR BEREMLIJSKI

2 Vektorové normy. Základy numerické matematiky - NMNM201. Definice 1 (Norma). Norma je funkcionál splňující pro libovolné vektory x a y a pro

Diferenˇcní rovnice Diferenciální rovnice Matematika IV Matematika IV Program

Cvičení 5 - Inverzní matice

Úvod do optimalizace, metody hladké optimalizace

Stavební fakulta Katedra mechaniky. Jaroslav Kruis, Petr Štemberk

AVDAT Mnohorozměrné metody, metody klasifikace

Numerické řešení soustav lineárních rovnic

Úvod do kvantového počítání

Karel Lemr. web: Karel Lemr Fotonové páry 1 / 26

OOFEM: Implementace plasticitního materiálového modelu Cam-Clay. Ondřej Faltus, ZS 2016/17 Vyučující: Ing. Martin Horák, PhD.

opt [ ] Vyjádření subvektory (báz. a nebáz.) B,N Index bázových a nebázových proměnných β, ν Množina indexů veličin B,N

Princip gradientních optimalizačních metod

Zadání semestrální práce z předmětu Mechanika 2

OPTIMALIZAČNÍ ALGORITMY V KONTAKTNÍCH ÚLOHÁCH

Bayesovské metody. Mnohorozměrná analýza dat

Otázku, kterými body prochází větev implicitní funkce řeší následující věta.

Paralelní algoritmy v lineární algebře. Násobení matic

Kapitola 11: Vektory a matice:

7.3. Diferenciální rovnice II. řádu

Numerické integrace některých nediferencovatelných funkcí

Transkript:

Lineární algebra rekonstrukce obrazu Prezentace práce pro matematický seminář 0 Mdx Theuer 20. října 2011 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 1 / 19

Obsah Matematická reprezentace obrazu 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 2 / 19

Obsah Matematická reprezentace obrazu Popis lineárního modelu rozostření 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 2 / 19

Obsah Matematická reprezentace obrazu Popis lineárního modelu rozostření Odvození a realizace vybraných metod 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 2 / 19

Obsah Matematická reprezentace obrazu Popis lineárního modelu rozostření Odvození a realizace vybraných metod Testování na příkladech 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 2 / 19

Obsah Matematická reprezentace obrazu Popis lineárního modelu rozostření Odvození a realizace vybraných metod Testování na příkladech Současná práce 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 2 / 19

Matematická reprezentace obrazu 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 3 / 19

Matematická reprezentace obrazu f (x, y) = f (1, 1) f (1, 2) f (1, n) f (2, 1) f (2, 2) f (2, n)........ f (m, 1) f (m, 2) f (m, n) X = x 1,1 x 1,2 x 1,n x 2,1 x 2,2 x 2,n........ x m,1 x m,2 x m,n 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 3 / 19

Matematická reprezentace obrazu f (x, y) = f (1, 1) f (1, 2) f (1, n) f (2, 1) f (2, 2) f (2, n)........ f (m, 1) f (m, 2) f (m, n) X = x 1,1 x 1,2 x 1,n x 2,1 x 2,2 x 2,n........ x m,1 x m,2 x m,n x = vec( X). 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 3 / 19

Lineární model rozostření Předpokládáme existenci přesného obrazu x 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 4 / 19

Lineární model rozostření Předpokládáme existenci přesného obrazu x Vlivem různých podmínek dochází k rozostření a vzniku neostrého obrazu b 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 4 / 19

Lineární model rozostření Předpokládáme existenci přesného obrazu x Vlivem různých podmínek dochází k rozostření a vzniku neostrého obrazu b Proces rozostření modelujeme jako násobení maticí A A x = b 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 4 / 19

Lineární model rozostření Předpokládáme existenci přesného obrazu x Vlivem různých podmínek dochází k rozostření a vzniku neostrého obrazu b Proces rozostření modelujeme jako násobení maticí A A x = b A x + n = b 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 4 / 19

Kvazi-Newtonovy metody 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 5 / 19

Kvazi-Newtonovy metody Řešíme systém A T A x = A T b, 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 5 / 19

Kvazi-Newtonovy metody Řešíme systém A T A x = A T b, jehož řešení odpovídá minimalizaci minf ( x) = 1 2 xt A T A x x T A b, 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 5 / 19

Kvazi-Newtonovy metody Řešíme systém A T A x = A T b, jehož řešení odpovídá minimalizaci minf ( x) = 1 2 xt A T A x x T A b, což vede k předpisu x k+1 = x k α k M k g k = x k + α k M k r k 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 5 / 19

Metody bez omezení Landweberova metoda α (0, 2ρ(A T A) 1 ) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 6 / 19

Metody bez omezení Landweberova metoda α (0, 2ρ(A T A) 1 ) Residual Norm Steepest Descent - RNSD α k = min α>0 f ( x k α g k ) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 6 / 19

Metody bez omezení Landweberova metoda α (0, 2ρ(A T A) 1 ) Residual Norm Steepest Descent - RNSD α k = min α>0 f ( x k α g k ) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 6 / 19

Metody s omezením Minimalizační úloha min f ( x), x Ω B kde Ω B = { x R n : x 0}, f ( x) = 1 2 xt A T A x x T A b. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 7 / 19

Metody s omezením Minimalizační úloha min f ( x), x Ω B kde Ω B = { x R n : x 0}, f ( x) = 1 2 xt A T A x x T A b. Projekce Nechť je Ω B je neprázdná konvexní podmnožina euklidovského prostoru R n a x prvkem tohoto prostoru. Projekce P ΩB ( x) do Ω B je dána [P ΩB ( x)] i = max{0, x i }, i = 1, 2,..., n 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 7 / 19

Metody s omezením FSGP Fixed Steplength Gradient Projection - FSGP α (0, 2ρ(A T A) 1 ) x k+1 = P ΩB ( x k α g k ) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 8 / 19

Metody s omezením FSGP Fixed Steplength Gradient Projection - FSGP α (0, 2ρ(A T A) 1 ) x k+1 = P ΩB ( x k α g k ) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 8 / 19

Metody s omezením RNSDP Residual Norm Steepest Descent with Projection - RNSDP 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 9 / 19

Metody s omezením RNSDP Residual Norm Steepest Descent with Projection - RNSDP α BO - ideální délka kroku bez omezení, která je stejná jako v případě RNSD α BO = min α>0 f ( x k α BO g k ) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 9 / 19

Metody s omezením RNSDP Residual Norm Steepest Descent with Projection - RNSDP α BO - ideální délka kroku bez omezení, která je stejná jako v případě RNSD α BO = min α>0 f ( x k α BO g k ) α O - délka omezeného kroku α O = min { x i i / A}, g>0 g i je taková délka kroku ve směru g, který by vedl právě na hranici. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 9 / 19

Metody s omezením RNSDP Residual Norm Steepest Descent with Projection - RNSDP α BO - ideální délka kroku bez omezení, která je stejná jako v případě RNSD α BO = min α>0 f ( x k α BO g k ) α O - délka omezeného kroku α O = min { x i i / A}, g>0 g i je taková délka kroku ve směru g, který by vedl právě na hranici. α FS - pevná délka kroku α FS (0, 2ρ(A T A) 1 ) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 9 / 19

Metody s omezením RNSDP 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 10 / 19

Metody s omezením MRNSD Modified Residual norm Steepest Descent - MRNSD x = e z 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 11 / 19

Metody s omezením MRNSD Modified Residual norm Steepest Descent - MRNSD x = e z minf ( x) = 1 2 ez A T Ae z e z A b 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 11 / 19

Metody s omezením MRNSD Modified Residual norm Steepest Descent - MRNSD x = e z minf ( x) = 1 2 ez A T Ae z e z A b pro kterou platí: f (z) = x f ( x) Iterační předpis: x k+1 = x k α x k f ( x) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 11 / 19

Metody s omezením Konvergence 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 12 / 19

Testování na příkladech Testovací data 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 13 / 19

Testování na příkladech Výsledky Obrázek: RNSDP a MRNSD 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 14 / 19

Současná práce MPRGP - náhled Modified Proportioning with Reduced Gradient Projections - MPRGP Je dáno ( x 0 Ω, α FS 0, A T A 1, Γ > 0, 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 15 / 19

Současná práce MPRGP - náhled Modified Proportioning with Reduced Gradient Projections - MPRGP Je dáno ( x 0 Ω, α FS 0, A T A 1, Γ > 0, pro k 0 a známé x k generujeme x k+1 podle následujících pravidel: Pokud je ν ( x k) = 0: x k+1 = x k. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 15 / 19

Současná práce MPRGP - náhled Modified Proportioning with Reduced Gradient Projections - MPRGP Je dáno ( x 0 Ω, α FS 0, A T A 1, Γ > 0, pro k 0 a známé x k generujeme x k+1 podle následujících pravidel: Pokud je ν ( x k) = 0: x k+1 = x k. Pokud je x k strictly proportional a ν ( x k) 0, zkusíme generovat x k+1 jako conjugate gradient step. Pokud x k+1 Ω, přijmeme jej, jinak generujeme x k+1 pomocí expansion step. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 15 / 19

Současná práce MPRGP - náhled Modified Proportioning with Reduced Gradient Projections - MPRGP Je dáno ( x 0 Ω, α FS 0, A T A 1, Γ > 0, pro k 0 a známé x k generujeme x k+1 podle následujících pravidel: Pokud je ν ( x k) = 0: x k+1 = x k. Pokud je x k strictly proportional a ν ( x k) 0, zkusíme generovat x k+1 jako conjugate gradient step. Pokud x k+1 Ω, přijmeme jej, jinak generujeme x k+1 pomocí expansion step. Pokud x k není strictly proportional, provedeme proportioning, čímž získáme x k+1. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 15 / 19

Současná práce MPRGP MPRGP - Conjugate Gradient Step V každé iteraci testujeme podmínku ( β x k) 2 ( Γ ϕ x k) T ( ϕ x k) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 16 / 19

Současná práce MPRGP MPRGP - Conjugate Gradient Step V každé iteraci testujeme podmínku ( β x k) 2 ( Γ ϕ x k) T ( ϕ x k) pokud je splněna, zkusíme conjugate gradient step x k+1 = x k α CG p k, kde p k je směr sdružených gradientů, který je generován postupně. Generování začíná z p s = ϕ( x s ) kdykoli je x s získán z expansion step nebo proportioning step. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 16 / 19

Současná práce MPRGP MPRGP - Conjugate Gradient Step V každé iteraci testujeme podmínku ( β x k) 2 ( Γ ϕ x k) T ( ϕ x k) pokud je splněna, zkusíme conjugate gradient step x k+1 = x k α CG p k, kde p k je směr sdružených gradientů, který je generován postupně. Generování začíná z p s = ϕ( x s ) kdykoli je x s získán z expansion step nebo proportioning step. Pokud je x k+1 přípustné, přijmeme jej, jinak provedeme expansion step. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 16 / 19

Současná práce MPRGP MPRGP - Expansion Step Expansion step je krok s pevnou délkou a projekcí: x k+1 = P Ω ( x k α FS ϕ( x k )) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 17 / 19

Současná práce MPRGP MPRGP - Expansion Step Expansion step je krok s pevnou délkou a projekcí: x k+1 = P Ω ( x k α FS ϕ( x k )) Tento krok může rozšířit aktivní množinu. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 17 / 19

Současná práce MPRGP MPRGP - Expansion Step Expansion step je krok s pevnou délkou a projekcí: x k+1 = P Ω ( x k α FS ϕ( x k )) Tento krok může rozšířit aktivní množinu. MPRGP - Proportioning Step Proportioning step je krok restartování sdružených gradientů: x k+1 = x α CG β( x k ) 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 17 / 19

Současná práce MPRGP MPRGP - Expansion Step Expansion step je krok s pevnou délkou a projekcí: x k+1 = P Ω ( x k α FS ϕ( x k )) Tento krok může rozšířit aktivní množinu. MPRGP - Proportioning Step Proportioning step je krok restartování sdružených gradientů: x k+1 = x α CG β( x k ) Tento krok naopak odebírá indexy z aktivní množiny. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 17 / 19

Současná práce Aktuální stav 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 18 / 19

Současná práce Aktuální stav Jednotlivé algoritmy jsem přepsal s využitím knihovny RestoreTools, kterou vyvíjí James Nagy a jeho tým. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 18 / 19

Současná práce Aktuální stav Jednotlivé algoritmy jsem přepsal s využitím knihovny RestoreTools, kterou vyvíjí James Nagy a jeho tým. Implementoval jsem MPRGP pro nesymetrické matice obrazu. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 18 / 19

Současná práce Aktuální stav Jednotlivé algoritmy jsem přepsal s využitím knihovny RestoreTools, kterou vyvíjí James Nagy a jeho tým. Implementoval jsem MPRGP pro nesymetrické matice obrazu. Nepodařilo se mi dosáhnout výrazného zlepšení předchozích algoritmů. 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 18 / 19

Závěr Otázky? 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 19 / 19

Závěr Otázky? Děkuji za pozornost 0 Mdx Theuer () Lineární algebra rekonstrukce obrazu 20. října 2011 19 / 19