RU2010119650A - Способ и система анализа сингулярности в цифровых сигналах - Google Patents

Способ и система анализа сингулярности в цифровых сигналах Download PDF

Info

Publication number
RU2010119650A
RU2010119650A RU2010119650/08A RU2010119650A RU2010119650A RU 2010119650 A RU2010119650 A RU 2010119650A RU 2010119650/08 A RU2010119650/08 A RU 2010119650/08A RU 2010119650 A RU2010119650 A RU 2010119650A RU 2010119650 A RU2010119650 A RU 2010119650A
Authority
RU
Russia
Prior art keywords
point
signal
local
singularity
specified
Prior art date
Application number
RU2010119650/08A
Other languages
English (en)
Inventor
МАРТИНЕЗ Антонио Мария ТУРИЭЛЬ (ES)
МАРТИНЕЗ Антонио Мария ТУРИЭЛЬ
Original Assignee
Консехо Супериор Де Инвестигасьенес Сайнтификас (Es)
Консехо Супериор Де Инвестигасьенес Сайнтификас
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Консехо Супериор Де Инвестигасьенес Сайнтификас (Es), Консехо Супериор Де Инвестигасьенес Сайнтификас filed Critical Консехо Супериор Де Инвестигасьенес Сайнтификас (Es)
Publication of RU2010119650A publication Critical patent/RU2010119650A/ru

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/168Segmentation; Edge detection involving transform domain methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00Image coding
    • G06T9/008Vector quantisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/46Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462Salient features, e.g. scale invariant feature transforms [SIFT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/52Scale-space analysis, e.g. wavelet analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20048Transform domain processing
    • G06T2207/20064Wavelet transform [DWT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Complex Calculations (AREA)
  • Image Analysis (AREA)

Abstract

1. Способ анализа сингулярности в цифровых сигналах, отличающийся тем, что он содержит следующие стадии: ! (a) определение для каждой точки x сигнала первых соседей окружения или местной окружающей среды; и ! (b) вычисление для каждой точки x сигнала измерения реконструктивности или измерение сингулярности, основанное на связанной местной окружающей среде, созданной из вывода величины сигнала в указанной точке на основе величины точек местной окружающей среды, используя следующую формулу реконструкции ! ! где s - данный сигнал, ! - F∞ - наиболее сингулярное множество или MSM указанного сигнала, ! - - основной градиент s, ! - - универсальное ядро реконструкции, и ! - символ * означает сверточное скалярное произведение, ! при этом указанная формула реконструкции адаптирована к вышеупомянутой окружающей среде таким образом, что измерение сингулярности включает разницу между измеренной величиной и величиной, выведенной из формулы реконструкции. ! 2. Способ по п.1, отличающийся тем, что он также включает третью стадию (с), которая содержит выполнение, по меньшей мере, одного логарифмического преобразования на указанном измерении сингулярности, которое подавляет зависимость измерения от числа точек сигнала, получая экспоненту сингулярности для каждой точки сигнала. ! 3. Способ по п.2, отличающийся тем, что перед выполнением стадии (a) он предусматривает получение стабильной производной функции указанного цифрового сигнала, который дискретизируется через регулярные интервалы, и при этом на стадии (b) он содержит стадию получения для каждой точки указанного дискретизированного цифрового сигнала для измерения сингулярности

Claims (21)

1. Способ анализа сингулярности в цифровых сигналах, отличающийся тем, что он содержит следующие стадии:
(a) определение для каждой точки x сигнала первых соседей окружения или местной окружающей среды; и
(b) вычисление для каждой точки x сигнала измерения реконструктивности или измерение сингулярности, основанное на связанной местной окружающей среде, созданной из вывода величины сигнала в указанной точке на основе величины точек местной окружающей среды, используя следующую формулу реконструкции
Figure 00000001
где s - данный сигнал,
- F∞ - наиболее сингулярное множество или MSM указанного сигнала,
-
Figure 00000002
- основной градиент s,
-
Figure 00000003
- универсальное ядро реконструкции, и
- символ * означает сверточное скалярное произведение,
при этом указанная формула реконструкции адаптирована к вышеупомянутой окружающей среде таким образом, что измерение сингулярности включает разницу между измеренной величиной и величиной, выведенной из формулы реконструкции.
2. Способ по п.1, отличающийся тем, что он также включает третью стадию (с), которая содержит выполнение, по меньшей мере, одного логарифмического преобразования на указанном измерении сингулярности, которое подавляет зависимость измерения от числа точек сигнала, получая экспоненту сингулярности для каждой точки сигнала.
3. Способ по п.2, отличающийся тем, что перед выполнением стадии (a) он предусматривает получение стабильной производной функции указанного цифрового сигнала, который дискретизируется через регулярные интервалы, и при этом на стадии (b) он содержит стадию получения для каждой точки указанного дискретизированного цифрового сигнала для измерения сингулярности функции в этой точке, взвешивая вклады местного окружения точки и величину производной во всех точках местной окружающей среды.
4. Способ по п.3, отличающийся тем, что стабильная производная цифрового сигнала, которая предшествует стадии (a), получена от производной увеличения одной точки к правой или центральной половине одной точки, причем производная определяется в обоих случаях в пространстве Фурье умножением сигнала на соответствующие ядра производных, предполагая, что могут быть получены точки Nx в направлении координаты х, при этом ядра производных выражаются следующим образом:
разница на одну точку справа:
Figure 00000004
разница на половину точки в центре:
Figure 00000005
содержащий следующие стадии:
- применение преобразования Фурье к указанному сигналу;
- умножение копии преобразование Фурье сигнала на ядро, связанное с каждым из компонентов d; и
- применение обратного преобразования к этим компонентам d.
5. Способ по п.2, отличающийся тем, что логарифмическое преобразование на стадии (c), которая является, по меньшей мере, одной стадией, выполняется следующим образом:
- для каждой точки дискретизированного цифрового сигнала применяются измерения, полученные на стадии (b), и делится на среднее измерений всех точек; и
- логарифм результата делится на логарифм минимального масштаба дискретизированного цифрового сигнала, который определен как d - корень общего количества точек сигнала, где d представляет собой размер или число переменных, присущих сигналу.
6. Способ по п.5, отличающийся тем, что измерение сингулярности на стадии (b) выполняется по следующим стадиям:
- вычисление вектора окружающей среды (2×d) первых соседей базисной точки х, получая первых соседей точки х, последовательно добавляя к каждой одной и только одной из индексов координат указанной точки х, сначала -1 и затем +1, формируя компоненты вектора окружающей среды (2×d)+1, первый компонент которых является величиной сигнала в точке х, второй является величиной сигнала в точке, полученной, добавляя -1 к первой координате х, третий является величиной сигнала в точке, полученной, добавляя +1 к первой координате х, четвертый является величиной сигнала в точке, полученной, добавляя -1 ко второй координате х, и так далее;
- извлечение тенденции этого вектора, который определен как сумма его компонентов, деленных на ((2×d)-1) и применение этой тенденции к вектору окружающей среды, добавляя его к компоненту, относящемуся к базисной точке х и вычитая его из других компонентов, так что этот новый полученный вектор окружающей среды имеет нулевое среднее;
- применение оператора местного градиента к указанному вектору нулевого среднего, который возвращает векторы градиента (2×d)+1, каждый из которых содержит компоненты d, которые определяют местный градиент:
- удаление компонентов из указанного местного градиента, связанного с точкой х;
- применение к указанному местному градиенту с удаленными компонентами, оператора местной реконструкции, однозначно связанного с указанным оператором местного градиента, получая вектор компонентов (2×d)+1, который определяется как предполагаемый сигнал;
- повторное применение оператора местного градиента к указанному вектору компонентов (2×d)+1 или к предполагаемому сигналу и получение векторов (2×d)+1, по одному для каждой точки местной окружающей среды, компонентов d, которые определяют предполагаемый местный градиент для этой окружающей среды;
- получение векторов (2×d)+1 компонентов d, которые выражают разницу в градиентах между указанным местным градиентом и указанным местным предполагаемым градиентом, и
- используя эти векторы (2×d)+1, получают разницу в градиентах измерения сингулярности, связанное с точкой х.
7. Способ по п.6, отличающийся тем, что указанный оператор местного градиента, примененный к вектору компонентов (2×d)+1 содержит для каждой точки х окружающей среды, определенной вектором компонентов (2×d)+1, который включает величину сигнала в точке х и в ее соседях (2×d), выполняя местное преобразование Фурье, которое учитывает только эту окружающую среду.
8. Способ по п.7, отличающийся тем, что указанное местное преобразование Фурье, создается как матрица ((2×d)+1))×((2×d)+1)), все элементы которой имеют величину 1, кроме элементов главной диагонали и смежных диагоналей, где все элементы главной диагонали, исключая первый слева, который равен 1, составляют сложную экспоненциальную функцию 2×π×i/3, где i - квадратный корень -1, и элементы смежных диагоналей последовательно достойны 1, экспоненты -2×π×i/3, 1 и так далее, по направлению от верхнего левого к нижнему правому.
9. Способ по п.8, отличающийся тем, что местное преобразование Фурье вычисляется, применяя описанную матрицу ((2×d)+1))×((2×d)+1)) к вектору окружающей среды компонентов (2×d)+1.
10. Способ по п.9, отличающийся тем, что местное обратное преобразование Фурье вычисляется, применяя обратную матрицу к одному элементу, из описанных в п.8, который всегда существует.
11. Способ по п.10, отличающийся тем, что для каждого окружения точки х, определенного вектором
Figure 00000006
компонентов (2×d)+1, применение к
Figure 00000007
указанного оператора местного градиента дает результат, выраженный вектором местного градиента для точки х и точек ее окружения, и содержит следующие стадии:
- применение местного преобразования Фурье к
Figure 00000007
;
- построение производной в направлении заданной координаты, умножая на
Figure 00000008
, компонент вектора
Figure 00000007
преобразования Фурье, связанный с точкой, которая получена при изменении координат точки х, добавляя -1 к индексу указанного направления координат и умножая на
Figure 00000009
компонент того же вектора, полученного путем изменения координаты точки х, прибавляя +1 к указанному индексу координат и удаляя остальные компоненты, получая, таким образом, производные векторы d, по одному для каждой координаты;
- применение местного обратного преобразования Фурье к этим векторам d компонентов (2×d)+1, при этом каждый вектор представляет производную по каждой из указанных координат d во всех точках местной окружающей среды; и
- переупорядочение компоненты этих векторов d, группируя для каждой из точек местной окружающей среды d производные, соответствующие этой точке, получая векторы местного градиента (2×d)+1, компонентов d каждый из которых воспроизводят градиент в каждой точке местной окружающей среды.
12. Способ по п.6, отличающийся тем, что указанный оператор реконструкции, примененный к местному градиенту, определяется как инверсия оператора местного градиента, и содержит следующие стадии:
- применение местного преобразование Фурье к векторам производной d по каждому направлению координат каждого из компонентов (2×d)+1;
- построение вектора реконструкции по данному направлению координат, разделяя на
Figure 00000008
вектор
Figure 00000006
компонента местного преобразование Фурье, связанного с точкой, которая получена, когда координаты точки х изменены путем прибавления -1 к индексу указанного направления координат, и деления на
Figure 00000010
компонента того же вектора, полученного, когда координаты точки х изменены путем прибавления +1 к указанному индексу координат, и удаляя остальные компоненты, получая, таким образом, векторы реконструкции d по всем направлениям, по одному для каждой координаты;
- добавляя эти векторы реконструкции d; и
- применяя местное обратное преобразования Фурье к вектору компонентов, (2×d)+1, полученных из предыдущей стадии.
13. Способ по п.6, отличающийся тем, что заключительный шаг стадии (b), с помощью которой получено измерение сингулярности, связанное с точкой х, содержит:
- извлечения из полученных векторов (2×d)+1 разницы в градиенте d компонента, связанного с точкой х, и
- получение измерения сингулярности как квадратного корня суммы квадратов этих компонентов d
с помощью чего получено местное корреляционное измерение сингулярности, подходящее для измерения непредсказуемости данной точки.
14. Способ по п.6, отличающийся тем, что заключительный шаг стадии (b), с помощью которого получено измерение сингулярности, связанное с точкой х, содержит:
- взятие d-размерного гиперкуба, который окружает данную точку х и составлен из точек, полученных, добавляя -1, 0 или +1 к каждому индексу координат х, который обеспечивает точки 3d;
- извлечение для каждой точки из указанного гиперкуба с d-размерным вектором, связанным с центральным компонентом (связанного с базисной точкой), разницы в градиенте, и
- добавление этих векторов 3d и вычисление скалярного произведения полученного вектора с d-размерным вектором разницы в градиенте, связанного с точкой х,
получая, таким образом, индекс линеаризации разницы в градиенте, который позволяет сделать вывод о существовании пространственной когерентности между ошибками, совершенными, опуская центральную точку, при восстановлении сигнала, и позволяя отделить шум (анизотропию) от когерентного сигнала.
15. Способ по п.14, отличающийся тем, что он дополнительно содержит следующие стадии:
- перед выполнением стадии (a), получение стабильной производной функции указанного цифрового сигнала, который дискретизирован через регулярные интервалы, и получение на стадии (b) для каждой точки указанного дискретизированного цифрового сигнала измерения сингулярности функции в этой точке, взвешивая вклады местной окружающей среды точки и величину производной во всех точках указанной местной окружающей среды;
- получение энергии градиента вышеупомянутого гиперкуба, добавляя квадратные модули градиентов каждой точки гиперкуба;
- получение местного корреляционного измерения сингулярности в точке х путем выполнения следующих операций:
- извлечение из полученных векторов (2×d)+1 разницы в градиентах компонентов d, связанных с точкой х, и
- получение измерения сингулярности как квадратного корня суммы квадратов этих компонентов d; и
- получение глобального корреляционного измерения сингулярности как произведения местного корреляционного измерения сингулярности через квадратный корень абсолютной величины индекса линеаризации местной разницы в градиенте, причем последний делиться на энергию градиента гиперкуба.
16. Способ по п.15, отличающийся тем, что стабильная производная цифрового сигнала, которая предшествует стадии (a), получена путем увеличения одной точки к увеличения вправо или к центру полуточки, причем в обоих случаях производная определяется в пространстве Фурье умножением сигнала соответствующему ядрам производной, предполагая, что имеются точки Nx в направлении координаты х, где должны быть получены указанные ядра производной, которые могут быть выражены следующим образом:
разница на одну точку вправо:
Figure 00000011
разница на половину точки в центре:
Figure 00000012
содержащий следующие стадии:
- применение преобразования Фурье к указанному сигналу;
- умножение копии преобразования Фурье на сигнал ядром, связанным с каждым из компонентов d; и
- применение обратного преобразования к этим компонентам d.
17. Способ по п.6, отличающийся тем, что указанный дискретизированный цифровой сигнал является репрезентативным для:
временного ряда, трансекты физических переменных, выбранных из группы, содержащей как иллюстрацию, но не ограничение, температуры, концентрации химических веществ, электрические параметры, силы, давления и плотности, в случае d=1;
изображения реальной окружающей среды, которая содержит как иллюстрацию, но не ограничение, фотографические изображения, биомедицинские изображения (такие как ультразвуковые карты, рентгеновские снимки и радиодиагностические и ядерные медицинские изображения в целом, такие как гамма графы, CAT, PET, MRI и изображения, полученные с помощью любой другой методики), микроскопические изображения (оптические, электронные и любого другого типа), геофизические изображения, изображения, полученные со спутников или с воздушных судов, наземные, подводные или любого другого типа, распределенные переменные, захваченные двухмерными датчиками на земле, в море, в воздухе, со спутников и другой среде в случае d=2;
временные последовательности изображения и двумерные переменные предыдущих случаев в трехмерной размерности в случае d=3;
временные последовательности переменных в объеме в случае d=4; или
в любом числе размеров, результатах численных моделирований и синтезируемых сигналов.
18. Способ по п.6, отличающийся тем, что рассматриваемый дискретизированный цифровой сигнал является репрезентативным для переменной в турбулентной жидкости, и тем, что он включает получение экспонент сингулярности для стабилизации указанной переменной для выполнения динамического анализа жидкости, получая новые величины, такие как турбулентная диффузия переменной, турбулентная вязкость жидкости и другие репрезентативные величины нерешенных задач жидкости.
19. Система анализа сингулярности в цифровых сигналах, отличающаяся тем, что она содержит:
- средство для получения для каждой точки сигнала окружающей среды, которая содержит первых соседей; и
- средство для вычисления для каждой точки х сигнала измерение реконструктивности или измерение сингулярности, основанное на ассоциированном местном окружении, созданном из вывода величины сигнала в указанной точке на основе величины точек местной окружающей среды, используя следующую формулу реконструкции
Figure 00000013
где
- c - данный сигнал,
- F∞ - наиболее сингулярное множество или MSM указанного сигнала,
-
Figure 00000014
- существенный градиент c,
-
Figure 00000015
- универсальное ядро реконструкции, и
- символ * означает сверточное скалярное произведение,
причем указанное измерение сингулярности содержит разницу между измеренной величиной и величиной, выведенной для каждой точки.
20. Система по п.19, отличающаяся тем, что она также содержит средство для выполнения, по меньшей мере, одного логарифмического преобразования на указанном измерении реконструктивности, которое подавляет зависимость от числа точек сигнала, что обеспечивает экспоненту сингулярности для каждой точки сигнала.
21. Система по п.20, отличающийся тем, что она дополнительно содержит:
средство для получения стабильной производной функции цифрового сигнала, дискретизированного через регулярные интервалы; и
средство для получения для каждой точки указанного дискретизированного цифрового сигнала, измерение сингулярности сигнала в этой точке, взвешивая вклады местного окружения точки и величины указанной стабильной производной во всех точках местной окружающей среды.
RU2010119650/08A 2007-10-26 2008-10-24 Способ и система анализа сингулярности в цифровых сигналах RU2010119650A (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ES200702829A ES2322120B1 (es) 2007-10-26 2007-10-26 Metodo y sistema para analisis de singularidades en señales digitales.
ESP200702829 2007-10-26

Publications (1)

Publication Number Publication Date
RU2010119650A true RU2010119650A (ru) 2011-11-27

Family

ID=40579120

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2010119650/08A RU2010119650A (ru) 2007-10-26 2008-10-24 Способ и система анализа сингулярности в цифровых сигналах

Country Status (8)

Country Link
US (1) US20110075903A1 (ru)
EP (1) EP2214125B1 (ru)
JP (1) JP2011501308A (ru)
CN (1) CN101911099A (ru)
BR (1) BRPI0816572A2 (ru)
ES (2) ES2322120B1 (ru)
RU (1) RU2010119650A (ru)
WO (1) WO2009053516A1 (ru)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9228785B2 (en) 2010-05-04 2016-01-05 Alexander Poltorak Fractal heat transfer device
US11131734B2 (en) 2012-12-13 2021-09-28 Gagan Sidhu Processing multidimensional signals
US10698918B2 (en) * 2013-11-20 2020-06-30 Qliktech International Ab Methods and systems for wavelet based representation
CN104035132B (zh) * 2014-06-24 2017-07-07 西南石油大学 一种探测地下裂缝性储层中裂缝方位的方法
WO2018013668A1 (en) 2016-07-12 2018-01-18 Alexander Poltorak System and method for maintaining efficiency of a heat sink
CN111175681B (zh) * 2018-11-13 2022-08-30 西门子(深圳)磁共振有限公司 基于刀锋序列的磁共振成像方法、装置及其存储介质
CN109492610B (zh) * 2018-11-27 2022-05-10 广东工业大学 一种行人重识别方法、装置及可读存储介质
CN110502801B (zh) * 2019-07-25 2023-03-24 天津大学 海洋温度锋自动追踪和特征参数信息提取方法
CN112287752B (zh) * 2020-09-22 2024-04-12 国家电网有限公司 一种水力发电机转轴早期故障特征的提取方法
CN113687421B (zh) * 2021-08-23 2022-10-21 中国石油大学(北京) 地震信号的数据处理方法、装置、电子设备及存储介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2665601A1 (fr) * 1990-07-31 1992-02-07 Thomson Trt Defense Procede et dispositif de caracterisation et de localisation en temps reel de singularites d'une image numerisee, notamment pour la reconnaissance de formes dans un traitement d'analyse de scene.
JP3499254B2 (ja) 1993-06-04 2004-02-23 富士写真フイルム株式会社 画像データ圧縮処理方法
US5377041A (en) * 1993-10-27 1994-12-27 Eastman Kodak Company Method and apparatus employing mean preserving spatial modulation for transforming a digital color image signal
EP0706155A4 (en) * 1994-04-22 1997-06-11 Sony Corp METHODS AND APPARATUS FOR ENCODING / DECODING IMAGE SIGNALS
US6141452A (en) * 1996-05-13 2000-10-31 Fujitsu Limited Apparatus for compressing and restoring image data using wavelet transform
US6865291B1 (en) * 1996-06-24 2005-03-08 Andrew Michael Zador Method apparatus and system for compressing data that wavelet decomposes by color plane and then divides by magnitude range non-dc terms between a scalar quantizer and a vector quantizer
JPH1099306A (ja) * 1996-09-30 1998-04-21 Fuji Photo Film Co Ltd 異常陰影候補の検出方法および装置
JP2927350B2 (ja) * 1997-03-27 1999-07-28 株式会社モノリス 多重解像度フィルタ処理方法およびその方法を利用することのできる画像マッチング方法
US6434261B1 (en) * 1998-02-23 2002-08-13 Board Of Regents, The University Of Texas System Method for automatic detection of targets within a digital image
US7062085B2 (en) * 2001-09-13 2006-06-13 Eastman Kodak Company Method for detecting subject matter regions in images
ITBO20010763A1 (it) * 2001-12-14 2003-06-16 Renato Campanini Metodo , e relativa apparecchiatura , per la ricerca automatica di zone di interesse in immagini digitali di tessuto biologico
US6925438B2 (en) * 2002-10-08 2005-08-02 Motorola, Inc. Method and apparatus for providing an animated display with translated speech
US6745129B1 (en) * 2002-10-29 2004-06-01 The University Of Tulsa Wavelet-based analysis of singularities in seismic data
WO2004068410A1 (fr) 2002-12-31 2004-08-12 France Telecom Procédé et dispositif de détection de points d'intérêt dans une image numérique source, programme d'ordinateur et support de données correspondants.
US7450779B2 (en) 2004-05-21 2008-11-11 Imaging Dynamics Company Ltd. De-noising digital radiological images
US8126275B2 (en) * 2007-04-24 2012-02-28 Microsoft Corporation Interest point detection
US7603238B2 (en) * 2007-10-04 2009-10-13 Schlumberger Technology Corporation Analysis of time-series data using singularities

Also Published As

Publication number Publication date
US20110075903A1 (en) 2011-03-31
BRPI0816572A2 (pt) 2015-03-03
ES2389982T3 (es) 2012-11-05
WO2009053516A1 (es) 2009-04-30
EP2214125A4 (en) 2010-10-13
ES2322120A1 (es) 2009-06-16
CN101911099A (zh) 2010-12-08
EP2214125B1 (en) 2012-06-20
JP2011501308A (ja) 2011-01-06
EP2214125A1 (en) 2010-08-04
ES2322120B1 (es) 2010-03-24

Similar Documents

Publication Publication Date Title
RU2010119650A (ru) Способ и система анализа сингулярности в цифровых сигналах
Troupin et al. Generation of analysis and consistent error fields using the Data Interpolating Variational Analysis (DIVA)
Sumpf et al. Fast T2 mapping with improved accuracy using undersampled spin-echo MRI and model-based reconstructions with a generating function
Shaw et al. Least squares QR-based decomposition provides an efficient way of computing optimal regularization parameter in photoacoustic tomography
Legleiter Calibrating remotely sensed river bathymetry in the absence of field measurements: F low R Esistance E quation‐B ased I maging of R iver D epths (FREEBIRD)
US6721694B1 (en) Method and system for representing the depths of the floors of the oceans
Grombein et al. A wavelet-based assessment of topographic-isostatic reductions for GOCE gravity gradients
Beckers et al. Approximate and efficient methods to assess error fields in spatial gridding with data interpolating variational analysis (DIVA)
Guillet et al. Modelling spatially correlated observation errors in variational data assimilation using a diffusion operator on an unstructured mesh
CN102034266B (zh) 激发荧光断层成像的快速稀疏重建方法和设备
CN102622759A (zh) 一种结合灰度与几何信息的医学图像配准方法
CN114283254B (zh) 基于核磁共振数据的岩心数字化孔隙网络模型构建方法
Du Bois Automatic calculation of bathymetry for coastal hydrodynamic models
Kasten et al. 3D‐printed shepp‐logan phantom as a real‐world benchmark for MRI
WO2020208066A1 (en) Parameter map determination for time domain magnetic resonance
CN110989021B (zh) 水深反演方法、装置和计算机可读存储介质
Mastellone et al. Volume Continuation of potential fields from the minimum-length solution: An optimal tool for continuation through general surfaces
Liu et al. Highly accelerated MR parametric mapping by undersampling the k-space and reducing the contrast number simultaneously with deep learning
CN115356672B (zh) 多维磁共振成像方法、系统及存储介质
Wan et al. Derivation of the radial gradient of the gravity based on non-full tensor satellite gravity gradients
Sudre et al. Ocean turbulent dynamics at superresolution from optimal multiresolution analysis and multiplicative cascade
Grosser et al. Optimized sampling patterns for the sparse recovery of system matrices in Magnetic Particle Imaging
Hu et al. A fast MR fingerprinting simulator for direct error estimation and sequence optimization
Petrou et al. Full tomographic reconstruction of 2D vector fields using discrete integral data
Lyard Data assimilation in a wave equation: a variational representer approach for the Grenoble tidal model

Legal Events

Date Code Title Description
FA94 Acknowledgement of application withdrawn (non-payment of fees)

Effective date: 20130220