AbstractsMathematics

This thesis focuses on two problems in the field of computer vision and image analysis. The first part of the thesis deals with image localization. The goal is simply to answer the question: Where was this picture taken? To answer this two things are needed: A model of the world, or at least the relevant parts of the world, and a method for relating a new image to the model. The thesis presents new methods for both steps, based on modern optimization methods. By taking advantage of additional sensors, such as GPS or gravity sensors, higher precision and reliability is achieved compared to previous methods. The second part of the thesis is concerned with the problem of image registration, with focus on medical applications. The goal of image registration is to find the correct transformation between two images depicting the same, or similar, objects. The new methods presented in this thesis aim at increasing robustness in the sense of easy accommodation to new applications without manual adjustment. Several of the methods also aim to increase reliability, i.e. to be able to find good solutions, even if the data contains high levels of noise and outlier structures. I takt med att vi översvämmas av kameror och bilder blir också tillämpningarna för automatiserad bildanalys allt större. Det kan handla om avancerade industrirobotar eller mobiltelefoner och syftet är allt från att rädda liv till att få en bra bild på barnbarnen. Den här avhandlingen fokuserar på två centrala problem inom fältet datorseende och bildanalys. Den första delen av avhandlingen behandlar bildlokalisering. Målet är helt enkelt att svara på frågan: Var är bilden tagen? För att kunna svara på detta behövs två saker. Dels en modell av världen eller i alla fall den relevanta delen av världen, och dels en metod för att relatera en ny bild i den modellen. I avhandlingen presenteras nya metoder för båda stegen. Genom att utnyttja extra sensorer som GPS eller gravitationssensorer uppnås högre kvalitet och tillförlitlighet än med tidigare metoder. Den andra delen av avhandlingen är mer inriktad mot medicinska tillämpningar och specifikt på problemet bildregistrering. Målet för bildregistrering är att hitta den korrekta transformationen mellan två bilder av samma (eller snarlika objekt). Användningsområdena är många. Ett vanligt fall är att registrera bilder från olika modaliteter, som PET (positronemissionstomografi) och MR (magnetresonanstomografi) för att kunna dra nytta av den samlade informationen. Men bildregistrering är också en byggsten i en av de vanligaste metoder för segmentering av medicinska bilder, dvs uppdelning av bilden i medicinskt relevanta delar. De nya metoder som tas upp i avhandlingen syftar till ökad robusthet i meningen att de lätt kan användas i nya tillämpningar utan manuell anpassning. Detta är viktigt för att skapa automatiska metoder som kan användas vid många olika sammanhang där saker såsom vilket organ man avbildar eller bildmodalitet varierar. Flera av metoderna syftar också till ökad…