Consiglio Nazionale delle Ricerche

Tipo di prodottoContributo in atti di convegno
TitoloMarkov Zinciri Monte Carlo ile Tam Bayesçi Imge Ayrıstırma (Fully bayesian image separation using Markov chain Monte Carlo)
Anno di pubblicazione2007
Formato-
Autore/iKayabol K.; Kuruoglu E. E.; Sankur B.
Affiliazioni autoriIstanbul University, Elektrik-Elektronik Muhendisligi Bolumu, Istanbul, Turkey; CNR-ISTI, Pisa, Italy; Bogazici University, Istanbul, Turkey
Autori CNR e affiliazioni
  • ERCAN ENGIN KURUOGLU
Lingua/e
  • turco
AbstractIn this study, we investigate the image separation problem under noisy environments. In the definition of the problem, the Bayesian approach is considered. We present a fully stochastic method based on Markov chain Monte Carlo (MCMC), instead of other deterministic methods, used in Bayesian image separation.
Lingua abstractinglese
Altro abstractBu calismada, gurultu altinda imge kaynaklarini ayirma problemi incelenmistir. Problemin ifade edilmesinde Bayesci yaklasima dayali yontemler uzerinde durulmustur. Bayesci imge kaynaklari ayirmada kullanilan gradyene dayali algoritmalarin yerine Markov zinciri Monte Carlo'ya (Markov Chain Monte Carlo: MCMC) dayanan tamamen istatistiksel bir ayristirma yontemi sunulmustur.
Lingua altro abstractturco
Pagine da969
Pagine a972
Pagine totali-
Rivista-
Numero volume della rivista-
Serie/Collana-
Titolo del volume-
Numero volume della serie/collana1
Curatore/i del volumeIEEE Turkey Signal Processing Chapter
ISBN-
DOI10.1109/SIU.2007.4298796
Editore-
Verificato da refereeSì: Nazionale
Stato della pubblicazionePublished version
Indicizzazione (in banche dati controllate)-
Parole chiaveBayesian source separation, MCMC, Gibbs sampling, Markov random fields
Link (URL, URI)-
Titolo convegno/congressoIEEE 15th Signal Processing and Communication Applications Conference
Luogo convegno/congressoEskisehir, Turkey
Data/e convegno/congresso11-13 June 2007
RilevanzaNazionale
RelazioneContributo
Titolo parallelo-
Note/Altre informazioniPubblicato da: Anadolu University Press
Strutture CNR
  • ISTI — Istituto di scienza e tecnologie dell'informazione "Alessandro Faedo"
Moduli/Attività/Sottoprogetti CNR
  • ICT.P10.010.002 : Metodi computazionali e statistici per l'analisi e la visualizzazione di dati telerilevati multidimensionali
Progetti Europei-
Allegati
Markov Zinciri Monte Carlo (documento privato )
Descrizione: Codice PuMa: cnr.isti/2007-A2-092
Tipo documento: application/pdf

Dati storici
I dati storici non sono modificabili, sono stati ereditati da altri sistemi (es. Gestione Istituti, PUMA, ...) e hanno solo valore storico.
Area disciplinareElectrical & Electronics Engineering
Area valutazione CIVRScienze matematiche e informatiche
NoteIn: IEEE 15th Signal Processing and Communication Applications Conference (Eskisehir, Turchia, 11-13 June 2007). Proceedings, pp. CD - ROM. IEEE Turkey Signal Processing Chapter (ed.). Anadolu University Press, 2007.
Descrizione sintetica del prodottoABSTRACT: In this study, we investigate the image separation problem under noisy environments. In the definition of the problem, the Bayesian approach is considered. We present a fully stochastic method based on Markov chain Monte Carlo (MCMC), instead of other deterministic methods, used in Bayesian image separation.