Einführung in die medizinische Bildverarbeitung SS 2013
Einführung in die medizinische Bildverarbeitung SS 2013
Einführung in die medizinische Bildverarbeitung SS 2013
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Registrierung<br />
Mutual Information<br />
‣ Kullback-Leibler Divergenz (M<strong>in</strong>imierung)<br />
‣ sei E das Maß der Unabhängigkeit der Bilder A und B und deren Zufallsvariablen F und<br />
G<br />
‣ Sei f(x i ) ∼ F, g(x i ) ∼ G, (f(x i ), g(x i )) ∼ (F, G) dann ist T gegeben durch<br />
T * = argm<strong>in</strong><br />
T<br />
( ( ))<br />
E f ( x),g T x<br />
( )<br />
‣ hierbei wird <strong>die</strong> Transformation gefunden, <strong>die</strong> <strong>die</strong> Unterschiedlichkeiten zwischen A und<br />
B m<strong>in</strong>imiert<br />
‣ Kullback-Leibler Divergenz (Maximierung)<br />
‣ sei T α <strong>die</strong> Transformation mit dem Parameter α und I(A, B) <strong>die</strong> Mutal Information<br />
α * = argmax<br />
α<br />
I(A, B)<br />
‣ so wird α maximiert, dass <strong>die</strong> Mutual Information zwischen den Bildern maximal wird<br />
‣ <strong>die</strong> Mutual Information ist also das Maß der Abhängigkeit zwischen zwei Bildern<br />
‣ <strong>die</strong> Abhängigkeit wird maximal, wenn <strong>die</strong> Bilder optimal übere<strong>in</strong>ander liegen<br />
© Stephan Gimbel <strong>E<strong>in</strong>führung</strong> <strong>in</strong> <strong>die</strong> mediz<strong>in</strong>ische <strong>Bildverarbeitung</strong><br />
h_da<br />
10