Smoothness prior information in principal component analysis of dynamic image data

Václav Šmídl, Miroslav Kárný, Martin Šámal, Werner Backfrieder, Zsolt Szabo

Publikation: Beitrag in Buch/Bericht/TagungsbandKonferenzbeitragBegutachtung

1 Zitat (Scopus)

Abstract

Principal component analysis is a well developed and understood method of multivariate data processing. Its optimal performance requires knowledge of noise covariance that is not available in most applications. We suggest a method for estimation of noise covariance based on assumed smoothness of the estimated dynamics.

OriginalspracheEnglisch
TitelInformation Processing in Medical Imaging - 17th International Conference, IPMI 2001, Proceedings
Redakteure/-innenMichael F. Insana, Richard M. Leahy
Herausgeber (Verlag)Springer
Seiten225-231
Seitenumfang7
ISBN (elektronisch)3540422455, 9783540422457
DOIs
PublikationsstatusVeröffentlicht - 2001
Extern publiziertJa
Veranstaltung17th International Conference on Information Processing in Medical Imaging, IPMI 2001 - Davis, USA/Vereinigte Staaten
Dauer: 18 Juni 200122 Juni 2001

Publikationsreihe

NameLecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)
Band2082
ISSN (Print)0302-9743
ISSN (elektronisch)1611-3349

Konferenz

Konferenz17th International Conference on Information Processing in Medical Imaging, IPMI 2001
Land/GebietUSA/Vereinigte Staaten
OrtDavis
Zeitraum18.06.200122.06.2001

Fingerprint

Untersuchen Sie die Forschungsthemen von „Smoothness prior information in principal component analysis of dynamic image data“. Zusammen bilden sie einen einzigartigen Fingerprint.

Zitieren