Explore la moyenne de voisinage, le lissage gaussien, le filtrage médian, l'amélioration du contraste et la détection des bords dans le traitement d'image.
Couvre l'analyse des composantes principales pour la réduction de dimensionnalité, en explorant ses applications, ses limites et l'importance de choisir les composantes appropriées.
Explore l'imagerie adaptée à la physique pour les caméras sans objectif et la vidéographie basse lumière, y compris le développement de modèles de bruit et les techniques de dénigrement.
Explore les signaux de débruitage avec des modèles de mélange gaussien et l'algorithme EM, l'analyse de signal EMG et la segmentation d'image à l'aide de modèles markoviens.
Explore les systèmes d'imagerie à l'information physique, y compris l'imagerie sans lentille, l'apprentissage profond pour les défis d'imagerie, et le développement de modèles de bruit pour les vidéos à faible luminosité.
Couvre le débruitage et la reconstruction d'images en utilisant une minimisation totale des variations et discute des effets visuels des différentes forces de régularisation.
Explore la composition, la mise en commun, la continuité, la dénigrement et les architectures CNN populaires pour la segmentation de l'image dans le traitement de l'image.
Explore les transitions de phase dans le traitement du signal, démontrant leur impact sur la reconstruction du signal et l'application d'algorithmes de seuil dans le débruitage d'image.
Explore les modèles de diffusion, en mettant l'accent sur la production d'échantillons provenant d'une distribution et l'importance de la dénigrement dans le processus.
