Konvexe Hülle: Erforschung der konvexen Hülle in der Computer Vision
Von Fouad Sabry
()
Über dieses E-Book
Was ist eine konvexe Hülle?
Die konvexe Hülle, die konvexe Hülle oder der konvexe Abschluss einer Form ist die kleinste konvexe Menge, die die Form enthält. Dieses Konzept wird im Bereich der Geometrie verwendet. Es ist möglich, die konvexe Hülle auf zwei verschiedene Arten zu definieren: entweder als Schnittpunkt aller konvexen Mengen, die eine bestimmte Teilmenge eines euklidischen Raums enthalten, oder genauer gesagt als Menge aller konvexen Punktkombinationen, die darin enthalten sind Teilmenge. Die konvexe Hülle einer begrenzten Teilmenge der Ebene kann als die Form angesehen werden, die von einem Gummiband umgeben ist, das um die Teilmenge gespannt ist.
Ihr Nutzen
(I) Einblicke und Validierungen zu den folgenden Themen:
Kapitel 1: Konvexe Hülle
Kapitel 2: Konvexe Menge
Kapitel 3 : Polyeder
Kapitel 4: Polytop
Kapitel 5: Minkowski-Addition
Kapitel 6: Dualität (Mathematik)
Kapitel 7: Carathéodorys Satz (konvexe Hülle)
Kapitel 8: Krummlinige Perspektive
Kapitel 9: Satz von Radon
Kapitel 10: Konvexes Polytop
(II ) Beantwortung der häufigsten öffentlichen Fragen zur konvexen Hülle.
(III) Beispiele aus der Praxis für die Verwendung der konvexen Hülle in vielen Bereichen.
Für wen dieses Buch gedacht ist
Profis, Studenten und Doktoranden, Enthusiasten, Bastler und diejenigen, die über das Grundwissen oder die Informationen für jede Art von konvexem Rumpf hinausgehen möchten.
Mehr von Fouad Sabry lesen
Neue Technologien In Der Informations- Und Kommunikationstechnologie [German]
Ähnlich wie Konvexe Hülle
Titel in dieser Serie (100)
Histogrammausgleich: Verbesserung des Bildkontrasts für eine verbesserte visuelle Wahrnehmung Bewertung: 0 von 5 Sternen0 BewertungenInpainting: Überbrückung von Lücken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLärmminderung: Verbesserung der Klarheit, fortschrittliche Techniken zur Rauschunterdrückung in der Bildverarbeitung Bewertung: 0 von 5 Sternen0 BewertungenFarberscheinungsmodell: Wahrnehmung und Darstellung in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenRetinex: Enthüllen Sie die Geheimnisse des computergestützten Sehens mit Retinex Bewertung: 0 von 5 Sternen0 BewertungenFarbprofil: Erforschung der visuellen Wahrnehmung und Analyse in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenHadamard-Transformation: Enthüllung der Leistungsfähigkeit der Hadamard-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenKonturerkennung: Enthüllung der Kunst der visuellen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer-Stereo-Vision: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenComputer Vision: Erkundung der Tiefen des Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenAdaptiver Filter: Verbesserung der Computer Vision durch adaptive Filterung Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildhistogramm: Visuelle Einblicke enthüllen und die Tiefen von Bildhistogrammen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenFilterbank: Einblicke in die Filterbanktechniken von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenTonzuordnung: Tone Mapping: Erhellende Perspektiven in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenUnterwasser-Computervision: Erkundung der Tiefen der Computer Vision unter den Wellen Bewertung: 0 von 5 Sternen0 BewertungenHough-Transformation: Enthüllung der Magie der Hough-Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenVisuelle Wahrnehmung: Einblicke in die computergestützte visuelle Verarbeitung Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBildkompression: Effiziente Techniken zur visuellen Datenoptimierung Bewertung: 0 von 5 Sternen0 BewertungenFarbraum: Erkundung des Spektrums von Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenLeast Squares: Optimierungstechniken für Computer Vision: Methoden der kleinsten Quadrate Bewertung: 0 von 5 Sternen0 BewertungenGamma-Korrektur: Verbesserung der visuellen Klarheit in der Computer Vision: Die Gammakorrekturtechnik Bewertung: 0 von 5 Sternen0 BewertungenAnisotrope Diffusion: Verbesserung der Bildanalyse durch anisotrope Diffusion Bewertung: 0 von 5 Sternen0 BewertungenFarbanpassungsfunktion: Spektrale Empfindlichkeit in Computer Vision verstehen Bewertung: 0 von 5 Sternen0 BewertungenModell des menschlichen visuellen Systems: Wahrnehmung und Verarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenSchätzung der artikulierten Körperhaltung: Erschließung menschlicher Bewegung in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenRadon-Transformation: Aufdecken verborgener Muster in visuellen Daten Bewertung: 0 von 5 Sternen0 BewertungenKantenerkennung: Grenzen in der Computer Vision erkunden Bewertung: 0 von 5 Sternen0 BewertungenBündelanpassung: Optimieren visueller Daten für eine präzise Rekonstruktion Bewertung: 0 von 5 Sternen0 Bewertungen
Ähnliche E-Books
Minimaler Begrenzungsrahmen: Enthüllung der Leistungsfähigkeit der räumlichen Optimierung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenMediale Achse: Erkundung des Kerns von Computer Vision: Enthüllung der medialen Achse Bewertung: 0 von 5 Sternen0 BewertungenBegrenzungsvolumen: Erforschung der räumlichen Darstellung in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zu Vektoren und vektoriellen Räumen Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur Funktionalanalysis Bewertung: 0 von 5 Sternen0 BewertungenAffine Transformation: Visuelle Perspektiven freischalten: Erforschung der affinen Transformation in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenZweidimensionales geometrisches Modell: Verständnis und Anwendungen in Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenFluchtpunkt: Erkundung der Grenzen des Sehens: Erkenntnisse aus der Informatik Bewertung: 0 von 5 Sternen0 BewertungenHomographie: Homographie: Transformationen in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur komplexen Analysis Bewertung: 0 von 5 Sternen0 BewertungenKryptographie mit Zopfgruppen: Eine Einführung Bewertung: 0 von 5 Sternen0 BewertungenDas Buch der Mathematik: Band 3 Bewertung: 0 von 5 Sternen0 BewertungenKrummlinige Perspektive: Erforschung der Tiefenwahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur Integralrechnung Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zu Integralen und Integro-Differentialgleichungen Bewertung: 0 von 5 Sternen0 BewertungenKreuzkorrelation: Muster in der Computer Vision entschlüsseln Bewertung: 0 von 5 Sternen0 BewertungenUeber Riemann's Theorie der Algebraischen Functionen Bewertung: 0 von 5 Sternen0 BewertungenPhong-Reflexionsmodell: Lichtinteraktionen in der Bildverarbeitung verstehen Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur Trigonometrie Bewertung: 0 von 5 Sternen0 BewertungenOrthographische Projektion: Erforschung der orthographischen Projektion in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenDirekte lineare Transformation: Praktische Anwendungen und Techniken in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenBewegungsfeld: Erkundung der Dynamik von Computer Vision: Bewegungsfeld enthüllt Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur Goniometrie Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zur Festkörpergeometrie Bewertung: 0 von 5 Sternen0 BewertungenÜbungen zu gewöhnlichen Differentialgleichungen Bewertung: 0 von 5 Sternen0 BewertungenMathematik-Abitur Band 1: Analysis - Infinitesimalrechnung Bewertung: 0 von 5 Sternen0 BewertungenWavelets und Anwendungen Bewertung: 0 von 5 Sternen0 Bewertungen3D-FRAKTALE: Stereoskopische Visualisierung von selbstähnlichen geometrischen Mustern Bewertung: 0 von 5 Sternen0 BewertungenUmgekehrte Perspektive: Neuinterpretation der visuellen Wahrnehmung in der Computer Vision Bewertung: 0 von 5 Sternen0 BewertungenEinführung in die Galoistheorie Bewertung: 0 von 5 Sternen0 Bewertungen
Künstliche Intelligenz (KI) & Semantik für Sie
Die Zukunft der Arbeit: Digitalisierung, Automatisierung, KI Bewertung: 0 von 5 Sternen0 BewertungenAufstieg der Roboter: Wie unsere Arbeitswelt gerade auf den Kopf gestellt wird - und wie wir darauf reagieren müssen Bewertung: 0 von 5 Sternen0 BewertungenChatGPT – Für Einsteiger: Schreibprofi mit KI, Zeit und Geld sparen ohne peinliche Fehler Bewertung: 0 von 5 Sternen0 BewertungenMeistern von ChatGPT: Entriegeln Sie die Kraft der KI für verbesserte Kommunikation und Beziehungen: German Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz: Die vierte industrielle Revolution Bewertung: 0 von 5 Sternen0 BewertungenKI-Innovationen: Wie die Technologie die Grenzen verschiebt Künstliche Intelligenz verstehen und nutzen: Ein AI-Buch Bewertung: 0 von 5 Sternen0 BewertungenMenschlicher Geist und Künstliche Intelligenz: Die Entwicklung des Humanen inmitten einer digitalen Welt Bewertung: 0 von 5 Sternen0 BewertungenEinstieg ins Machine Learning: Grundlagen, Prinzipien, erste Schritte Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Begegnung mit einer neuen Welt: Lernen Sie Künstliche Intelligenz mit der Gratisversion ChatGPT 3.5 Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Medien-Gestaltung leicht gemacht: Von der Idee zum viralen Hit Bewertung: 0 von 5 Sternen0 BewertungenChatbotische Landingpages: Wie du deine Konkurrenz in den digitalen Staub schicken Bewertung: 0 von 5 Sternen0 BewertungenDigitalotopia: Sind wir bereit für die (R)Evolution der Wirklichkeit? Bewertung: 0 von 5 Sternen0 BewertungenDie KI Bibel, mit künstlicher Intelligenz Geld verdienen: Echte Fallbeispiele und Anleitungen zum Umsetzen Bewertung: 1 von 5 Sternen1/5Wissen statt Glauben!: Das Weltbild des neuen Humanismus Bewertung: 0 von 5 Sternen0 BewertungenChatGPT: Epische Reise des Erfolgs - 'Steigern Sie Ihren Reichtum': Mit Screenshots aus dem echten Leben - Erreichen Sie finanzielle Höhen Bewertung: 0 von 5 Sternen0 BewertungenRoboter im Alltag: Maschinen (beinahe) wie Menschen Bewertung: 0 von 5 Sternen0 BewertungenKünstliche Intelligenz in Sozialen Medien Bewertung: 0 von 5 Sternen0 Bewertungen
Rezensionen für Konvexe Hülle
0 Bewertungen0 Rezensionen
Buchvorschau
Konvexe Hülle - Fouad Sabry
Kapitel 1: Konvexe Hülle
Die konvexe Hülle, die konvexe Hülle oder der konvexe Abschluss einer Form in der Geometrie ist die kleinste konvexe Menge, die die Form enthält. Die konvexe Hülle kann definiert werden als der Schnittpunkt aller konvexen Mengen, die eine bestimmte Teilmenge eines euklidischen Raums enthalten, oder als die Menge aller konvexen Kombinationen von Punkten in der Teilmenge. Für eine begrenzte Teilmenge der Ebene kann die konvexe Hülle als die Form gesehen werden, die von einem verlängerten Gummiband umschlossen wird.
Offen sind die konvexen Rümpfe offener Mengen, und kompakte Sätze haben konvexe Hüllen, die kompakt sind.
Jeder konvexe Kompaktsatz ist die konvexe Hülle seiner Extremitäten.
Der konvexe Hüllenoperator ist ein Beispiel für einen Closure-Operator. Jedes Antimatroid kann dargestellt werden, indem dieser Closure-Operator auf endliche Punktmengen angewendet wird.
Die konvexe Hülle einer endlichen Anzahl von Punkten in der Ebene oder anderen niedrigdimensionalen euklidischen Räumen zu finden, stellt algorithmische Herausforderungen dar, und das zweifache Problem der überlappenden Halbräume sind wesentliche Probleme der Rechengeometrie.
Sie können zeitlich für O(n\log n) zwei- oder dreidimensionale Punktmengen gelöst werden, und zwar in Zeit, die der Worst-Case-Ausgabekomplexität entspricht, die durch den Satz der oberen Schranke in höheren Dimensionen gegeben ist.
Konvexe Hüllen wurden neben endlichen Punktmengen auch für einfache Polygone, Brownsche Bewegung, Raumkurven und die Inschriften von Funktionen untersucht. In der Mathematik, Statistik, kombinatorischen Optimierung, Ökonomie, geometrischen Modellierung und Ethologie haben konvexe Hüllen zahlreiche Anwendungen. Konvexer Schädel, orthogonale konvexe Hülle, konvexe Schichten, Delaunay-Triangulation und Voronoi-Diagramm sind verwandte Strukturen.
Eine Ansammlung von Punkten in einem euklidischen Raum ist konvex, wenn sie die Liniensegmente enthält, die jedes Paar ihrer Punkte verbinden.
Die konvexe Hülle einer gegebenen Menge X kann definiert werden als
Die (eindeutige) minimale konvexe Menge, die X
Der Schnittpunkt aller konvexen Mengen, die X
Die Menge aller konvexen Kombinationen von Punkten in X
Die Vereinigung aller Simplices mit Scheitelpunkten in X
Bei Mengen, die in der euklidischen Ebene und nicht in einer einzelnen Linie begrenzt sind, ist die Begrenzung der konvexen Hülle die einfache geschlossene Kurve mit minimalem Umfang, die enthält X .
Man kann sich vorstellen, ein Gummiband so zu dehnen, dass es die gesamte Menge umgibt S , und es dann loslässt, so dass es schrumpfen kann; wenn es sich zusammenzieht, umschließt es die konvexe Hülle von S .
Bei dreidimensionalen Objekten gibt die anfängliche Definition der konvexen Hülle an, dass es sich um das kleinstmögliche konvexe Begrenzungsvolumen handelt. Die Definition mit Schnittpunkten konvexer Mengen kann auf nicht-euklidische Geometrie erweitert werden, und die Definition mit konvexen Kombinationen kann von euklidischen Räumen auf beliebige reelle Vektorräume oder affine Räume erweitert werden; Konvexe Hüllen können auch abstrakt zu orientierten Matroiden verallgemeinert werden.
Es ist nicht offensichtlich, dass die erste Definition sinnvoll ist: Warum sollte es eine eindeutige minimale konvexe Menge geben, die X für jedes X ? Die zweite Bedeutung, der Schnittpunkt aller konvexen Mengen mit X , ist jedoch klar definiert.
Es handelt sich um eine Teilmenge jeder anderen konvexen Menge Y , die enthält, X weil Y sie zu den sich schneidenden Mengen gehört.
Es handelt sich also um genau die einzigartige minimale konvexe Menge, die enthält X .
Daher sind die ersten beiden Definitionen identisch.
Jede konvexe Menge, X die enthält, muss (unter der Annahme, dass sie konvex ist) alle konvexen Kombinationen von Punkten in enthalten X , so dass die Menge aller konvexen Kombinationen im Schnittpunkt aller konvexen Mengen enthalten ist, die enthalten X .
Umgekehrt ist die Menge aller konvexen Kombinationen selbst eine konvexe Menge, die enthält, X so dass sie auch den Schnittpunkt aller konvexen Mengen enthält, die enthalten X , so dass die zweite und dritte Definition die gleiche Bedeutung haben.
Nach dem Satz von Carathéodory ist nach dem Satz von Carathéodory, wenn X eine Teilmenge eines d -dimensionalen euklidischen Raumes ist, jede konvexe Kombination von endlich vielen Punkten von X auch eine konvexe Kombination von an den meisten d+1 Punkten in X .
Die Menge der konvexen Kombinationen eines (d+1) -Tupels von Punkten ist ein Simplex; In zwei Dimensionen ist es ein Dreieck, während es in drei Dimensionen ein Tetraeder ist.
Daher gehört jede konvexe Kombination von Punkten von X zu einem Simplex, dessen Eckpunkte gleich X der dritten und vierten Definition sind.
In zwei Dimensionen ist der konvexe Rumpf manchmal in zwei Abschnitte unterteilt, die obere Hülle und die untere Hülle, die sich vom äußersten linken und rechten Punkt des Rumpfes erstrecken. Im Allgemeinen kann man die Grenze von konvexen Hüllen beliebiger Dimension in nach oben gerichtete Punkte (Punkte, bei denen ein nach oben gerichteter Strahl von der Hülle diskontinuierlich ist), nach unten gerichtete Punkte und Extrempunkte unterteilen. Die nach oben und unten gerichteten Teile der Begrenzung für dreidimensionale Hüllen bilden topologische Scheiben.
Die geschlossene konvexe Hülle eines Satzes ist der Abschluss der konvexen Hülle, während die offene konvexe Hülle das Innere (oder in einigen Quellen das relative Innere) der konvexen Hülle ist.
Die geschlossene konvexe Hülle von X ist der Schnittpunkt aller geschlossenen Halbräume, die X enthalten.
Wenn die konvexe Hülle von X selbst bereits eine geschlossene Menge ist (wie es z.B. der Fall ist, wenn X es sich um eine endliche Menge oder allgemeiner um eine kompakte Menge handelt), ist sie folglich identisch mit der geschlossenen konvexen Hülle.
Ein geschlossener Schnittpunkt von Halbräumen ist jedoch selbst geschlossen, daher kann eine nicht geschlossene konvexe Hülle auf diese Weise nicht dargestellt werden.
Wenn die offene konvexe Hülle einer Menge X d -dimensional ist, dann gehört jeder Punkt der Hülle zu einer offenen konvexen Hülle von an den meisten 2d Punkten von X .
Die Menge der Eckpunkte eines Quadrats, des regelmäßigen Oktaeders oder des höherdimensionalen Kreuzpolytops liefert Beispiele, wo genau 2d Punkte benötigt werden.
Die konvexe Hülle eines offenen Satzes ist vom topologischen Standpunkt aus immer selbst offen, während die konvexe Hülle eines kompakten Satzes immer selbst kompakt ist. Es gibt jedoch geschlossene Mengen, deren konvexe Hülle nicht geschlossen ist. Insbesondere der geschlossene Satz
{\displaystyle \left\{(x,y)\mathop {\bigg |} y\geq {\frac {1}{1+x^{2}}}\right\}}Die konvexe Hülle von (die Ansammlung von Punkten, die auf oder über der Hexe von Agnesi liegen) ist die offene obere Halbebene.
Der Extrempunkt einer konvexen Menge ist ein Punkt, der nicht auf einem offenen Liniensegment zwischen zwei anderen Punkten in der Menge liegt. Jeder Extrempunkt einer konvexen Hülle muss im mitgelieferten Satz enthalten sein; Andernfalls kann es nicht als konvexe Kombination von angegebenen Punkten erstellt werden. Jede kompakte Konvex, die in einem euklidischen Raum (oder allgemeiner in einem lokal konvexen topologischen Vektorraum) gesetzt wird, ist nach dem Krein-Milman-Theorem die konvexe Hülle ihrer Extrempunkte.
Der Operator convex-hull besitzt die Attribute eines Closure-Operators:
Sie ist beträchtlich, was bedeutet, dass die konvexe Hülle jeder Menge X eine Obermenge von ist X .
Sie nimmt nicht ab, d.h. für jeweils zwei Mengen X und Y mit X\subseteq Y ist die konvexe Hülle von X eine Teilmenge der konvexen Hülle von Y .
Sie ist irreversibel, d.h. für jedes X ist die konvexe Hülle der konvexen Hülle von X gleich der konvexen Hülle von X