De thesis beschrijft een methode om een omgeving in de echte wereld te bekijken in virtual reality. Hierbij wordt de omgeving gecapteerd door camera's en diepte sensoren, zodat een 3D reconstructie gemaakt kan worden.

Om biodiversiteitsonderzoek te bevorderen, hebben we convolutioneel neurale netwerken gebruikt om dieren op foto's te automatisch te identificeren. Hiernaast kunnen we metagegevens van een foto berekenen. Op beide taken halen we een grote nauwkeurigheid.

Een hardnekkig, wederkerend probleem in de digitale fotografie is beschadiging door ruis. Relatief eenvoudige technieken op basis van de lineaire warmtevergelijking zijn in staat de hoeveelheid ruis in een afbeelding aanzienlijk te verminderen maar kunnen geen onderscheidt maken tussen effectieve schade ten gevolge van ruis en belangrijke details. Dit probleem kan vermeden worden door a priori informatie op te nemen van structuren die behouden moeten blijven, een eigenschap die de niet-lineaire diffusievergelijking, zoals Perona-Malik, bezit.

In vele computertoepassingen worden beelden geanalyseerd die ruis bevatten. Denk bijvoorbeeld aan medische beeldvorming. Deze scriptie bestudeert hoe met niet-lineaire diffusiemodellen automatisch afbeeldingen van een hogere kwaliteit kunnen bekomen worden.

Kan een computerprogramma je leven redden? Automatische analyse van ziek celweefselEr wordt de laatste jaren steeds meer vooruitgang geboekt op het gebied van medische beeldvormingstechnologie. Artsen en clinici hebben meer dan ooit tevoren enorme hoeveelheden visuele patiëntdata ter beschikking. Deze enorme explosie aan gegevens vergroot hun kennis, maar dreigt hen ook boven het hoofd te groeien. Scans en analyses van weefselmonsters resulteren vaak in tientallen, honderden of zelfs duizenden beelden, die allemaal met de hand onderzocht dienen te worden.