Väitösk. -- Tampereen yliopisto. / Väitösk. lisäksi 1 irtol.

Abstract Estimation of 2-D motion is one of the fundamental problems in video processing and computer vision. This thesis addresses two general tasks in estimating projected motions of background and foreground objects in a scene: global motion estimation and motion based segmentation. The work concentrates on the study of the block matching method, and especially on those cases where the matching measure is based on the sum of squared or absolute displaced frame differences. Related techniques for performing the confidence analysis of local displacement are considered and used to improve the performance of the higher-level tasks mentioned. In general, local motion estimation techniques suffer from the aperture problem. Therefore, confidence analysis methods are needed which can complement motion estimates with information about their reliability. This work studies a particular form of confidence analysis which uses the evaluation of the match criterion for local displacement candidates. In contrast to the existing approaches, the method takes into account the local image gradient. The second part of the thesis presents a four-step feature based method for global motion estimation. For basic observations, it uses motion features which are combinations of image point coordinates, displacement estimates at those points, and representations of displacement uncertainty. A parametric form of uncertainty representation is computed exploiting the technique described in the first part of the thesis. This confidence information is used as a basis for weighting the features in motion estimation. Aspects of gradient based feature point selection are also studied. In the experimental part, the design choices of the method are compared, using both synthetic and real sequences. In the third part of the thesis, a technique for feature based extraction of background and foreground motions is presented. The new sparse segmentation algorithm performs competitive segmentation using both the spatial and temporal propagation of support information. The weighting of features exploits parametric uncertainty information which is experimentally shown to improve the performance of motion estimation. In the final part of the thesis, a novel framework for motion based object detection, segmentation, and tracking is developed. It uses a block grid based representation for segmentation and a particle filter based approach to motion estimation. Analysis techniques for obtaining the segmentation are described. Finally, the approach is integrated with the sparse motion segmentation and the combination of the methods is experimentally shown to increase both the efficiency of sampling and the accuracy of segmentation. / Tiivistelmä Tässä väitöskirjassa tutkitaan yhtä videonkäsittelyn ja konenäön perusongelmaa, kaksiulotteisen liikkeen estimointia. Työ käsittelee kahta yleistä tehtävää taustan ja etualan kohteiden liikkeiden määrittämisessä: hallitsevan liikkeen estimointia ja liikepohjaista kuvan segmentointia. Tutkituissa ratkaisuissa lähtökohtana käytetään lohkosovitukseen perustuvaa paikallisen liikkeen määritystä, jossa sovituksen kriteerinä käytetään poikkeutettujen kehysten pikseliarvojen erotusta. Tähän liittyen tarkastellaan estimoinnin luotettavuuden analyysin tekniikoita ja näiden hyödyntämistä edellä mainittujen tehtävien ratkaisuissa. Yleensä ottaen paikallisen liikkeen estimointia vaikeuttaa apertuuriongelma. Tämän vuoksi tarvitaan analyysitekniikoita, jotka kykenevät antamaan täydentävää tietoa liike-estimaattien luotettavuudesta. Työn ensimmäisessä osassa kehitetty analyysimenetelmä käyttää lähtötietona lohkosovituksen kriteerin arvoja, jotka on saatu eri liikekandidaateille. Erotuksena aiempiin menetelmiin kehitetty ratkaisu ottaa huomioon kuvagradientin vaikutuksen. Työn toisessa osassa tutkitaan nelivaiheista piirrepohjaista ratkaisua hallitsevan liikkeen estimoimiseksi. Perushavaintoina mallissa käytetään liikepiirteitä, jotka koostuvat valittujen kuvapisteiden koordinaateista, näissä pisteissä lasketuista liike-estimaateista ja estimaattien epävarmuuden esityksestä. Jälkimmäinen esitetään parametrisessa muodossa käyttäen laskentaan työn ensimmäisessä osassa esitettyä menetelmää. Tätä epävarmuustietoa käytetään piirteiden painottamiseen hallitsevan liikkeen estimoinnissa. Lisäksi tutkitaan gradienttipohjaista piirteiden valintaa. Kokeellisessa osassa erilaisia suunnitteluvalintoja verrataan toisiinsa käyttäen synteettisiä ja todellisia kuvasekvenssejä. Väitöstyön kolmannessa osassa esitetään piirrepohjainen menetelmä taustan ja etualan kohteen liikkeiden erottamiseksi toisistaan. Algoritmi tekee analyysin kahta liikettä sisältävälle näkymälle käyttäen sekä spatiaalista että ajallista segmentointitiedon välittämistä. Piirteiden painotus hyödyntää epävarmuustietoa tässä yhteydessä, jonka osoitetaan kokeellisesti parantavan liike-estimoinnin suorituskykyä. Viimeisessä osassa kehitetään viitekehys liikepohjaisen kohteen ilmaisun, segmentoinnin ja seurannan toteutukselle. Se perustuu lohkopohjaiseen esitystapaan ja näytteistyksen soveltamiseen liikkeen estimoinnissa. Analyysitekniikka segmentoinnin määrittämiseksi esitellään. Lopuksi ratkaisu integroidaan työn kolmannessa osassa esitetyn menetelmän kanssa, ja menetelmien yhdistelmän osoitetaan kokeellisesti parantavan sekä näytteistyksen tehokkuutta että segmentoinnin tarkkuutta.

Abstract Biology and medicine rely heavily on images to understand how the body functions, for diagnosing diseases and to test the effects of treatments. In recent decades, microscopy has experienced rapid improvements, enabling imaging of fixed and living cells at higher resolutions and frame rates, and deeper inside the biological samples. This has led to rapid growth in the image data. Automated methods are needed to quantitatively analyze these huge datasets and find statistically valid patterns. Cell segmentation and tracking is critical for automated analysis, yet it is a challenging problem due to large variations in cell shapes and appearances caused by various factors, including cell type, sample preparation and imaging setup. This thesis proposes novel methods for segmentation and tracking of cells, which rely on machine learning based approaches to improve the performance, generalization and reusability of automated methods. Cell proposals are used to efficiently exploit spatial and temporal context for resolving detection ambiguities in high-cell-density regions, caused by weak boundaries and deformable shapes of cells. This thesis presents two cell proposal methods: the first method uses multiple blob-like filter banks for detecting candidates for round cells, while the second method, Cell Proposal Network (CPN), uses convolutional neural networks to learn the cell shapes and appearances, and can propose candidates for cells in a wide variety of microscopy images. CPN first regresses cell candidate bounding boxes and their scores, then, it segments the regions inside the top ranked boxes to obtain cell candidate masks. CPN can be used as a general cell detector, as is demonstrated by training a single model to segment images from histology, fluorescence and phase-contrast microscopy. This work poses segmentation and tracking as proposal selection problems, which are solved optimally using integer linear programming or approximately using iterative shortest cost path search and non-maximum suppression. Additionally, this thesis presents a method which utilizes graph-cuts and an off-the-shelf edge detector to accurately segment highly deformable cells. The main contribution of this thesis is a cell tracking method which uses CPN to propose cell candidates, represents alternative tracking hypotheses using a graphical model, and selects the globally optimal sub-graph providing cell tracks. It achieves state-of-the-art tracking performance on multiple public benchmark datasets from both phase-contrast and fluorescence microscopy containing cells of various shapes and appearances. / Tiivistelmä Biologia ja lääketiede nojaavat vahvasti kuvatietoon solujen ja kehon toimintojen ymmärtämiseksi sairauksien diagnostiikassa ja hoitojen vaikutusten seuraamisessa. Viime vuosikymmeninä mikroskopiassa on tapahtunut nopeaa teknistä kehitystä, mikä on mahdollistanut elävien solujen kuvantamisen tarkemmin, nopeammin sekä syvemmältä automatisoidusti useasta näytteestä. Tämä taas on johtanut kuvadatan nopeaan kasvuun ja suurempaan määrään biologisia kysymyksiä, joihin voidaan vastata. Kuvadatan räjähdysmäisen kasvun vuoksi kaikkia tuloksia ei voida enää tulkita pelkästään ihmistyövoimaa käyttämällä, mikä on johtanut tarpeeseen kehittää automaattisia menetelmiä analysoimaan kvantitatiivisesti suuria datajoukkoja ja löytämään tilastollisesti kelvollisia malleja. Solujen erottaminen niiden ympäristöstä ja toisista soluista (segmentointi) ja solujen seuranta ovat kriittisiä alkuvaiheen osia onnistuneessa automaattisessa analyysissä. Automaattisten menetelmien kehittämisessä solusegmentointi on kuitenkin osoittautunut hyvin haastavaksi ongelmaksi solujen muodon ja ulkonäön suurten muutosten vuoksi solutyypistä, näytteen valmistelusta ja kuvantamisjärjestelmästä johtuen. Tämä väitöskirja esittää uusia menetelmiä solujen segmentointiin ja seurantaan keskittyen koneoppimiseen perustuviin lähestymistapoihin, jotka parantavat automaattisten menetelmien suorituskykyä ja uudelleenkäytettävyyttä. Spatiaalista ja ajallista kontekstia tehokkaasti hyödyntäviä soluehdotelmia käytetään ratkaisemaan solujen heikosti erottuvista reunoista ja joustavista muodoista johtuvaa solujen muodon monitulkintaisuutta erityisesti silloin kun tutkittava solutiheys on suuri. Tämä väitöskirja esittää kaksi menetelmää soluehdotelmille; ensimmäinen menetelmä käyttää useita läikkätyyppisiä suodatinpankkeja ilmaisemaan kandidaatteja pyöreänmuotoisille soluille, kun taas toinen menetelmä nimeltään soluehdotelmaverkko (Cell Proposal Network, CPN) käyttää konvoluutionaalisia neuroverkkoja oppiakseen tunnistamaan solut niiden muodon sekä ulkonäön perusteella erityyppisissä mikroskooppikuvissa. CPN regressoi ensin solukandidaatteja ympäröivät suorakaiteet ja niiden pistemäärän, jonka jälkeen se segmentoi alueet parhaiten sijoittuneiden suorakaiteiden joukosta tuottaen solukandidaattimaskit. CPN:ää voidaan mahdollisesti käyttää yleisenä soluilmaisimena erityyppisilla kuvantamistekniikoilla tuotetuissa kuvissa mukaan lukien histologisen valo-, fluoresenssi- ja vaihekontrastimikroskooppian. Väitöskirja esittää solujen segmentoinnin ja seurannan soluehdotelmien valintaongelmina, mitkä ratkaistaan joko optimaalisesti käyttämällä kokonaislukuoptimointia tai likimääräisesti käyttämällä iteratiivista lyhimmän kustannuspolun hakua sekä ei-maksimien vaimennusta. Tämä väitöskirja esittää myös verkon leikkaukseen (graph cut) perustuvan menetelmän, mikä hyödyntää valmiiksi saatavilla olevaa reunanilmaisinta segmentoimaan tarkasti muotoaan voimakkaasti muuttavia soluja. Väitöskirjatutkimuksen keskeinen tulos on uusi solujen seurantamenetelmä, mikä käyttää CPN:ää solukandidaattien ehdottamiseen, esittää vaihtoehtoiset seurantahypoteesit verkkomallia hyödyntämällä, ja valitsee globaalisti optimaalisen aliverkon solujen kulkemille reitille. Verrattuna useisiin muihin julkisesti saatavilla oleviin kuva-analyysiohjelmistoihin tässä väitöskirjassa kehitetyt menetelmät olivat suorituskyvyltään parhaita vaihekontrasti- ja fluoresenssimikroskopialla tuotettujen kuva-aineistojen analyyseissa, joissa solujen ulkomuoto oli hyvin vaihteleva.

Abstract Study samples in medical research are selected according to the objectives of the studies. Researchers seek to collect data as extensively and reliably as possible. In practice, however, data are often missing or may be incorrect. This thesis covers some of the problems concerning missing data and data collection in psychiatric research. Methods for adjusting for missing data and for evaluating the reliability of data are presented. The data originate from the Northern Finland 1966 Birth Cohort (N = 12058). This study explored how participation in an epidemiologic study that includes questionnaires and a clinical examination is affected by mental health (N = 11540), and whether non-participants experience more severe clinical symptoms than participants in a psychiatric field study (N = 145) among subjects with a psychosis. Inverse probability weighting (IPW) was used to adjust for non-participation in comparisons of brain volumes between schizophrenia and control groups. The precision of self-reported medication use was also explored (N = 7625). In an epidemiologic study of all cohort members, subjects with a psychiatric disorder participated less actively than those without one. In the psychiatric field study, non participants were more often patients with schizophrenia than other psychoses. The psychiatric symptoms of non-participants were more severe and they needed more hospital care than participants. The use of IPW led to higher estimates of cerebrospinal fluid volume and lower estimates of grey and white matter volumes in schizophrenia patients, and increased the statistical significance of the differences in brain volume estimates between the schizophrenia and control groups. The precision of self-reported data on psychoactive medication use was substantial. Due to non-participation, the true prevalence of psychiatric disorders is probably higher than the prevalence estimates from field studies that are based on data provided by participants only. In order to reflect the true differences in the target population, weighting methods can be used to improve estimates affected by non-participation. Regarding psychoactive medication use, data collected by postal questionnaire can be assumed accurate enough for study purposes. However, it may underestimate the prevalence of medication use due to non-participation. / Abstract Tutkimusaineisto valitaan tutkimuksen tavoitteiden perusteella. Tavoitteena on kerätä kattava ja virheetön aineisto. Käytännössä kuitenkin osa tiedoista voi puuttua tai olla virheellistä. Tässä väitöskirjassa esitellään yleisesti menetelmiä huomioida puuttuva tieto analyyseissä ja arvioida aineistojen luotettavuutta psykiatrisessa tutkimuksessa. Aineisto perustuu Pohjois-Suomen vuoden 1966 syntymäkohorttiin (N = 12058). Väitöskirjassa tutkittiin, miten psykiatrinen sairastavuus vaikuttaa osallistumiseen epidemiologisessa tutkimuksessa, joka sisälsi kyselyitä ja terveystutkimuksen (N = 11540), sekä erosiko psykiatriseen kenttätutkimukseen osallistuneiden ja osallistumattomien psykoosipotilaiden kliininen taudinkuva toisistaan (N = 145). Käänteisen todennäköisyyden painotusmenetelmää käytettiin korjaamaan puuttuvan tiedon aiheuttamaa virhettä aivovolyymien estimaateissa skitsofreniapotilailla. Lisäksi arvioitiin itse ilmoitetun lääkekäyttötiedon luotettavuutta (N = 7625). Epidemiologisessa tutkimuksessa ne kohortin jäsenet, joilla oli jokin psykiatrinen sairaus, osallistuivat passiivisemmin kuin ne, joilla ei ollut psykiatrista sairautta. Psykoosipotilaat, jotka eivät osallistuneet psykiatriseen kenttätutkimukseen, sairastivat tutkimukseen osallistuneita useammin skitsofreniaa kuin muita psykooseja ja heidän taudinkuvansa oli vakavampi. Painottaminen kasvatti aivonesteen ja alensi harmaan ja valkean aineen tilavuuksien estimaatteja skitsofreniapotilailla, ja lisäsi aivovolyymien erojen tilastollista merkitsevyyttä skitsofreniapotilaiden ja vertailuhenkilöiden välillä. Itse ilmoitetun psykoaktiivisten lääkkeiden käyttötiedon luotettavuus oli merkittävä. Kadosta johtuen psykiatristen sairauksien todellinen vallitsevuus on todennäköisesti korkeampi kuin vallitsevuuden estimaatit, jotka on laskettu tutkimukseen osallistuneiden tiedoista. Painotusmenetelmiä voidaan käyttää parantamaan puuttuvan tiedon vääristämiä estimaatteja, koska painottamalla huomioidaan todellisia eroja kohdeväestössä. Tutkittaessa lääkekäyttötietoa postikyselyillä kerätyn aineiston voidaan olettaa olevan laadultaan riittävä tutkimustarpeisiin.

Abstract The retention of a complete denture and the patient’s adaptation varies considerably among different individuals. Resorption of the edentulous alveolar ridge differs greatly and some patients need implant-retained overdentures to enable adequate retention of their prostheses. In some extreme cases it is necessary to increase the volume of the alveolar ridge with bone grafts. The aim of this study was to examine the outcome of implant-supported overdenture treatment conducted in Oulu University Hospital. The aim was also to assess the impact of treatment on oral health-related quality of life and patient satisfaction. The study group was comprised of patients treated with a mandibular or maxillary implant overdenture and a group of patients with extreme mandibular bone resorption treated with extraoral bone grafts and implants. The treatments were performed in 1985–2013 thus also providing long-term results. The results of this study showed predictable and successful treatment outcomes also among elderly patients and in severe situations with bone deficiency. The most frequent complication in the clinical follow-up was loosening of the retention mechanism, commonly noted in other previous studies. Despite some minor mechanical defects in prosthetic structures or mild mucosal inflammation around the implants, they did not hinder everyday use of the prostheses. Neither the number of supporting implants nor the connection type seemed to have a great impact on patient satisfaction. Older patients with a mandibular overdenture seemed to be most satisfied. In conclusion, treatment with implant overdentures seems to be successful also in the long-term. / Tiivistelmä Kokoproteesin pysyvyys ja potilaan sopeutuminen proteesiin vaihtelee huomattavasti eri yksilöiden välillä. Hampaattoman luuharjanteen resorptiossa on eroja, ja osalle potilaista implanttikiinnitteinen peittoproteesi on välttämätön riittävän proteesin pysymisen mahdollistamiseksi. Hyvin pitkälle edenneissä luuharjanteen resorptioissa voi leukaluun lisääminen luusiirteillä olla tarpeellista. Tutkimuksen tarkoituksena oli selvittää Oulun yliopistollisessa sairaalassa tehtyjen implanttikiinnitteisten peittoproteesihoitojen tuloksia. Tavoitteena oli myös arvioida hoidon vaikutusta suunterveyteen liittyvään elämänlaatuun ja potilastyytyväisyyteen. Tutkittava ryhmä koostui potilaista, joille oli valmistettu alaleukaan tai yläleukaan implanttikiinnitteinen peittoproteesi, ja potilasjoukosta, jolle hyvin pitkälle edenneen luuresorption vuoksi implanttihoito oli tehty luusiirteiden avulla. Hoidot tehtiin vuosina 1985–2013, ja tutkimuksissa voitiin arvioida myös peittoproteesihoidon pitkäaikaistuloksia. Tutkimus osoitti, että hoitotulokset olivat ennustettavia ja onnistuneita myös iäkkäillä potilailla sekä potilailla, joilla luupuutos oli kaikkein vaikein. Yleisin todettu komplikaatio kliinisessä tutkimuksessa oli proteesin kiinnitysmekanismin löystyminen. Pienet proteesirakenteiden rikkoutumiset tai lievät limakalvon tulehdusreaktiot implanttien ympärillä eivät kuitenkaan haitanneet proteesin toimintaa ja päivittäistä käyttöä. Peittoproteesia tukevien implanttien määrällä tai kiinnitystyypillä ei todettu olevan suurta vaikutusta potilastyytyväisyyteen. Kaikkein tyytyväisimpiä vaikuttivat olevan iäkkäät potilaat, joille oli tehty alaleuan peittoproteesi. Tutkimus osoittaa, että implanttikiinnitteinen peittoproteesihoito on menestyksellistä myös pitkällä aikavälillä.

Abstract Hallux valgus (HV) decreases the forces under the first ray during the propulsive phases of gait and transfers loading to the lesser metatarsals. Biomechanical factors contribute to the development of HV through various mechanisms; however, the flexibility of HV has not been considered to be a major determinant when planning surgery for HV. The aims of this thesis were to develop a clinical test and a new surgical technique for flexible HV, to report the mid-term follow-up results of this new correction method, and to compare the metatarsal load distribution after the new technique to that achieved with distal chevron osteotomy in a matched-pair analysis. The new surgical technique, first tarsometatarsal joint derotational arthrodesis (FTJDA), includes rotational correction of the first metatarsal without surgery to the first metatarsophalangeal joint (I MTPJ). It is indicated for patients who are able to reduce HV with peroneus longus (PL) function (PL activation test). Between 2003 and 2009, a total of 88 flexible HV underwent FTJDA operations. Seventy-six operated feet were re-examined after an average of 5.1 (range 3.0 to 8.3) years of follow-up. Outcome measures included the American Orthopaedic Foot and Ankle Society (AOFAS) score and pre- and postoperative radiological analysis. Gait analysis was used to compare the metatarsal load distribution after the FTJDA with a distal chevron cohort in 30 pairs matched by HV angle and follow-up time. The mean HV and intermetatarsal correction angles between preoperative and six-week follow-up radiographs were 19.8 degrees and 8.9 degrees, respectively. HV and intermetatarsal angle (IMA 1-2) correction were satisfactorily maintained (13.4 degrees [95% CI 11.6 to 15.1] and 4.5 degrees [95% CI 3.7 to 5.2], respectively) at mid-term follow-up. AOFAS score was excellent or good in 72% of the operated feet. In gait analysis, the FTJDA group had 8% higher relative impulses under the first metatarsal head (MTH), whereas chevron group had central loading pattern. In conclusion, FTJDA corrects flexible HV effectively without intervention to the I MTPJ. The correction is satisfactorily maintained at the late follow-up and the clinical results are good. In the gait analysis, the FTJDA produces better postoperative dynamic loading capacity of the first ray in comparison to distal chevron osteotomy. / Tiivistelmä Vaivaisenluu heikentää voimantuottoa ensimmäisen säteen alla kävelyn ponnistusvaiheiden aikana ja kuormitus siirtyy ulommille jalkapöytäluille. Biomekaanisilla tekijöillä arvellaan olevan osuutta vaivaisenluun kehittymiseen. Vaivaisenluun joustavuutta ei ole pidetty ratkaisevana tekijänä kirurgisen hoidon suunnittelussa. Tämän tutkimuksen tavoitteina oli kehittää kliininen testi ja uusi kirurginen korjausmenetelmä joustavalle vaivaisenluuvirheasennolle, raportoida uuden korjausmenetelmän keskipitkän seuranta-ajan tulokset ja verrata jalkapöytäluiden kuormitusjakaumaa uuden korjausmenetelmän jälkeen distaaliseen chevron -osteotomiaan kaltaistettujen parien analyysillä. Uusi kirurginen toimenpide, ensimmäisen tarsometatarsaalinivelen derotaatioartrodeesi (FTJDA), sisältää metatarsaalin rotaatiokorjauksen avaamatta ensimmäisen varpaan tyviniveltä. Menetelmä on tarkoitettu potilaille, joilla vaivaisenluuvirheasento korjaantuu peroneus longuksen toiminnalla (PL-aktivaatiotesti). Vuosina 2003–2009 operoitiin yhteensä 88 joustavaa vaivaisenluuvirheasentoa ensimmäisen tarsometatarsaalinivelen derotaatioartrodeesillä (FTJDA). 76 leikattua jalkaa tutkittiin uudelleen 5,1 vuoden (vaihteluväli 3,0 – 8,3) keskiseuranta-ajan jälkeen. Tulosten arvioinnissa käytettiin AOFAS-pisteytystä ja pre- ja postoperatiivisia radiologisia mittauksia. Kävelyanalyysillä verrattiin jalkapöytäluiden kuormitusta FTJDA- ja distaalisen chevron -osteotomiaryhmän välillä 30 parilla, jotka kaltaistettiin vaivaisenluukulman ja seuranta-ajan suhteen. Keskimääräinen vaivaisenluu- ja intermetatarsaalikulmien korjautuminen oli preoperatiivisten ja kuuden viikon kontrollikuvien välillä 19,8 ja 8,9 astetta. Korjautumistulokset vaivaisenluu- ja intermetatarsaalikulmien osalta säilyivät hyvänä,13,4 astetta (95% luottamusväli 11,6-15,1) ja 4,5 astetta (95% luottamusväli 3,7-5,2), keskipitkänajan seurannassa. AOFAS pisteytys antoi erinomaisen tai hyvän tuloksen 72%:lle leikatuista jaloista. Kävelyanalyysissä FTJDA -ryhmän relatiivinen impulssi oli 8% korkeampi ensimmäisen jalkapöytäluun pään alla, kun taas chevron -ryhmällä todettiin päkiän keskiosan kohonnut kuormitusjakauma. Yhteenvetona voidaan todeta, että FTJDA korjaa joustavan vaivaisenluun tehokkaasti ilman I-varpaan tyvinivelen toimenpiteitä. Korjautumistulos säilyy pitkäaikaisseurannassa ja kliiniset tulokset ovat hyviä. Kävelyanalyysissä FTJDA tuottaa paremman postoperatiivisen, ensimmäisen säteen dynaamisen kuormituskapasiteetin, distaaliseen chevron -osteotomiaan verrattuna.

Abstract Human-computer interaction (HCI) is an integral part of modern society. Since the number of technical devices around us is increasing, the way of interacting is changing as well. The systems of the future should be proactive, so that they can adapt and adjust to people’s movements and actions without requiring any conscious control. Visual information plays a vital role in this kind of implicit human-computer interaction due to its expressiveness. It is therefore obvious that cameras equipped with computing power and computer vision techniques provide an unobtrusive way of analyzing human intentions. Despite its many advantages, use of computer vision is not always straightforward. Typically, every application sets specific requirements for the methods that can be applied. Given these motivations, this thesis aims to develop new vision-based methods and systems that can be utilized in proactive applications. As a case study, the thesis covers two different proactive computer vision applications. Firstly, an automated system that takes care of both the selection and switching of the video source in a distance education situation is presented. The system is further extended with a pan-tilt-zoom camera system that is designed to track the teacher when s/he walks at the front of the classroom. The second proactive application is targeted at mobile devices. The system presented recognizes landscape scenes which can be utilized in automatic shooting mode selection. Distributed smart cameras have been an active area of research in recent years, and they play an important role in many applications. Most of the research has focused on either the computer vision algorithms or on a specific implementation. There has been less activity on building generic frameworks which allow different algorithms, sensors and distribution methods to be used. In this field, the thesis presents an open and expendable framework for development of distributed sensor networks with an emphasis on peer-to-peer networking. From the methodological point of view, the thesis makes its contribution to the field of multi-object tracking. The method presented utilizes soft assignment to associate the measurements to the objects tracked. In addition, the thesis also presents two different ways of extracting location measurements from images. As a result, the method proposed provides location and trajectories of multiple objects which can be utilized in proactive applications. / Tiivistelmä Ihmisen ja eri laitteiden välisellä vuorovaikutuksella on keskeinen osa nyky-yhteiskunnassa. Teknisten laitteiden lisääntymisen myötä vuorovaikutustavat ovat myös muuttumassa. Tulevaisuuden järjestelmien tulisi olla proaktiivisia, jotta ne voisivat sopeutua ihmisten liikkeisiin ja toimintoihin ilman tietoista ohjausta. Ilmaisuvoimansa ansiosta visuaalisella tiedolla on keskeinen rooli tällaisessa epäsuorassa ihminen-tietokone –vuorovaikutuksessa. Tämän vuoksi on selvää, että kamerat yhdessä laskentaresurssien ja konenäkömenetelmien kanssa tarjoavat huomaamattoman tavan ihmisten toiminnan analysointiin. Lukuisista eduistaan huolimatta konenäön soveltaminen ei ole aina suoraviivaista. Yleensä jokainen sovellus asettaa erikoisvaatimuksia käytettäville menetelmille. Tästä syystä väitöskirjassa on päämääränä kehittää uusia kuvatietoon perustuvia menetelmiä ja järjestelmiä, joita voidaan hyödyntää proaktiivisissa sovelluksissa. Tässä väitöskirjassa esitellään kaksi proaktiivista sovellusta, jotka molemmat hyödyntävät tietokonenäköä. Ensimmäinen sovellus on etäopetusjärjestelmä, joka valitsee ja vaihtaa kuvalähteen automaattisesti. Järjestelmään esitellään myös ohjattavaan kameraan perustava laajennus, jonka avulla opettajaa voidaan seurata hänen liikkuessaan eri puolilla luokkahuonetta. Toinen proaktiivisen tekniikan sovellus on tarkoitettu mobiililaitteisiin. Kehitetty järjestelmä kykenee tunnistamaan maisemakuvat, jolloin kameran kuvaustila voidaan asettaa automaattisesti. Monissa sovelluksissa on tarpeen käyttää useampia kameroita. Tämän seurauksena eri puolille ympäristöä sijoitettavat älykkäät kamerat ovat olleet viime vuosina erityisen kiinnostuksen kohteena. Suurin osa kehityksestä on kuitenkin keskittynyt lähinnä eri konenäköalgoritmeihin tai yksittäisiin sovelluksiin. Sen sijaan panostukset yleisiin ja helposti laajennettaviin ratkaisuihin, jotka mahdollistavat erilaisten menetelmien, sensoreiden ja tiedonvälityskanavien käyttämisen, ovat olleet vähäisempiä. Tilanteen parantamiseksi väitöskirjassa esitellään hajautettujen sensoriverkkojen kehitykseen tarkoitettu avoin ja laajennettavissa oleva ohjelmistorunko. Menetelmien osalta tässä väitöskirjassa keskitytään useiden kohteiden seurantaan. Kehitetty seurantamenetelmä yhdistää saadut paikkamittaukset seurattaviin kohteisiin siten, että jokaiselle mittaukselle lasketaan todennäköisyys, jolla se kuuluu jokaiseen yksittäiseen seurattavaan kohteeseen. Seurantaongelman lisäksi työssä esitellään kaksi erilaista tapaa, joilla kohteiden paikka kuvassa voidaan määrittää. Esiteltyä kokonaisuutta voidaan hyödyntää proaktiivisissa sovelluksissa, jotka tarvitsevat usean kohteen paikkatiedon tai kohteiden kulkeman reitin.

Abstract Wild populations of large carnivores in Europe were almost wiped out during the last centuries. Nowadays, the number of brown bears in North and Eastern Europe has increased, and the current situation suggests that these populations have recovered or are in the process of recovery. Knowledge of the population genetic consequences of demographic recovery in large carnivores, especially across national borders and on broader geographical scales, is still limited. In this study, we collected 3,757 fecal and hair samples as well as 881 tissue samples from brown bears across Northern Europe, with a focus on the Finnish population and neighboring areas, to investigate the population structure, connectivity, and genetic diversity on a spatial as well as a temporal scale. Bayesian clustering analysis of the population structure suggested the division of brown bears in Northern Europe into several genetic clusters, and the subdivision of the Finnish population into a northern and southern subpopulation. The estimation of gene flow pointed to better connectivity of the bears between Southern Finland and Western Russia, while migration between Scandinavia and Northern Finland as well as between Scandinavia and Southern Finland/Western Russia appeared to be restricted. Genetic clusters identified in Finland, Russia and Northern Norway displayed high genetic diversity, which was among the highest reported in wild brown bears. Recovery of the Finnish population has been accompanied by a detected range expansion towards the north, while genetic differentiation between clusters has decreased and genetic diversity has increased in the southern population, suggesting expansion from the south. Our results demonstrated that the immigration of bears from Russia still plays a major role in the Finnish bear population; however, connectivity between the Finnish-Russian population and Scandinavian bears appears to be restricted and should be improved, as well as regularly monitored. / Tiivistelmä Suurpetojen luonnonpopulaatiot hävisivät Euroopasta melkein kokonaan viimeisten vuosisatojen aikana. Ruskeakarhujen määrä on viime aikoina kasvanut Pohjois- ja Itä-Euroopassa, ja karhupopulaatiot ovat toipuneet tai toipumassa. Tieto demografisen toipumisen geneettisistä seurauksista populaatioissa on varsin rajoittunutta etenkin laajemmassa maantieteellisessä mittakaavassa, yli valtiorajojen. Keräsimme tätä tutkimusta varten 3757 uloste- ja karvanäytettä ja 881 kudosnäytettä Suomesta ja sen lähialueilta. Tarkoituksenamme oli kartoittaa Pohjois-Euroopan karhupopulaatioiden geneettistä rakennetta ja monimuotoisuutta, sekä populaatioiden välisiä yhteyksiä huomioiden ajallinen ja maantieteellinen ulottuvuus. Bayesiläisen ryhmittelyanalyysin perusteella Pohjois-Euroopan karhut jakaantuvat useaan geneettiseen ryhmään. Suomen populaatiossa erottuivat eteläinen ja pohjoinen alapopulaatio. Analyysit geenivirran määrästä osoittivat, että Etelä-Suomen ja Länsi-Venäjän karhupopulaatiot ovat yhteneväisemmät, kun taas migraatio Skandinavian ja Pohjois-Suomen sekä Etelä-Suomen ja Länsi-Venäjän välillä vaikuttaisi olevan rajoittunutta. Suomesta, Venäjältä ja Pohjois-Norjasta tunnistetut alaryhmät olivat geneettisesti hyvin monimuotoisia, ja muuntelu oli korkeampaa kuin koskaan aiemmin karhuilla havaittu. Suomen karhupopulaation toipuessa ja levitessä pohjoiseen, geneettinen erilaistuminen maan sisällä on vähentynyt ja eteläisen alapopulaation monimuotoisuus kasvanut. Tämä viittaa populaation laajentumiseen etelästä käsin. Tulosten perusteella karhujen tulomuutto Venäjältä on yhä tärkeää Suomen populaatiolle. Suomen ja Venäjän karhupopulaatioiden yhteyttä Skandinavian karhupopulaatioihin tulisi seurata ja parantaa.

Abstract This thesis presents measuring techniques as well as measured and simulated results with the aim of helping the design of photovoltaic energy harvesting systems. Therefore, cost-effective measurement setups were developed for collecting the amount of irradiation, for both stationary and moving photovoltaic (PV) installations. The impact of the time resolution of solar radiation data on estimating the available solar energy was investigated. For moving PV installations, the dynamics and the rate of changes in the available irradiation were studied in order to analyse the effects on maximum power point tracking (MPPT) algorithms. In addition, possibilities for harvesting PV energy in indoor environments were also investigated. The main contribution of this thesis is the effective testing of PV cells and complete PV panels: instead of measuring the characteristic I-V (Current-Voltage) response under strictly controlled artificial illumination, photovoltaics are simply biased externally. Then, with the help of synchronized thermography (ST), infrared (IR) images of the PV panel self-heating are recorded. In the obtained IR-images, defected areas are seen as cold spots, since they are not biased by the external power supply. From the calculated temperature variations, the size of the defect area can be calculated and, thus, the loss in output power can be estimated. The method is shown to work both with and without glass encapsulation. / Tiivistelmä Tämä työ esittelee mittaustekniikoita ja mitattuja ja simuloituja tuloksia aurinkoenergian keruujärjestelmien suunnittelun avuksi. Työtä varten kehitettiin kustannustehokas mittausjärjestelmä, jonka avulla arvioitiin aurinkoenergian määrää sekä stationaarisen että liikkuvan valokennon tapauksissa. Näiden lisäksi tutkittiin mittaustaajuuden vaikutusta arvioitaessa saatavilla olevan aurinkoenergian määrää. Liikkuvan PV (photovoltaic)-asennuksen avulla tutkittiin saatavilla olevan aurinkoenergian vaihtelun suuruutta ja nopeutta tarkoituksena analysoida näiden vaikutuksia käytettäviin MPPT-algoritmeihin. Tämä lisäksi tutkittiin myös valoenergian keruumahdollisuuksia sisätiloissa. Työn tärkein kontribuutio on valokennojen ja kokonaisten valopaneelien toiminnallisuuden testaamisen tehostaminen. Tyypillisesti PV:n toiminnallisuus varmistetaan tarkasti määritetyssä ympäristössä suoritetun I-V -ominaiskäyrämittauksen avulla. Tämän työn menetelmä on yksinkertaisesti biasoida PV:t ulkoisesti, minkä jälkeen ST (synchronized thermpgraphy) -kuvauksen avulla määritetään PV-paneelien itselämpenemistä kuvaavat infrapunakuvat. Paneelin vioittuneet alueet erottuvat IR-kuvissa kylminä alueina ulkoisen biasoinnin puuttuessa. IR-kuvista havaituista lämpötilavaihteluista on mahdollista määrittää vioittuneen alueen koko ja siten arvioida myös menetettyä lähtötehoa. Kyseisen metodin toimivuus osoitettiin niin lasikoteloiduilla kuin ilman sitä olevilla PV-paneeleilla.

Abstract In this work, statistical machine learning and pattern recognition methods were developed and applied to sensor-based human context recognition. More precisely, we concentrated on an effective discriminative learning framework, where input-output mapping is learned directly from a labeled dataset. Non-parametric discriminative classification and regression models based on kernel methods were applied. They include support vector machines (SVM) and Gaussian processes (GP), which play a central role in modern statistical machine learning. Based on these established models, we propose various extensions for handling structured data that usually arise from real-life applications, for example, in a field of context-aware computing. We applied both SVM and GP techniques to handle data with multiple classes in a structured multi-sensor domain. Moreover, a framework for combining data from several sources in this setting was developed using multiple classifiers and fusion rules, where kernel methods are used as base classifiers. We developed two novel methods for handling sequential input and output data. For sequential time-series data, a novel kernel based on graphical presentation, called a weighted walk-based graph kernel (WWGK), is introduced. For sequential output labels, discriminative temporal smoothing (DTS) is proposed. Again, the proposed algorithms are modular, so different kernel classifiers can be used as base models. Finally, we propose a group of techniques based on Gaussian process regression (GPR) and particle filtering (PF) to learn to track multiple targets. We applied the proposed methodology to three different human-motion-based context recognition applications: person identification, person tracking, and activity recognition, where floor (pressure-sensitive and binary switch) and wearable acceleration sensors are used to measure human motion and gait during walking and other activities. Furthermore, we extracted a useful set of specific high-level features from raw sensor measurements based on time, frequency, and spatial domains for each application. As a result, we developed practical extensions to kernel-based discriminative learning to handle many kinds of structured data applied to human context recognition. / Tiivistelmä Tässä työssä kehitettiin ja sovellettiin tilastollisen koneoppimisen ja hahmontunnistuksen menetelmiä anturipohjaiseen ihmiseen liittyvän tilannetiedon tunnistamiseen. Esitetyt menetelmät kuuluvat erottelevan oppimisen viitekehykseen, jossa ennustemalli sisääntulomuuttujien ja vastemuuttujan välille voidaan oppia suoraan tunnetuilla vastemuuttujilla nimetystä aineistosta. Parametrittomien erottelevien mallien oppimiseen käytettiin ydinmenetelmiä kuten tukivektorikoneita (SVM) ja Gaussin prosesseja (GP), joita voidaan pitää yhtenä modernin tilastollisen koneoppimisen tärkeimmistä menetelmistä. Työssä kehitettiin näihin menetelmiin liittyviä laajennuksia, joiden avulla rakenteellista aineistoa voidaan mallittaa paremmin reaalimaailman sovelluksissa, esimerkiksi tilannetietoisen laskennan sovellusalueella. Tutkimuksessa sovellettiin SVM- ja GP-menetelmiä moniluokkaisiin luokitteluongelmiin rakenteellisen monianturitiedon mallituksessa. Useiden tietolähteiden käsittelyyn esitetään menettely, joka yhdistää useat opetetut luokittelijat päätöstason säännöillä lopulliseksi malliksi. Tämän lisäksi aikasarjatiedon käsittelyyn kehitettiin uusi graafiesitykseen perustuva ydinfunktio sekä menettely sekventiaalisten luokkavastemuuttujien käsittelyyn. Nämä voidaan liittää modulaarisesti ydinmenetelmiin perustuviin erotteleviin luokittelijoihin. Lopuksi esitetään tekniikoita usean liikkuvan kohteen seuraamiseen. Menetelmät perustuvat anturitiedosta oppivaan GP-regressiomalliin ja partikkelisuodattimeen. Työssä esitettyjä menetelmiä sovellettiin kolmessa ihmisen liikkeisiin liittyvässä tilannetiedon tunnistussovelluksessa: henkilön biometrinen tunnistaminen, henkilöiden seuraaminen sekä aktiviteettien tunnistaminen. Näissä sovelluksissa henkilön asentoa, liikkeitä ja astuntaa kävelyn ja muiden aktiviteettien aikana mitattiin kahdella erilaisella paineherkällä lattia-anturilla sekä puettavilla kiihtyvyysantureilla. Tunnistusmenetelmien laajennuksien lisäksi jokaisessa sovelluksessa kehitettiin menetelmiä signaalin segmentointiin ja kuvaavien piirteiden irroittamiseen matalantason anturitiedosta. Tutkimuksen tuloksena saatiin parannuksia erottelevien mallien oppimiseen rakenteellisesta anturitiedosta sekä erityisesti uusia menettelyjä tilannetiedon tunnistamiseen.