Název:
Hashování obrázků pomocí komprimačního vzorkování
Překlad názvu:
Image hashing using compressed sensing
Autoři:
Kopec, Peter ; Číka, Petr (oponent) ; Rajmic, Pavel (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2023
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Táto diplomová práca sa venuje analýze a implementácii hashovania obrázkov, ktoré vychádza z článku „Robust image hashing with compressed sensing and ordinal measures“[3]. Hashovanie obrázkov využíva tzv. vnímavé hashovacie metódy. Tieto metódy majú veľké využitie vo vede o počítačovom videní a vlastnosti týchto metód nám umožňujú porovnávať podobnosť hashovaných obrázkov a rozdeľovať tieto obrázky do skupín. Toto porovnávanie vieme využiť napríklad na vyhľadávanie obrázkov na internete z rôznych dôvodov. V teoretickej časti si povieme bližšie o vlastnostiach týchto hashovacích metód a popíšeme si spôsob hashovacej metódy podľa spomenutého článku, zameráme sa najviac na to čo to je kompresné vzorkovanie, saliency mapa a ako to dosiahneme. V praktickej časti si pomocou skriptovacieho jazyku Python pripravíme testovací dataset a implementujeme hashovaciu metódu podľa spomenutého článku. Následne túto hashovaciu metódu otestujeme na tomto datasete a na koniec ju porovnáme s inou hashovacou metódou.
This thesis is devoted to the analysis and implementation of image hashing based on the article "Robust image hashing with compressed sensing and ordinal measures"[3]. Image hashing uses so-called perceptual hashing methods. These methods have great applications in computer vision science, and the properties of these methods allow us to compare the similarity of hashed images and classify these images into groups. We can use this comparison, for example, to search images on the Internet for various reasons. In the theoretical part, we will talk more about the properties of these hashing methods and describe the hashing method according to the mentioned paper, we will focus most on what is compressive sampling, saliency map and how we achieve it. In the practical part, we will prepare a test dataset using Python scripting language and implement the hashing method according to the mentioned article. Then we test this hashing method on this dataset and finally compare it with another hashing method.
Klíčová slova:
hashovanie; kompresné vzorkovanie; porovnávanie; Python; saliency mapa; vlastnosti; comparison; compressed sensing; hashing; properties; Python; saliency map
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/210186