Original title: Detekce objektů na základě jejich přibližného tvaru
Translated title: Object detection based on their approximate shape
Authors: Lyagayev, Vladislav ; Richter, Miloslav (referee) ; Janáková, Ilona (advisor)
Document type: Bachelor's theses
Year: 2025
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Tato bakalářská práce se zabývá problematikou segmentace obrazu a následné detekce objektů na základě přibližného tvaru, s primárním zaměřením na kraslice. Hlavním cílem bylo prozkoumat, implementovat a experimentálně ověřit vybrané metody zpracování obrazu, od tradičních algoritmů po moderní přístupy, a posoudit jejich vhodnost a výkonnost pro danou úlohu, která je charakteristická variabilitou tvarů, textur a barev objektů, jakož i často komplexním pozadím nebo vzájemným překryvem. Práce nejprve rešeršně zpracovává a následně prakticky implementuje čtyři odlišné segmentační metody: kombinaci základních technik, aktivní kontury, metodu Superpixel-Based Fast Fuzzy C-Means a model Segment Anything Model. Následně byly implementovány a testovány tři detekční metody: Shape Context, Hausdorffova vzdálenost a Houghova transformace pro elipsy. Tyto metody byly hodnoceny z hlediska přesnosti detekce, výpočetní náročnosti a robustnosti vůči překryvu objektů, obrazovému šumu a geometrickým deformacím. This bachelor's thesis addresses the problematics of image segmentation and subsequent object detection based on approximate shape, with a primary focus on Easter eggs. The main goal was to explore, implement, and experimentally verify selected image processing methods, ranging from traditional algorithms to modern approaches, and to assess their suitability and performance for the given task, which is characterized by variability in object shapes, textures, and colors, as well as often complex backgrounds or mutual occlusions. The thesis first reviews and then practically implements four distinct segmentation methods: a combination of basic techniques, active contours, the Superpixel-Based Fast Fuzzy C-Means method, and the Segment Anything Model. Subsequently, three detection methods were implemented and tested: Shape Context, Hausdorff distance, and Hough transform for ellipses. These methods were evaluated in terms of detection accuracy, computational demands, and robustness against object occlusions, image noise, and geometric deformations.
Keywords: active contours; Computer vision; Easter eggs; edge detection; ellipses; Ground Truth; Hausdorff distance; Hough transform; image noise; image segmentation; morphological operations; object deformation; object detection; object occlusion; Segment Anything Model; SFFCM; Shape Context; thresholding; aktivní kontury; deformace objektů; detekce hran; detekce objektů; elipsy; Ground Truth; Hausdorffova vzdálenost; Houghova transformace; kraslice; morfologické operace; obrazový šum; Počítačové vidění; prahování; překryv objektů; Segment Anything Model; segmentace obrazu; SFFCM; Shape Context

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/253083

Permalink: http://www.nusl.cz/ntk/nusl-700625


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses