|
| |
|
| |
|
|
Nový algoritmus hledání cesty pro sešívání obrazů a pokročilé dlaždicování textur
Somol, Petr ; Haindl, Michal
Navrhujeme rychlý a upravitelný sub-optimální algoritmus pro vyhledávání hranic s minimální chybou mezi překrývajícími se obrázky. Algoritmus slouží jako alternativa tradičních pomalých algoritmů, jako je dynamické programování. Náš algoritmus používáme v kombinaci s adaptivním rozpíjením k sešívání oblastí obrázku. Tato technika je dále využita v kontextu vzorkovací syntézy textur, kde navrhujeme algoritmus s oddělenou fází analýzy a syntézy. Syntéza je zde velmi jednoduchá a rychlá.
|
|
|
Váleček - rychlá metoda syntézy textur založená na vzorkování
Haindl, Michal ; Hatka, M.
Článek popisuje jednoduchou metodu pro bezešvé rozšíření přírodních barevných textur. Nová metoda, kterou nazýváme "váleček", je založena překrývajících se oblastech, které jsou následně rozříznuty podlekritéria minimální chyby. Optimální dvojitě toroidních oblast se bezešvě opakuje v kroku syntézy. Metoda dovoluje omezenou kompresi textur, nicméně je extrémně rychlá a umožňuje implementaci přímo v grafickém procesoru pro zobrazení v reálném čase.
|
|
|
Multispectral texture segmentation
Mikeš, Stanislav ; Haindl, Michal
An efficient and robust type of unsupervised multispectral texture segmentation method is presented. The algorithm starts with spectral factorization of an input multispectral texture image using the Karhunen-Loeve expansion. Monospectral factors of single texture patches are assumed to be modelled using a Gaussian Markov random field model. The texture segmentation is done by K-means algorithm in the Markov model parameter space evaluated for each pixel centered image window.
|
|
| |
|
|
MUDIM - a system for MUltiDImensional Model development
Jiroušek, Radim
The goal of the paper is to introduce system MUDIM, which is intended to support non-graphical multidimensional models, namely compositional models. It helps experimentalists to build models describing collected data as well as researchers to analyse properties of the composed models. In agreement with the philosophy of R language, which is used as an environment for MUDIM, the system is a free software and is available in source code.
|
|
|
Application of finite mixtures to text document classification
Novovičová, Jana ; Malík, Antonín
Finite mixture modelling of class-conditional distributions is a standard method in a statistical pattern recognition. We proposed to use the mixture of multinomial distributions as a model for class-conditional distribution for text document classification task. The vector document representations using a bag-of-words or a unigram approach are employed. Experimental comparison of the proposed model and the standard models was performed using Reuters-21578 database.
|
|
| |
|
| |
host ::
RSS.