|
|
Segmentace meziobratlové ploténky v obrazových datech
Meloun, Jan ; Nemček, Jakub (oponent) ; Mézl, Martin (vedoucí práce)
Práce je zaměřena segmentaci meziobratlové ploténky v obrazových datech. Úvod prácese věnuje problematice páteře, výhřezu meziobratlové ploténky. Dále se věnuje zobrazo-vacím modalitám, především výpočetní tomografii a magnetické rezonanci. V praktickéčásti práce je popsána segmentace obrazových dat a následně provedena. realizace tří zpublikovaných segmentačních metod.
|
|
|
Detekce zeleně v obraze
Černá, Tereza ; Herout, Adam (oponent) ; Přibyl, Bronislav (vedoucí práce)
Tato práce se zabývá detekcí vegetace v obraze. Jsou zde popsány přístupy k detekci vegetace. Pro vytvoření aplikace byla vybrána metoda detekce trávy ve videu v reálném čase. V práci je navrhnut nový způsob vyhodnocení metody, aplikace realizuje původní vyhodnocení po pixelech i nový způsob vyhodnocení po segmentech. Funkce detekce je ověřena na testovací sadě. V závěru práce jsou porovnány výsledky obou přístupů vyhodnocení a popsány výsledky testování. Úspěšnost správně detekované vegetace se pohybuje až k 86,32 %.
|
|
|
Segmentace obrazu založená na reliéfu
Gros, Jan ; Špiřík, Jan (oponent) ; Křupka, Aleš (vedoucí práce)
Cílem této práce je seznámit se s technikou segmentace obrazu pomocí zaplavování reliéfu krajiny (watershed metoda). Jsou zde přiblíženy některé metody segmentace obrazu a vysvětleny základní operace nad obrazy, z kterých vychází morfologické operace pro použití ve watershed segmentaci. Součástí práce je krátká pasáž, která se zabývá použitím některých obrazových filtrů k předzpracování obrazu. Výsledkem předchozích poznatků je prezentování segmentačního algoritmu vytvořeného Lee Vincentem a Pierre Soillem. V další části je popsána implementace algoritmu v jazyce Java, obsah a funkce jednotlivých tříd modulu a realizace pomocí nástroje RapidMiner. V poslední části jsou prezentovány výsledky segmentování vytvořeného modulu při použití na testovací obrazy bez a s použitím některých vybraných filtrů pro redukci přesegmentování a ke zlepšení výsledné segmnetace.
|
|
|
Segmentace meziobratlové ploténky v obrazových datech
Meloun, Jan ; Nemček, Jakub (oponent) ; Mézl, Martin (vedoucí práce)
Práce je zaměřena segmentaci meziobratlové ploténky v obrazových datech. Úvod prácese věnuje problematice páteře, výhřezu meziobratlové ploténky. Dále se věnuje zobrazo-vacím modalitám, především výpočetní tomografii a magnetické rezonanci. V praktickéčásti práce je popsána segmentace obrazových dat a následně provedena. realizace tří zpublikovaných segmentačních metod.
|
|
|
Segmentace obrazu založená na reliéfu
Gros, Jan ; Špiřík, Jan (oponent) ; Křupka, Aleš (vedoucí práce)
Cílem této práce je seznámit se s technikou segmentace obrazu pomocí zaplavování reliéfu krajiny (watershed metoda). Jsou zde přiblíženy některé metody segmentace obrazu a vysvětleny základní operace nad obrazy, z kterých vychází morfologické operace pro použití ve watershed segmentaci. Součástí práce je krátká pasáž, která se zabývá použitím některých obrazových filtrů k předzpracování obrazu. Výsledkem předchozích poznatků je prezentování segmentačního algoritmu vytvořeného Lee Vincentem a Pierre Soillem. V další části je popsána implementace algoritmu v jazyce Java, obsah a funkce jednotlivých tříd modulu a realizace pomocí nástroje RapidMiner. V poslední části jsou prezentovány výsledky segmentování vytvořeného modulu při použití na testovací obrazy bez a s použitím některých vybraných filtrů pro redukci přesegmentování a ke zlepšení výsledné segmnetace.
|
|
|
Detekce zeleně v obraze
Černá, Tereza ; Herout, Adam (oponent) ; Přibyl, Bronislav (vedoucí práce)
Tato práce se zabývá detekcí vegetace v obraze. Jsou zde popsány přístupy k detekci vegetace. Pro vytvoření aplikace byla vybrána metoda detekce trávy ve videu v reálném čase. V práci je navrhnut nový způsob vyhodnocení metody, aplikace realizuje původní vyhodnocení po pixelech i nový způsob vyhodnocení po segmentech. Funkce detekce je ověřena na testovací sadě. V závěru práce jsou porovnány výsledky obou přístupů vyhodnocení a popsány výsledky testování. Úspěšnost správně detekované vegetace se pohybuje až k 86,32 %.
|
host ::
RSS.