|
|
Charakteristiky 2D textur
Pasáček, Václav ; Šiler, Ondřej (oponent) ; Švub, Miroslav (vedoucí práce)
Protože je textura objektu velice cenná informace pro počítačové vidění, je důležité ji nějakým způsobem popsat. K tomu slouží texturní příznaky. Optimální výběr příznaků je důležitý pro rozpoznávání textur. V této práci byla pro získání příznaků vybrána metoda lokálních binárních vzorů (LBP). Texturním příznakem u této metody není její hodnota, ale histogram četnosti hodnot v celé textuře. Pro porovnání těchto histogramů se zde užívá Euklidovská vzdálenost, Bhattacharyyova vzdálenost nebo Mahalanobisova vzdálenost. Hlavním účelem této práce je vzájemné porovnání klasifikací textur několika variantami metody LBP a vyhodnocení jejich výsledků Euklidovskou, Bhattacharyyovou nebo Mahalanobisovou vzdáleností.
|
|
|
Segmentace obrazu podle textury
Pasáček, Václav ; Herout, Adam (oponent) ; Španěl, Michal (vedoucí práce)
Segmentace obrazu je důležitým krokem zpracování obrazu a textura je jednou z obrazových informací, na jejichž základě lze segmentaci provádět. K popisu textury slouží texturní příznaky, přičemž existuje mnoho způsobů, jak je získat. Zde budou k reprezentaci textury využity Local Binary Patterns neboli LBP. Texturním příznakem u LBP není její hodnota, ale histogram četnosti výskytu v určité oblasti. Hlavním cílem této práce je porovnání vhodnosti několika variant extrakce texturních příznaků pomocí LBP a metod jejich následného shlukování za účelem segmentace obrazu. Ke shlukování texturních příznaků bude použita metoda Fuzzy C-Means.
|
|
|
Charakteristiky 2D textur
Pasáček, Václav ; Šiler, Ondřej (oponent) ; Švub, Miroslav (vedoucí práce)
Protože je textura objektu velice cenná informace pro počítačové vidění, je důležité ji nějakým způsobem popsat. K tomu slouží texturní příznaky. Optimální výběr příznaků je důležitý pro rozpoznávání textur. V této práci byla pro získání příznaků vybrána metoda lokálních binárních vzorů (LBP). Texturním příznakem u této metody není její hodnota, ale histogram četnosti hodnot v celé textuře. Pro porovnání těchto histogramů se zde užívá Euklidovská vzdálenost, Bhattacharyyova vzdálenost nebo Mahalanobisova vzdálenost. Hlavním účelem této práce je vzájemné porovnání klasifikací textur několika variantami metody LBP a vyhodnocení jejich výsledků Euklidovskou, Bhattacharyyovou nebo Mahalanobisovou vzdáleností.
|
|
|
Segmentace obrazu podle textury
Pasáček, Václav ; Herout, Adam (oponent) ; Španěl, Michal (vedoucí práce)
Segmentace obrazu je důležitým krokem zpracování obrazu a textura je jednou z obrazových informací, na jejichž základě lze segmentaci provádět. K popisu textury slouží texturní příznaky, přičemž existuje mnoho způsobů, jak je získat. Zde budou k reprezentaci textury využity Local Binary Patterns neboli LBP. Texturním příznakem u LBP není její hodnota, ale histogram četnosti výskytu v určité oblasti. Hlavním cílem této práce je porovnání vhodnosti několika variant extrakce texturních příznaků pomocí LBP a metod jejich následného shlukování za účelem segmentace obrazu. Ke shlukování texturních příznaků bude použita metoda Fuzzy C-Means.
|
host ::
RSS.