|
|
Odstraňování artefaktů JPEG komprese obrazových dat
Lopata, Jan ; Kučera, Václav (vedoucí práce) ; Šroubek, Filip (oponent)
Tato práce se zabývá odstraňováním obrazových artefaktů typických pro JPEG kompresi. Nejprve jsme popsali matematickou formulaci formátu JPEG a pro- blému odstraňování obrazových artefaktů. Poté jsme tento problém přeformu- lovali na optimalizační problém, kde minimalizovaná funkce je získána pomocí Bayesovy věty a komplexních waveletů. Popsali jsme proximální operátory a al- goritmy a aplikovali je na minimalizaci daného funkcionálu. Finální algoritmus jsme implementovali v MATLABu a testovali na několika testovacích problémech. 1
|
|
|
Paralelizace náročných úloh rekonstrukce v dynamické magnetické rezonanci
Bijotová, Kateřina ; Rajmic, Pavel (oponent) ; Mašek, Jan (vedoucí práce)
Tato diplomová práce se zabývá paralelizací náročných úloh rekonstrukce v dynamické magnetické rezonanci. Popisuje základní princip magnetické rezonance a její souvislost s Fourierovou transformací. Zabývá se rozdílem mezi statickou a dynamickou rekonstrukcí obrazu z magnetické rezonance. Rozebírá algoritmus SVD a jeho použití při rekonstrukci zobrazování magnetickou rezonancí. Uvádí princip a význam paralelních výpočtů při zobrazování magnetickou rezonancí a dále popisuje technologii CUDA. Dále práce obsahuje popis a vypracování implementace rekonstrukčního modelu v jazyce MATLAB a jazyce Java, jež byly optimalizovány knihovnou JCuda v případě Java implementace a funkcí gpuArray pro MATLAB implementaci.
|
|
|
Paralelizace náročných úloh rekonstrukce v dynamické magnetické rezonanci
Bijotová, Kateřina ; Rajmic, Pavel (oponent) ; Mašek, Jan (vedoucí práce)
Tato diplomová práce se zabývá paralelizací náročných úloh rekonstrukce v dynamické magnetické rezonanci. Popisuje základní princip magnetické rezonance a její souvislost s Fourierovou transformací. Zabývá se rozdílem mezi statickou a dynamickou rekonstrukcí obrazu z magnetické rezonance. Rozebírá algoritmus SVD a jeho použití při rekonstrukci zobrazování magnetickou rezonancí. Uvádí princip a význam paralelních výpočtů při zobrazování magnetickou rezonancí a dále popisuje technologii CUDA. Dále práce obsahuje popis a vypracování implementace rekonstrukčního modelu v jazyce MATLAB a jazyce Java, jež byly optimalizovány knihovnou JCuda v případě Java implementace a funkcí gpuArray pro MATLAB implementaci.
|
|
|
Zvýšení rozlišení perfúzního zobrazování magnetickou rezonancí pomocí komprimovaného snímání
Mangová, Marie ; Polec,, Jaroslav (oponent) ; Šmídl, Václav (oponent) ; Rajmic, Pavel (vedoucí práce)
Perfúzní zobrazování v magnetické rezonanci je lékařská diagnostická metoda, která vyžaduje vysoké prostorové i časové rozlišení. Toto vysoké rozlišení je důležité proto, aby bylo možné zachytit dynamiku nitrožilně podané kontrastní látky, která se pro měření perfúze používá. Magnetická rezonance má však svá fyzikální omezení, která nedovolují dosáhnutí současně vysokého časového i prostorového rozlišení. Práce se zabývá komprimovaným snímáním, které umožňuje rekonstrukci obrazu i z relativně malého počtu naměřených dat (pod Nyquistovým kritériem), zatímco rozlišení potřebné k perfúzní analýze se zvýší. Toho lze dosáhnout pomocí vhodně navržených apriorních informací o snímaných datech a sestavení modelu. Rekonstrukce pak probíhá jako optimalizační problém. Dizertační práce přináší několik nových rekonstrukčních modelů, dále navrhuje metodu, jak zmenšit vychýlenost těchto odhadů, a zkoumá vliv komprimovaného snímání na perfúzní parametry. Celá práce je zakončena rozšířením komprimovaného snímání na trojrozměrná data, u kterých je rovněž popsán vliv rekonstrukce na perfúzní parametry. Celkově práce ukazuje, že díky komprimovanému snímání je možné zvýšit buď časové rozlišení při ponechání prostorového rozlišení, nebo při ponechání časového rozlišení lze zvýšit prostorové rozlišení.
|
|
|
Komprese obrazu současně v obrazové a kmitočtové oblasti
Vaněk, Martin ; Šorel, Michal (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato práce se zabývá kompresí obrazu. V úvodu je vysvětlena ztrátová komprese JPEG a vznik typických artefaktů. Poté je uvedeno několik základních poznatků a uvedení do řídkých reprezentací signálu. Následuje představení proximálních algoritmů a sestavení dvou optimalizačních úloh, které odstraňují typické artefakty na hranách vzniklých JPEG kompresí. Tyto úlohy jsou pak řešeny proximálními algoritmy.
|
|
|
Odstraňování artefaktů JPEG komprese obrazových dat
Lopata, Jan ; Kučera, Václav (vedoucí práce) ; Šroubek, Filip (oponent)
Tato práce se zabývá odstraňováním obrazových artefaktů typických pro JPEG kompresi. Nejprve jsme popsali matematickou formulaci formátu JPEG a pro- blému odstraňování obrazových artefaktů. Poté jsme tento problém přeformu- lovali na optimalizační problém, kde minimalizovaná funkce je získána pomocí Bayesovy věty a komplexních waveletů. Popsali jsme proximální operátory a al- goritmy a aplikovali je na minimalizaci daného funkcionálu. Finální algoritmus jsme implementovali v MATLABu a testovali na několika testovacích problémech. 1
|
|
|
Komprese obrazu současně v obrazové a kmitočtové oblasti
Vaněk, Martin ; Šorel, Michal (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato práce se zabývá kompresí obrazu. V úvodu je vysvětlena ztrátová komprese JPEG a vznik typických artefaktů. Poté je uvedeno několik základních poznatků a uvedení do řídkých reprezentací signálu. Následuje představení proximálních algoritmů a sestavení dvou optimalizačních úloh, které odstraňují typické artefakty na hranách vzniklých JPEG kompresí. Tyto úlohy jsou pak řešeny proximálními algoritmy.
|
|
|
Inpainting of Missing Audio Signal Samples
Mach, Václav ; Polec,, Jaroslav (oponent) ; Koldovský,, Zdeněk (oponent) ; Rajmic, Pavel (vedoucí práce)
Recently, sparse representations of signals became very popular in the field of signal processing. Sparse representation mean that the signal is represented exactly or very well approximated by a linear combination of only a few vectors from the specific representation system. This thesis deals with the utilization of sparse representations of signals for the process of audio restoration, either historical or recent records. Primarily old audio recordings suffer from defects like crackles or noise. Until now, short gaps in audio signals were repaired by interpolation techniques, especially autoregressive modeling. Few years ago, an algorithm termed the Audio Inpainting was introduced. This algorithm solves the missing audio signal samples inpainting using sparse representations through the greedy algorithm for sparse approximation. This thesis aims to compare the state-of-the-art interpolation methods with the Audio Inpainting. Besides this, l1-relaxation methods are utilized for sparse approximation, while both analysis and synthesis models are incorporated. Algorithms used for the sparse approximation are called the proximal algorithms. These algorithms treat the coefficients either separately or with relations to their neighbourhood (structured sparsity). Further, structured sparsity is used for audio denoising. In the experimental part of the thesis, parameters of each algorithm are evaluated in terms of optimal restoration efficiency vs. processing time efficiency. All of the algorithms described in the thesis are compared using objective evaluation methods Signal-to-Noise ratio (SNR) and PEMO-Q. Finally, the overall conclusion and discussion on the restoration results is presented.
|
|
|
Doplňování chybějících dat ve zvukových signálech
Bartlová, Hana ; Veselý, Vítězslav (oponent) ; Rajmic, Pavel (vedoucí práce)
Tato práce se zabývá doplňováním chybějících dat do zvukových signálů. Na úvod jsou shrnuty základní poznatky využívané dále v textu. Před samotnou aplikační částí je představena řídká reprezentace signálů a některé algoritmy jejího hledání. V kapitole věnované doplňování dat je formulován problém a krátce popsány a srovnány dosavadní metody řešení. Poté je uveden nejnovější přístup řešení využívající harmonickou strukturu signálů a provedeny experimenty. Na závěr je odvozen algoritmus pro zajištění maximální efektivity výpočtu.
|
host ::
RSS.