|
|
Filtrace signálů EKG pomocí vlnkové transformace
Mrázek, Jiří ; Vítek, Martin (oponent) ; Smital, Lukáš (vedoucí práce)
Tato práce se zabývá filtrací šumu myopotenciálového charakteru v signálech EKG s využitím vlnkové transformace. Byla užita se metoda vlnkové filtrace a následně wienerovský vlnkový filtr. V obou případech byly hledány vhodné koeficienty pro nejúspěšnější výslednou filtraci. Jednalo se o nastavení vhodných parametrů pro optimální filtraci, tedy nastavení hodnoty prahu, počtu pásem rozkladu, výběru druhu prahování a druhu banky filtrů. Realizace filtrace byla provedena v prostředí Matlab verze R2009b.
|
|
|
Analýza cytologických snímků
Pavlík, Jan ; Blaha, Milan (oponent) ; Kolář, Radim (vedoucí práce)
Tato diplomová práce je zaměřena na automatizaci procesu diferenciálního rozpočtu leukocytů v periferní krvi založeném na zpracování obrazů. Zabývá se návrhem celého procesu zpracování digitálních snímků – od snímání a předzpracování snímků, segmentace jádra a cytoplazmy, výběrem příznaků a klasifikátoru, včetně jeho testování na sadě obrazů, která byla nasnímána také v rámci této práce. V teoretické části práce jsou popsány dostupné segmentační metody a klasifikační postupy. Tato práce se v praktické části zabývá segmentačními procesy, které mají za úkol separovat jádro a cytoplazmu leukocytů. Na základě těchto vyhrazených struktur je provedena jejich statistická analýza. Podle reprezentativních statistických parametrů je vybrán soubor příznaků. Tato data pak vstupují do klasifikačního procesu, realizovaného třemi umělými neuronovými sítěmi. Celkem bylo hodnoceno 5 tříd leukocytů: neutrofilní granulocyty, lymfocyty, monocyty, eozinofilní a bazofilní granulocyty. Senzitivita a specificita klasifikace u 4 z 5 (neutrofilní granulocyty, lymfocyty, monocyty, eozinofilní granulocyty) buněčných populací je vyšší než 90 %. Senzitivita klasifikace bazofilních granulocytů byla vyhodnocena na 75 % a specificita na 67 %. Celková schopnost klasifikace byla otestovaná na 111 buňkách a vykazovala přibližně 91% úspěšnost. Všechny algoritmy jsou realizovány v prostředí MATLAB.
|
|
| |
|
|
Implementace vlnkové transformace v jazyku C++
Valouch, Lukáš ; Hasmanda, Martin (oponent) ; Beneš, Radek (vedoucí práce)
Cílem diplomové práce je implementace algoritmu vlnkové transformace pro následné využití při redukci šumu. Samotné potlačování šumu je zaměřeno k zlepšování vypovídající schopnosti sonografických (ultrazvukových) obrazů v medicíně. Využilo se u něj metody prahování detailních koeficientů jednotlivých úrovní mnohaměřítkové analýzy. Při hledání nejvhodnějších prahů se nevycházelo z žádného z běžných postupů pro odhad těchto hladin. Návrh alternativního pojetí vychází ze základního empirického přístupu, kdy jsou jednotlivé prahy optimalizovány za pomoci evolučních algoritmů. S tímto zalgoritmizováným postupem se však projevují problémy objektivního vyhodnocení úspěšnosti redukce šumu. Program za tímto účelem využívá obecně používaných parametrů: střední kvadratickou chybu celého obrazu, strmost jasových změn na zvolené hraně, relativní kontrast dvou dostatečně jasově rozdílných bodů a směrodatnou odchylku jednolité plochy. Popsané teoretické poznatky jsou využity v naprogramované aplikaci DTWT. Ta realizuje víceúrovňovou dekompozici a zpětnou rekonstrukci diskrétní vlnkovou transformací s diskrétním časem, prahování detailních koeficientů a výsledné ohodnocení provedeného potlačení šumu. Tento vyvinutý nástroj lze využít samostatně pro redukci šumu. Pro naše účely byl ale upraven tak, aby se spouštěl prostřednictvím komponenty pro evoluční optimalizaci parametrů (Optimize Parameters) v navrženém scénáři v programu RapidMiner. V optimalizačním procesu využívala tato komponenta jako fitness funk¬ci předané ohodnocení od programu DTWT. Nejvhodnější prahy byly separátně vyhledávány pro tři rodiny vlnek – Daubeschies, Symlety a Coiflety. Evoluční algoritmus vybral u všech tří rodin měkký práh. Ten je ve srovnání s tvrdým prahem pro potlačování šumu vhodnější, ale má tendenci více rozmazávat hrany. Navržená metoda vyhodnotila ve většině případů lepší úspěšnost redukce šumu u vlnkové transformace s vyhledáním prahů evolučními algoritmy, než u běžně používaných filtrů. Při vizuálním porovnání již ale vnášela vlnková transformace do obrazu mírné znehodnocující artefakty. Jedná se vždy o kompromis mezi největším potlačením šumu a zároveň největším zachováním užitečné obrazové informace. Vyhodnotit objektivně toto dilema není jednoduché a záleží vždy na subjektivním pohledu, v případě sonografických snímků pohledu ošetřujícího lékaře.
|
|
|
Detekce jízdních pruhů a překážek
Dojava, Marian ; Červinka, Luděk (oponent) ; Horák, Karel (vedoucí práce)
Úkolem této diplomové práce je popsat využití kamery jako snímače pro asistenční systém automobilu. Byly navrženy způsoby nalezení silnic, jízdních pruhů a překážek na vozovce. To vše za použití pouze jedné kamery. Řešení je realizováno metodami založenými na barvě a gradientu obrazu. Metody byly použity jak jednoduché tak i s matematickým modelem. Výsledkem práce je souhrn často používaných metod a jejich otestování a vzájemné porovnání. V závěru práce je představena realizace vlastního programu.
|
|
|
Nalezení známého objektu v sérii digitálních snímků
Bednařík, Jan ; Hasmanda, Martin (oponent) ; Číka, Petr (vedoucí práce)
Práce se zabývá detekcí známého objektu v sérii digitálních snímků, detekce je prováděna dvěma způsoby. První způsob je založen na detekci hran a barev vzorového obrazu, který je vyhledáván v sérii snímků. V práci jsou vyzkoušeny metody detekce hran pomocí Gradientu i Laplaciánu, tedy pomocí první i druhé derivace. Vyzkoušeny byly převážně Sobelovy operátory a metoda Laplacián Gaussianu. Dále se práce zabývá metodami prahování a určením automatického prahu. U detekce barev jsou porovnány metody přímého porovnání barev pomocí poměru a násobení barvy v obraze a detekce objektu pomocí významné barvy. Druhá část práce se zabývá detekcí významných bodů pomocí upravené metody SURF, jejich porovnáváním a hledáním v sérii digitálních snímků.
|
|
|
Analýza morfologie kamenných hrotů
Sucharda, Jaroslav ; Rampl, Ivan (oponent) ; Sadovský, Petr (vedoucí práce)
Cílem projektu je umožnit automatické archivování a měření archeologických nález. Prvním krokem je zpracování obrazu sestávající z prahování, segmentace a úpravy nalezených objektů. Po těchto operacích je nalezený objekt reprezentován komplexním vektorem. Druhá část se zabývá měřením hrotu a zjišťováním jeho tvaru. Přístup k naměřeným datům zajišťuje uživatelské rozhraní popsané v poslední části projektu.
|
|
|
Segmentace cév v obrazech sítnice
Walczysko, Martin ; Kolář, Radim (oponent) ; Taševský, Pavel (vedoucí práce)
Diplomová práce se zabývá metodou segmentace cévního řečiště ze snímků očního pozadí pořízených fundus kamerou. Je prozkoumána možnost využití vlnkové transformace k rychlé přehledové segmentaci. Práce obsahuje rozbor problematiky předzpracování snímku a dekompozice obrazu pomocí 2D DWT. Dále je prozkoumána možnost prahovaní parametrických obrazů vzniklých průchodem snímku 2D DWT. Byly navrženy algoritmy pro odstranění nejdůležitějších artefaktů z hrubé binární reprezentace cévního řečiště. Realizace algoritmu proběhla v prostředí MATLAB. V grafické aplikaci GUIDE bylo vytvořeno i uživatelské rozhraní pro snadné ovládání celého procesu segmentace. Závěr práce obsahuje diskuzi výsledků segmentace pro snímky z databáze ÚBMI a kvantitativní zhodnocení segmentace snímků z databáze DRIVE.
|
|
|
Analýza morfologie kamenných hrotů
Sucharda, Jaroslav ; Rampl, Ivan (oponent) ; Sadovský, Petr (vedoucí práce)
Cílem projektu je umožnit automatické archivování a měření archeologických nález. Prvním krokem je zpracování obrazu sestávající z prahování, segmentace a úpravy nalezených objektů. Po těchto operacích je nalezený objekt reprezentován komplexním vektorem. Druhá část se zabývá měřením hrotu a zjišťováním jeho tvaru. Přístup k naměřeným datům zajišťuje uživatelské rozhraní popsané v poslední části projektu.
|
|
|
Detekce objektu ve videosekvencích
Šebela, Miroslav ; Beneš, Radek (oponent) ; Číka, Petr (vedoucí práce)
Práce se skládá ze tří hlavních částí. Teoretického popisu transformací a metod zpracování obrazu, optického rozpoznání znaků a návrhu řešení rozpoznání registračních značek automobilu v obraze nebo videu. V teoretické části je popsána vlastní reprezentace obrazu, transformace pro vylepšení obrazu a metody segmentace regionů v obraze a jsou zde navrženy dvě metody pro optické rozpoznání znaků. Praktická část se zabývá návrhem řešení a postupem pro rozpoznání RZ. Řešení se skládá z předzpracování obrazu, segmentace regionů, detekce objektu dle jeho vlastností a následného optického rozpoznání znaků. Pro řešení byly použity metody převodu do odstínu šedé, transformace vycházející z histogramu, prahování, určení oblastí spojených obrazových bodů, detekce regionu dle jeho vlastností, optického rozpoznání znaků a porovnání zjištěných hodnot s databází registračních značek pro účely správy vjezdu do objektu.
|
host ::
RSS.