|
|
Statistická analýza obrazu v kontrole jakosti
Legát, David
Název práce: Statistická analýza obrazu v kontrole jakosti Autor: David Legát Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: Prof. RNDr. Jaromír Antoch, CSc. Abstrakt: V současné době výraznou rychlostí narůstá potřeba zpracovávat nestrukturovaná data. Jednou z významných oblastí manipulace s nestrukturo- vanými daty je zpracování signálů jako je zvuk a obraz, pro které existuje velké množství postupů. Tato práce se zabývá statistickým přístupem ke zpracování obrazu, při kterém je obraz interpretován jako reprezentant náhodného pole. Jsou zde popsány dva problémy: odstranění šumu z obrazu, které napomáhá lepší interpretaci obrazu, a klasifikace obrazu, při které se snažíme identifikovat a rozpoznávat zobrazované objekty. Část práce zaměřená na odstranění šumu po- jednává především o využití simulačních metod MCMC. Tyto postupy je možné vyzkoušet v software, který je součástí práce. Část práce pojednávající o klasi- fikaci obrazu popisuje různé modifikace metody klasifikačních stromů. V závěru práce je uveden příklad zpracování obrazu, kde cílem je identifikace vad tkaných textílií. 1
|
|
|
Využití umělých neuronových sítí v klasifikaci land cover
Oubrechtová, Veronika ; Štych, Přemysl (vedoucí práce) ; Kupková, Lucie (oponent)
Využití umělých neuronových sítí v klasifikaci land cover Abstrakt Předmětem této práce je klasifikace družicových snímků vysokého prostorového rozlišení, které jsou využity k detekci land cover. První část práce podává informace o využívaných metodách během procesu klasifikace s důrazem na umělé neuronové sítě. Ty jsou v praktické části práce zpracovány pro klasifikaci družicového snímku SPOT 5. Čtenář tak získá přehled o možnostech využití umělých neuronových sítí při klasifikaci land cover. Klíčová slova: dálkový průzkum Země, klasifikace obrazu, umělé neuronové sítě, SPOT
|
|
|
Klasifikace obrazů s pomocí hlubokého učení
Hřebíček, Zdeněk ; Přinosil, Jiří (oponent) ; Mašek, Jan (vedoucí práce)
Práce se zabývá detekcí objektů v obraze a jejich klasifikací do tříd. Klasifikace je zajištěna modely prostředí pro hlubokého učení BVLC/Caffe; Detekci objektů zajišťují algoritmy AlpacaDB/selectivesearch a belltailjp/selective_search_py. Jedním z výsledků této práce je úprava a využití modelu hluboké konvoluční neuronové sítě AlexNet v prostředí BVLC/Caffe. Model byl natrénován s přesností 51,75% pro klasifikaci do 1 000 tříd, následně byl upraven a natrénován pro klasifikaci do 20 tříd s přesnotí 75.50%. Přínosem práce je implementace grafického rozhraní pro detekci a klasifikaci objektů do tříd, jež je implementováno jako aplikace na bázi webového serveru v jazyce Python. Aplikace integruje výše zmíněné algoritmy detekce objektů s klasifikací pomocí BVLC/Caffe. Výslednou aplikaci lze použít jak pro detekci (a klasifikaci) objektů, tak pro rychlé ověření klasifikačních modelů prostředí BVLC/Caffe. Tato aplikace byla pro možnost rozšíření a dlašího využití zveřejněna na serveru GitHub pod licencí Apache 2.0.
|
|
|
Vyhledávání lesů v obraze
Kyjovský, Marek ; Španěl, Michal (oponent) ; Šilhavá, Jana (vedoucí práce)
Tato bakalářská práce se zabývá studiem metod a postupů, které se používají pro vyhledávání lesů v leteckých a družicových snímcích. Práce shrnuje a popisuje metody digitálního zpracování obrazu. Dále je práce zaměřena na implementaci demonstrační aplikace, která tyto postupy využívá. Zabývá se návrhem této aplikace a popisuje její implementaci. Nakonec práce hodnotí úspěšnost výstupů z této aplikace.
|
|
|
Metodika řešení masivních úloh v GIS
Opatřilová, Irena ; Hanzl, Vlastimil (oponent) ; Cajthaml,, Jiří (oponent) ; Řezník,, Tomáš (oponent) ; Bartoněk, Dalibor (vedoucí práce)
Disertační práce se zabývá problematikou řešení masivních úloh v GIS. Tyto úlohy zpracovávají geografická data velkých objemů a různých formátů. Práce popisuje teoretický rozbor složitosti úloh a možnosti optimalizace dílčích procesů, které vedou k přijatelnému řešení. Zamýšlí se nad možností využití paralelismu v GIS, čímž lze zrychlit zpracování velkého objemu geodat. Navrhuje také způsob optimalizace procesů prostřednictvím algoritmu, který stanoví počet nutných prostředků k úspěšnému vyřešení úlohy v zadaném čase a k přiřazení procesů těmto prostředkům. Dále je zde navržen algoritmus pro optimalizaci při přípravě dat rozsáhlých GIS projektů. Algoritmy byly ověřeny v rámci výzkumného projektu, jehož cílem byla analýza povrchů terénu nad plynovody na území ČR vyjma dvou krajů. Hlavní metodou analýzy byla klasifikace obrazu ortofota, která byla dále zpřesněná filtrací z vrstev ZABAGED. Proto se práce zabývá i možnostmi zpřesnění výsledků klasifikace obrazu s využitím nástrojů GIS a stanovením chybovosti výsledků analýzy. Výstupy analýzy jsou nyní využívány pro strategické plánování údržby a rozvoje plynárenských zařízení v ČR. Výsledky práce mají obecný význam pro řešení stejné třídy úloh v GIS.
|
|
|
Segmentační metody ve zpracování biomedicínských obrazů
Mikulka, Jan ; Přibil, Jiří (oponent) ; Dostál, Otto (oponent) ; Gescheidtová, Eva (vedoucí práce)
Disertační práce pojednává o moderních metodách a přístupech ke zpracování obrazů, konkrétně k jejich segmentaci, klasifikaci a vyhodnocování parametrů. Jedná se především o zpracování medicínských snímků měkkých tkání pořízených metodou magnetické rezonance (MR) a dále mikroskopických obrazů tkání. Ze segmentovaných obrazů lze jednoduše popsat hranice hledaných objektů. Tyto nalezené hranice mohou sloužit k dalšímu zpracování jako výpočet obvodů, obsahů, povrchů, objemů nebo dokonce k trojrozměrné rekonstrukci zobrazovaného objektu. Popsaná navržená řešení lze použít pro klasifikaci zdravých či postižených tkání snímaných metodami MR či jinými. V disertační práci jsou uvedeny příklady aplikací, ve kterých byly navržené segmentační metody použity. V oblasti segmentace obrazů se práce zaměřuje na metody založené na řešení parciálních diferenciálních rovnic. Jedná se o moderní přístupy zpracování obrazů, zvané též aktivní kontury. Tento přístup ke zpracování obrazů je velmi výhodný u segmentace reálného obrazu, který je zatížený šumem, má neostré hrany a přechody mezi objekty. Výsledkem disertační práce jsou navržené metody pro automatickou segmentaci obrazů a klasifikaci objektů.
|
|
|
Použití strukturální metody pro rozpoznávání objektů
Valsa, Vít ; Heriban, Pavel (oponent) ; Šťastný, Jiří (vedoucí práce)
Tato diplomová práce se zabývá možností využití strukturálních metod pro rozpoznávání objektů v obraze. Nejprve jsou popsány způsoby pro přípravu obrazu před samotným zpracováním. Vlastní jádro celé práce spočívá v kapitole 3, kde je podrobně rozebrán problém tvorby deformačních gramatik pro syntaktickou analýzu a jejich použití. Dále je věnován prostor syntaktickému analyzátoru interpretujícího deformační gramatiku. Závěr práce je zaměřen na testování navržených metod a jejich výsledky.
|
|
|
Analýza speklí pro segmentaci obrazů z optické koherentní tomografie
Gallo, Vladimír ; Kolář, Radim (oponent) ; Štohanzlová, Petra (vedoucí práce)
tejto práci sa nachádza základný popis princípu optickej koherentnej tomografie, prehľad jej aplikácií a základné rozdelenie týchto systémov. Ďalej sa práca zaoberá charakterom obrazov optickej koherentnej tomografie, pre ktoré je typický šum zvaný spekle. V práci je uvedený princíp vzniku tohto šumu a využitie jeho závislosti na mikroštruktúre zobrazovaných tkanív pomocou textúrnej analýzy pre účely klasifikácie. Praktická časť tejto diplomovej práce pozostáva z prípravy fantómov, namerania testovacej sady dát na systéme OCT, implementovania metódy analýzy speklov v MATLABe a otestovania funkčnosti implementovaných algoritmov na štandardnom texturálnom datasete a tiež na nameraných fantómových obrazových dátach. Metódy analýzy sú použité pre segmentáciu fantómových obrazových dát.
|
|
|
Pokročilé metody segmentace cévního řečiště na fotografiích sítnice
Svoboda, Ondřej ; Jan, Jiří (oponent) ; Odstrčilík, Jan (vedoucí práce)
Segmentace cévního řečiště je častým krokem při zpracování retinálních obrazů. V dnešní době existuje řada automatických metod segmentace cévního řečiště. Tyto metody jsou založeny na mnoha přístupech. Od přizpůsobené filtrace, přes metody využívající rozpoznávání vzorů, až po algoritmy využívající klasifikace obrazu. Použití automatických metod při zpracování retinálních snímků výrazně urychluje a zjednodušuje diagnostiku retinálních onemocnění. Při zpracování automatickými segmentačními algoritmy je jednou ze stěžejních částí prahování obrazu, a právě prahování fundus snímků se věnuje tato práce. Je zde popsána řada prací využívajících globální a lokální prahovací metody, a zejména metody klasifikace obrazu pro segmentaci cévního řečiště ze snímků sítnice. Následně byla na výsledky dvou metod segmentace cévního řečiště použita metoda klasifikace obrazu s učením. Z dosažených výsledků byla posléze stanovena schopnost daných metod segmentovat cévní řečiště. Použitím klasifikace obrazu namísto globálního prahování došlo u první metody na zdravé části databáze k poklesu sensitivity na 63,32 % a přesnosti na 94,99 %. Naopak u specificity byl zaznamenán nárůst na 95,75 %. U druhé metody bylo dosaženo sensitivity 69,24 %, specificity 98,86 % a přesnosti 95,29 %. Kombinací výsledků obou metod bylo dosaženo sensitivity 72,48 %, specificity 98,59 % a výsledné přesnosti 95,75 %. Tímto nebyl s použitím daného klasifikátoru potvrzen předpoklad, že klasifikace obrazu s učením je oproti prostému prahování efektivnější. Zároveň bylo však prokázáno, že rozšíření příznakového vektoru kombinací výsledků z obou metod došlo k nárůstu sensitivity, specificity i přesnosti.
|
|
|
Zpracování RTG snímků při výzkumu čelistních onemocnění
Kabrda, Miroslav ; Šmirg, Ondřej (oponent) ; Mikulka, Jan (vedoucí práce)
Předmětem této diplomové práce je návrh metody pro automatizované vyhodnocení parametrů rentgenových obrazů cystických onemocnění lidských čelistí. Hlavním problémem při lékařské diagnostice je nízká opakovatelnost způsobená subjektivním ohodnocením snímků bez použití nástroje pro zpracování obrazu. V diplomové práci jsou popsány základní kroky zpracování obrazu, jednotlivé metody segmentace obrazu a zvolená metoda segmentace live-wire. Databáze obrazů byla zpracována v Java prostředí ImageJ. V cystických oblastech byly vyhodnoceny jejich základní statistické a tvarové vlastnosti. Získané hodnoty byly použity pro učení klasifikačního modelu (rozhodovací strom) v prostředí RapidMiner. Tento model byl využit pro vytvoření zásuvného modulu pro automatickou klasifikaci typu cysty v programu ImageJ.
|
host ::
RSS.