|
|
Snímač chromatičnosti osvětlení
Rejthar, Martin ; Boušek, Jaroslav (oponent) ; Šteffan, Pavel (vedoucí práce)
Práce je zaměřena na problematiku a analýzu kolorimetrie, jakožto vědy zkoumající vlastnosti světelného záření. Rešerše probíhá s cílem zjištění možných metod kvalitativního měření a porovnání vlastností světla. V části věnující se teorii měření barev jsou probrány základní fyzikální principy týkající se dané problematiky. Zkoumány jsou přesahy a možné aplikace těchto teoretických znalostí při realizaci přenosného měřiče. Dále je v práci rozvedena úvaha nad konstrukcí a požadavky na takové měřicí zařízení a nad zpracováním výsledků získaných měřením. Zařízení je posléze zkonstruováno a jsou na něm provedena základní měření.
|
|
|
Rozpoznávání výrazu tváře
Vránová, Markéta ; Odstrčilík, Jan (oponent) ; Mézl, Martin (vedoucí práce)
Tato práce se zabývá automatickým rozpoznáním výrazů tváře v barevných obrazech. Nejprve jsou podle barvy kůže detekovány obličeje v obrazech. Detekce využívá barevných prostorů RGB, HSV a YCbCr. Následuje automatický ořez oblasti obličeje provedený rozměřením okrajů obličeje podle pozic základních rysů (oči, nos a ústa). Z oblasti obličeje je pomocí banky filtrů získán vektor příznaků. Práce uvádí dvě různé realizace Gaborových filtrů a je doplněna o návrh vlastní banky filtrů. Získaný vektor příznaků vstupuje do neuronové sítě, která obraz klasifikuje. Neuronová síť byla naučena na množině obrazů z AR databáze určené pro rozpoznávání výrazů. Výstupem je přiřazení výrazu obličeje v obraze k některému z předem určených výrazů. Práce uvádí testování parametrů neuronových sítí a dále prezentuje a diskutuje dosažené výsledky.
|
|
|
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.
|
|
|
Snímač chromatičnosti osvětlení
Rejthar, Martin ; Boušek, Jaroslav (oponent) ; Šteffan, Pavel (vedoucí práce)
Práce je zaměřena na problematiku a analýzu kolorimetrie, jakožto vědy zkoumající vlastnosti světelného záření. Rešerše probíhá s cílem zjištění možných metod kvalitativního měření a porovnání vlastností světla. V části věnující se teorii měření barev jsou probrány základní fyzikální principy týkající se dané problematiky. Zkoumány jsou přesahy a možné aplikace těchto teoretických znalostí při realizaci přenosného měřiče. Dále je v práci rozvedena úvaha nad konstrukcí a požadavky na takové měřicí zařízení a nad zpracováním výsledků získaných měřením. Zařízení je posléze zkonstruováno a jsou na něm provedena základní měření.
|
|
|
Rozpoznávání výrazu tváře
Vránová, Markéta ; Odstrčilík, Jan (oponent) ; Mézl, Martin (vedoucí práce)
Tato práce se zabývá automatickým rozpoznáním výrazů tváře v barevných obrazech. Nejprve jsou podle barvy kůže detekovány obličeje v obrazech. Detekce využívá barevných prostorů RGB, HSV a YCbCr. Následuje automatický ořez oblasti obličeje provedený rozměřením okrajů obličeje podle pozic základních rysů (oči, nos a ústa). Z oblasti obličeje je pomocí banky filtrů získán vektor příznaků. Práce uvádí dvě různé realizace Gaborových filtrů a je doplněna o návrh vlastní banky filtrů. Získaný vektor příznaků vstupuje do neuronové sítě, která obraz klasifikuje. Neuronová síť byla naučena na množině obrazů z AR databáze určené pro rozpoznávání výrazů. Výstupem je přiřazení výrazu obličeje v obraze k některému z předem určených výrazů. Práce uvádí testování parametrů neuronových sítí a dále prezentuje a diskutuje dosažené výsledky.
|
|
|
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.
|
host ::
RSS.