|
|
Stable distributions for feature extraction from speech signals
Mžourek, Z.
The aim of this paper is to introduce class of stable distributions as a potentional tool for statistical modelling of features extracted from speech signals. Alpha-stable distributions are generalization of the Gaussian distribution therefore they can be used in modeling of more variety of different problems. It is described why can stable distributions be useful in speech processing and potential useful applications are proposed for feature extractions and reduction.
|
|
|
Spojování obrazů podle tvaru hran
Gorgol, Martin ; Petyovský, Petr (oponent) ; Richter, Miloslav (vedoucí práce)
Tato diplomová práce se zabývá návrhem a realizací aplikace, která na základě vytvořené množiny dílků „puzzle“ složí dle tvaru jejich hran původní obraz. Tato aplikace je vytvořena pomocí programu Matlab. Práce také popisuje postup při samotném vytvoření databáze dílků z fotografie obrazu složeného puzzle. Blíže se pak zabývá problematikou nalezení charakteristických úseku dílků, jejich segmentací a vhodným popisem. Je zde rozebrán postup výběru typů příznaků a jejich extrakce. Na základě vhodně popsaných segmentovaných částí dílků je navržen a realizován algoritmus jejich porovnávání a sdružování do shluků. Pomocí navržené metody vizualizace je poté zobrazován výsledný obraz složeného puzzle.
|
|
|
Rozpoznávání obličejů v obraze
Hauser, Václav ; Přinosil, Jiří (oponent) ; Říha, Kamil (vedoucí práce)
Tato diplomová práce se zabývá problematikou detekce a rozpoznávání obličejů v obraze. Obsahem práce je popis využívaných metod detekce a rozpoznávání obličejů. Podrobněji je popsána metoda analýzy hlavních komponent (PCA), která je následně využita při implementaci rozpoznávání obličejů ve videosekvenci. Ve spojení s implementací je v práci popsán balíček knihoven OpenCV, který byl pro realizaci využit, konkrétně jeho C++ API. Závěrem je provedeno testování vzniklé aplikace na dvou rozdílných videosekvencích.
|
|
|
Zjišťování příznaků z obrazových dat
Uher, Václav ; Beneš, Radek (oponent) ; Burget, Radim (vedoucí práce)
Zpracování obrazu je jednou z oblastí analýzy signálů. Tato práce se zabývá zjišťováním příznaků z obrazových dat a jejich implementací pomocí programovacího jazyku Java. Hlavní přínos práce spočívá ve vytvoření extraktorů příznaků a jejich implementací do programu RapidMiner. Díky čemuž vznikl robustní nástroj pro analýzu obrazu. Funkčnost jednotlivých operátorů je ověřena na snímcích mamografu. Byl vytvořen funkční model pro odstraňování artefaktů ze snímků mamografu. Úspěšnost odstraňování je srovnatelná s ostatními podobnými pracemi. Dále byly srovnány učící se algoritmy na příkladu detekce srdeční komory na ultrazvukovém snímku.
|
|
|
Automatic Face Recognition in Real Environment
Kičina, Pavol ; Šmirg, Ondřej (oponent) ; Přinosil, Jiří (vedoucí práce)
This master‘s thesis describes the identification faces in real terms. It includes an overview of current methods of detection faces by the classifiers. It also includes various methods for detecting faces. The second part is a description of two programs designed to identify persons. The first program operates in real time under laboratory conditions, where using web camera acquires images of user's face. This program is designed to speed recognition of persons. The second program has been working on static images, in real terms. The main essence of this method is successful recognition of persons, therefore the emphasis on computational complexity. The programs I used a staged method of PCA, LDA and kernel PCA (KPCA). The first program only works with the PCA method, which has good results with respect to the success and speed of recognition. In the second program to compare methods, which passed the best method for KPCA.
|
|
|
Identifikace osob pomocí otisku hlasu
Mekyska, Jiří ; Atassi, Hicham (oponent) ; Smékal, Zdeněk (vedoucí práce)
Tato práce se zabývá textově závislým rozpoznáváním řečníků v systémech, kde existuje pouze omezené množství trénovacích vzorků. Pro účel rozpoznávání je navržen otisk hlasu založený na různých příznacích (např. MFCC, PLP, ACW atd.). Na začátku práce je zmíněn způsob vytváření řečového signálu. Některé charakteristiky řeči, důležité pro rozpoznávání řečníků, jsou rovněž zmíněny. Další část práce se zabývá analýzou řečového signálu. Je zde zmíněno předzpracování a také metody extrakce příznaků. Následující část popisuje proces rozpoznávání řečníků a zmiňuje způsoby ohodnocení používaných metod: identifikace a verifikace řečníků. Poslední teoreticky založená část práce se zabývá klasifikátory vhodnými pro textově závislé rozpoznávání. Jsou zmíněny klasifikátory založené na zlomkových vzdálenostech, dynamickém borcení časové osy, vyrovnávání rozptylu a vektorové kvantizaci. Tato práce pokračuje návrhem a realizací systému, který hodnotí všechny zmíněné klasifikátory pro otisk hlasu založený na různých příznacích.
|
|
|
Detekce logopedických vad v řeči
Pešek, Milan ; Smékal, Zdeněk (oponent) ; Atassi, Hicham (vedoucí práce)
Tato práce se zabývá návrhem a realizací softwarového nástroje pro detekci logopedických vad v řeči. Jelikož je třeba odhalit logopedické vady v řeči co nejdříve, je tento nástroj zaměřen na mluvčí dětského věku. Úvodem text popisuje teorii vytváření řeči, modelování vytváření řeči pro její číslicové zpracování, fonetiku, logopedii a základní logopedické vady v řeči. Dále jsou popsány použité metody pro extrakci příznaků, pro segmentaci slov na hlásky a pro klasifikaci příznaků do tříd vadné a správné výslovnosti. V závěru textu jsou uvedeny výsledky testování vybraných metod. K rozpoznání logopedických vad v řeči jsou použity algoritmy pro extrakci příznaků MFCC (Melovské kepstrální koeficienty) a PLP (Perceptivní lineární predikce). Segmentace slova na hlásky je provedena pomocí metody sledování rozdílnosti příznaků. Extrahované příznaky hlásky jsou klasifikovány do tříd vadné nebo správné výslovnosti jednou z testovaných metod rozpoznání vzoru. Pro klasifikaci příznaků jsou testovány metody k-NN (Algoritmus k-nejbližších sousedů), SVM (Algoritmy podpůrného učení), ANN (Umělé neuronové sítě) a GMM (Smíšené Gaussovy modely).
|
|
|
Wavelet Based Feature Extraction for Clustering of Be Stars
Bromová, P. ; Škoda, Petr ; Zendulka, J.
The goal of our work is to create a feature extraction method for classification of Be stars. Be stars are characterized by prominent emission lines in their spectrum. We focus on the automated classification of Be stars based on typical shapes of their emission lines. We aim to design a reduced, specific set of features characterizing and discriminating the shapes of Be lines. In this paper, we present a feature extraction method based on the wavelet transform and its power spectrum. Both the discrete and continuous wavelet transform are used. Different feature vectors are created and compared on clustering of Be stars spectra from the archive of the Astronomical Institute of the Academy of Sciences of the Czech Republic. The clustering is performed using the kmeans algorithm. The results of our method are promising and encouraging to more detailed analysis.
|
|
| |
|
| |
host ::
RSS.