|
|
Vliv šumu na kompresi obrazu
Pavlík, Jiří ; Svoboda, Pavel (oponent) ; Bařina, David (vedoucí práce)
Tato práce zkoumá vliv různých druhů šumu na významné kompresní formáty. Jsou zkoumány tři druhy šumu, Gaussův šum, Gaussův šum s větší granularitou a fotonový šum. Dva starší ztrátové kompresní formáty JPEG a JPEG 2000 jsou porovnávány s novějším formátem WebP. Zkoumání vlivu šumu je založeno na výsledcích experimentů s obrázky, které jsou úmyslně zašuměny a poté komprimovány do zkoumaných formátů a následně jsou porovnány s výsledky pro originální nezašuměné obrázky. Vliv šumů na kompresní výkon formátů je vyhodnocen na základě hodnotící metriky kvality obrazu SSIM. Z výsledků experimentů se zdá být Gaussův šum s větší granularitou jako nejméně rušivý. Gaussův šum a fotonový šum snižují výslednou kvalitu obrazu podstatně více.
|
|
|
Syntéza textur
Havelka, Robert ; Štancl, Vít (oponent) ; Švub, Miroslav (vedoucí práce)
Práce čtenáři objasní význam texturování a obsahuje přehled základních postupů při syntetizování textur. Generování textur je popsáno především z pohledu procedurálních generátorů. Vysvětlen je význam použití Fourierovy transformace a její zjednodušené verze, diskrétní kosinové transformace. Při modifikacích textur je použit Gaussův šum a Gaussův filtr. Pro mísení textur je v práci použit konvoluční teorém. V rámci práce je také popsán návrh a implementace aplikace, která umožňuje experimentovat s vytvářením textur.
|
|
|
Detekce hran pomocí neuronové sítě
Jamborová, Soňa ; Grézl, František (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce se zabývá návrhem a implementací softwaru pro detekci hran v obraze pomocí neuronové sítě. Definuje nezbytné základní pojmy v této problematice. Zaměřuje se hlavně na přípravu obrazových informací pro detekci pomocí neuronové sítě. Popisuje a porovnává různé přístupy k využití implementovaného softwaru na syntetické a reálné množině obrázků, včetně experimentů.
|
|
|
Subjektivní hodnocení kvality videosekvencí
Krmela, Tomáš ; Fliegel, Karel (oponent) ; Polák, Ladislav (vedoucí práce)
Tato práce se zabývá porovnáním subjektivních metod hodnocení kvality videosekvencí. Data jsou získávána pomocí hardwareových a softwareových technik a jsou porovnávána. Nejdříve je popsán způsob komprese videosignálu. Hlavní část práce se zabývá různými metodami subjektivního hodnocení videosekvencí. Následně jsou výsledky získané různými subjektivnímy metodami vyhodnoceny a porovnány.
|
|
|
Realizace hranového detektoru s využitím vlnkové transformace
Pálka, Zbyněk ; Rášo, Ondřej (oponent) ; Růčka, Lukáš (vedoucí práce)
Tato práce se zabývá detekcí hran v obraze. V teoretické části práce jsou obsaženy běžně používané metody detekce hran, využívající první i druhou derivaci a jsou zde popsány hranové detektory obě zmíněné metody. Dále je zde popsána spojitá, diskrétní a dvourozměrná diskrétní vlnková transformace a princip odstranění šumu v obraze pomocí diskrétní vlnkové transformace. V další části jsou rozebrány dvě metody detekce hran s použitím vlnkové transformace a jejich možná realizace v programu Matlab. V praktické části práce je detailně popsán algoritmus programu na detekci hran s využitím vlnkové transformace a jsou zde popsány jednotlivé funkce programu. Hlavní náplní praktické části jsou vizuální výsledky vlnkového hranového detektoru a jejich porovnání s Cannyho, Prewittové a Sobelovým hranovým detektorem.
|
|
|
Odstraňování šumu v obraze pomocí metod hlubokého učení
Strejček, Jakub ; Jakubíček, Roman (oponent) ; Vičar, Tomáš (vedoucí práce)
Tato práce se zabývá srovnáním metod odstranění šumu pomocí hlubokého učení a jejich implementací. V posledních letech se ukázalo, že k trénování konvolučních neuronových sítí není nutně potřeba mít párová data, tedy zašuměné a bezšumové obrázky, ale pro některé aplikace stačí pro odstranění šumu pouze ty zašuměné. Metodami uvedenými v této práci lze účinně odstranit např. aditivní Gaussovský šum a lze dosáhnout lepších výsledků než užitím některých statistických metod, které se pro odstranění šumu aktuálně používají.
|
|
|
Segmentace obrazu pomocí neuronové sítě
Jamborová, Soňa ; Řezníček, Ivo (oponent) ; Žák, Pavel (vedoucí práce)
Tato práce se zabývá návrhem softwaru pro segmentaci obrazu pomocí neuronové sítě. Definuje nezbytné základní pojmy v této problematice. Zaměřuje se hlavně na přípravu obrazových informací pro segmentaci pomocí neuronové sítě. Popisuje a porovnává různé přístupy k segmentaci obrazu.
|
|
|
Odstraňování šumu v obraze pomocí metod hlubokého učení
Strejček, Jakub ; Jakubíček, Roman (oponent) ; Vičar, Tomáš (vedoucí práce)
Tato práce se zabývá srovnáním metod odstranění šumu pomocí hlubokého učení a jejich implementací. V posledních letech se ukázalo, že k trénování konvolučních neuronových sítí není nutně potřeba mít párová data, tedy zašuměné a bezšumové obrázky, ale pro některé aplikace stačí pro odstranění šumu pouze ty zašuměné. Metodami uvedenými v této práci lze účinně odstranit např. aditivní Gaussovský šum a lze dosáhnout lepších výsledků než užitím některých statistických metod, které se pro odstranění šumu aktuálně používají.
|
|
|
Vliv šumu na kompresi obrazu
Pavlík, Jiří ; Svoboda, Pavel (oponent) ; Bařina, David (vedoucí práce)
Tato práce zkoumá vliv různých druhů šumu na významné kompresní formáty. Jsou zkoumány tři druhy šumu, Gaussův šum, Gaussův šum s větší granularitou a fotonový šum. Dva starší ztrátové kompresní formáty JPEG a JPEG 2000 jsou porovnávány s novějším formátem WebP. Zkoumání vlivu šumu je založeno na výsledcích experimentů s obrázky, které jsou úmyslně zašuměny a poté komprimovány do zkoumaných formátů a následně jsou porovnány s výsledky pro originální nezašuměné obrázky. Vliv šumů na kompresní výkon formátů je vyhodnocen na základě hodnotící metriky kvality obrazu SSIM. Z výsledků experimentů se zdá být Gaussův šum s větší granularitou jako nejméně rušivý. Gaussův šum a fotonový šum snižují výslednou kvalitu obrazu podstatně více.
|
|
|
Syntéza textur
Havelka, Robert ; Štancl, Vít (oponent) ; Švub, Miroslav (vedoucí práce)
Práce čtenáři objasní význam texturování a obsahuje přehled základních postupů při syntetizování textur. Generování textur je popsáno především z pohledu procedurálních generátorů. Vysvětlen je význam použití Fourierovy transformace a její zjednodušené verze, diskrétní kosinové transformace. Při modifikacích textur je použit Gaussův šum a Gaussův filtr. Pro mísení textur je v práci použit konvoluční teorém. V rámci práce je také popsán návrh a implementace aplikace, která umožňuje experimentovat s vytvářením textur.
|
host ::
RSS.