|
|
Deep Learning for Image Stitching
Šilling, Petr ; Beran, Vítězslav (referee) ; Španěl, Michal (advisor)
Sešívání obrázků je klíčovou technikou pro rekonstrukci objemů biologických vzorků z překrývajících se snímků z elektronové mikroskopie (EM). Současné metody zpracování snímků z EM k sešívání zpravidla využívají ručně definované příznaky, produkované například technikou SIFT. Nedávný vývoj však ukazuje, že konvoluční neuronové sítě dokáží zlepšit přesnost sešívání tím, že se naučí diskriminativní příznaky přímo z trénovacích obrázků. S ohledem na potenciál konvolučních neuronových sítí tato práce navrhuje sešívací nástroj DEMIS, který staví na pozornostní síti LoFTR pro hledání shodných příznaků mezi páry obrázků. Dále práce navrhuje novou datovou sadu generovanou dělením obrázků z EM s vysokým rozlišením na pole překrývajících se dlaždic. Výsledná datová sada je použita pro dotrénování sítě LoFTR a k vyhodnocení nástroje DEMIS. Experimenty na dané datové sadě ukazují, že nástroj je schopen nalézt přesnější shody mezi příznaky než SIFT. Navazující experimenty na obrázcích s vysokým rozlišením a malými překryvy mezi dlaždicemi dále poukazují na výrazně vyšší robustnost oproti metodě SIFT. Dosažené výsledky celkově naznačují, že hluboké učení může vést k prospěšným změnám v oblasti EM, například k umožnění menších překryvů mezi snímanými obrázky.
|
|
|
Augmented Reality based on Planar Object and Local Image Features
Bárta, Milan ; Chrápek, David (referee) ; Beran, Vítězslav (advisor)
This bachelor's thesis deals with creating an augmented reality application which allows mapping of planar object and camera position localization with possibility of rendering additional information into the picture. Procedures used in image stitching process using local features are described in detail. These are the fundamental techniques for creating augmented reality applications. The thesis focuses on designing and implementation of such an application.
|
|
|
Deep Learning for Image Stitching
Držíková, Diana Maxima ; Vaško, Marek (referee) ; Španěl, Michal (advisor)
Zošívanie obrázkov nie je taký neznámy pojem ako sa na prvý pohľad môže zdať. Určite každý bežný používateľ technológií sa už zozámil s pojmom panoramatický obrázok. V pozadí na zariadení sa prekrývajúce sa obrázky zošívajú a tým vzniká vysoko kvalitný obrázok. Na to aby tento proces fungoval, existujúce algorimy musia spoľahlivo a presne detekovať zaujímavé body, podľa ktorých sa dokáže obrázok správne umiesniť. V tejto práci budú predstavené tradičné metódy na zošívanie obrázkov a taktiež aj metódy s pomocou hlbokých neurónových sietí. Hlavné dva modely, ktoré budú opísane a použíté sú implementácie SuperPoint a SuperGlue. Implementácia bude adaptovaná na párovací systém pre viac ako dva obrázky. Ostatné experimenty, ktoré boli vyskúšané a dopomohli k pochopeniu tejto problematiky budú opísane a vyhodnotené.
|
|
|
Merging of Images and Video Sequences
Krym, David ; Seeman, Michal (referee) ; Zemčík, Pavel (advisor)
This bachelor thesis deals with image and video sequence frames stitching when the camera undergoes a pure rotation. It involves design and implementation of application with focus on quality and performance. Modern techniques and algorithms are used, such as SURF, ORB, k-nearest neighbors and bundle adjustment. The application is able to create a panoramic images automatically without any assumptions about the scene or camera.
|
|
|
Stitching of Retinal Images
Hladyuk, Vadym ; Semerád, Lukáš (referee) ; Drahanský, Martin (advisor)
The purpose of this work is to create a complete picture of the retina, by stitching together a number of partial photos. Since there is no working solution which would be able to capture the entire retina in one picture, this is an important problem to cover. The results will be demonstrated at the end of the text. The problem of stitching partial pictures together was solved by extracting vessels in retinal images, finding key points in images, finding common key points, calculating a transformation matrix and transforming one image into another. After a consultation with an ophthalmologist I was able to define steps which will allow me to further improve the work, which are analyzed in texts. The thesis will provide the reader knowledge about the eye apparatus. It will also introduce field of color models, image formats, algorithms for searching for key points, the transformation of the images themselves and it will also provide a possible way to compose retinal images and also suggest possible improvements.
|
|
|
Panorama Automatically
Motáček, Vladimír ; Španěl, Michal (referee) ; Beran, Vítězslav (advisor)
This paper concerns automatic panoramic image mosaicing. Images can be taken in any direction and in any order. This work uses basic technics such as Harris corner detection, correlation of image patches for finding correspondences and computing homography using RANSAC. The images are mapped to the reference image plane.
|
|
|
Panoramic Photo Creation
Cacek, Pavel ; Čadík, Martin (referee) ; Behúň, Kamil (advisor)
This thesis deals with issues automatic composing panoramic photos from individual photos. Gradually examines the various steps of algorithms and methods used in them, which are used in creating panoramas. It also focuses on the design of the own system based on methods discussed to construct panoramas. This system is implemented using OpenCV library and it is created also a graphical interface using a Qt library. Finally, are in this thesis evaluated outcomes of this designed and implemented system on available datasets.
|
|
|
Automatic Construction of a Terrain Map by a Drone
Zaviačič, Tomáš ; Bambušek, Daniel (referee) ; Beran, Vítězslav (advisor)
The thesis describes a tool for the auto-creation of a map of an area mapped by a drone. The mapping is done by systematically taking aerial images of the Earth’s surface. The acquired images are then processed using the proposed methods discussed in this thesis. The first method is based on positional metadata in each image and the remaining two procedures perform image analysis using computer vision algorithms. These methods are implemented as a Python code utilizing the OpenCV library, Numpy and Exif. During the experiments, the proposed methods were applied to the custom datasets. The input to the tool is the images, which are processed using one of the proposed methods to produce the output map.
|
|
|
Birds Eye Panorama
Sobotka, Lukáš ; Pavelková, Alena (referee) ; Kolář, Martin (advisor)
The goal of this paper is to create panorama from the collection of photographies, which are taken from randomly moving device with OS Android. The device is placed on flying vehicle (a kite, a helium balloon, a drone etc.). The photographies are taken from birds eye view. The Android application was created and tested. This application creates a collection of photographies and then runs an algorithm to create panorama. This algorithm specifies descriptors using SURF, which are filtered by RANSAC algorithm for finding the optimal homography.This algorithm is perfomed iteratively over the collection. The image data is processed using the OpenCV library.
|
|
|
Deep Learning for Image Stitching
Šilling, Petr ; Beran, Vítězslav (referee) ; Španěl, Michal (advisor)
Sešívání obrázků je klíčovou technikou pro rekonstrukci objemů biologických vzorků z překrývajících se snímků z elektronové mikroskopie (EM). Současné metody zpracování snímků z EM k sešívání zpravidla využívají ručně definované příznaky, produkované například technikou SIFT. Nedávný vývoj však ukazuje, že konvoluční neuronové sítě dokáží zlepšit přesnost sešívání tím, že se naučí diskriminativní příznaky přímo z trénovacích obrázků. S ohledem na potenciál konvolučních neuronových sítí tato práce navrhuje sešívací nástroj DEMIS, který staví na pozornostní síti LoFTR pro hledání shodných příznaků mezi páry obrázků. Dále práce navrhuje novou datovou sadu generovanou dělením obrázků z EM s vysokým rozlišením na pole překrývajících se dlaždic. Výsledná datová sada je použita pro dotrénování sítě LoFTR a k vyhodnocení nástroje DEMIS. Experimenty na dané datové sadě ukazují, že nástroj je schopen nalézt přesnější shody mezi příznaky než SIFT. Navazující experimenty na obrázcích s vysokým rozlišením a malými překryvy mezi dlaždicemi dále poukazují na výrazně vyšší robustnost oproti metodě SIFT. Dosažené výsledky celkově naznačují, že hluboké učení může vést k prospěšným změnám v oblasti EM, například k umožnění menších překryvů mezi snímanými obrázky.
|
guest ::
