|
|
Předzpracování snímků sítnice za účelem zlepšení diagnostiky glaukomu
Holásková, Anna ; Walek, Petr (oponent) ; Odstrčilík, Jan (vedoucí práce)
Předzpracování snímků sítnice je prvním stupněm k dalšímu zpracování retinálních snímků nebo prvním krokem k diagnostice řady očních onemocnění. Předzpracování představuje takové úpravy obrazu, které zlepší jeho vizuální stránku. Je to především odstranění šumu vznikajícího při akvizici dat, transformace kontrastu a jasu, detekce hran a prahování. V této práci se zabýváme základními metodami předzpracování obrazu a dále konkrétními metodami předzpracování snímků sítnice. Mezi tyto patří globální jasové korekce, filtry typu horní propust, homomorfní filtrace a adaptivní zvýraznění. Kromě těchto metod, které lze implementovat do programového prostředí, existují i techniky ruční, založené na zkušenostech lékaře. V této práci je proto zmíněn i postup pro ruční úpravu snímků sítnice za pomocí programu Adobe Photoshop. Z výše zmíněných metod byly vybrány tři, které byly podrobněji nastudovány a implementovány do programového prostředí MATLAB. Jedná se o homomorfní filtraci, CLAHE (Contrast Limited Adaptive Histogram Equalization) a adaptivní zvýraznění. K těmto metodám byly vytvořeny funkce a byly otestovány na dostupných obrazových datech. V závěru práce jsou diskutovány výsledky vybraných metod. Uveden je také návod k použití.
|
|
|
Snímání otisku prstu
Kubiš, Michal ; Dobeš,, Michal (oponent) ; Fedra, Petr (vedoucí práce)
Otisky prstů jsou nejstarší a nejpoužívanější metodou identifikace v biometrii. Kritickým krokem je spolehlivá extrakce markant z otisků prstů. Bohužel obrázky otisků nejsou vždy dokonale kvalitní, můžou být degradovány a poškozeny přirozenou variancí kůže a podmínkami snímání. Tudíž jsou nezbytné techniky vylepšovaní před extrakcí markant. Tato práce obsahuje implementaci tří technik vylepšování otisků, extrakci markant a konstrukci zařízení pro snímání otisků. Experimenty jsou provedeny se dvěma sadami otisků pro zhodnocení implementovaných technik.
|
|
|
Automatická detekce mikrokalcifikací v mamografických snímcích
Hývlová, Denisa ; Jakubíček, Roman (oponent) ; Harabiš, Vratislav (vedoucí práce)
Tato bakalářská práce se zabývá detekcí mikrokalcifikací v mamografických snímcích. V úvodu je rozebrána souvislost jejich přítomnosti se vznikem rakoviny prsu, princip mamografie a standard DICOM využívaný v radiologii. Následně jsou přiblíženy metody používané pro zvýraznění a segmentaci mikrokalcifikací. V prostředí MATLAB byl navržen algoritmus detekce založený na vlnkové transformaci, morfologickém uzavření a prahování. Pro zhodnocení výsledků detekce bylo vytvořeno grafické uživatelské rozhraní a algoritmus umožňující automatické vyhodnocení úspěšnosti detekce na databázi snímků s anotacemi.
|
|
|
Detection and Quality Improvement of Face Objects in Low-Quality Source Images
Šoltis, Richard ; Tinka, Jan (oponent) ; Drahanský, Martin (vedoucí práce)
The aim of this thesis was to construct an algorithm for the detection of human face from poor quality source images and subsequently improving the image of human face. The result of the work is an application with a graphical interface which detects human face objects from the input images and then improves these inherited faces from the point of quality and size. When creating the application, current techniques and algorithms such as neuron networks were used. They formed the basis for detection and image improvement, S3FD detection and last but not least the GAN network to improve the image. Part of the thesis is testing the individual parts of the application in predefined scenarios as well as testing a comprehensive run application.
|
|
|
Rozpoznávání obrazů pro ovládání robotické ruky
Labudová, Kristýna ; Jakubíček, Roman (oponent) ; Harabiš, Vratislav (vedoucí práce)
Tato práce se zabývá zpracováním snímků displeje embedded zařízení a jejich klasifikací. Je zde rozebrána problematika odstranění šumu moaré prostřednictvím filtrace ve spektru a normalizace obrazu pro další analýzu. Pro klasifikaci obrazů jsou využity detektory významných bodů a deskriptory. Hlavní důraz je kladen na detektory FAST a Harrisův detektor rohů a na deskriptory SURF, BRIEF a BRISK a jejich hodnocení z pohledu potenciálního přínosu pro tuto práci.
|
|
|
Image Super-Resolution Using Deep Learning
Bublavý, Martin ; Juránková, Markéta (oponent) ; Španěl, Michal (vedoucí práce)
The ability to identify and treat a variety of medical diseases is made possible by medical imaging, which is an essential component of contemporary healthcare. Yet, elements like noise and low resolution can have a negative impact on the quality of medical photographs. In this thesis, how to enhance the resolution and quality of medical images was investigated using MedSRGAN, a deep learning model built on generative adversarial networks (GANs). MedSRGAN was implemented and then applied to computed tomography (CT), one of the most utilized medical imaging methods.
|
|
|
Detection and Quality Improvement of Face Objects in Low-Quality Source Images
Šoltis, Richard ; Tinka, Jan (oponent) ; Drahanský, Martin (vedoucí práce)
The aim of this thesis was to construct an algorithm for the detection of human face from poor quality source images and subsequently improving the image of human face. The result of the work is an application with a graphical interface which detects human face objects from the input images and then improves these inherited faces from the point of quality and size. When creating the application, current techniques and algorithms such as neuron networks were used. They formed the basis for detection and image improvement, S3FD detection and last but not least the GAN network to improve the image. Part of the thesis is testing the individual parts of the application in predefined scenarios as well as testing a comprehensive run application.
|
|
|
Automatická detekce mikrokalcifikací v mamografických snímcích
Hývlová, Denisa ; Jakubíček, Roman (oponent) ; Harabiš, Vratislav (vedoucí práce)
Tato bakalářská práce se zabývá detekcí mikrokalcifikací v mamografických snímcích. V úvodu je rozebrána souvislost jejich přítomnosti se vznikem rakoviny prsu, princip mamografie a standard DICOM využívaný v radiologii. Následně jsou přiblíženy metody používané pro zvýraznění a segmentaci mikrokalcifikací. V prostředí MATLAB byl navržen algoritmus detekce založený na vlnkové transformaci, morfologickém uzavření a prahování. Pro zhodnocení výsledků detekce bylo vytvořeno grafické uživatelské rozhraní a algoritmus umožňující automatické vyhodnocení úspěšnosti detekce na databázi snímků s anotacemi.
|
|
|
Texture modeling applied to medical images
Remeš, Václav ; Haindl, Michal (vedoucí práce)
V práci jsou prezentovány nové deskriptivní mnoharozměrné markovské tex- turní modely aplikované na počítačem podporovanou diagnostiku rentgenových mamogramů. Tyto netriviální matematické modely, aplikovatelné též v široké oblasti modelování mnoharozměrných vzájemně korelovaných dat mimo mamo- grafii, umožňují, oproti standardním diskriminativním modelům, ideální vizuální ověření pomocí syntézy odpovídajících datových prostorů. Veškeré dosažené výsledky byly podrobeny rozsáhlým benchmarkům. Práce prezentuje dvě metody klasifikace hustoty prsní tkáně z rentgenových mamogramů. Obě metody byly testovány na databázích MIAS a INbreast s výsledky srovnatelnými s nejnovějšími špičkovými metodami. Dále je představeno několik metod pro zcela automatické zvýrazňování mamo- grafických textur. Tyto metody jsou založeny na deskriptivních texturních mod- elech vyvinutých v rámci této práce, které se automaticky adaptují na texturu analyzovaného rentgenového snímku, díky čemuž jsou univerzální pro libovolný druh textury bez potřeby ručního nastavování konkrétních parametrů. Výstupy metod zvýrazňují oblasti zájmu detekované jako texturní abnormality. Metody umožňují nastavit zvýraznění na...
|
|
|
Texture modeling applied to medical images
Remeš, Václav ; Haindl, Michal (vedoucí práce)
V práci jsou prezentovány nové deskriptivní mnoharozměrné markovské tex- turní modely aplikované na počítačem podporovanou diagnostiku rentgenových mamogramů. Tyto netriviální matematické modely, aplikovatelné též v široké oblasti modelování mnoharozměrných vzájemně korelovaných dat mimo mamo- grafii, umožňují, oproti standardním diskriminativním modelům, ideální vizuální ověření pomocí syntézy odpovídajících datových prostorů. Veškeré dosažené výsledky byly podrobeny rozsáhlým benchmarkům. Práce prezentuje dvě metody klasifikace hustoty prsní tkáně z rentgenových mamogramů. Obě metody byly testovány na databázích MIAS a INbreast s výsledky srovnatelnými s nejnovějšími špičkovými metodami. Dále je představeno několik metod pro zcela automatické zvýrazňování mamo- grafických textur. Tyto metody jsou založeny na deskriptivních texturních mod- elech vyvinutých v rámci této práce, které se automaticky adaptují na texturu analyzovaného rentgenového snímku, díky čemuž jsou univerzální pro libovolný druh textury bez potřeby ručního nastavování konkrétních parametrů. Výstupy metod zvýrazňují oblasti zájmu detekované jako texturní abnormality. Metody umožňují nastavit zvýraznění na...
|
host ::
RSS.