|
Advanced Moment-Based Methods for Image Analysis
Höschl, Cyril ; Flusser, Jan (vedoucí práce) ; Papakostas, George (oponent) ; Jiřík, Radovan (oponent)
Tato disertace rozvíjí pokročilé metody analýzy obrazu založené na obrazových momentech. Zaměřujeme se především na návrh rychlých algoritmů pro počítání momentů v 2D i 3D a vytvoření nových příznaků, které jsou tolerantní ke Gaussovskému rozmazání, resp. zašumění obrazu. Práce se skládá z úvodu do problematiky a čtyř článků. První článek poskytuje přehledovou studii o metodách obdélníkové dekompozice binárních obrázků v 2D; rozklady mj. urychlují počítání momentů. Součástí studie jsou i implemetnace algoritmů vč. optimálního, který existuje v 2D v polynomiální složitosti a je prakticky dosažitelný. Druhý článek se soustředí na dekompozici 3D binárních objektů do kvádrů. Na rozdíl od 2D je v 3D otázka optimálního rozkladu NP-úplný problém a není známo, že by existoval efektivní způsob jeho řešení. V článku navrhujeme nový sub-optimální algoritmus, který pracuje v polynomiálním čase a na experimentální databázi ukazujeme, že dává statisticky významně lepší výsledky, než nejlepší známé heuristiky. Další dva články se soustřeďují na příznaky invariantní ke Gaussovskému rozmazání a zašumění obrazu. Třetí článek představuje invarianty založené na projekčních operátorech ve Fourierově doméně, což zvyšuje především jejich rozlišovací schopnost. Poslední článek představuje robustní příznaky histogramu obrázku....
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce) ; Drbohlav, Ondřej (oponent) ; Geusebroek, Jan-Mark (oponent)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
Advanced Moment-Based Methods for Image Analysis
Höschl, Cyril ; Flusser, Jan (vedoucí práce) ; Papakostas, George (oponent) ; Jiřík, Radovan (oponent)
Tato disertace rozvíjí pokročilé metody analýzy obrazu založené na obrazových momentech. Zaměřujeme se především na návrh rychlých algoritmů pro počítání momentů v 2D i 3D a vytvoření nových příznaků, které jsou tolerantní ke Gaussovskému rozmazání, resp. zašumění obrazu. Práce se skládá z úvodu do problematiky a čtyř článků. První článek poskytuje přehledovou studii o metodách obdélníkové dekompozice binárních obrázků v 2D; rozklady mj. urychlují počítání momentů. Součástí studie jsou i implemetnace algoritmů vč. optimálního, který existuje v 2D v polynomiální složitosti a je prakticky dosažitelný. Druhý článek se soustředí na dekompozici 3D binárních objektů do kvádrů. Na rozdíl od 2D je v 3D otázka optimálního rozkladu NP-úplný problém a není známo, že by existoval efektivní způsob jeho řešení. V článku navrhujeme nový sub-optimální algoritmus, který pracuje v polynomiálním čase a na experimentální databázi ukazujeme, že dává statisticky významně lepší výsledky, než nejlepší známé heuristiky. Další dva články se soustřeďují na příznaky invariantní ke Gaussovskému rozmazání a zašumění obrazu. Třetí článek představuje invarianty založené na projekčních operátorech ve Fourierově doméně, což zvyšuje především jejich rozlišovací schopnost. Poslední článek představuje robustní příznaky histogramu obrázku....
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|
|
Query by Pictorial Example
Vácha, Pavel ; Haindl, Michal (vedoucí práce) ; Drbohlav, Ondřej (oponent) ; Geusebroek, Jan-Mark (oponent)
Rostoucí množství digitálních fotografií vyžaduje nové metody třídění, organizace a vy- hledávání. Toto je úkolem CBIR systémů, což jsou databázové systémy specializované na prohledávání rozsáhlých obrazových databází. Uživatel typicky zadá vstupní obrázek nebo sérii obrázků a úkolem CBIR systému je nalézt v databázi obrázky co nejvíce po- dobné. V ideálním případě by nalezené obrázky neměli záviset podmínkách, ve kterých byly pořízeny. Bohužel vzhled mnoha objektů a přírodních materiálů velmi závisí na světelných podmínkách a úhlu pohledu. Tato práce se zaměřuje na reprezentaci a vyhledávání homogenních obrazů (textur) a odolnost této reprezentace vůči změnám osvětlení a otočení textury. Navrhujeme nové světelně invariantní texturní příznaky, která jsou založené na Markovovském modelování prostorových vztahů v textuře. Textura je modelována kauzálním autoregresním mode- lem (CAR) nebo Gaussovsko-Markovovským modelem náhodného pole (GMRF), které umožňují velmi efektivní odhad svých parametrů, bez použití časově náročné Monte Carlo minimalizace. Odhadnuté parametry jsou následně transformovány do světelných invari- antů, které reprezentují texturu. Odvodili jsme, že tato...
|