|
Analýza scény založená na 2D obrazech
Hejtmánek, Martin ; Drahanský, Martin (oponent) ; Orság, Filip (vedoucí práce)
Tato práce se zabývá analýzou povrchu objektů v jednoduché scéně reprezentované dvourozměrným obrazem. Shrnuje běžně používané metody v tomto oboru informačních technologií a popisuje jejich výhody a nevýhody. Na základě získaných znalostí a zkušeností představuje vlastní návrh algoritmu pro analýzu povrchu objektů založený na světelné informaci. Obsahuje podrobný popis algoritmu implementovaného v rámci této práce a diskutuje výsledky provedených experimentů. Na základě zkušeností s implementovaným algoritmem navrhuje možné předpoklady pro jeho další vylepšení.
|
| |
|
GUI ke stavbě grafu filtrů pro FFmpeg
Klimaj, Daniel ; Klíma, Ondřej (oponent) ; Bařina, David (vedoucí práce)
Táto práca sa zaoberá implementáciou aplikácie s grafickým používateľským rozhraním pre tvorbu grafov filtrov v FFmpeg. Práca obsahuje návrh riešenia, ktorý obsahuje návrh grafického rozhrania a návrh objektového modelu reprezentácie grafov filtrov, a rovnako aj popis implementácie zhotovenej na základe týchto návrhov. Súčasťou práce je porovnanie dosiahnutého výsledku s existujúcimi riešeniami.
|
|
Image annotation using deep learning
Zarapina, Natalya ; Rajnoha, Martin (oponent) ; Burget, Radim (vedoucí práce)
This semester thesis describes the design and implementation of the client-server program for classification and localization of certain elements which are present in provided images. This program loads a set of images and use deep learning, especially deep convolution neural network perform a classification. First part describes the architecture, basic principles of operations in convolution network and chosen machine learning algorithms for classification. Second part contains a description of created program.
|
| |
|
Implementace vlnkové transformace v jazyku C++
Valouch, Lukáš ; Hasmanda, Martin (oponent) ; Beneš, Radek (vedoucí práce)
Cílem diplomové práce je implementace algoritmu vlnkové transformace pro následné využití při redukci šumu. Samotné potlačování šumu je zaměřeno k zlepšování vypovídající schopnosti sonografických (ultrazvukových) obrazů v medicíně. Využilo se u něj metody prahování detailních koeficientů jednotlivých úrovní mnohaměřítkové analýzy. Při hledání nejvhodnějších prahů se nevycházelo z žádného z běžných postupů pro odhad těchto hladin. Návrh alternativního pojetí vychází ze základního empirického přístupu, kdy jsou jednotlivé prahy optimalizovány za pomoci evolučních algoritmů. S tímto zalgoritmizováným postupem se však projevují problémy objektivního vyhodnocení úspěšnosti redukce šumu. Program za tímto účelem využívá obecně používaných parametrů: střední kvadratickou chybu celého obrazu, strmost jasových změn na zvolené hraně, relativní kontrast dvou dostatečně jasově rozdílných bodů a směrodatnou odchylku jednolité plochy. Popsané teoretické poznatky jsou využity v naprogramované aplikaci DTWT. Ta realizuje víceúrovňovou dekompozici a zpětnou rekonstrukci diskrétní vlnkovou transformací s diskrétním časem, prahování detailních koeficientů a výsledné ohodnocení provedeného potlačení šumu. Tento vyvinutý nástroj lze využít samostatně pro redukci šumu. Pro naše účely byl ale upraven tak, aby se spouštěl prostřednictvím komponenty pro evoluční optimalizaci parametrů (Optimize Parameters) v navrženém scénáři v programu RapidMiner. V optimalizačním procesu využívala tato komponenta jako fitness funk¬ci předané ohodnocení od programu DTWT. Nejvhodnější prahy byly separátně vyhledávány pro tři rodiny vlnek – Daubeschies, Symlety a Coiflety. Evoluční algoritmus vybral u všech tří rodin měkký práh. Ten je ve srovnání s tvrdým prahem pro potlačování šumu vhodnější, ale má tendenci více rozmazávat hrany. Navržená metoda vyhodnotila ve většině případů lepší úspěšnost redukce šumu u vlnkové transformace s vyhledáním prahů evolučními algoritmy, než u běžně používaných filtrů. Při vizuálním porovnání již ale vnášela vlnková transformace do obrazu mírné znehodnocující artefakty. Jedná se vždy o kompromis mezi největším potlačením šumu a zároveň největším zachováním užitečné obrazové informace. Vyhodnotit objektivně toto dilema není jednoduché a záleží vždy na subjektivním pohledu, v případě sonografických snímků pohledu ošetřujícího lékaře.
|
|
Využití metod tvarové analýzy pro klasifikaci objektů v medicínských obrazech
Karela, Jiří ; Odstrčilík, Jan (oponent) ; Chmelík, Jiří (vedoucí práce)
Tato bakalářská práce se zabývá problematikou tvarové analýzy. Popisuje některé postupy a metody, které s touto analýzou souvisí. Práce je rozdělena na teoretickou část, praktickou část a závěr. V teoretické části jsou popsané do většího detailu některé metody, s pomocí kterých poté byla řešena část praktická. Také je zde ale popsána i další teorie, která souvisí s tématem. V praktické části se poté navazuje na danou teorii a je řešen problém tvarové analýzy díky znalostem v teorii získaných. Algoritmus je otestován na medicínských datech z CT obratel. Závěr slouží jako shrnutí a zhodnocení řešení tvarové analýzy. Také slouží jako úvaha nad realizací naší metody, tedy jak by se mohlo naše řešení a výsledek zlepšit.
|
| |
|
Rozpoznání typu střelné zbraně v obraze
Čech, Ondřej ; Drahanský, Martin (oponent) ; Dvořák, Michal (vedoucí práce)
Cílem této práce je navrhnout, implementovat a otestovat metody pro klasifikaci typu zbraně v obraze do kategorií na krátké a dlouhé, a dále pak na jednoranové, víceranové, opakovací a samonabíjecí nebo samočinné. Tento problém byl řešen použitím SVM klasifikátoru spolu s Harrisovým rohovým detektorem, deskriptorem FREAK a metodou Bag of Words. Výsledný program dosahuje přesnosti 13,3 %.
|
|
Image watermarking in frequency domain
Štrbíková, Tatiana ; Rajmic, Pavel (oponent) ; Číka, Petr (vedoucí práce)
This thesis analyze digital watermarking. At first we can read about watermarking in generally. Secondarily, it considers about possibilities of watermarking, therefore about different ways of watermarking. Methods of digital watermarking we can divide into three main categories: spatial domain watermarking, frequency domain watermarking and spread spectrum watermarking. In detail there is described frequency domain watermarking. Two methods are compared. First method, which use DCT (Discrete cosine transformation) and second metohd, which use DWT (Discrete wavelet transformation). Finally we can found out, which method seems to be better.
|