|
|
Connection of algorithms for removal of influence of skin diseases on the process for fingerprint recognition
Heidari, Mona ; Derawi, Mohammad (referee) ; Gomez-Barrero, Marta (referee) ; Drahanský, Martin (advisor)
Tato práce se zaměřuje na datové struktury, zpracování obrazu a metody počítačového vidění pro detekci a rozpoznávání nemocí ve snímcích otisků prstů. Počet vyvinutých biometrických systémů a dokonce i používaných biometrických charakteristik se zvyšuje. Všeobecně platí, že otisk prstu jednotlivce je jedinečný a zůstává relativně neměnný po celý život. Struktura papilárních linií se však může měnit nemocemi a může být poškozena kožními chorobami. Vzhledem k tomu, že jsou systémy do značné míry závislé na struktuře papilárních linií jednotlivce, která pozitivně ovlivňuje jejich identitu, lidé trpící kožními nemocemi mohou být diskriminováni, protože jejich papilární linie mohou být narušeny. Vliv kožních onemocnění je důležitým, ale často opomíjeným faktorem v biometrických systémech založených na otiscích prstů. Jedinec trpící kožním onemocněním, které postihuje konečky prstů nemusí být schopen používat určité biometrické systémy. Shromáždění databáze otisků prstů, ovlivněných kožními nemocemi, je náročný úkol. Je nákladný a časově náročný, vyžaduje také pomoc lékařských odborníků a ochotné účastníky trpící různými kožními nemocemi na bříšcíeh prstů. Surová databáze otisků prstů s onemocnénímí byla nejprve analyzována, aby poskytla pevný základ pro budoucí výzkum. Pro každé konkrétní onemocnění jsou nalezeny společné znaky mezi všemi snímky otisků prstů postižených nemocí a je definován obecný popis každého onemocnění a jeho vlivů. Poté automaticky přiřadíme označení na základě kombinace známého stavu obrazu otisku prstu. Navrhované řešení je integrováno s různými algoritmy zaměřenými na knihovny pro zpracování obrazu a metody počítačového vidění pro detekci objektů. Je vyhodnoceno na poškozených souborech dat otisků prstů a popisuje současný stav implementace pomocí navržených technik. Současný stav techniky pro implementaci detekce onemocnění využívá analýzu textury a detekci prvků porovnáváním hodnot intenzity pixelů v malém okolí v obraze. Vzhledem ke složitosti jednotlivých vzorů nemocí vede kombinace algoritmů analýzy textury k lepším výsledkům detekce. Kombinace Gray Level Co-occurrence Matrix (GLCM), Local Binary Pattern (LBP), pole orientací a matematické morfologie může detekovat poškození v obrazech otisků prstů. Kombinace těchto funkcí umožňuje identifikovat změny v textuře a tvaru toku papilárních linií otisků prstů způsobené nemocemi. Tyto techniky zachycují různé aspekty textury a tvaru poškození v obrazech otisků prstů a vedou k identifikaci změn v textuře způsobených nemocemi. V průběhu detekčního procesu jsou použity matematické morfologické operace pro zlepšení strukturálních detailů tím, že odstraňují malé nesrovnalosti v obraze a zjednodušují tvar objektů, což usnadňuje jejich identifikaci a izolaci, rozšiřováním hranic objektů v obraze nebo vyplněním mezer a propojením rozlomených částí objektů. To vede k lepší detekci a rozpoznání objektů.Na konci procesu detekce je použita koherence, která ukazuje hodnocení kvality polí obrazu otisku prstu na tři typy: zdravý, poškozený a pozadí.
|
|
|
Controlling Computer Using Gestures
Lacko, Peter ; Herout, Adam (referee) ; Juránek, Roman (advisor)
This work deals with creation of system for controlling computer through webcam with gestures. Gesture in this work can be viewed as hand motion forming some pattern. In the beginning are described methods for hand detection, hand tracking and pattern recognition. Afterwards comes description of system and it's implementation with tests evaluation. Outcome of this work is program for simple control of document viewer and multimedia player.
|
|
|
Boosting and Evolution
Mrnuštík, Michal ; Juránek, Roman (referee) ; Hradiš, Michal (advisor)
This thesis introduces combination of the AdaBoost and the evolutionary algorithm. The evolutionary algorithm is used to find linear combination of Haar features. This linear combination creates the feature to train weak classifier for AdaBoost. There are described basics of classification, Haar features and the AdaBoost. Next there are basic information about evolutionary algorithms. Theoretical description of combination of the AdaBoost and the evolutionary algorithm is included too. Some implementation details are added too. Implementation is tested on the images as part of the system for face recognition. Results are compared with Haar features.
|
|
|
Car Licence Plate Detection and Recognition
Kovaříček, Roman ; Procházka, Boris (referee) ; Váňa, Jan (advisor)
This bachelor thesis deals with finding the license plates in the image and pattern recognition. Work describes short history of the state license plates. It deals with also the current state license plates and their problems. It analyzes the process of image segmentation and follow evaluation of selected areas. A part of the work is design and implementation of algorithms that solve candidate search areas or characters. The final step is the recognition of individual characters and display the user with details of the result.
|
|
|
Object Detection in Images
Vaľko, Tomáš ; Motlíček, Petr (referee) ; Švub, Miroslav (advisor)
Object detection in images is quite popular topic for years. What stands for it are a lot of works from this area of computer science. This thesis is about object classification, specifically human faces, which are one of the most interesting objects for processing. For classification we use neural networks, learned on face database. We study what influence has size of face database and preprocessing of digital image on neural network learning. This project implements simple face detector and localizator. It summarizes more and less successful results and indicates possible ways of system development in the future.
|
|
|
Machine learning for analysis of MR images of brain
Král, Jakub ; Říha, Ivo (referee) ; Provazník, Ivo (advisor)
The thesis is focused on methods of machine learning used for recognising the first stage of schizophrenia in images from nuclear-magnetic resonance. The introduction of this paper is focused primarily on physical principles. Further in this work, the attention is given to registration methods, reduction of data set and machine learning. In the classification part, simmilarity rates, support vectors´ method, K-nearest neighbour classification and K-means are described. The last stage of theoretical part is focused on evaluation of the clasification. In practical part the results of reduction data set by methods PCA, CRLS-PCA and subjects PCA are described. Furthermore, the practical part is focused on pattern recognition by methods K-NN, K-means and test K-NN method on real data. Abnormalities which are recognised by some classification methods can distinguish patients with schizophrenia from healthy controls.
|
|
|
Handwritten Character Recognition Using Artificial Neural Networks
Smejkal, Vojtěch ; Fapšo, Michal (referee) ; Plchot, Oldřich (advisor)
Thesis deals with handwritten block letters and digits recognition using artificial neural networks. Text segmentation algorithms, feature extraction methods and backpropagation learning are explained. There are also described performed experiments with variety of configurations on datasets. Application with graphical user interface and interactive mouse-written text recognition was created to train new neural networks and test their effectivity.
|
|
|
Application of AdaBoost
Wrhel, Vladimír ; Šilhavá, Jana (referee) ; Hradiš, Michal (advisor)
Basics of classification and pattern recognitions will be mentioned in this work. We will focus mainly on AdaBoost algorithm, which serves to create a strong classifier function by some weak classifiers. We shall get acquainted with some modifications of AdaBoost. These modifications improve some of AdaBoost attributes. We shall also look into weak classifiers and features applicable to them. We shall especially look into the Haar- likes features. We shall discus possibilities of using the mentioned algorithms and features in facial expression recognition. We shall describe the situation between facial expression databases. We shall draw out a possible implementation of application of facial expression recognition.
|
|
|
Pattern Recognition in Image Using Classifiers
Juránek, Roman ; Španěl, Michal (referee) ; Herout, Adam (advisor)
An AdaBoost algorithm for construction of strong classifier from several weak hypotesis will be presented in this work. Theoretical background of the algorithm and the method of construction of strong classifiers will be explained. WaldBoost extension to the algorithm will be described. The thesis deals with image features that are often used as element of weak classifiers. Brief introduction to pattern recognition in context of computer vision will be outlined in the begining of the work. Also some widely used methods of classifier training will be presented. An object detection library based on AdaBoost classifiers was developed as part of the work. The library was used in implementation of software that in praktice demonstrates object detection in videosquences. Last part of the work describes tool for training of AdaBoost classifiers.
|
|
|
Detection of Elliott Waves Using Neural Networks
Grega, Martin ; Vašíček, Zdeněk (referee) ; Minařík, Miloš (advisor)
This thesis deals with application of artificial neural networks for detection of Elliott waves in static time-series. It is focused mainly on use of simple committee machine consisting of multilayer perceptrons trained by resillient propagation algorithm. Thesis contains design and implementation of application for detection of impulsive waves on input signal.
|
guest ::
