Algorytmy komputerowej detekcji dużych obiektów w obrazach o wysokim poziomie szumu i niejednorodności
Link do zdalnego zasobu
Dostęp z terminali w BG AGH
Data publikacji
Data publikacji (copyright)
Data prezentacji
Data obrony
Data nadania stopnia
Autorzy (rel.)
Inny tytuł
Typ zasobu:
rozprawa doktorska, pełny tekstWersja
Sygnatura:
R.10445Nr normy / patentu
Szczegóły wydania / pracy
Redaktorzy (rel.)
Promotorzy (rel.)
Recenzenci (rel.)
Projekt
Tytuł:Dyscyplina
Słowa kluczowe
przetwarzanie obrazów - techniki cyfrowe - podręczniki akademickie, rozpoznawanie obrazów (informatyka), inżynieria biomedyczna, analiza obrazu komputerowa, wizja komputerowa, segmentacja obrazu, detekcja obiektówDyscyplina (2011-2018)
Specjalność
Klasyfikacja MKP
Abstrakt
The purpose of this work is to present the possibilities of applying computer image analysis methods to large objects detection. The heterogeneity of these objects was the most important feature under analysis. This feature makes the detection much more difficult, especially for well-known image processing algorithms, and as a result dedicated applications are often prepared to solve very specific tasks. These dedicated methods have a built-in knowledge about the analyzed object and often require strictly standardized image acquisition process. In this work alternative methods were prepared for large objects detection, based on initial program configuration by the user by providing information on object location on images and other specific features. The paper presents three strategies for the large objects detection: (1) edge based model, which reduces the number of segments within large objects; (2) model based on a shape that enables the localization of the object using the shape pattern prepared by the user; (3) model based on markers, which is recommended for interactive image segmentation, where the user monitors results of the algorithm in a real time.
W prezentowanej pracy podjęto próbę przedstawienia możliwości, jakie dają metody komputerowej analizy obrazu w zakresie detekcji dużych obiektów. Szczególną cechą, która była analizowana w największym stopniu, była niejednorodność tych obiektów, która znacznie utrudnia korzystanie ze znanych algorytmów przetwarzania obrazu i często wymusza konstruowanie dedykowanych metod detekcji rozwiązujących ściśle określone zadanie. Metody te mają wbudowaną wiedzę o analizowanym obiekcie od samego początku, i dodatkowo wymagają często ścisłej standaryzacji procesu akwizycji obrazu. W niniejszej pracy zaproponowano odejście od tego schematu, zalecając takie konstruowanie metod detekcji dużych obiektów, aby wiedzę o ich położeniu na obrazie i innych cechach je wyróżniających mógł przekazać użytkownik na wstępnym etapie konfiguracji programu. W pracy zaproponowano 3 strategie określania dużych obiektów: (1) model bazujący na krawędzi, którego zadaniem jest zmniejszenie liczby segmentów w ramach dużych obiektów; (2) model bazujący na kształcie, który umożliwia lokalizację poszukiwanych obiektów na obrazie z wykorzystaniem wzorca kształtu przygotowanego przez użytkownika; (3) model bazujący na znacznikach, który jest zalecany do interaktywnej segmentacji obrazu, podczas której użytkownik na bieżąco nadzoruje wyniki działania algorytmu.