Show simple item record

Image Segmentation
dc.creatorMikeš, Stanislav
dc.date.accessioned2021-05-19T12:40:05Z
dc.date.available2021-05-19T12:40:05Z
dc.date.issued2010
dc.identifier.urihttp://hdl.handle.net/20.500.11956/31678
dc.description.abstractImage segmentation is a fundamental part in low level computer vision processing. It has an essential influence on the subsequent higher level visual scene interpretation for a wide range of applications. Unsupervised image segmentation is an ill-defined problem and thus cannot be optimally solved in general. Several novel unsupervised multispectral image segmentation methods based on the underlaying random field texture models (GMRF, 2D/3D CAR) were developed. These segmenters use efficient data representations that allow an analytical solutions and thus the segmentation algorithm is much faster in comparison to methods based on MCMC. All segmenters were extensively compared with the alternative state- of-the-art segmenters with very good results. The MW3AR segmenter scored as one of the best available. The cluster validation problem was solved by a modified EM algorithm. Two multiple resolution segmenters were designed as a combination of a set of single segmenters. To tackle a realistic variable lighting in images, the illumination invariant features were derived and the illumination invariant segmenter was developed. For the proper evaluation of segmentation results and ranking of algorithms, a unique web-based texture segmentation benchmark was proposed and implemented. It was used for comprehensive...en_US
dc.description.abstractSegmentace obrazu je základní částí zpracování obrazu na nízké úrovni počítačového vidění. To má zásadní vliv na další analýzu vizuální scény na vyšších úrovních pro širokou škálu aplikací. Neřízená segmentace obrazu má charakter špatně definovaného problému, a proto nemůže být optimálně řešena v obecném případě. Bylo vyvinuto několik nových neřízených multispektrálních metod segmentace ob- razu založených na texturních modelech náhodných polí (GMRF, 2D/3D CAR). Tyto segmentační metody používají efektivní reprezentace dat, které umožňují analytické řešení, a proto je algoritmus mnohem rychlejší ve srovnání s metodami založenými na MCMC. Výsledky segmentačních metod byly porovnávány s alternativními " state-of- the-art" algoritmy s velmi dobrými výsledky. Metoda MW3AR se umístila mezi nej- lepšími dostupnými metodami. Problém validace shluků byl řešen pomocí upraveného EM algoritmu. Metody segmentace ve více rozlišeních byly vytvořeny jako kombinace několika jednoduchých metod (používajících jedno rozlišení). Pro vypořádání se s problémem proměnného osvětlení v reálných scénách byly odvozeny iluminačně inva- riantní příznaky a implementována iluminačně invariantní...cs_CZ
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectimage segmentationen_US
dc.subjecttextureen_US
dc.subjectbenchmarken_US
dc.subjectsegmentace obrazucs_CZ
dc.subjecttexturacs_CZ
dc.subjectbenchmarkcs_CZ
dc.titleImage Segmentationen_US
dc.typerigorózní prácecs_CZ
dcterms.created2010
dcterms.dateAccepted2010-11-23
dc.description.departmentDepartment of Software Engineeringen_US
dc.description.departmentKatedra softwarového inženýrstvícs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId96468
dc.title.translatedImage Segmentationcs_CZ
dc.identifier.aleph001390106
thesis.degree.nameRNDr.
thesis.degree.levelrigorózní řízenícs_CZ
thesis.degree.disciplineSoftware systemsen_US
thesis.degree.disciplineSoftwarové systémycs_CZ
thesis.degree.programInformaticsen_US
thesis.degree.programInformatikacs_CZ
uk.thesis.typerigorózní prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra softwarového inženýrstvícs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Software Engineeringen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csSoftwarové systémycs_CZ
uk.degree-discipline.enSoftware systemsen_US
uk.degree-program.csInformatikacs_CZ
uk.degree-program.enInformaticsen_US
thesis.grade.csUznánocs_CZ
thesis.grade.enRecognizeden_US
uk.abstract.csSegmentace obrazu je základní částí zpracování obrazu na nízké úrovni počítačového vidění. To má zásadní vliv na další analýzu vizuální scény na vyšších úrovních pro širokou škálu aplikací. Neřízená segmentace obrazu má charakter špatně definovaného problému, a proto nemůže být optimálně řešena v obecném případě. Bylo vyvinuto několik nových neřízených multispektrálních metod segmentace ob- razu založených na texturních modelech náhodných polí (GMRF, 2D/3D CAR). Tyto segmentační metody používají efektivní reprezentace dat, které umožňují analytické řešení, a proto je algoritmus mnohem rychlejší ve srovnání s metodami založenými na MCMC. Výsledky segmentačních metod byly porovnávány s alternativními " state-of- the-art" algoritmy s velmi dobrými výsledky. Metoda MW3AR se umístila mezi nej- lepšími dostupnými metodami. Problém validace shluků byl řešen pomocí upraveného EM algoritmu. Metody segmentace ve více rozlišeních byly vytvořeny jako kombinace několika jednoduchých metod (používajících jedno rozlišení). Pro vypořádání se s problémem proměnného osvětlení v reálných scénách byly odvozeny iluminačně inva- riantní příznaky a implementována iluminačně invariantní...cs_CZ
uk.abstract.enImage segmentation is a fundamental part in low level computer vision processing. It has an essential influence on the subsequent higher level visual scene interpretation for a wide range of applications. Unsupervised image segmentation is an ill-defined problem and thus cannot be optimally solved in general. Several novel unsupervised multispectral image segmentation methods based on the underlaying random field texture models (GMRF, 2D/3D CAR) were developed. These segmenters use efficient data representations that allow an analytical solutions and thus the segmentation algorithm is much faster in comparison to methods based on MCMC. All segmenters were extensively compared with the alternative state- of-the-art segmenters with very good results. The MW3AR segmenter scored as one of the best available. The cluster validation problem was solved by a modified EM algorithm. Two multiple resolution segmenters were designed as a combination of a set of single segmenters. To tackle a realistic variable lighting in images, the illumination invariant features were derived and the illumination invariant segmenter was developed. For the proper evaluation of segmentation results and ranking of algorithms, a unique web-based texture segmentation benchmark was proposed and implemented. It was used for comprehensive...en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra softwarového inženýrstvícs_CZ
thesis.grade.codeU
uk.publication-placePrahacs_CZ
uk.thesis.defenceStatusU
dc.identifier.lisID990013901060106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV