| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


11 - 20 / 52
Na začetekNa prejšnjo stran123456Na naslednjo stranNa konec
11.
POPRAVLJANJE BARV NA SLIKAH S POMOČJO BARVNEGA KALIBRATORJA IN ALGORITMOV BARVNE VZTRAJNOSTI
Štefan Črešnar, 2016, diplomsko delo

Opis: V diplomskem delu opisujemo in preverjamo postopke barvne vztrajnosti za popravljanje barv na digitalnih slikah s pomočjo barvnega kalibratorja in algoritma povprečne sivine. Na slikah naš algoritem samodejno prepozna barvni kalibrator. Tega uporabimo za prilagajanje barv z minimalno kvadratno napako in za izračun uspešnosti. Pri algoritmu povprečne sivine s kalibratorjem samo preverjamo uspešnost. Izvedli smo poskuse z dvema naboroma slik. Enega smo izbrali iz spletnih baz, drugi sklop smo posneli sami v laboratorijskem okolju. Slikali smo s standardnim digitalnim fotoaparatom na dva načina: enkrat skozi polprosojno ogledalo, ki ima prepustnost od 60 do 65 %, in enkrat neposredno. Sceno smo osvetljevali z različnimi svetlobnimi viri: dnevno svetlobo, studijskim reflektorjem, reflektorjem z žarilno nitko in zeleno svetlečo diodo. Analizo barvne vztrajnosti smo opravili v linearnem barvnem prostoru RGB. Poskusi so pokazali, da imata oba testirana algoritma podobno uspešnost. Prilagajanje s kalibratorjem se sicer v splošnem obnese nekoliko bolje, algoritem povprečne sivine pa je prepričljivo boljši na slikah, ki smo jih posneli v laboratorijskem okolju. A le na slikah, ki so posnete brez ogledala. Zadnji poskus na slikah, ki so posnete skozi polprosojno ogledalo, pa pokaže, da je na tem naboru slik algoritem za prilagajanje barv s kalibratorjem učinkovitejši.
Ključne besede: barvni kalibrator, digitalna obdelava slik, popravljanje barv, algoritem barvne vztrajnosti, algoritem za nastavitev beline
Objavljeno: 21.09.2016; Ogledov: 601; Prenosov: 70
.pdf Celotno besedilo (3,18 MB)

12.
Uporaba obdelave slik in metod strojnega učenja pri oceni kalivosti semen paradižnika (Lycopersicon lycopersicum L.)
Uroš Škrubej, 2016, doktorsko delo/naloga

Opis: V nalogi je predstavljen sistem računalniškega vida, ki temelji na obdelavi slike in metodah strojnega učenja, in je namenjen avtomatski oceni kalivosti semen paradižnika (Lycopersicon lycopersicum L.). Celoten sistem je bil zgrajen z uporabo odprtokodnih aplikacij ImageJ, Weke in njunih javnih javanskih razredov ter povezan s pomočjo namensko razvite programske kode. V raziskavi nismo uporabljali komercialne programske opreme. S pomočjo osmih algoritmov strojnega učenja; to so naivni Bayesov klasifikator (NBC), k-najbližjih sosedov (k-NN), odločitvena drevesa, metoda podpornih vektorjev (SVM), umetna nevronska mreža, bagging, boosting in naključni gozdovi, smo izgradili klasifikacijske modele in jih medsebojno primerjali na vzorcu 700 kalečih semen. Najboljšo povprečno klasifikacijsko točnost 95,743 % s standardnim odklonom 2,56 ob desetkrat ponovljenem desetkratnem prečnem preverjanju je dosegel model umetne nevronske mreže (večplastni perceptron). Izboljšan t-test (resampled t-test) s stopnjo zaupanja 0,05 je pokazal, da se rezultat statistično značilno razlikuje od preostalih testiranih modelov klasifikatorjev. Sledili so model SVM (94,114 % ± 2,60), bagging (94,071 % ± 2,84), naključni gozdovi (93,743 % ± 2,93), k-NN (93,714 % ± 2,42), odločitvena drevesa (93,586 % ± 2,72) in model boosting (93,443 % ± 3,01), vendar razlike med njimi niso statistično značilne. Najnižjo povprečno klasifikacijsko točnost je dosegel model NBC (87,929 % ± 4,09), katerega razlika je bila statistično značilna. Ker je model umetne nevronske mreže dosegel najboljše rezultate tudi pri preciznosti, priklicu, F-meri in ploščini pod krivuljo ROC, smo ga uporabili za izgradnjo prototipa, namenjenega klasifikaciji semen paradižnika, kalečih v petrijevkah (90 x 98 x 18mm). Prototip je pravilno klasificiral več kot 95 % kalečih semen.
Ključne besede: obdelava slik, strojno učenje, nevronske mreže, semena, paradižnik
Objavljeno: 21.06.2016; Ogledov: 2316; Prenosov: 136
.pdf Celotno besedilo (5,47 MB)

13.
REALNOČASOVNA METODA SLEDENJA OBRAZA V DIGITALNEM ZAPOREDJU SLIK NA PODLAGI INFORMACIJ O BARVI KOŽE IN PRIMERJAVA Z METODO VIOLA-JONES
Mitja Frangež, 2016, diplomsko delo

Opis: V diplomskem delu smo se ukvarjali z realnočasovno metodo sledenja obraza v digitalnem zaporedju slik na podlagi barve kože. Predstavili smo obstoječe metode za lokaliziranje obrazov. Izdelali in preizkusili smo metodo, ki v realnem času poišče obrazno regijo in ji sledi skozi zaporedje slik. V metodi najprej podvzorčimo slike, s čimer zmanjšamo časovno zahtevnost metode, sledi iskanje področja, kjer je prišlo do spremembe na slikah iz zaporedja. Zatem poiščemo potencialne obrazne regije, jih dodatno obdelamo, označimo in prikažemo. Delovanje metode smo preverili z 20 testnimi skupinami slik, ki smo jih zajeli med eksperimentom. Natančnost zaznavanja smo primerjali z metodo Viola-Jones. Eksperimentalni rezultati so pokazali, da je naš algoritem glede na metrike, ki smo jih uporabili, uspešen. Naša metoda je za obdelavo ene slike potrebovala v povprečju 37,72 ms, medtem ko je za obdelavo ene slike metoda Viola-Jones potrebovala 79,81 ms. Dobljeni rezultati so se pokazali kot zelo obetavni. Z izboljšavami bi lahko bila naša metoda uporabna tudi v realnih situacijah.
Ključne besede: digitalna obdelava slik, zaporedje slik, zaznava obrazov, sledenje obrazu, barva kože, algoritem Viola-Jones
Objavljeno: 07.04.2016; Ogledov: 1024; Prenosov: 86
.pdf Celotno besedilo (3,27 MB)

14.
PREPOZNAVANJE TER LOKALIZIRANJE HIŠNIH TABLIC S POMOČJO TEHNIK DIGITALNE OBDELAVE SLIK NA MOBILNI NAPRAVI SYMBIAN
Boštjan Bratuša, 2014, diplomsko delo

Opis: Z mobilnim telefonom fotografiramo hisno tablico, OCR prebere znake, nato lokacijo prikazemo na zemljevidu mobilnega telefona.
Ključne besede: prepoznavanje in lokaliziranje, hišna tablica, digitalna obdelava slik, mobilni telefon, J2ME, OpenCV
Objavljeno: 21.10.2015; Ogledov: 604; Prenosov: 54
.pdf Celotno besedilo (3,96 MB)

15.
Nadzor kakovosti pšeničnih zrn z naprednimi postopki računalniške obdelave slik in razpoznavanja vzorcev
Blaž Krpan, 2015, magistrsko delo

Opis: Pšenica je ena izmed najbolj priljubljenih žitaric v prehrambni industriji, zato je nadzor kakovosti pšenice ključnega pomena. V okviru magistrske naloge smo pokazali, da je mogoče proces nadzora kakovosti pšenice avtomatizirati in izboljšati v primerjavi z današnjim pristopom. Reševanja problema smo se lotili z računalniško analizo digitalnih slik in spektralnih odzivov zrn ter uporabo algoritmov strojnega učenja. Posebno pozornost smo posvetili združevanju obeh tipov podatkov. Prišli smo do zaključka, da lahko z natančnostjo 90 % ali več razvrstimo zrna zdrave pšenice in ostalih 8 razredov, ki predstavljajo poškodovana zrna in druga žita. Za potrditev rezultatov in izboljšanje robustnosti algoritma predlagamo še dodatne eksperimente.
Ključne besede: nadzor kakovosti, pšenica, strojno učenje, razvrščanje, obdelava slik
Objavljeno: 15.10.2015; Ogledov: 748; Prenosov: 50
.pdf Celotno besedilo (2,78 MB)

16.
AVTOMATSKO PREPOZNAVANJE NOSU IZ DIGITALNIH POSNETKOV S POSTOPKI RAČUNALNIŠKEGA VIDA
Jadran Kotnik, 2015, diplomsko delo

Opis: V tem diplomskem delu se ukvarjamo z avtomatskim razpoznavanjem nosu in njegovo segmentacijo v digitalnih posnetkih. Rezultat našega dela je algoritem, ki vrača natančen obris nosu. Za razpoznavanje obrobe nosu smo uporabili modele, za iskanje konice nosu in nosnic pa smo uporabili iskanje svetlejših oziroma temnejših področij. Uspešnost našega algoritma smo nato preverili na zbirki 50 slik. Ugotovili smo, da je razpoznavanje obrobe nosu v večini slik dobro, razen v izjemnih primerih, kjer razpoznamo napačni del slike. Če uporabimo za prepoznavanje nosu modele, potem je bila Hausdorffova razdalja v povprečju enaka 3,221 mm s standardnim odklonom 2,320 mm, t.i. povprečna Hausdorffova razdalja pa je bila v povprečju 1,080 mm s standardnim odklonom 0,696 mm. Algoritem na izhodu oblikuje maske prepoznanih komponent nosu, katere lahko uporabimo v naprednejših aplikacijah.
Ključne besede: računalniški vid, prepoznavanje nosu, razpoznavanje vzorcev, digitalna obdelava slik
Objavljeno: 15.10.2015; Ogledov: 1235; Prenosov: 80
.pdf Celotno besedilo (1,99 MB)

17.
SAMOLETALNIK ZA OPRAVLJANJE KONSTRUKCIJE DIGITALNEGA MODELA POVRŠJA, TEMELJEČE NA ZAJETIH FOTOGRAFIJAH
Jernej Kranjec, 2015, magistrsko delo

Opis: Cilj magistrske naloge je pridobitev primernih zračnih fotografij za namen opravljanja konstrukcije digitalnega modela površja. Poudarek je na uporabi prostodostopnih potrošniških naprav, ki jih lahko sami razširimo za opravljanje želene funkcije. Magistrsko delo sestavlja več zaključenih enot. V prvi preverjamo primernost uporabe in možnost modifikacije kompaktnih potrošniških fotoaparatov za zajem zračnih posnetkov visoke ločljivosti. V drugi pripravljamo izvedbo samoletalnika za opravljanje poletov s pripravljeno fotografsko opremo, ki je preko preko vgrajenih računalniških in elektronskih sistemov zmožen avtonomnega leta. V tretji opravimo in ocenimo konstrukcijo digitalnega modela površja iz zajetih zračnih posnetkov.
Ključne besede: samoletalnik, obdelava signalov, vizualizacija podatkov, obdelava slik, digitalni model površja
Objavljeno: 14.10.2015; Ogledov: 914; Prenosov: 152
.pdf Celotno besedilo (29,32 MB)

18.
19.
20.
IZDELAVA RAČUNALNIŠKEGA ORODJA ZA ZLIVANJE ASTRONOMSKIH DIGITALNIH SLIK
Jure Kocbek, 2014, diplomsko delo

Opis: Pri daljšem zajemanju slik z digitalnimi zrcalnorefleksnimi fotoaparati pogosto naletimo na težavo pregrevanja tipala fotoaparata, ki se izraža kot šum in druge nepravilnosti v digitalni sliki. Rešitev je zajem več slik, ki se zaporedno zajemajo manj časa, nato pa se zlijejo v eno skupno sliko. V tem diplomskem delu smo se ukvarjali s poravnavo in združevanjem (zlivanjem) več digitalnih astronomskih slik. Za združevanje slik smo uporabili postopek valčne transformacije ali metodo svetlejšega piksla, postopek poravnave digitalnih slik pa smo izvedli z oglišči, detektiranimi s Harrisovim detektorjem, in homografijo, ocenjeno z metodo RANSAC. Rezultat diplomskega dela je programsko orodje za zlivanje astronomskih digitalnih slik – AstrophotoTool, v katerega smo integrirali preučene algoritme za zlivanje in poravnavo slik. Za validiranje rezultatov smo uporabili lastno slikovno gradivo, ki smo ga zajeli na treh različnih lokacijah. Dobljene rezultate smo primerjali še z rezultati štirih uveljavljenih programskih orodij. Na osnovi analize rezultatov smo ugotovili, da z razvitim orodjem AstrophotoTool dobimo povsem primerne in pričakovane kvalitativne rezultate. V okviru tega diplomskega dela smo dobljene rezultate tudi kvantitativno ovrednotili. Iz slik, dobljenih po zlivanju, smo določili povprečno razmerje SNR in standardni odklon razmerij SNR, izračunanih v oknih velikosti 7x7 pikslov. Ugotovili smo, da se izračunana razmerja SNR za našo aplikacijo AstrophotoTool ujemajo z izračuni primerjanih aplikacij. S tem smo eksperimentalno potrdili pravilnost delovanja naše aplikacije AstrophotoTool.
Ključne besede: digitalna obdelava slik, zlivanje slik, valčna transformacija, slikovna poravnava, zvezdne sledi, razmerje signal–šum
Objavljeno: 30.10.2014; Ogledov: 1489; Prenosov: 90
.pdf Celotno besedilo (2,81 MB)

Iskanje izvedeno v 0.18 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici