Zjišťování příznaků z obrazových dat
Feature extraction from image data
Abstract
Zpracování obrazu je jednou z oblastí analýzy signálů. Tato práce se zabývá zjišťováním příznaků z obrazových dat a jejich implementací pomocí programovacího jazyku Java. Hlavní přínos práce spočívá ve vytvoření extraktorů příznaků a jejich implementací do programu RapidMiner. Díky čemuž vznikl robustní nástroj pro analýzu obrazu. Funkčnost jednotlivých operátorů je ověřena na snímcích mamografu. Byl vytvořen funkční model pro odstraňování artefaktů ze snímků mamografu. Úspěšnost odstraňování je srovnatelná s ostatními podobnými pracemi. Dále byly srovnány učící se algoritmy na příkladu detekce srdeční komory na ultrazvukovém snímku. Image processing is one area of signal analysis. This thesis is involved in feature extraction from image data and its implementation using Java programming language. The main contribution of this thesis lies in develop features extractors and their implementation in the program RapidMiner. The result is a robust tool for image analysis. The functionality of each operator is tested on mammogram images. A function model was developed for the removal of artifacts from the mammography images. The success rate of removal is comparable with other similar works. Furthermore, learning algorithms were compared on example detection of ventricle in ultrasound image.
Keywords
Zjišťování příznaků, dolování dat, RapidMiner, ImageJ, zpracování obrazu, Java, ultrazvuk, mamograf, Feature extraction, data mining, RapidMiner, ImageJ, image processing, Java, ultrasound, mammogramLanguage
čeština (Czech)Study brunch
Telekomunikační a informační technikaComposition of Committee
prof. Ing. Zdeněk Smékal, CSc. (předseda) Ing. Robert Vích, DrSc. (místopředseda) doc. Ing. Otto Dostál, CSc. (člen) Ing. Jaromír Hrad, Ph.D. (člen) Ing. Jan Karásek, Ph.D. (člen) Ing. Hicham Atassi, Ph.D. (člen) Ing. Peter Stančík (člen)Date of defence
2011-06-08Process of defence
Vysvětlete význam různých odstínů barev v obrázcích 3.4, 3.5. - Student dostatečně vysvětlil význam různých odstínů barev. Na str. 35 píšete, že preciznost určování bílých bodů je nízká. Vysvětlujete si to nízkým zastoupení těchto bodů při trénování. Nebylo by možné tomuto předejít nastavením vyšší pravděpodobnosti výběru takových bodů vstupujících do procesu trénování? - V práci byl již využit maximální počet bodů. Co znamená BDIP a BVLC (uvedeno v prezentaci)? K čemu se systém konkrétně využívá? - Segmentace obrazu zaznamenaného metodou CT.Result of the defence
práce byla úspěšně obhájenaPersistent identifier
http://hdl.handle.net/11012/6208Source
UHER, V. Zjišťování příznaků z obrazových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2011.Collections
- 2011 [551]