Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Filip Jurczyk

Badania zmienności cech tekstury obrazów w zależności od parametrów obszarów zainteresowania


Research related to variability of image texture features related to region of interest parameters


Opiekun pracy dyplomowej: dr inż. Marcin Kociołek
Praca dyplomowa magisterska obroniona 2019-10-31
Streszczenie pracy dyplomowej:
Cechy tekstury mają duże znaczenie w analizie obrazów, w szczególności w klasyfikacji obrazów. Ich wartości zależą od przyjętej metody normalizacji i ilości bitów kodujących jasność. Zakłócenia obrazu powodują pogorszenie wyników analizy bazującej na cechach tekstury. Najpopularniejszym rodzajem zakłócenia w obrazie są szum i niejednorodność jasności tła. Celem tej pracy było zbadanie wpływu odporności cech tekstury na szum oraz niejednorodność tła dla różnych metod normalizacji obrazu oraz ilości poziomów kodujących jasność. Cel pracy został osiągnięty. W ramach wykonywania niniejszej pracy przeprowadzono następujące zadania. Wygenerowano wektory cech dla 12 obrazów testowych. Analizę przeprowadzono na obrazach nie zniekształconych oraz dla 9 zakłóceń. W badaniach testowano odporność 302 cech dla kombinacji 3 rodzajów normalizacji i liczby bitów kodujących jasność w zakresie 3-8. Do określenia odporności cech na zakłócenia wykorzystano współczynnik korelacji Pearsona. Słowa kluczowe: Analiza Tekstur, Przetwarzanie Obrazów, Normalizacja.
Abstract:
Texture features are very important in image analysis, in particular in image classification. Their values depend on the normalization method used and the number of brightness coding bits. Image noise causes a deterioration of the results of the analysis based on texture features. The most common type of noise in the picture is noise and the heterogeneity of the background brightness. The purpose of this work was to investigate the effect of texture resistance on noise and background heterogeneity for various image normalization methods and the number of levels coding brightness. The goal of the work has been achieved. As part of this work, the following tasks were carried out. Feature vectors were generated for 12 test images. The analysis was performed on non-distorted images and for 9 disturbances. The research tested the resistance of 302 features for a combination of 3 types of normalization and the number of bits encoding brightness in the range of 3-8. Pearson's correlation coefficient was used to determine the resistance of features to interference. Keywords: Texture Analisys, Image Processing, Normalization.