Statistická analýza obrazu v kontrole jakosti
Statistical image analysis in quality control
dizertační práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/42013Identifikátory
SIS: 42393
Kolekce
- Kvalifikační práce [10691]
Autor
Vedoucí práce
Oponent práce
Dohnal, Gejza
Tunák, Maroš
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Pravděpodobnost a matematická statistika
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
17. 9. 2012
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Čeština
Známka
Prospěl/a
Název práce: Statistická analýza obrazu v kontrole jakosti Autor: David Legát Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: Prof. RNDr. Jaromír Antoch, CSc. Abstrakt: V současné době výraznou rychlostí narůstá potřeba zpracovávat nestrukturovaná data. Jednou z významných oblastí manipulace s nestrukturo- vanými daty je zpracování signálů jako je zvuk a obraz, pro které existuje velké množství postupů. Tato práce se zabývá statistickým přístupem ke zpracování obrazu, při kterém je obraz interpretován jako reprezentant náhodného pole. Jsou zde popsány dva problémy: odstranění šumu z obrazu, které napomáhá lepší interpretaci obrazu, a klasifikace obrazu, při které se snažíme identifikovat a rozpoznávat zobrazované objekty. Část práce zaměřená na odstranění šumu po- jednává především o využití simulačních metod MCMC. Tyto postupy je možné vyzkoušet v software, který je součástí práce. Část práce pojednávající o klasi- fikaci obrazu popisuje různé modifikace metody klasifikačních stromů. V závěru práce je uveden příklad zpracování obrazu, kde cílem je identifikace vad tkaných textílií. 1
Title: Statistical image analysis in quality control Author: David Legát Department: Department of probability and mathematical statistics Supervisor: Prof. RNDr. Jaromír Antoch, CSc. Abstract: Currently, necessity to handle unstructured data rises significantly. One important area of unstructured data manipulation is signal processing such as audio and video, for which there exist many procedures. This work deals with the statistical approach to image processing, in which the image is interpreted as a representative of a random field. It describes two problems: removing noise from an image which facilitates better interpretation of the image, and image classification, in which we try to identify and recognize objects displayed. Part of the work aimed at eliminating of noise deals primarily with the use of MCMC simulation methods. These procedures can be tested in software that is included. Part of the work dealing with the classification of the image describes various modifications of classification trees methods. An example of image processing, which is the identification of defects in woven fabrics, is presented at the end. 1