Rozprawa doktorska - Algorytmy komputerowej detekcji dużych obiektów w obrazach o wysokim poziomie szumu i niejednorodności

Temat rozprawy:

Algorytmy komputerowej detekcji dużych obiektów w obrazach o wysokim poziomie szumu i niejednorodności

Autor rozprawy:

dr inż. Rafał Petryniak

Dyscyplina naukowa:

Biocybernetyka i inżynieria biomedyczna

Jednostka prowadząca:

Akademia Górniczo-Hutnicza, Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

Promotor:

Prof. dr hab. inż. Leszek Wojnar - Politechnika Krakowska

Recenzenci:

  • Prof. dr hab. inż. Janusz Szala - Politechnika Śląska
  • Prof. zw. dr hab. inż. Ryszard Tadeusiewicz – Akademia Górniczo-Hutnicza

Ważne daty:

  • Otwarcie przewodu - 25 październik 2008,
  • Obrona - 1 marzec 2012 (oficjalna informacja na stronie AGH),
  • Decyzja Rady Wydziału EAIE AGH o przyznaniu stopnia: 27 marzec 2012.

Wersja elektroniczna rozprawy:

Streszczenie:

W prezentowanej pracy podjęto próbę przedstawienia możliwości, jakie dają metody komputerowej analizy obrazu w zakresie detekcji dużych obiektów.  Szczególną cechą, która była analizowana w największym stopniu, była niejednorodność tych obiektów, która znacznie utrudnia korzystanie ze znanych algorytmów przetwarzania obrazu i często wymusza konstruowanie dedykowanych metod detekcji rozwiązujących ściśle określone zadanie. Metody te mają wbudowaną wiedzę o analizowanym obiekcie od samego początku, i dodatkowo wymagają często ścisłej standaryzacji procesu akwizycji obrazu. W niniejszej pracy zaproponowano odejście od tego schematu, zalecając takie konstruowanie metod detekcji dużych obiektów, aby wiedzę o ich położeniu na obrazie i innych cechach je wyróżniających mógł przekazać użytkownik na wstępnym etapie konfiguracji programu.

W pracy zaproponowano 3 strategie określania dużych obiektów:

  1. model bazujący na krawędzi, którego zadaniem jest zmniejszenie liczby segmentów w ramach dużych obiektów;
  2. model bazujący na kształcie, który umożliwia lokalizację poszukiwanych obiektów na obrazie z wykorzystaniem wzorca kształtu przygotowanego przez użytkownika;
  3. model bazujący na znacznikach, który jest zalecany do interaktywnej segmentacji obrazu, podczas której użytkownik na bieżąco nadzoruje wyniki działania algorytmu.
Prezentacja z obrony: