Počet záznamů: 1  

Analýza multispektrálních snímků s využitím umělých neuronových sítí

  1. Údaje o názvuAnalýza multispektrálních snímků s využitím umělých neuronových sítí [rukopis] / Ondřej Vaculík
    Další variantní názvyAnalýza multispektrálních snímků s využitím umělých neuronových sítí
    Osobní jméno Vaculík, Ondřej, (autor diplomové práce nebo disertace)
    Překl.názMultispectral image analysis using artificial neural networks
    Vyd.údaje2020
    Fyz.popis48 : grafy, schémata + 1 DVD
    PoznámkaOponent František Petráš
    Ved. práce Zdeněk Řehoř
    Dal.odpovědnost Petráš, František (oponent)
    Řehoř, Zdeněk, 1970- (vedoucí diplomové práce nebo disertace)
    Dal.odpovědnost Univerzita Palackého. Katedra optiky (udelovatel akademické hodnosti)
    Klíč.slova CCD * multispektrální snímání * segmentace obrazu * autoencoder * shlukování * neuronová síť * strojové učení * dálkový průzkum * CCD * multispectral imaging * image segmentation * autoencoder * clustering * neural network * machine learning * remote sensing
    Forma, žánr diplomové práce master's theses
    MDT (043)378.2
    Země vyd.Česko
    Jazyk dok.angličtina
    Druh dok.PUBLIKAČNÍ ČINNOST
    TitulMgr.
    Studijní programNavazující
    Studijní programFyzika
    Studijní oborOptika a optoelektronika
    kniha

    kniha

    Kvalifikační práceStaženoVelikostdatum zpřístupnění
    00233112-673834295.pdf7610.2 MB05.06.2020
    PosudekTyp posudku
    00233112-ved-918837199.pdfPosudek vedoucího
    00233112-ved-273558924.pdfPosudek vedoucího
    00233112-opon-316015547.pdfPosudek oponenta
    Průběh obhajobydatum zadánídatum odevzdánídatum obhajobypřidělená hodnocenítyp hodnocení
    00233112-prubeh-472407747.pdf01.03.201805.06.202023.06.20201Hodnocení známkou

    Náplní závěrečné práce je klasifikace spektrálního průběhu jednotlivých obrazových bodů v pořízených multispektrálních (MS) snímcích zvolené scény - travnatého porostu a stromů v různých částech roku - pomocí metod strojového učení a umělých neuronových sítí. Teoretická část práce uvádí základy vizualizace MS snímků, metod strojového učení, problematiku segmentace vícerozměrných datových sad a příklady postupů a algoritmů vhodných pro tuto úlohu. V experimentální části je provedena implementace těchto algoritmů na pořízených MS snímcích. Získané třídy objektů jsou porovnány se spektrální databází. Tyto výstupy poté slouží pro zhodnocení zdravotního stavu snímané zeleně.The scope of the thesis is the classification of the spectral response of individual pixels acquired by a multispectral (MS) imaging. A selected scene -- lawn with grass and trees observed in different parts of the year -- is analysed using machine learning and neural network algorithms. The theoretical part of the work presents the basics of MS image visualisation, machine learning methods, the problem of segmentation of multidimensional data sets and examples of procedures and algorithms suitable for this task. In the experimental part, the implementation of these algorithms is performed on acquired MS images. Obtained object classes are compared with a spectral database. These outputs are then used to evaluate the vitality of inspected plants.

Počet záznamů: 1  

  Tyto stránky využívají soubory cookies, které usnadňují jejich prohlížení. Další informace o tom jak používáme cookies.