Number of the records: 1
Analýza multispektrálních snímků s využitím umělých neuronových sítí
Title statement Analýza multispektrálních snímků s využitím umělých neuronových sítí [rukopis] / Ondřej Vaculík Additional Variant Titles Analýza multispektrálních snímků s využitím umělých neuronových sítí Personal name Vaculík, Ondřej, (dissertant) Translated title Multispectral image analysis using artificial neural networks Issue data 2020 Phys.des. 48 : grafy, schémata + 1 DVD Note Oponent František Petráš Ved. práce Zdeněk Řehoř Another responsib. Petráš, František (opponent) Řehoř, Zdeněk, 1970- (thesis advisor) Another responsib. Univerzita Palackého. Katedra optiky (degree grantor) Keywords 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 Form, Genre diplomové práce master's theses UDC (043)378.2 Country Česko Language angličtina Document kind PUBLIKAČNÍ ČINNOST Title Mgr. Degree program Navazující Degree program Fyzika Degreee discipline Optika a optoelektronika book
Kvalifikační práce Downloaded Size datum zpřístupnění 00233112-673834295.pdf 76 10.2 MB 05.06.2020 Posudek Typ posudku 00233112-ved-918837199.pdf Posudek vedoucího 00233112-ved-273558924.pdf Posudek vedoucího 00233112-opon-316015547.pdf Posudek oponenta Průběh obhajoby datum zadání datum odevzdání datum obhajoby přidělená hodnocení typ hodnocení 00233112-prubeh-472407747.pdf 01.03.2018 05.06.2020 23.06.2020 1 Hodnocení 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.
Number of the records: 1