Lista przedmiotów z materiałami udostępnionymi dla studentów

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

Szymon Szymajda

Badania wpływu metod normalizacji oraz liczby poziomów jasności na zdolności dyskryminacyjne cech bazujących na macierzy zdarzeń


Research related to influence of normalization method and number of intensity levels for discriminative power of texture features based on Gray Level Co-occurrence Matrix


Opiekun pracy dyplomowej: dr inż. Marcin Kociołek
Praca dyplomowa magisterska obroniona 2018-03-29
Streszczenie pracy dyplomowej:
Cechy bazujące na macierzy zdarzeń (ang. GLCM Gray Level Co-occurrence Matrix) są popularnym narzędziem analizy tekstury obrazu. Wartości cech zależą od zastosowanej metody normalizacji oraz liczby poziomów kodujących jasność obrazu po normalizacji. Celem niniejszej pracy było przeanalizowanie wpływu liczby poziomów jasności oraz różnych metod normalizacji na zdolność dyskryminacyjną cech bazujących na macierzy zdarzeń. Cel został osiągnięty. Podczas prowadzonych badań wykonano testy dyskryminacji dla 12 tekstur testowych pochodzących z albumu P. Brodatza. W badaniach używano 220 cech tektury bazujących na macierzy zdarzeń (4 kierunki x 5 odległości między pikselami x 11 parametrów). Badania powtórzono dla 30 kombinacji parametrów analizy (3 poziomy zaszumienia obrazu x 4 metody normalizacji x 5 rozmiarów macierzy). Badania wykazały, że zmniejszenie liczby poziomów jasności, dla wszystkich badanych metod normalizacji, spowodowało polepszenie poprawności klasyfikacji tekstur Przy braku zaszumienia, oraz przy szumie o niższej wartości, dla normalizacji +/-3 sigma nie odnotowano błędów klasyfikacji. Jest to najlepszy rezultat spośród badanych metod normalizacji. Praca składa się z siedmiu numerowanych rozdziałów. Pierwszy rozdział stanowi wstęp przybliżający badany temat. Drugi rozdział zawiera podstawowe informacje na temat tekstury obrazu oraz metod jej analizy. Trzeci rozdział skupia się na cechach tekstury bazujących na macierzy zdarzeń. W czwartym rozdziale opisano metody oraz materiał badawczy. Piąty rozdział stanowi opis metodologii badań. W rozdziale szóstym zaprezentowano otrzymane wyniki, oraz dyskusję na ich temat. Siódmy rozdział stanowi podsumowanie pracy.
Abstract:
Gray Level Co-occurrence Matrix (GLCM) – based features are a popular tool for image texture analysis. Values of features depend on the normalization method used and the number of levels coding the brightness of the image after normalization process. The aim of this thesis was to analyze the impact of the number of brightness levels and different normalization methods on the GLCM – based features discriminating ability. Purpose has been achieved. During the research, discrimination tests were carried out for 12 test textures from the album of P. Brodatz. 220 GLCM based features (4 directions x 5 distances between pixels x 11 parameters) were used in the research. The tests were repeated for 30 combinations of analysis parameters (3 levels of image noise x 4 normalization methods x 5 sizes of the matrix). Studies have shown that reducing the number of brightness levels, for all normalization methods tested, resulted in improved correctness of texture classification. In the absence of noise, and with lower noise, no classification errors were found for normalization +/- 3 sigma. This is the best result among the normalization methods studied. The work consists of seven numbered chapters. The first chapter is an introduction describing the topic of research. The second chapter contains basic information about image texture and methods of analysis. The third chapter focuses on GLCM – based features. The fourth chapter describes the methods and research material. The fifth chapter is a description of the research methodology. The sixth chapter presents the results obtained and the discussion about them. The seventh chapter is a summary of the work.