Šiame magistro baigiamajame darbe pateiktas darbo atlikimo planas, literatūros šaltinių apžvalga, aprašyti mano sukurti du rainelių segmentacijos metodai, teoriniai principai, kuriais jie remiasi ir programinis įrankis, kuris juos įgyvendina, su šiuo programiniu įrankiu atlikti tyrimai ir jų rezultatai. Vienas iš mano sukurtų rainelių segmentacijos metodų remiasi žymėmis kontroliuojama vandens takoskyros transformacija ir momentiniais invariantais. Derinant vandens takoskyros transformaciją su momentiniais invariantais rainelių segmentacijoje išvengiama slenksčių ar kitokių iš anksto nustatytų apribojimų paveiksliukams. Atlikti tyrimai parodė, kad algoritmą įgyvendinantis programinis įrankis vyzdį suranda 73% paveiksliukų, o rainelę 67% paveiksliukų. Kitas mano sukurtas metodas – aktyvaus kontūro paieška. Jis pagal duoto pradinio rainelės apskritimo matmenis suranda tikslų arba bent tikslesnį nei apskritimas rainelės išorinį kraštą. Šis metodas gerai (neprarandant daug rainelės duomenų) segmentuoja 93% rainelės paveiksliukų ir 1,6 karto sumažina rainelių atpažinimo klaidų įverčius. / In this report of my postgraduate work you can find an execution plan, a literary source review, a description of two iris segmentation methods created by me, theoretical principles my methods relies on, a description of application which realizes the methods and results of a research performed with the application. One of the iris segmentation methods created by me relies on the marker-controlled watershed transformation and moment invariants. Combining the marker-controlled watershed transformation with moment invariants in iris segmentation avoids thresholds and other pre-determined limitations for pictures. Performed research revealed that the algorithm realizing application finds pupil in 73% of all examined pictures and iris in 67% of the pictures. The second method created by me – active contour detection. By given initial iris circle dimensions it detects precise or at least more accurate than the circle external iris contour. The method gives good segmentation results (not loosing much iris data) for 93% iris images and 1,6 times decreases iris recognition error rates.

Pagrindinis darbo tikslas yra pritaikant dirbtinio intelekto algoritmus sukurti ranka rašyto teksto atpažinimo įrankį. Siekiant šio tikslo buvo apžvelgti dirbtinio intelekto atpažinimo metodai, atlikta teksto atpažinimo algoritmų analizė. Remiantis analizės rezultatais, sukurta ranka rašyto teksto atpažinimo programa, kurioje teksto segmentavimo operacija atliekama „lašelio aptikimo“ algoritmu. Teksto atpažinimo operacijai atlikti naudojamas bitų masyvų analizės algoritmas. / The aim of this work is to create an application for handwritten text recognition using artificial intelligence algorithms. For this purpose a number of recognition methods based on artificial intelligence were reviewed. Based on the review information an application was created for the purpose of recognizing handwritten text. The text segmentation was implemented using a blob detection algorithm. Text recognition was performed using bit array analysis algorithm. During the implementation and testing stage the main problem areas of such application were identified.

Baigiamajame magistro darbe nagrinėjama automatinės priešakinių veidų segmentacijos skaitmeniniuose vaizduose problematika. Pateikta išsami populiariausių bei su įgyvendinta sistema susijusių veidų segmentacijos metodikų teorinė ir praktinė analizė. Praktiškai įgyvendinta sistema, kuri grindžiama: 1) mokslinės literatūros analizės rezultate išrinkta efektyviausia DAB (Discrete AdaBoost) kaskada; 2) pasiūlytu greituoju simetriniu eksponentiniu glodinančiu filtru; 3) pasiūlytu glodinto vaizdo gradiento krypčių naiviuoju Bajeso klasifikatoriumi. Pastarieji du žingsniai pajungti siekiant pagerinti sistemos lokalizacijos tikslumo įverčius. Realizacijos segmentacijos patikimumas įvertintas naudojant viešai prieinamas veidų segmentacijos (BioID, MIT/CMU) ir veidų atpažinimo (FERET, FRGC) duomenų bazes ir remiantis aiškiai darbe apibrėžtu teisingos ir neteisingos segmentacijos kriterijumi. Atlikta lyginamoji analizė su kitomis metodikomis. Pateiktos gairės sistemos tikslumui ir / arba našumui tobulinti. / This master work presents a research upon the problem of automatic frontal face detection within digital images. A comprehensive theoretical and practical analysis of most widely used also implementation related methods is provided. Practically implemented face detection system that is based on the following algorithms: 1) DAB (Discrete AdaBoost) cascade chosen as the most effective method with reference to scientific literature analysis results; 2) proposed symmetric exponential blurring filter; 3) proposed blurred image gradient directions naïve Bayesian classifier. The latter two steps have been composed to improve face localization precision. Implementation reliability was evaluated on publicly available face detection (BioID, MIT/CMU) and face recognition (FERET, FRGC) databases using explicitly declared detected face accepting / rejecting criteria. A comparative study of the proposed approach has been accomplished. Recommendations for further accuracy and / or speed improving are provided as well.

<p>Kompjuterizovana tomografija (CT) je u poslednje vreme ušla na velika vrata sa razvojem industrijskih CT sistema, usled njene primene u različitim oblastima, a uveliko ulazi i u polje koodinatne metrologije. Zbog karakterizacije objekata sačinjenih od različitih materijala (najčešće metala i plastike), javljaju se određeni problem u vidu nastanka artefakata kod rezultata dimenzionalnih merenja. Istraživanja koja su sprovedena u ovoj doktorskoj disertaciji se bave problemom redukcije uticaja tih artefakata i segmentacije 2D snimaka. Razvijen je novi model koji je baziran na primeni hibridne metode gde je izvršena kombinacija dve metode za obradu slike, a to su fazi klasterizacija i rast regiona. Aksenat je stavljen na primeni ove hibridne metode radi dobijanja tačnijih rezultata segmentacije, što direktno utiče i na rekonstrukciju dimenzionalno tačnijih 3D modela.</p> / <p>Computed tomography (CT) has recently entered a large door with the development of industrial CT systems, due to its application in many different areas, and it is already entering the field of coordinate metrology. Due to its ability to non-destructively characterize objects made of different materials (typicaly metals and plastics), a certain problem arises in the form of artefacts that are present in the results. Research carried out in this dissertation deals with the problem of reducing the impact of these artefacts and the 2D image segmentation. A new model was developed based on the application of the hybrid method where a combination of two methods for image processing was performed, which are fuzzy clustering and region growing. The accent is emphasized in the application of this hybrid method in order to obtain more accurate segmentation results, which directly affects the reconstruction of dimensionally more accurate 3D models.</p>

<p>Disertacija prikazuje novi algoritam za detekciju i izdvajanje registarskih tablica iz slike vozila koristeći fazi 2D Gaborov filtar. Parametri filtra: orijentacija i talasna dužina su fazifikovani u cilju optimizacije odziva Gaborovog filtra i postizanja dodatne selektivnosti filtra. Prethodno navedeni parametri dominiraju u rezultatu filtriranja. Bellova i trougaona funkcija pripadnosti pokazale su se kao najbolji izbor pri fazifikaciji parametara filtra. Algoritam je evaluiran nad vi&scaron;e baza slika i postignuti su zadovoljavajući rezultati. Komponente od interesa su efikasno izdvojene i postignuta značajna otpornost na &scaron;um i degradaciju na slici.</p> / <p>The thesis presents a new algorithm for detection and extraction of license plates from a vehicle image using a fuzzy two-dimensional Gabor filter. The filter parameters, orientation and wavelengths are fuzzified to optimize the Gabor filter&rsquo;s response and achieve a greater selectivity. It was concluded that Bell&rsquo;s function and triangular membership function are the most efficient methods for fuzzification. Algorithm was evaluated on several databases and has provided satisfactory results. The components of interest were efficiently extracted, and the procedure was found to be very noise-resistant.</p>

<p>Doktorska disertacija izučava primenu fazi operacija, prvenstveno agregacionih operatora na funkcije rastojanja i metrike. Originalan doprinos teze je u konstrukciji novih funkcija rastojanja i metrika primenom agregacionih operatora na neke polazne funkcije rastojanja i metrike. Za neke tipove agregacionih operatora i polaznih funkcija rastojanja i metrika su ispitane osobine ovako konstruisanih funkcija rastojanja i metrika. Za neke od njih su ispitane performanse pri primeni u segmentaciji slike &bdquo;Fuzzy c-means&ldquo; algoritmom.</p> / <p>This thesis studies application of fuzzy operations, especially aggregation operators, on distance functions and metrics. The contribution of the thesis is construction of new distance functions and metrics by application of aggregation operators on some basic distance functions and metrics. For some types of aggregation operators and basic distance functions and metrics, properties of distance functions and metrics constructed in this way are analyzed. For some of them, performances in application in Fuzzy c-means algorithm are analyzed.</p>

<p>Problemi klasifikacije i segmentacije digitalnih slika su veoma<br />aktuelni i zastupljeni u praksi. Potreba za modelima koji razmatraju<br />ovu problematiku u poslednjih nekoliko decenija ubrzanim tempom<br />poprima sve veći značaj i obim u svakodnevnom životu. Koriste se u<br />računarskoj grafici, prepoznavanju oblika, medicinskoj analizi slika,<br />saobraćaju, analizi dokumenata, pokreta i izraza lica i sl.<br />U okviru ove disertacije, predstavljeno istraživanje motivisano je<br />primenama razvijenih modela u klasifikaciji i segmentaciji<br />digitalnih slika. Istraživanje obuhvata dva segmenta. Ovi segmenti<br />povezani su terminom neodređenosti, koji je uz upotrebu adekvatnog<br />matematičkog aparata (teorije fazi skupova), ugrađen u modele razvije<br />za primenu u obradi slike.<br />Jedan pravac istraživanja baziran je na teoriji fazi skupova, t-<br />normama, t-konormama, operatorima agregacije i agregiranim<br />funkcijama rastojanja. U okviru toga, istraživanje je sprovedeno sa<br />struktuiranom matematičkom podlogom, izložene su osnovne<br />definicije, teoreme, kao i osobine korištenih operatora, prošireni<br />su teorijski koncepti t-normi i t-konormi. Definisani su novi tipovi<br />operatora agregacije i njihovom primenom konstruisane su nove<br />funkcije rastojanja, čija je upotreba diskutovana kroz uspešnost u<br />procesu segmentacije digitalnih slika.<br />Drugi pravac istraživanja, izložen u ovoj disertaciji, obuhvata više<br />inženjerski pristup rešavanju problema klasifikacije tekstura<br />digitalnih slika. U skladu sa tim, detaljno je analizirana i<br />diskutovana klasa lokalnih binarnih deskriptora teksture.<br />Inspirisana uspešnošću pomenute LBP klase deskriptora, uvedena je<br />jedna nova podfamilija &alpha;-deskriptora teksture. Uvedeni model<br />deskriptora formiran je na temeljima idejnih principa lokalnih<br />binarnih kodova i bazičnih pojmova iz teorije fazi skupova. Praktična<br />upotreba i značaj predstavljenog modela demonstrirani su kroz veoma<br />uspešne procese klasifikacije na nekoliko javno dostupnih baza slika.</p> / <p>Classification and segmentation problems of digital images is a very attractive<br />topic and has been making impact in many different applied disciplines. In the<br />past few decades, the demand for models that address these issues has been<br />gaining momentum and applications in everyday life. These models are used in<br />computer graphics, shape recognition, medical image analysis, traffic, document<br />analysis, facial movements and expressions, etc.<br />The research within this doctoral dissertation was motivated by the application of<br />developed methods in classification and segmentation tasks. The conducted<br />research covered two segments, which were linked by the term of indeterminacy,<br />with the usage of the theory of fuzzy sets, which is incorporated into methods<br />developed for application in image processing.<br />One direction of the research was founded on the theory of fuzzy sets, t-norms,<br />t-conorms, aggregation operators, and aggregated distance functions. Within this<br />framework, the research was conducted with a structured mathematical<br />background. Firstly, basic definitions, theorems and characteristics of the used<br />operators were presented, followed by the theoretical concepts of t-norms and tconorms<br />that were extended. New types of aggregation operators and distance<br />functions were defined, and finally, their contribution in the digital image<br />segmentation process was explored and discussed.<br />The second direction of the research presented in this dissertation involved more<br />of an engineering-type of approach to solving the problem of the classification of<br />digital image textures. To that end, a class of local binary texture descriptors<br />(LBPs) was analyzed and discussed in detail. Inspired by the results of the<br />above-mentioned LBP descriptors, one new sub-family of the $\alpha$-<br />descriptors was introduced by the author. The introduced descriptor model was<br />based on the conceptual principles of LBPs and basic definitions from the fuzzy<br />set theory. Its practical usage and importance were established and reflected in<br />very successful classification results, achieved in the application on several<br />publicly available image datasets.</p>

<p>Disertacija se bavi analizom uticaja raspodela podataka na rezultate algoritama diskretizacije u okviru procesa ma&scaron;inskog učenja. Na osnovu izabranih baza i algoritama diskretizacije teorije grubih skupova i stabala odlučivanja, istražen je uticaj odnosa raspodela podataka i tačaka reza određene diskretizacije.<br />Praćena je promena konzistentnosti diskretizovane tabele u zavisnosti od položaja redukovane tačke reza na histogramu. Definisane su fiksne tačke reza u zavisnosti od segmentacije multimodal raspodele, na osnovu kojih je moguće raditi redukciju preostalih tačaka reza. Za određivanje fiksnih tačaka konstruisan je algoritam FixedPoints koji ih određuje u skladu sa grubom segmentacijom multimodal raspodele.<br />Konstruisan je algoritam aproksimativne diskretizacije APPROX MD za redukciju tačaka reza, koji koristi tačke reza dobijene algoritmom maksimalne razberivosti i parametre vezane za procenat nepreciznih pravila, ukupni procenat klasifikacije i broj tačaka redukcije. Algoritam je kompariran u odnosu na algoritam maksimalne razberivosti i u odnosu na algoritam maksimalne razberivosti sa aproksimativnim re&scaron;enjima za &alpha;=0,95.</p> / <p>This dissertation analyses the influence of data distribution on the results of discretization algorithms within the process of machine learning. Based on the chosen databases and the discretization algorithms within the rough set theory and decision trees, the influence of the data distribution-cuts relation within certain discretization has been researched.<br />Changes in consistency of a discretized table, as dependent on the position of the reduced cut on the histogram, has been monitored. Fixed cuts have been defined, as dependent on the multimodal segmentation, on basis of which it is possible to do the reduction of the remaining cuts. To determine the fixed cuts, an algorithm FixedPoints has been constructed, determining these points in accordance with the rough segmentation of multimodal distribution.<br />An algorithm for approximate discretization, APPROX MD, has been constructed for cuts reduction, using cuts obtained through the maximum discernibility (MD-Heuristic) algorithm and the parametres related to the percent of imprecise rules, the total classification percent and the number of reduction cuts. The algorithm has been compared to the MD algorithm and to the MD algorithm with approximate solutions for &alpha;=0,95.</p>

<p>Energy minimization approach is widely used in image processing applications.<br />Many image processing problems can be modelled in a form of a minimization<br />problem. This thesis deals with two crucial tasks of image analysis workflows:<br />image restoration and segmentation of images corrupted by blur and noise. Both<br />image restoration and segmentation are modelled as energy minimization<br />problems, where energy function is composed of two parts: data fidelity term and<br />regularization term. The main contribution of this thesis is development of new<br />data fidelity and regularization terms for both image restoration and<br />segmentation tasks.<br />Image restoration methods (non-blind and blind deconvolution and superresolution<br />reconstruction) developed within this thesis are suited for mixed<br />Poisson-Gaussian noise which is encountered in many realistic imaging<br />conditions. We use generalized Anscombe variance stabilization transformation<br />for removing signal-dependency of noise. We propose novel data fidelity term<br />which incorporates variance stabilization transformation process into account.<br />Turning our attention to the regularization term for image restoration, we<br />investigate how sparsity promoting regularization in the gradient domain<br />formulated as Total Variation, can be improved in the presence of blur and mixed<br />Poisson-Gaussian noise. We found that Huber potential function leads to<br />significant improvement of restoration performance.<br />In this thesis we propose new segmentation method, the so called coverage<br />segmentation, which estimates the relative coverage of each pixel in a sensed<br />image by each image component. Its data fidelity term takes into account<br />blurring and down-sampling processes and in that way it provides robust<br />segmentation in the presence of blur, allowing at the same time segmentation at<br />increased spatial resolution. In addition, new sparsity promoting regularization<br />terms are suggested: (i) Huberized Total Variation which provides smooth object<br />boundaries and noise removal, and (ii) non-edge image fuzziness, which<br />responds to an assumption that imaged objects are crisp and that fuzziness is<br />mainly due to the imaging and digitization process.<br />The applicability of here proposed restoration and coverage segmentation<br />methods is demonstrated for Transmission Electron Microscopy image<br />enhancement and segmentation of micro-computed tomography and<br />hyperspectral images.</p> / <p>Поступак минимизације функције енергије је често коришћен за<br />решавање проблема у обради дигиталне слике. Предмет истраживања<br />тезе су два круцијална задатка дигиталне обраде слике: рестаурација и<br />сегментација слика деградираних шумом и замагљењем. И рестaурација<br />и сегментација су моделовани као проблеми минимизације функције<br />енергије која представља збир две функције: функције фитовања<br />података и регуларизационе функције. Главни допринос тезе је развој<br />нових функција фитовања података и нових регуларизационих функција<br />за рестаурацију и сегментацију.<br />Методе за рестаурацију (оне код којих је функција замагљења позната и<br />код којих је функцију замагљења потребно оценити на основу датих<br />података као и методе за реконструкцију слике у супер-резолуцији)<br />развијене у оквиру ове тезе третирају мешавину Поасоновог и Гаусовог<br />шума који се појављује у многобројним реалистичним сценаријима. За<br />третирање такве врсте шума користили смо нелинеарну трансформацију<br />и предложили смо нову функцију фитовања података која узима у обзир<br />такву трансформацију. У вези са регуларизационим функцијама смо<br />тестирали хипотезу да се функција Тоталне Варијације која промовише<br />ретку слику у градијентном домену може побољшати уколико се користе<br />тзв. потенцијалне функције. Показали смо да се употребом Хуберове<br />потенцијалне функције може значајно побољшати квалитет рестауриране<br />слике која је деградирана замагљењем и мешавином Поасоновог и<br />Гаусовог шума.<br />У оквиру тезе смо предложили нову методу сегментације која допушта<br />делимичну покривеност пиксела објектом. Функција фитовања података<br />ове методе укључује и модел замагљења и смањења резолуције. На тај<br />начин је постигнута робустност сегментације у присуству замагљења и<br />добијена могућност сегментирања слике у супер-резолуцији. Додатно,<br />нове регуларизационе функције које промовишу ретке репрезентације<br />слике су предложене.<br />Предложене методе рестаурације и сегментације која допушта делимичну<br />покривеност пиксела објектом су примењене на слике добијене помоћу<br />електронског микроскопа, хиперспектралне слике и медицинске ЦТ слике.</p> / <p>Postupak minimizacije funkcije energije je često korišćen za<br />rešavanje problema u obradi digitalne slike. Predmet istraživanja<br />teze su dva krucijalna zadatka digitalne obrade slike: restauracija i<br />segmentacija slika degradiranih šumom i zamagljenjem. I restauracija<br />i segmentacija su modelovani kao problemi minimizacije funkcije<br />energije koja predstavlja zbir dve funkcije: funkcije fitovanja<br />podataka i regularizacione funkcije. Glavni doprinos teze je razvoj<br />novih funkcija fitovanja podataka i novih regularizacionih funkcija<br />za restauraciju i segmentaciju.<br />Metode za restauraciju (one kod kojih je funkcija zamagljenja poznata i<br />kod kojih je funkciju zamagljenja potrebno oceniti na osnovu datih<br />podataka kao i metode za rekonstrukciju slike u super-rezoluciji)<br />razvijene u okviru ove teze tretiraju mešavinu Poasonovog i Gausovog<br />šuma koji se pojavljuje u mnogobrojnim realističnim scenarijima. Za<br />tretiranje takve vrste šuma koristili smo nelinearnu transformaciju<br />i predložili smo novu funkciju fitovanja podataka koja uzima u obzir<br />takvu transformaciju. U vezi sa regularizacionim funkcijama smo<br />testirali hipotezu da se funkcija Totalne Varijacije koja promoviše<br />retku sliku u gradijentnom domenu može poboljšati ukoliko se koriste<br />tzv. potencijalne funkcije. Pokazali smo da se upotrebom Huberove<br />potencijalne funkcije može značajno poboljšati kvalitet restaurirane<br />slike koja je degradirana zamagljenjem i mešavinom Poasonovog i<br />Gausovog šuma.<br />U okviru teze smo predložili novu metodu segmentacije koja dopušta<br />delimičnu pokrivenost piksela objektom. Funkcija fitovanja podataka<br />ove metode uključuje i model zamagljenja i smanjenja rezolucije. Na taj<br />način je postignuta robustnost segmentacije u prisustvu zamagljenja i<br />dobijena mogućnost segmentiranja slike u super-rezoluciji. Dodatno,<br />nove regularizacione funkcije koje promovišu retke reprezentacije<br />slike su predložene.<br />Predložene metode restauracije i segmentacije koja dopušta delimičnu<br />pokrivenost piksela objektom su primenjene na slike dobijene pomoću<br />elektronskog mikroskopa, hiperspektralne slike i medicinske CT slike.</p>