No description available.

Bislang wurden Bullen in der Milchrinderzucht anhand des Töchterleistungsvergleiches bewertet, was zur Folge hatte, dass die Zuchtwertschätzung erst nach fünf Jahren vorlag (REENTS UND REINHARDT, 2007). Durch die 2010 eingeführte genomische Zuchtwertschätzung werden Bullenkälber bereits in den ersten Lebensmonaten geprüft und die erfolgreichen Bullen ab einem Alter von 12 Monaten zur Spermaproduktion von den Besamungsstationen eingesetzt. Zu bedenken ist dabei, dass Jungbullen unter 2 Jahren lediglich ein durchschnittliches Ejakulatvolumen von 2-4 ml aufweisen und die Spermienkonzentration deutlich unter der von Altbullen liegt. Es müssen daher entweder mehr Jungbullen zum Einsatz kommen oder die Besamungsportionen müssen in ihrer Spermienkon-zentration reduziert werden. Eine am Institut für Nutztiergenetik Mariensee ent-wickelte Methode, der Sperm-Intra-Fallopian-Transfer (SIFT®), ermöglicht es, minimal dosierte Spermaportionen unchirurgisch in den Eileiter zu übertragen (GROSSFELD ET AL., 2011B). Ein wesentlicher Vorteil dieser Methode ist die Re-duzierung des Besamungsvolumens unter Beibehaltung des Volu-men/Mengenverhältnisses. Zielsetzung dieser Arbeit war es, eine in Volumen und Spermienzahl reduzierte Spermaportion neu zu konfektionieren und ein angepasstes Kühl- sowie Gefrierprotokoll zu entwickeln. Hierbei sollten vergleichbare Auftauqualitäten wie in einer üblichen Besamungsportion erreicht werden. Die Qualität des Spermas wurde dabei sowohl unter Laborbedingungen als auch in Testbesamungen an zufällig ausgewählten Färsen und Kühen evaluiert. In ersten Screeningversuchen wurde zunächst ein Tiefgefrierverfahren für gering dosierte Verpackungssysteme (Nanostraw) mit einem Volumen bis 50 µl entwickelt. Dabei sollten vergleichbare Auftauqualitäten üblicher Besamungs-portionen erreicht werden. Es wurden sechs verschiedene Kühlkurven (A-D, D+ und E) entwickelt. Dabei zeigte sich, dass aufgrund der Stickstoff-volumeneinströme ein Haltepunkt bei -8°C in keiner der Einfrierkurven für kleine Volumina zu etablieren war. Dies ist u.a. auf die bauartbedingten Vorgaben des verwendeten Einfrierautomaten zurückzuführen. Ebenso wurde der Zusatz von 7,5% Glyzerin im Verdünner bei dem Gefrierprotokoll D+ aufgrund der Datenlage des Vorversuchs für den Hauptversuch verworfen. Die Proben wurden bullenindividuell erhoben, zur besseren statistischen Absicherung jedoch für die Auswertung zusammengefasst. Aus den Screeningversuchen erschien das Kryokonservierungsprotokoll D+ für den Nanostraw unter Laborbedingungen am geeignetsten und wurde im Thermoresistenztest, der den Bedingungen im Hinblick auf die Temperatur im Uterus bzw. Eileiter ähnlich ist, getestet. Weiterhin fand ein Vergleich der spermatologischen Qualitätsparameter nach dem Auftauen zwischen der Kontroll- und der Nanostrawgruppe mit der Kühlkurve D+ im Thermoresistenztest statt. Im praktischen Teil der Arbeit wurde die Methode SIFT® zunächst anhand eines Versuchs mit geschlechtsdifferenziertem Frischsamen praktiziert. Dabei wurden 20 Färsen mittelseiner Prid®α 1, 55g Progesteron-Spirale und zehn Kühe mit einem Ovsynch Programm synchronisiert. In einem weiteren Besamungsversuch konnte das Sperma aus den Nanostraws verwendet werden, das vorher kryokonserviert worden ist. Es wurden nur spontan brünstige Färsen und Kühe in den Eileiter besamt. Die Untersuchungen führten zu folgenden Ergebnissen: 1) In den Screeningversuchen zeigte sich, dass der Anteil motiler Spermien signifikant (p≤0,05) abhängig von der Gefriergeschwindigkeit der Kühlkurve war. Der höchste Anteil motiler Spermien aus dem Nanostraw war in Kühlkurve D+ mit einem Anteil von 52,9% zu verzeichnen. Eine signifikante Zunahme des Anteils membranintakter Spermien von Kurve A zu B und D zu D+ war zu beobachten. Die Hälfte der Nanostrawspermien zeigten in der Kühlkurve D+ eine intakte Membranintegrität. Die Kontrollspermien lagen bei 56,9%. In Kurve D+ zeigten 66,6% der Spermien aus dem Nanostraw keine morphologischen Veränderungen, in der Kontrollgruppe waren dies 75,4%. Die Änderung der Glyzerinkonzentration im Verdünnungsmedium zeigte keine signifikante Verbesserung der Spermaqualitätsparameter nach dem Auftauen. 2) Im Thermoresistenztest erreichten die Spermien aus dem Nanostraw in allen gemessenen Parametern die Mindestanforderungen an die Spermaqualität nach Rath et al. (2009). So belief sich der Anteil membranintakter Spermien aus dem Nanostraw nach dreistündiger Inkubation bei 37°C auf 56,4%, die Kontrollstrawspermien lagen bei einem Anteil von 67,2%. Dabei zeigte der Faktor Bulle einen signifikanten Effekt (p≤0,01) auf den Anteil motiler und progressiver Spermien sowie den Anteil PI-negativer Spermien. Mögliche Effekte des Bullen auf die Qualität und Befruchtungsfähigkeit der Spermien nach dem Auftauen zeigten andere Versuchsanstellungen und Forschungshypothesen (JANUSKAUSKAS ET AL., 1996, KATHIRAVAN ET AL., 2011). 3) In dem ersten Besamungsversuch wurden 20 Färsen und zehn Kühen geschlechtsdifferenziertes Sperma mit der Methode SIFT® in den Eileiter über-tragen. 37,5% der Färsen und 33% der Kühe wurden tragend. Dabei konnte ein bullenindividueller dosisabhängiger Effekt festgestellt werden. 50% der Kühe, die mit 500.000 Samenzellen inseminiert wurden und 16% der Kühe, die mit 250.000 Samenzellen besamt wurden, wurden tragend. 4) Im Besamungsversuch mit dem kryokonservierten Sperma aus dem Na-nostraw wurden sechs spontan brünstige Rinder mittels SIFT®-Spermien in den Eileiter übertragen. Alle Tiere wurden als Kälber für die Follikelpunktion in einem anderen Versuch verwendet. Fünf Tiere wurden mit dem Bullen A besamt. 40% der Tiere wurden tragend. Lediglich ein Tier wurde mit dem Bullen B besamt. Das Trächtigkeitsergebnis war negativ. Die Kühe wurden mit dem Bullen A besamt, dieser erzielte eine Trächtigkeitsrate von 33%.

Les outils et méthodes d’analyse d’images de documents (DIA) donnent aujourd’hui la possibilité de faire des recherches par mots-clés dans des bases d’images de documents alors même qu’aucune transcription n’est disponible. Dans ce contexte, beaucoup de travaux ont déjà été réalisés sur les OCR ainsi que sur des systèmes de repérage de mots (spotting) dédiés à des documents textuels avec une mise en page simple. En revanche, très peu d’approches ont été étudiées pour faire de la recherche dans des documents contenant du texte multi-orienté et multi-échelle, comme dans les documents graphiques. Par exemple, les images de cartes géographiques peuvent contenir des symboles, des graphiques et du texte ayant des orientations et des tailles différentes. Dans ces documents, les caractères peuvent aussi être connectés entre eux ou bien à des éléments graphiques. Par conséquent, le repérage de mots dans ces documents se révèle être une tâche difficile. Dans cette thèse nous proposons un ensemble d’outils et méthodes dédiés au repérage de mots écrits en caractères bengali ou anglais (script Roman) dans des images de documents géographiques. L’approche proposée repose sur plusieurs originalités. / Word spotting in graphical documents is a very challenging task. To address such scenarios this thesis deals with developing a word spotting system dedicated to geographical documents with Bangla and English (Roman) scripts. In the proposed system, at first, text-graphics layers are separated using filtering, clustering and self-reinforcement through classifier. Additionally, instead of using binary decision we have used probabilistic measurement to represent the text components. Subsequently, in the text layer, character segmentation approach is applied using water-reservoir based method to extract individual character from the document. Then recognition of these isolated characters is done using rotation invariant feature, coupled with SVM classifier. Well recognized characters are then grouped based on their sizes. Initial spotting is started to find a query word among those groups of characters. In case if the system could spot a word partially due to any noise, SIFT is applied to identify missing portion of that partial spotting. Experimental results on Roman and Bangla scripts document images show that the method is feasible to spot a location in text labeled graphical documents. Experiments are done on an annotated dataset which was developed for this work. We have made this annotated dataset available publicly for other researchers.

Cette thèse est consacrée au problème de la reconnaissance visuelle des objets basé sur l'ordinateur, qui est devenue un sujet de recherche très populaire et important ces dernières années grâce à ses nombreuses applications comme l'indexation et la recherche d'image et de vidéo , le contrôle d'accès de sécurité, la surveillance vidéo, etc. Malgré beaucoup d'efforts et de progrès qui ont été fait pendant les dernières années, il reste un problème ouvert et est encore considéré comme l'un des problèmes les plus difficiles dans la communauté de vision par ordinateur, principalement en raison des similarités entre les classes et des variations intra-classe comme occlusion, clutter de fond, les changements de point de vue, pose, l'échelle et l'éclairage. Les approches populaires d'aujourd'hui pour la reconnaissance des objets sont basé sur les descripteurs et les classiffieurs, ce qui généralement extrait des descripteurs visuelles dans les images et les vidéos d'abord, et puis effectue la classification en utilisant des algorithmes d'apprentissage automatique sur la base des caractéristiques extraites. Ainsi, il est important de concevoir une bonne description visuelle, qui devrait être à la fois discriminatoire et efficace à calcul, tout en possédant certaines propriétés de robustesse contre les variations mentionnées précédemment. Dans ce contexte, l’objectif de cette thèse est de proposer des contributions novatrices pour la tâche de la reconnaissance visuelle des objets, en particulier de présenter plusieurs nouveaux descripteurs visuelles qui représentent effectivement et efficacement le contenu visuel d’image et de vidéo pour la reconnaissance des objets. Les descripteurs proposés ont l'intention de capturer l'information visuelle sous aspects différents. Tout d'abord, nous proposons six caractéristiques LBP couleurs de multi-échelle pour traiter les défauts principaux du LBP original, c'est-à-dire, le déffcit d'information de couleur et la sensibilité aux variations des conditions d'éclairage non-monotoniques. En étendant le LBP original à la forme de multi-échelle dans les différents espaces de couleur, les caractéristiques proposées non seulement ont plus de puissance discriminante par l'obtention de plus d'information locale, mais possèdent également certaines propriétés d'invariance aux différentes variations des conditions d’éclairage. En plus, leurs performances sont encore améliorées en appliquant une stratégie de l'image division grossière à fine pour calculer les caractéristiques proposées dans les blocs d'image afin de coder l'information spatiale des structures de texture. Les caractéristiques proposées capturent la distribution mondiale de l’information de texture dans les images. Deuxièmement, nous proposons une nouvelle méthode pour réduire la dimensionnalité du LBP appelée la combinaison orthogonale de LBP (OC-LBP). Elle est adoptée pour construire un nouveau descripteur local basé sur la distribution en suivant une manière similaire à SIFT. Notre objectif est de construire un descripteur local plus efficace en remplaçant l'information de gradient coûteux par des patterns de texture locales dans le régime du SIFT. Comme l'extension de notre première contribution, nous étendons également le descripteur OC-LBP aux différents espaces de couleur et proposons six descripteurs OC-LBP couleurs pour améliorer la puissance discriminante et la propriété d'invariance photométrique du descripteur basé sur l'intensité. Les descripteurs proposés capturent la distribution locale de l’information de texture dans les images. Troisièmement, nous introduisons DAISY, un nouveau descripteur local rapide basé sur la distribution de gradient, dans le domaine de la reconnaissance visuelle des objets. [...] / This thesis is dedicated to the problem of machine-based visual object recognition, which has become a very popular and important research topic in recent years because of its wide range of applications such as image/video indexing and retrieval, security access control, video monitoring, etc. Despite a lot of e orts and progress that have been made during the past years, it remains an open problem and is still considered as one of the most challenging problems in computer vision community, mainly due to inter-class similarities and intra-class variations like occlusion, background clutter, changes in viewpoint, pose, scale and illumination. The popular approaches for object recognition nowadays are feature & classifier based, which typically extract visual features from images/videos at first, and then perform the classification using certain machine learning algorithms based on the extracted features. Thus it is important to design good visual description, which should be both discriminative and computationally efficient, while possessing some properties of robustness against the previously mentioned variations. In this context, the objective of this thesis is to propose some innovative contributions for the task of visual object recognition, in particular to present several new visual features / descriptors which effectively and efficiently represent the visual content of images/videos for object recognition. The proposed features / descriptors intend to capture the visual information from different aspects. Firstly, we propose six multi-scale color local binary pattern (LBP) features to deal with the main shortcomings of the original LBP, namely deficiency of color information and sensitivity to non-monotonic lighting condition changes. By extending the original LBP to multi-scale form in different color spaces, the proposed features not only have more discriminative power by obtaining more local information, but also possess certain invariance properties to different lighting condition changes. In addition, their performances are further improved by applying a coarse-to-fine image division strategy for calculating the proposed features within image blocks in order to encode spatial information of texture structures. The proposed features capture global distribution of texture information in images. Secondly, we propose a new dimensionality reduction method for LBP called the orthogonal combination of local binary patterns (OC-LBP), and adopt it to construct a new distribution-based local descriptor by following a way similar to SIFT.Our goal is to build a more efficient local descriptor by replacing the costly gradient information with local texture patterns in the SIFT scheme. As the extension of our first contribution, we also extend the OC-LBP descriptor to different color spaces and propose six color OC-LBP descriptors to enhance the discriminative power and the photometric invariance property of the intensity-based descriptor. The proposed descriptors capture local distribution of texture information in images. Thirdly, we introduce DAISY, a new fast local descriptor based on gradient distribution, to the domain of visual object recognition.

Cette thèse est consacrée au problème de la reconnaissance visuelle des objets basé sur l'ordinateur, qui est devenue un sujet de recherche très populaire et important ces dernières années grâce à ses nombreuses applications comme l'indexation et la recherche d'image et de vidéo , le contrôle d'accès de sécurité, la surveillance vidéo, etc. Malgré beaucoup d'efforts et de progrès qui ont été fait pendant les dernières années, il reste un problème ouvert et est encore considéré comme l'un des problèmes les plus difficiles dans la communauté de vision par ordinateur, principalement en raison des similarités entre les classes et des variations intra-classe comme occlusion, clutter de fond, les changements de point de vue, pose, l'échelle et l'éclairage. Les approches populaires d'aujourd'hui pour la reconnaissance des objets sont basé sur les descripteurs et les classiffieurs, ce qui généralement extrait des descripteurs visuelles dans les images et les vidéos d'abord, et puis effectue la classification en utilisant des algorithmes d'apprentissage automatique sur la base des caractéristiques extraites. Ainsi, il est important de concevoir une bonne description visuelle, qui devrait être à la fois discriminatoire et efficace à calcul, tout en possédant certaines propriétés de robustesse contre les variations mentionnées précédemment. Dans ce contexte, l'objectif de cette thèse est de proposer des contributions novatrices pour la tâche de la reconnaissance visuelle des objets, en particulier de présenter plusieurs nouveaux descripteurs visuelles qui représentent effectivement et efficacement le contenu visuel d'image et de vidéo pour la reconnaissance des objets. Les descripteurs proposés ont l'intention de capturer l'information visuelle sous aspects différents. Tout d'abord, nous proposons six caractéristiques LBP couleurs de multi-échelle pour traiter les défauts principaux du LBP original, c'est-à-dire, le déffcit d'information de couleur et la sensibilité aux variations des conditions d'éclairage non-monotoniques. En étendant le LBP original à la forme de multi-échelle dans les différents espaces de couleur, les caractéristiques proposées non seulement ont plus de puissance discriminante par l'obtention de plus d'information locale, mais possèdent également certaines propriétés d'invariance aux différentes variations des conditions d'éclairage. En plus, leurs performances sont encore améliorées en appliquant une stratégie de l'image division grossière à fine pour calculer les caractéristiques proposées dans les blocs d'image afin de coder l'information spatiale des structures de texture. Les caractéristiques proposées capturent la distribution mondiale de l'information de texture dans les images. Deuxièmement, nous proposons une nouvelle méthode pour réduire la dimensionnalité du LBP appelée la combinaison orthogonale de LBP (OC-LBP). Elle est adoptée pour construire un nouveau descripteur local basé sur la distribution en suivant une manière similaire à SIFT. Notre objectif est de construire un descripteur local plus efficace en remplaçant l'information de gradient coûteux par des patterns de texture locales dans le régime du SIFT. Comme l'extension de notre première contribution, nous étendons également le descripteur OC-LBP aux différents espaces de couleur et proposons six descripteurs OC-LBP couleurs pour améliorer la puissance discriminante et la propriété d'invariance photométrique du descripteur basé sur l'intensité. Les descripteurs proposés capturent la distribution locale de l'information de texture dans les images. Troisièmement, nous introduisons DAISY, un nouveau descripteur local rapide basé sur la distribution de gradient, dans le domaine de la reconnaissance visuelle des objets. [...]

Cette thèse CIFRE est effectuée dans un contexte industriel et présente un framework complet pour la détection, le suivi mono-caméra et de la ré-identification de personnes dans le contexte multi-caméras. Les performances élevés et le traitement en temps réel sont les deux contraintes critiques ayant guidé ce travail. La détection de personnes vise à localiser/délimiter les gens dans les séquences vidéo. Le détecteur proposé est basé sur une cascade de classifieurs de type LogitBoost appliqué sur des descripteurs de covariances. Une approche existante a fortement été optimisée, la rendant applicable en temps réel et fournissant de meilleures performances. La méthode d'optimisation est généralisable à d'autres types de détecteurs d'objets. Le suivi mono-caméra vise à fournir un ensemble d'images de chaque personne observée par chaque caméra afin d'extraire sa signature visuelle, ainsi qu'à fournir certaines informations du monde réel pour l'amélioration de la ré-identification. Ceci est réalisé par le suivi de points SIFT à l'aide d'une filtre à particules, ainsi qu'une méthode d'association de données qui infère le suivi des objets et qui gère la majorité des cas de figures possible, notamment les occultations. Enfin, la ré-identification de personnes est réalisée avec une approche basée sur l'apparence globale en améliorant grandement une approche existante, obtenant de meilleures performances tout en étabt applicable en temps réel. Une partie "conscience du contexte" est introduite afin de gérer le changement d'orientation des personnes, améliorant les performances dans le cas d'applications réelles.

This master thesis deals with usage of machine learning methods in computer vision for classification of unknown images. The first part contains research of available machine learning methods, their limitations and also their suitability for this task. The second part describes the processes of creating training and testing gallery. In the practical part, the solution for the problem is proposed and later realised and implemented. Proper testing and evaluation of resulting system is conducted.

This paper describes the way to realization such an application, where a user chooses a photo database to working with and enters a photo into the system. The system using a visual vocabulary finds the most similar photos from the database and offers tags of the searched photo with a suitable form based on the tag statistical analysis of this photo.

The aim of this thesis is to create a mobile application for Android, which allows users to create high-quality photos of planar objects. User can create multiple photographs of a selected planar object. These photographs are then aligned and combined into one final image. Various shortcomings that can be present in the photographs are filtered.

This thesis deals with issues automatic composing panoramic photos from individual photos. Gradually examines the various steps of algorithms and methods used in them, which are used in creating panoramas. It also focuses on the design of the own system based on methods discussed to construct panoramas. This system is implemented using OpenCV library and it is created also a graphical interface using a Qt library. Finally, are in this thesis evaluated outcomes of this designed and implemented system on available datasets.