Gaussovský "blurred mean shift": implementace a experimenty

Abstract

Cieľom tejto bakalárskej práce je zoznámenie sa s metódou segmentácie obrazu tzv. Gaussovský "Blurring Mean-shift", jej efektívnou implementáciou a následne experimentálne overiť jej chovanie. Na rozdiel od človeka, počítač nie je schopný samostatne rozlíšiť objekty na obrázku. K tomu mu dopomáhajú segmentačné algoritmy. V úvodnej časti sa venujem popisu metódy "mean-shift", ako jednému z účinných algoritmov pre segmentáciu obrazu. V ďalšej časti som sa dostal už priamo ku Gaussovmu "blurring mean shift", kde som popísal jeho funkciu a možnosť jeho zrýchlenia. Pre implementáciu som využil multiplatformnú knižnicu Qt, Qt SDK a programovací jazyk C/C++. Pomocou experimentov som sa zoznámil s chovaním metódy a výsledky následne zdokumetoval v tejto práci.

The aim of this bachelor thesis is to get familiarized with the method in image segmentation called Gaussian "Blurring Mean-shift", its effective implementation and then experimentally verify its behavior. In contrast to human, computer is unable to recognize objects in the image. This do segmentation algorithms. The introduction deals with the description of the method "mean-shift", as one of efficient algorithms for image segmentation. In the next section, I describe directly the Gaussian "Blurring mean-shift", its function and the possibility of its acceleration. Implementation was made with multiplatform library Qt, Qt SDK and programming language C/C++. I used some experiments to get familiarized with behaving of the methods and my results afterwards documented in this thesis.