Segmentace obrazu metodou "mean shift" a její efektivní implementace

Abstract

Segmentace obrazu patří k základním úlohám počítačového vidění. Mezi rozšířené techniky segmentace patří metoda zvaná "meanshift". Jedná se o robustní metodu vyžadující malý počet uživatelských parametrů. Jediným důležitým parametrem je tzv. vyhlazovací matice. Cílem této diplomové práce bylo naimplementovat filtrační část metody meanshift a prostudovat její chování při různém nastavení vyhlazovací matice. Toto chování bylo zkoumáno na reálných obrazech a především na bílém gaussovském šumu.

An image segmentation is one of the fundamental tasks of computer vision. One of the commonly used segmentation techniques is a method known as ”meanshift”. It is a robust method that requires only small number of user parameters. One of the important parameters is a bandwidth matrix. The aim of this thesis was to implement the filtering part of meanshift method and study its behavior with different settings of the bandwidth matrix. This behavior has been tested on real images, and especially the white Gaussian noise.