Využití spektrálního shlukování pro segmentaci obrazu

Abstract

Spektrální shlukování je metoda, která dokáže na bázi zpracování vlastních čísel a jejich vlastních vektorů matice podobnosti pro vstupní body rozdělit tyto vstupní body na jednotlivé oblasti. V minulosti byla tato metoda úspěšně aplikována na segmentaci různých prvků mimo obor zpracování obrazu. Tato diplomová práce si klade za cíl prozkoumat tuto metodu a experimentálně ověřit její použitelnost pro potřeby segmentace digitálního obrazu. Práce se také zaměří na popis vlivu nastavení vstupních parametrů této metody na výsledek segmentace, jelikož tento vliv není v dostupné literatuře příliš podrobně popsán. V rámci této práce bude také ukázáno, jaké knihovny lze použít pro efektivní výpočet vlastních čísel a jejich vlastních vektorů. Pozornost bude také věnována rozboru implementace programu využívajícího metodu spektrálního shlukování a detailnímu popisu jeho dosažených výsledků.

Spectral clustering is a method which can separate input points into individual regions on the basis of eigenvalues and their corresponding eigenvectors of similarity matrix made for these input points. This method has been successfully applied on the segmentation of various input points outside the domain of image analysis. This diploma thesis aims to explore this method and experimentally verify its usability for the needs of digital image segmentation. The thesis also aims to describe the influence of setting the input parameters for this method on the results, because this influence is not described in too much detail in the available literature. In the framework of this thesis it will also be shown, which libraries could be used for effective computation of eigenvalues and their eigenvectors. Attention will also be paid to the analysis of implementation of such program using the method of spectral clustering as well as its results.