prof. Ing. Michal Haindl, DrSc.

Cílem práce je analyzovat vnímání povrchových materiálů za proměnných světelných a pozorovacích podmínek. Práce bude mít za úkol nalezení vhodných statických i dynamických vizuálních stimulů a psychofyzikální ověření jejich relativního významu pro lidské vnímání a rozpoznávání odlišných materiálů.

Práce je zaměřena na výzkum metod rozpoznávání a modelování tvaru těles z videozáznamu pro aplikace virtuální reality. Navrhněte a realizujte vhodnou metodu automatického odhadování 3D modelu z naměřených dat pomocí videokamery. Ověřte metodu na vybraných modelech soch a budov.

Současný pokrok skenování pomocí počítačové tomografie umožňuje virtuálně rekonstruovat řecké pergamenové svitky spálené před 2000 lety po výbuchu sopky Vesuv. Existujících 280 nalezených svitků, představuje ohromnou historickou hodnotu. Jejich čtení je skutečnou revolucí v moderních metodách archeologie a na jeho řešení je vypsána mezinárodní soutěž. Jednotlivé vrstvy svitku je potřeba nejprve virtuálně rozvinout, jednotlivé fragmenty vzájemně spojit. Nalezení jednotlivých řeckých písmen na spálených svitcích je velmi obtížné z CT skenů, možným řešením je použití metod analýzy textur. Prozatím se podařilo úspěšně přečíst jen několik izolovaných slov. Tématem práce je zlepšení současného stavu čtení spálených svitků.

• Haindl, M. “Bidirectional Texture Function Modeling,” In: Handbook of Mathematical Models and Algorithms in Computer Vision and Imaging, chapter 28, pp. 1023–1064, ISBN 978-3-030-03009-4, DOI 10.1007/978-3-030-98661-2 103, Springer
• International Publishing, 2023.
• Mikes, S. - Haindl, M. “Texture Segmentation Benchmark,” IEEE Transactions on Pattern Analysis and Machine Intelligen-ce ,vol. 44, no. 9, pp. 5647-5663, DOI 10.1109/TPAMI.2021.3075916, ISSN 0162-8828, September, 2022.
• Haindl, M. - Havlicek, V. “Transfer Learning of Mixture Texture Models,” 12th Int. Conf. on Computational Collective Intelli-gence, ICCCI 2020, ISBN 978-3-030-63006-5, DOI 10.1007/978-3-030-63007-2 65, pp. 825–837, Lecture Notes in Artificial Intelligence, vol. 12496, 2020, Springer Nature Switzerland AG.

Práce je zaměřena na studium metod odhadu pokročilých reprezentací vizuálních vlastností povrchových materiálů (BTF, SVBRDF) přímo měřením 3D objektů v přirozeném osvětlení. Navrhněte a realizujte vhodnou metodu automatického odhadování vizuální reprezentace povrchového materiálu z naměřených dat pomocí ručního snímání videokamerou. Ověřte metodu na vybraných povrchových materiálech.

Stanovení kvality modelovaných vizuálních dat je stále nevyřešený problém, protože chybí matematické kritérium umožňující vhodně aproximovat lidské vnímání. Cílem práce bude nalezení takového kritéria, které umožní porovnávat a řadit podle podobnosti syntetické výsledky s jejich měřenými vzory. Kritérium bude použitelné i na texturních datech.

Práce je zaměřena na studium metod modelování osvětlení z naměřené obrazové informace pro aplikace modelování BTF textur v modelech virtuální reality. Navrhněte a realizujte vhodnou metodu tvorby osvětlení z naměřených obrazových dat. Ověřte metodu na modelu osvětlení interiéru a exteriéru při proměnném osvětlení.

Návrh a implementace vhodného statistického modelu, který umožní modelování a predikci šíření virové infekce mezi jednotlivými sousedícími zeměpisnými oblastmi. Model dále umožní hodnotit některá vybraná epidemiologická opatření a jejich vliv na rychlost šíření virové infekce. Vyvinutý markovský model bude verifikován na datech koronavirové infekce COVID-19.

Vzhled reálných materiálů se významně mění se změnou osvětlení a pohledu. Proto současné nejvyspělejší texturní reprezentace (BTF) vyžadují modelovat odrazivost v širokém rozsahu parametrů osvětlení a umístění kamery pomocí složitých matematických modelů. Cílem práce bude vyvinout a ověřit nový BTF model založený na teorii markovských náhodných polí, který zlepší současný stav fyzikálně správného modelování povrchů materiálů.

Návrh vhodných multispektrálních texturních příznaků pro analýzu povrchových materiálů vizuálních scén s proměnlivými podmínkami pozorování. Příznaky budou odvozeny od vícerozměrových statistických modelů, navrženy jejich invariantní modifikace, porovnány se současnými nejlepšími publikovanými alternativními texturními příznaky a aplikovány na BTF data.

Cílem práce je kriticky zhodnotit současný stav neřízené segmentace obrazových dat a vyvinutí algoritmu pro neřízenou segmentaci dynamických barevných / multispektrálních / BTF obrazů do jednotlivých homogenních oblastí. Algoritmus bude založen na vícerozměrných markovských modelech a testován na PTSB benchmarku.

Melanom kůže, jako nejnebezpečnější forma rakoviny kůže, je rostoucím nebezpečím v posledních desetiletích díky svému stále zvyšujícímu se výskytu. Jeho efektivní léčba vyžaduje jeho rozpoznání a chirurgické odstranění v co nejranější fázi. Cílem práce je nalezení diskriminativních obrazových příznaků a vhodného klasifikátoru, který umožní rozpoznání rakoviny kůže z barevných obrazů kůže a zároveň umožní monitorování pokroku léčby ze sekvence časově proměnných obrazů nádoru.

prof. Ing. Michal Haindl, DrSc.

doc. Ing. Štěpán Starosta, Ph.D.

Katedra aplikované matematiky

Žlutohňedá želva (Testudo hermanni) je na seznamu ohrožených druhů, a proto je v zájmu ochránců zvířat identifikovat jednotlivce tohoto druhu pomocí biometrických dat z digitálních fotografií.. Tato práce navazuje na práci [3], která potvrdila, že biometrická data lze pro jednoznačnou identifikaci využít, nicméně vlastní detekce palstronů, nebyla příliš úspěšná. Proto se tato práce zaměřuje hlavně na datovou sadu postavenou z 323 nekvalitních fotografií s různými kompozicemi scény, orientací krunýře a rozlišením. V detekci plastronů bylo dosaženo úspěšnosti 83,94 % .

Práce na DSpace

prof. Ing. Michal Haindl, DrSc.

doc. RNDr. Alena Šolcová, Ph.D.

Katedra aplikované matematiky

Podpovrchová naleziště antropogenního původu jsou často viditelná z leteckých snímků ve formě změn vegetačního pokryvu. Tyto příznaky vznikají rozdílnými podmínkami pro růst vegetace v souvislosti se změnou lokální chemické skladby půdy, kterou podpovrchové objekty způsobují. Tato práce se věnuje návrhu a implemetaci metody, která je schopna tyto vegetační příznaky detekovat ve volně dostupných leteckých snímcích, poskytovaných mapovými portály ve formě ortomap. Potenciál takovéto automatické detekce tkví ve výrazném urychlení procesu objevování a katalogizace archeologických nalezišť. Práce obsahuje stručný úvod do problematiky letecké archeologie a rešerši state-of-the-art metod dálkového snímání a automatické detekce se zaměřením na postupy, u kterých je množství pozitivních příkladů podobně omezené jako v námi vytvořeném datasetu. Dále jsou popsány tři přístupy k automatické detekci, je vytvořen jejich návrh a následná implementace. Na vytvořeném datasetu je provedeno experimentální testování navržených metod. Pomocí analýzy výsledků jsme odvodili omezení jednotlivých přístupů. První i druhá metoda jsou založeny na detekci rohů a lineárních segmentů a jejich vzájemných prostorových vztahů. Třetí metoda, založena na template matchingu vegetačních příznaků přibližně známých tvarů s využitím zobecněné Houghovy transformace, se ukázala jako nejperspektivnější pro budoucí využití.

Práce na DSpace

prof. Ing. Michal Haindl, DrSc.

RNDr. Jakub Klímek, Ph.D.

Katedra softwarového inženýrství

Už byly představeny desítky a možná i stovky texturálních příznaků, avšak nějaké rozsáhlé hodnocení a porovnání příznaků stále chybí. V této práci prozkoumáme a popíšeme monospektrální a multispektrální příznaky a na základě toho vytvoříme obecnou metodologii na měření informační kvality texturálních příznaků. V této metodologii rozřadíme příznaky do kategorií a tím vytvoříme zobecňující vrstvu, která umožní příznaky hodnotit obecně a automaticky. Tuto metodologii pak začleníme do tvorby multispektrálního texturálního benchmarku s webovým portálem, který umožní experimentovat s příznaky. Vysvětlíme všechny fáze vývoje od analýzy, návrhu uživatelského rozhraní a jeho testování, až po samotnou implementaci systému. Vytvořený benchmark bude složený z několika komponent a bude rozšiřitelný o další příznaky, datasety nebo statistiky a v neposlední řadě bude výpočetně škálovatelný jak vertikálně, tak horizontálně.

Práce na DSpace