Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Analýza hlavních komponent ve zpracování obrazu

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60461373%3A22340%2F05%3A00014398" target="_blank" >RIV/60461373:22340/05:00014398 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Principal Component Analysis in Image Processing

  • Popis výsledku v původním jazyce

    Principal component analysis (PCA) is one of the statistical techniques frequently used in signal processing to the data dimension reduction or to the data decorrelation. Presented paper deals with two distinct applications of PCA in image processing. The first application consists in the image colour reduction while the three colour components are reduced into one containing a major part of information. The second use of PCA takes advantage of eigenvectors properties for determination of selected object orientation. Various methods can be used for previous object detection. Quality of image segmentation implies to results of the following process of object orientation evaluation based on PCA as well. Presented paper briefly introduces the PCA theory at first and continues with its applications mentioned above. Results are documented for the selected real pictures.

  • Název v anglickém jazyce

    Principal Component Analysis in Image Processing

  • Popis výsledku anglicky

    Principal component analysis (PCA) is one of the statistical techniques frequently used in signal processing to the data dimension reduction or to the data decorrelation. Presented paper deals with two distinct applications of PCA in image processing. The first application consists in the image colour reduction while the three colour components are reduced into one containing a major part of information. The second use of PCA takes advantage of eigenvectors properties for determination of selected object orientation. Various methods can be used for previous object detection. Quality of image segmentation implies to results of the following process of object orientation evaluation based on PCA as well. Presented paper briefly introduces the PCA theory at first and continues with its applications mentioned above. Results are documented for the selected real pictures.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    JD - Využití počítačů, robotika a její aplikace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2005

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů