Software pro zpracování obrazu metodou postupného gradientu jasu obrazových pixelů v ploše se shlukováním typu K-means
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F19%3A50016636" target="_blank" >RIV/62690094:18450/19:50016636 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Software pro zpracování obrazu metodou postupného gradientu jasu obrazových pixelů v ploše se shlukováním typu K-means
Popis výsledku v původním jazyce
Software, resp. jádro algoritmu, je určeno pro úpravu obrazu před jeho další analýzou, obvykle pomocí umělých neuronových sítí. Jedná se o metodu čištění obrazu, která má za cíl odstranit z něj nedůležité pozadí, šumy a ponechat pouze anomálie vhodné k dalšímu zpracování. V obraze tedy zůstávají pouze ty oblasti, které jsou žádoucí z pohledu dalšího zpracování. Algoritmus byl dopracován do finální, použitelné podoby a otestován na reálných obrazech. Testy a optimalizace filtrů byly směrovány do průmyslové oblasti (těžký průmysl, identifikace ražených čísel ve špatných světelných podmínkách) a oblasti medicínské (optimalizace na úpravu sérií obrazů vnitřních orgánů). Dalším krokem byla optimalizace rychlosti filtru s ohledem na kvalitu detekce. V současné době je software uzpůsoben pro jazyk C. Výhodou metody je její robustnost, resp. určitá necitlivost na podmínky, při kterých byly vstupní obrazy pořízeny. Tím je myšleno např. změna nasvětlení obrazu, úhel snímání apod. Komerční řešení jsou na tyto změny velmi citlivé a např. při změně světelných podmínek podávají zkreslené, nebo vysloveně špatné výsledky.
Název v anglickém jazyce
Software pro zpracování obrazu metodou postupného gradientu jasu obrazových pixelů v ploše se shlukováním typu K-means
Popis výsledku anglicky
Software, resp. jádro algoritmu, je určeno pro úpravu obrazu před jeho další analýzou, obvykle pomocí umělých neuronových sítí. Jedná se o metodu čištění obrazu, která má za cíl odstranit z něj nedůležité pozadí, šumy a ponechat pouze anomálie vhodné k dalšímu zpracování. V obraze tedy zůstávají pouze ty oblasti, které jsou žádoucí z pohledu dalšího zpracování. Algoritmus byl dopracován do finální, použitelné podoby a otestován na reálných obrazech. Testy a optimalizace filtrů byly směrovány do průmyslové oblasti (těžký průmysl, identifikace ražených čísel ve špatných světelných podmínkách) a oblasti medicínské (optimalizace na úpravu sérií obrazů vnitřních orgánů). Dalším krokem byla optimalizace rychlosti filtru s ohledem na kvalitu detekce. V současné době je software uzpůsoben pro jazyk C. Výhodou metody je její robustnost, resp. určitá necitlivost na podmínky, při kterých byly vstupní obrazy pořízeny. Tím je myšleno např. změna nasvětlení obrazu, úhel snímání apod. Komerční řešení jsou na tyto změny velmi citlivé a např. při změně světelných podmínek podávají zkreslené, nebo vysloveně špatné výsledky.
Klasifikace
Druh
R - Software
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/TG02010020" target="_blank" >TG02010020: Centrum transferu biomedicínských technologií - PoC</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Interní identifikační kód produktu
FIM-SoftwareObraz_jazykC
Technické parametry
Software je určen zejména do průmyslové oblasti, přesněji lehký a těžký průmysl. Cílovou oblastí je automatizace výrobních procesů a kontrola kvality. Prezentovaný algoritmus, resp. obrazový filtr, měl implementovánu metodu shlukování K-means. Metoda shlukování typu K-means je jedna z nejjednodušších a nejpoužívanějších ne hierarchických metod vhodných pro strojového učení. Metoda vychází z premisy, že shlukované body leží v obecné euklidovském prostoru. Počet shluků je obvykle předem definovaný a vychází ze znalosti oblasti použití, popř. ze znalosti CO vlastně shlukujeme a CO od toho očekáváme. Shluk (množina) je jasně definován svým středem, který leží ve stejném prostoru, jako shlukované body (pixely). Body náleží do toho shluku, kterému středu jsou nejblíže. Počáteční náhodná (random) definice souřadnice středu se iterativně upravuje tak, že se vypočítá těžiště přiřazených bodů a k novému středu se přiřadí další body, a tak stále dokola, dokud není rozdíl mezi dvěma po sobě jdoucími iteracemi pod uživatelsky definovanou mezí.
Ekonomické parametry
Náklady na testovanou soustavu technických prostředků se pohybovaly do 60 000 Kč v HW prostředcích pro jednu fyzickou instalaci. Uvedené řešení je doplňkem komplexnějšího řešení např. detekce čísel ve špatných světelných podmínkách, kde je cíleno na předcházení záměny označených výrobků a např. zastavení pásové výroby odběratelské firmy (automotive). V závislosti na cílovém nasazení může SW řešení ušetřit statisíce např. v těžkém průmyslu – ocelářství kde je problémem špatná čitelnost výkovků a plechů (několik cm tlustých a žhavých – červená barva), tedy špatně identifikovatelných a s možností chyby při identifikaci. Zde je potenciálně vhodné nahradit člověka strojem – předkládaným řešením.
IČO vlastníka výsledku
62690094
Název vlastníka
Univerzita Hradec Králové