Monte Carlo optimalizálás vizsgálata anyagtechnológiai mikroszkóp felvételek elemzésére

OData támogatás
Konzulens:
Dr. Csorba Kristóf
Automatizálási és Alkalmazott Informatikai Tanszék

Ennek a szakdolgozatnak a célja a cv4sersorhub keretrendszerben már részben elkezdett Reversible-Jump Markov Chain Monte Carlo (RJMCMC) félautomata optimalizáló komponensének az újragondolása és bővítése, a működés megértéséhez szükséges elméleti háttérnek a bemutatása, futásának és kódjának az optimalizálása, valamint hibajavító (manuális beavatkozás, valószínűségek lekérése) és egyéb kisegítő funkcióknak (pl. gráf színezés) az implementálása és védelme teszt vezérelt szoftverfejlesztés segítségével.

A technika első sorban anyagtechnológiai mikroszkóp felvételek elemzésének céljából jött létre, de újra felhasználható komponensként más fajta képek feldolgozására is alkalmas. Az alapgondolat, ha a kontúrok megkeresése önmagában nem elég megbízható megoldás a képen szereplő objektumoknak (például márványképek esetén az egyes szemcsék) elkülönítésére, akkor az egyik lehetséges irány a kép túlszegmentálása, majd az egyes kis részek összevonása Monte Carlo módszerrel nagyobb területekké, így kialakítva a végső megoldást. Az összevonás alapja lehet például a szomszédos területek textúrájának hasonlósága,

együttesük konvexitása (általuk lefedett terület milyen mértékben része az őket körbefogó konvex buroknak), átlag színük milyen mértékben tér el, milyen arányban szomszédjaik egymásnak (egyik terület körvonala milyen mértékben tartalmazza a másik terület körvonalát).

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.