Please use this identifier to cite or link to this item: http://hdl.handle.net/1942/3433
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorBEKAERT, P.-
dc.contributor.authorBUNTINX, Jonas-
dc.date.accessioned2007-11-28T13:57:57Z-
dc.date.available2007-11-28T13:57:57Z-
dc.date.issued2007-
dc.identifier.urihttp://hdl.handle.net/1942/3433-
dc.description.abstractComputer visie is het subdomein binnen informatica dat afbeeldingen interpreteert zodat de computer de scène begrijpt. Meestal is niet alle informatie binnen de foto’s (of video sequentie) even belangrijk. Vaak zijn slechts delen van de foto nodig. Daarom wordt segmentatie gebruikt om de interessante delen uit de foto te halen. Segmentatie in computer visie verdeelt een beeld in verschillende objecten. Hierdoor kunnen er individuele operaties op aparte objecten uitgevoerd worden. Bij video segmentatie is dit het segmenteren van de beelden uit een video sequentie. Omdat het apart segmenteren van elk beeld uit de video een dure operatie is, zijn er speciale technieken bedacht voor het segmenteren van video. In deze thesis wordt een overzicht gegeven van verschillende beeld en video segmentatie technieken. Eén video segmentatie techniek wordt in detail uitgelegd, segmentatie met behulp van keyframe gebaseerde tracking. Tracking is de techniek om objecten in een scène te volgen. Keyframe gebaseerd wil zeggen dat met behulp van een beperkt aantal frames de overige berekend worden. Deze techniek is een semi-automatische video segmentatie techniek, omdat de gebruiker instaat voor de initialisatie en de mogelijkheid heeft om te corrigeren. Segmentatie met behulp van keyframe gebaseerde tracking maakt gebruik van een energie functie minimalisatie voor het volgen van objecten doorheen de video. Een energie functie berekend de kost van de tracking, en deze kost dient dan geminimaliseerd te worden. De verschillende termen van de energie functie worden in deze thesis uitgelegd en er wordt een algoritme gegeven voor het minimaliseren van de functie: Powell’s dogleg methode, die gebruik maakt van een trust region.-
dc.language.isonl-
dc.titleSemi-automatische video segmentatie-
dc.typeTheses and Dissertations-
local.format.pages76-
local.bibliographicCitation.jcatT2-
dc.description.notesMaster in de Informatica - Multimedia-
local.type.specifiedMaster thesis-
dc.bibliographicCitation.oldjcat-
item.fullcitationBUNTINX, Jonas (2007) Semi-automatische video segmentatie.-
item.fulltextWith Fulltext-
item.accessRightsOpen Access-
Appears in Collections:Master theses
Files in This Item:
File Description SizeFormat 
Buntinx.pdf2.17 MBAdobe PDFView/Open
Show simple item record

Page view(s)

8
checked on Jun 25, 2022

Download(s)

6
checked on Jun 25, 2022

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.