Vývoj pracovního postupu pro snímkování uměleckých děl a následné zpracování obrazu – Daniela RŮŽIČKOVÁ
Daniela RŮŽIČKOVÁ
Bachelor's thesis
Vývoj pracovního postupu pro snímkování uměleckých děl a následné zpracování obrazu
Development of a workflow for imaging of works of art and subsequent image processing
Abstract:
Multispectral imaging is widely used in cultural heritage analysis by art historians and conservators. Imaging modes are divided according to imaged spectral range specified by filters. In this thesis, performed imaging modes are presented and the processing enhanced by machine learning is explored, described and discussed.Abstract:
Multispektrální snímkování je hojně využívané restaurátory a historiky umění v analýze kulturního dědictví. Jednotlivé snímkovací režimy jsou rozděleny podle snímkovaného rozsahu vlnových délek určeného pomocí pásmových filtrů. V rámci práce jsou představeny provedené snímkovací režimy. Dále je popsáno a diskutováno zpracování obrazu pomocí strojového učení.
Jazyk práce: English
Datum vytvoření / odevzdání či podání práce: 12. 5. 2021
Obhajoba závěrečné práce
- Vedúci: doc. Mgr. Karel Lemr, Ph.D.
Citační záznam
Citace dle ISO 690:
RŮŽIČKOVÁ, Daniela. \textit{Vývoj pracovního postupu pro snímkování uměleckých děl a následné zpracování obrazu}. Online. Bakalárska práca. Olomouc: Univerzita Palackého v Olomouci, Faculty of Science. 2021. Dostupné z: https://theses.cz/id/jam7bd/.
Jak správně citovat práci
RŮŽIČKOVÁ, Daniela. Vývoj pracovního postupu pro snímkování uměleckých děl a následné zpracování obrazu. Olomouc, 2021. bakalářská práce (Bc.). UNIVERZITA PALACKÉHO V OLOMOUCI. Přírodovědecká fakulta
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: UNIVERZITA PALACKÉHO V OLOMOUCI, Přírodovědecká fakultaPalacký University Olomouc
Faculty of ScienceBachelor programme / odbor:
Physics / Optics and Optoelectronics
Práce na příbuzné téma
-
Rozpoznávání obrazu metodami strojového učení.
Vojtěch Velfl -
Segmentace obrazu pomocí strojového učení
Libor Matějek -
Odhad orientace kamery z obrazu pomocí metod strojového učení
Martin Kubička -
Odhad orientace kamery z obrazu pomocí metod strojového učení
Martin Kubička -
Rozpoznávání objektů v obrazu na platformě NVidia Jetson Nano
Michal SCHWOB -
Strojové učení v klasifikaci obrazu
Jiří Král -
Základy detekce osob v obrazu pomocí metod strojového učení
Peter Lučanský -
Pokročilá analýza MR obrazu míchy
Marek Dostál
Názov
Vložil
Vložené
Práva