/engineers_thesis

Praca inżynierska

Primary LanguageTeX

Praca inżynierska

Jakub Gogola

Wydział Podstawowych Problemów Techniki Politechnika Wrocławska


Temat pracy: Replikacja obrazów za pomocą algorytmów genetycznych

Temat pracy (in English): Image replication using genetic algorithms

Cel i zakres pracy: Celem pracy jest zaprojektowanie i implementacja aplikacji, która na podstawie algorytmu genetycznego utworzy kopię zadanego obrazu przy ustalonych ograniczeniach (rozdzielczość, liczba kolorów, czas trwania, wykorzystane wielokąty). Aplikacja powinna umożliwiać swobodną modyfikację parametrów wejściowych, tak by przeprowadzić analizę wpływu poszczególnych parametrów algorytmu (np. rozmiar populacji w każdym pokoleniu, sposób wyboru osobników do kolejnych mutacji, wybór kryteriów zakończenia działania algorytmu) oraz cech obrazu oryginalnego (np. rozmiar, liczba barw, entropia) na obraz wynikowy. Jakość uzyskanego obrazu powinna być oceniona w sposób subiektywny (na podstawie wrażeń obserwatorów) jak i obiektywny (odległość od obrazu oryginalnego).

Struktura i opis pracy:

  1. Wstęp teoretyczny
  2. Opis wykorzystywanych algorytmów przetwarzania obrazu oraz heurystyk
  3. Opis wykorzystywanych narzędzi
  4. Projekt algorytmu
  5. Instrukcja użytkownika
  6. Testy i porównanie z istniejącymi rozwiązaniami
  7. Wnioski, opis ograniczeń algorytmu oraz możliwych modyfikacji

Zadania do wykonania: Studia literaturowe. Wybór technologii oraz wykorzystywanych technik przetwarzania obrazu i heurystyk replikacji. Implementacja algorytmu replikacji. Przeprowadzenie testów. Utworzenie dokumentacji użytkownika i raportu z testów.

Literatura:

  1. Richard O. Duda, Peter E. Hart, David G. Stork. Pattern classification.
  2. K. He, J. Sun and X. Tang, "Guided Image Filtering," in IEEE Transactions on Pattern Analysis and Machine Intelligence
  3. R. Brunelli, Template Matching Techniques in Computer Vision: Theory and Practice
  4. Z. Michalewicz, Algorytmy genetyczne + struktury danych = programy ewolucyjne
  5. Z. Michalewicz, D.B. Fogel, How to Solve It: Modern Heuristics
  6. L. D. Chambers(ed), The practical handbook of genetic algorithms, applications
  7. E. Alba et al., Optimization Techniques for Solving Complex Problems
  8. N. Wadhwa, M. Rubinstein, F. Durand, W.T. Freeman. Riesz Pyramids for Fast Phase-Based Video Magnification
  9. J. Rückert, Artificial Art: Image Generation using Evolutionary Algorithms
  10. W. Atmar. Notes on the simulation of evolution
  11. Sh. Baluja, D. Pomerleau, T. Jochem. Towards Automated ArtificialEvolution for Computer-generated Images
  12. M. Lewis. Evolutionary Visual Art and Design

Zawartoś repozytorium

W katalogu /latex znajdują się pliki źródłowe opisowej części pracy.

W katalogu /implementation znajdują się pliki źródłowe z implementacją oraz opisem algorytmu.