Bibliographic Metadata

Title
Combining graph indices with machine learning for texture classification in images / Franz Schwanninger, BSc.
AuthorSchwanninger, Franz
CensorWelk, Martin
Thesis advisorWelk, Martin
PublishedHall in Tirol, Juni 2018
Descriptionxii, 105 Seiten : Illustrationen
Institutional NoteUniversität Innsbruck, Masterarbeit, 2018
Date of SubmissionJune 2018
LanguageEnglish
Document typeMaster Thesis
Keywords (DE)Maschinelles lernen / Graph Indices / Textur / Bildverarbeitung
Keywords (EN)Machine Learning / Graph Indices / Texture / Image Processing
URNurn:nbn:at:at-ubi:1-25025 Persistent Identifier (URN)
Restriction-Information
 The work is publicly available
Files
Combining graph indices with machine learning for texture classification in images [54.7 mb]
Links
Reference
Classification
Abstract (German)

Die Klassifizierung von Bildern ist in den vergangenen Jahren mit zunehmender Popularität von selbstlernenden Systemen (machine learning) und künstlicher Intelligenz zu einem gut untersuchten Gebiet geworden. In der vorliegenden Arbeit wird insbesondere auf die Klassifizierung von Texturen in Bildern eingegangen, wobei Deskriptoren wie Graph Indices die Codierung von Texturinformation erlauben und bisher im Zusammenhang mit selbstlernenden Systemen kaum untersucht wurden. Es wird die Erstellung von entsprechenden Deskriptoren und deren weitere Behandlung sowie deren Leistungsfähigkeit bei der Klassifizierung von Texturen sowie deren Anwendbarkeit im Bereich der Bildsegmentierung und ausgewählte Parameter genauer untersucht. Dies geschieht unter Verwendung von bekannten Standardmodellen wie Support Vector Machines (SVMs) oder Convolutional Neural Networks (CNNs).

Abstract (English)

With rising attention to machine learning and artificial intelligence, image classification problems have been investigated thoroughly for the past years. The present thesis studies especially texture classification in images. Descriptors like graph indices allow textural information encoding and have not jet been investigated closely in context with machine learning methods. Thus, I describe how respective descriptors are formed and encoded and investigate their performance, their applicability to image segmentation and significant parameters in more detail. Known machine learning models like Support Vector Machines (SVMs) or Convolutional Neural Networks (CNNs) are used.

Stats
The PDF-Document has been downloaded 10 times.