SLADKÝ, V. Segmentace karbonových nanokuželů v TEM obrazech pomocí zobecněné Houghovy transformace [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2014.
Student Vladimír Sladký zpracoval bakalářskou práci na téma segmentace karbonových nanokuželů v TEM obrazech s využitím zobecněné Houghovy transformace. Vzhledem k charakteru dat a vyšší složitosti zobecněné Houghovy transformace se jednalo o spíše složitější zadání. Student samostatně s pomocí odborné literatury nastudoval princip zobecněné Houghovy transformace a implementoval jej v prostředí MATLAB. Dále byl schopen, za pomocí morfologických operací, předzpracovat vstupní obrazy takovým způsobem, že byl výrazně potlačen šum, což příznivě ovlivňuje přesnost detekce nanokuželů. Oceňuji také výsledné vyhodnocení přesnosti detekce v závislosti na úrovni šumu a parametrech předzpracování. V průběhu vypracovávání bakalářské práce student prokázal, že je schopen samostatně řešit zadané problémy, orientovat se odborné literatuře a efektivně implementovat algoritmy v programovém prostředí MATLAB. Jedinou výhradu mám k nerovnoměrnému rozvržení studentovy práce, kdy se jak pracovní úsilí, tak četnost konzultací zvyšovaly až ke konci akademického roku. To ovšem nebylo překážkou, protože z mého pohledu student vypracoval velmi dobrou práci, kterou hodnotím stupněm A 95 b.
Předložená bakalářská práce se zabývá segmentací nanoobjektů v obrazech z elektronového mikroskopu (TEM) pomocí zobecněné Houghovy transformace. V první části práce student popisuje vlastnosti pořízených obrazových dat a zaměřuje se na teoretický popis Houghovy transformace. Z textu je poznat, že si student danou problematiku detailně nastudoval a dokázal se v ní zorientovat. V další části práce se student zabývá již praktickou realizací projektu. Na základě pozorování charakteristických vlastností reálných TEM snímků byla vytvořena sada „umělých“ obrazů, které byly využity k vývoji a testování metody segmentace. Popis vývoje algoritmů je v práci přehledně a srozumitelně popsán. Oceňuji, že každý krok zpracování student doplňuje obrázkem, z kterého je jasně vidět, co je výstupem daného kroku. Závěrem jsou dosažené výsledky segmentace nanostruktur vyhodnoceny a diskutovány. Tím, že student použil pro testování uměle generované snímky, mohl tak danou metodu segmentace otestovat za různých podmínek – např. s volbou různého počtu nanostruktur v obraze, pro různé úrovně šumu, apod. Závěrem bych ještě očekával, kdyby byla implementovaná metoda použita na reálná data. Vyhodnocení metody s použitím reálných dat ale v práci není zahrnuto. Rovněž bych ocenil, kdyby práce obsahovala diskusi možných rozšíření vytvořené metody a případného dalšího zpracování. Chybí mi také popis vytvořených programových funkcí s návodem k použití. Nicméně, i přes tyto drobné nedostatky je práce po odborné stránce na velmi vysoké úrovni. I formální stránka práce je velmi kvalitní. Text práce je srozumitelně napsán a obsahuje jen minimum překlepů. S ohledem na složitost zadání a dosažené výsledky navrhuji hodnocení A/92b.
eVSKP id 72867