Система усунення геометричних спотворень

Скорочена інформація про документ
dc.contributor.advisorКот, Анатолій Тарасович
dc.contributor.authorРейхерт, Яна Олександрівна
dc.date.accessioned2025-09-05T09:27:43Z
dc.date.available2025-09-05T09:27:43Z
dc.date.issued2025
dc.description.abstractДипломна робота: 76 с., 14 рис., 8 табл., 14 посилань, додатки. Об’єктом дослідження є процес автоматичного виправлення геометричних спотворень зображень (аерофотозйомка). Предметом дослідження є програмне забезпечення для корекції радіальних спотворень на основі модифікованої нейромережевої архітектури. Метою роботи є розробка модульного програмного інтерфейсу для дослідження та автоматичної корекції геометричних спотворень із використанням глибоких методів обробки зображень. У роботі здійснено огляд сучасних підходів до виправлення спотворень: класичні методи (камерне калібрування, афінні та проєктні перетворення, оптичний потік) та глибокі архітектури (ResNet/U-Net, Deformable Convolutional Networks, Thin Plate Splines, Homography Estimation via Deep Learning) . Проаналізовано переваги й недоліки існуючих рішень. Розроблено модульне програмне забезпечення на Python, що включає чотири основні компоненти. 1. Data Loader – завантаження та попередній препроцесинг зображень. 2. U-Net Engine – модифікована архітектура із чотирма рівнями енкодера/декодера та skip-зв’язками. 3. Inference – корекція спотворень із налаштуванням confidence. 4. Evaluation – обчислення PSNR та SSIM для оцінки результатів.
dc.description.abstractotherBachelor's thesis: 76 p., 14 figures, 8 tables, 14 references, appendix. The object of the study is the process of automatic correction of geometric distortions in images (aerial photography). The subject of the study is the software for correcting radial distortions based on a modified neural-network architecture. The aim of the work is to develop a modular programming interface for the investigation and automatic correction of geometric distortions using deep image-processing methods. This work includes a review of modern approaches to distortion correction: classical methods (camera calibration, affine and projective transforms, optical flow) and deep architectures (ResNet/U-Net, Deformable Convolutional Networks, Thin Plate Splines, Homography Estimation via Deep Learning). The advantages and disadvantages of existing solutions are analyzed. Modular software was developed in Python, comprising four main components. 1. Data Loader – loading and preprocessing of images. 2. U-Net Engine – modified architecture with four encoder/decoder levels and skip-connections. 3. Inference – distortion correction with adjustable confidence. 4. Evaluation – computation of PSNR and SSIM to assess results.
dc.format.extent92 с.
dc.identifier.citationРейхерт, Я. О. Система усунення геометричних спотворень : дипломна робота … бакалавра : 122 Комп'ютерні науки / Рейхерт Яна Олександрівна. – Київ, 2025. – 92 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75826
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectpython
dc.subjectpytorch
dc.subjectopencv
dc.subjectnumpy
dc.subjectmatplotlib
dc.subjectu-net
dc.subjectcnn
dc.subjectгеометричні спотворення
dc.subjectаерофотозйомка
dc.subjectgeometric distortions
dc.subjectaerial photography
dc.titleСистема усунення геометричних спотворень
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Reikhert_bakalavr.pdf
Розмір:
4.76 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи