Složení: Pavel Štarha, Jana Procházková, Pavel Loučka

Náš výzkumný tým aktivně zkoumá a implementuje standardní metody zpracování obrazu, jako je filtrace a segmentace, s důrazem na optimalizaci výkonu a přesnosti. V oblasti filtrace se zaměřujeme na klasické techniky a zkoumáme jejich aplikace v odstranění šumu a zlepšení kvality obrazu. Segmentace je další důležitou oblastí našeho zájmu, kde využíváme metody jako jsou prahování, morfologické operace a hranové detektory k identifikaci a oddělení jednotlivých objektů či struktur v obraze.

Kromě tradičních metod zkoumá náš výzkumný tým ve spolupráci s AI vědeckou skupinou také využití metod umělé inteligence pro analýzu obrazu. Využíváme hlubokého učení a neuronových sítí k posílení schopností našich systémů, zejména v oblastech jako je detekce objektů, sémantická segmentace a klasifikace obrazů. Tím, že kombinujeme klasické techniky s mocí neuronových sítí, se snažíme vyvinout robustnější a adaptivnější řešení, která dokážou zpracovávat rozmanitá vizuální data s větší přesností a efektivitou. Tento hybridní přístup nám umožňuje využít sílu jak tradičních metod zpracování obrazu, tak moderních technik hlubokého učení.

Náš vědecký tým se také specializuje na rozvoj pokročilých metod zpracování 3D dat z různých zdrojů, jako jsou 3D skenery, lidary, rentgeny. Pro detekci objektů a struktur v 3D datech používáme algoritmy založené na hranových detektorech, segmentaci doplňujícího obrazu a rozpoznávání vzorů, které umožňují identifikaci a extrakci klíčových prvků z prostorových dat. Tyto metody nám umožňují analyzovat a vizualizovat 3D scény s vysokou přesností, což má široké uplatnění v různých oborech od průmyslu až po vědecký výzkum.

Témata: Vývoj a aplikace numerických metod  a metod umělé inteligence pro zpracování a analýzy obrazových 2D a 3D dat z optických, elektronových a tunelovacích mikroskopů, počítačové tomografie, 3D skenerů a LIDARů.

Spolupráce: Veterinární univerzita Brno, Continental Automotive Czech Republic s.r.o., Univerzita obrany