Аннотация 2
Введение 3
Глава 1 Анализ предметной области автоматизации 5
1.1 Моделирование бизнес-процесса анализа изображений 5
1.2 Разработка требований к программному модулю сегментации изображений 8
1.2.1 Алгоритм Чана-Везе 9
1.2.2 Алгоритмы морфологических активных контуров 10
1.2.3 Алгоритм SLIC 12
Глава 2 Проектирование программного модуля для сравнения алгоритмов сегментации изображений 14
2.1 Логическое проектирование программного модуля 14
2.2 Выбор средств реализации программного модуля 19
2.2.1 Интегрированная среда разработки Visual Studio 20
2.2.2 Интегрированная среда разработки NetBeans 21
2.2.3 Интегрированная среда разработки Eclipse + PyDEv 23
Глава 3 Реализация и тестирование программного модуля для сравнения алгоритмов сегментации изображений 27
Заключение 37
Список используемой литературы и используемых источников 39
В настоящее время для поддержки принятия решения в различных областях управления социальными и экономическими системами используются различные виды аналитической информации, в том числе графическая.
Как показывает практика, для анализа изображений широко применяется метод их сегментация. Сегментация изображения - это процесс поиска и формирования групп пикселей, которые формируются с учетом контекста исходного изображения. Так, в медицине сегментация используется для выделения различных патологий, определения объемов тканей и при решении задач хирургии с использованием компьютера. Сегментация также применяется при выделении объектов на спутниковых снимках, при распознавании лиц в системах контроля и управления дорожным движением и т.д.
Как показывает практика, наилучших результатов при решении конкретной задачи анализа изображения удается достичь при правильном выборе алгоритма его сегментации. Это существенно повышает эффективность принятого на основе результатов анализа управленческого решения.
Следует также отметить, что правильность такого выбора обусловлена применением соответствующего программного обеспечения, которое должно входить в состав подсистемы анализа информации корпоративной информационной системы предприятия (КИС) в виде программного отдельного модуля.
Разработка такого модуля представляет актуальность и научно - практический интерес.
Объектом исследования бакалаврской работы является программный комплекс анализа изображений КИС.
Предметом исследования бакалаврской работы является программный модуль для сравнения алгоритмов сегментации изображений.
Цель выпускной квалификационной работы - разработка программного модуля для сравнения алгоритмов сегментации изображений, обеспечивающего повышение эффективности принятых управленческих решений.
Для достижения данной цели необходимо выполнить следующие задачи:
• произвести анализ предметной области автоматизации;
• выбрать технологию и спроектировать программный модуль для сравнения алгоритмов сегментации изображений;
• реализовать и протестировать программный модуль для сравнения алгоритмов сегментации изображений.
Методы исследования - методы и технологии проектирования информационных систем, алгоритмы сегментации изображений.
Практическая значимость бакалаврской работы заключается в разработке программного модуля, обеспечивающего правильность выбора алгоритма сегментации изображений и повышения эффективности принятых управленческих решений.
Данная работа состоит из введения, трех глав, заключения, списка используемой литературы и приложений.
Первая глава посвящена анализу предметной области автоматизации.
Вторая глава посвящена выбору технологии и проектированию программного модуля для сравнения алгоритмов сегментации изображений.
В третьей главе описан процесс реализации и тестирования программного модуля для сравнения алгоритмов сегментации изображений.
В заключении описываются результаты выполнения выпускной квалификационной работы.
Приложения содержат фрагменты программного кода приложения.
Бакалаврская работа состоит из 40 страниц текста с приложением, 23 рисунков, 2 таблиц и 21 источника.
Выпускная квалификационная работа посвящена проблеме разработки программного модуля для сравнения алгоритмов сегментации изображений, обеспечивающего повышение эффективности принятых управленческих решений.
Для анализа изображений широко применяется метод их сегментация.
Как показывает практика, наилучших результатов при решении конкретной задачи анализа изображения удается достичь при правильном выборе алгоритма его сегментации. Это существенно повышает эффективность принятого на основе результатов анализа управленческого решения.
Правильность такого выбора обусловлена применением соответствующего программного модуля для сравнения алгоритмов сегментации изображений.
Разработка такого модуля представляет актуальность и научно - практический интерес.
В процессе выполнения ВКР были решены следующие задачи:
• произведен анализ предметной области автоматизации. Как показал анализ, для улучшения бизнес-процесса анализа изображений необходимо разработать и внедрить программный модуль, который позволяет выбрать для сегментации конкретного изображения оптимальный алгоритм;
• выбрана технология и спроектирован программный модуль для сравнения алгоритмов сегментации изображений. Отмечено, что в настоящее время наиболее эффективной считается методика, основанная на визуальном методе сравнения алгоритмов сегментации;
• разработана объектная модель ПМСА, которая представляет собой комплекс базовых диаграмм языка UML, отражающих различные аспекты приложения: диаграммы вариантов использования, диаграммы классов и диаграммы последовательности. В качестве среды для реализации ПМСА выбрана IDE Eclipse+PyDEv;
• на языке Python реализован программный модуль для сравнения алгоритмов сегментации изображений. Для проверки работоспособности ПМСА использован метод функционального тестирования;
• разработана функциональная архитектура системы поддержки управленческих решений после внедрения ПМСА;
• в процессе тестирования в программу загружались тестовые изображения и визуально сравнивались результаты их сегментации с помощью различных алгоритмов.
Функциональное тестирование подтвердило работоспособность ПМСА и возможность проведения с его помощью сравнительного анализа алгоритмов сегментации, что в конечном итоге должно обеспечить повышения качество аналитической информации и, как следствие, эффективности принятых управленческих решений.
Результаты бакалаврской работы представляют научно-практический интерес и могут быть рекомендованы для разработчиков программ, в которых поддержка принятия управленческих решений осуществляется на основе результатов анализа графической информации.
1. Ильясова Н.Ю. Методы цифрового анализа сосудистой системы человека. Обзор литературы [Электронный ресурс]. URL: http: //www.computeroptics.ru/KO/PDF/KO37-4/370416. pdf (дата обращения: 25.05.2021).
2. Интегрированные среды разработки программ [Электронный ресурс]. URL: http://bourabai.ru/einf/ide.htm (дата обращения: 15.05.2021).
3. Краткое руководство. Знакомство с интегрированной средой разработки Visual Studio [Электронный ресурс]. URL: https://docs.microsoft.com/ru-ru/visualstudio/ide/quickstart-ide-orientation?view=vs- 2019 (дата обращения: 15.05.2021).
4. Липаев В. В. Тестирование компонентов и комплексов программ : учебник. Москва : СИНТЕГ, 2010. 393 c.
5. Лучшие IDE и редакторы кода для Python [Электронный ресурс]. URL: https://tproger.ru/translations/python-ide/ (дата обращения: 25.05.2021).
6. Молоткова Н. В., Д.Л. Хазанова. Реинжиниринг бизнес-процессов : учебное пособие. Тамбов : Тамбовский государственный технический университет, ЭБС АСВ, 2019. 81 c.
7. Носова Л. С. Case-технологии и язык UML : учебно-методическое пособие. Челябинск, Саратов : Южно-Уральский институт управления и экономики, Ай Пи Эр Медиа, 2019. 67 c.
8. Подходы к управлению требованиями в IBM OpenUP и FURPS+ [Электронный ресурс]. URL: https://analytics.infozone.pro/requirements-in-ibm- openup-furps/ (дата обращения: 25.05.2021).
9. Хачумов М.В. Расстояния, метрики и кластерный анализ // Искусственный интеллект и принятие решений. №1.2012. С.81-89.
10. Язык программирования Python [Электронный ресурс]. URL: https://intuit.ru/studies/courses/49/49/info (дата обращения: 25.05.2021).
11. Apache NetBeans [Электронный ресурс]. URL: https://netbeans.apache.org/ (дата обращения: 15.05.2021).
12. BPMN Studio. Официальный сайт [Электронный ресурс]. URL: https://bpmn.studio/ru (дата обращения: 25.05.2021).
13. Chan-Vese Segmentation [Электронный ресурс]. URL: https://scikit-image.org/docs/stable/auto_examples/segmentation/plot_chan_vese.html (дата обращения: 25.05.2021).
14. Eclipse IDE [Электронный ресурс]. URL: https://www.eclipse.org/eclipseide/ (дата обращения: 15.05.2021).
15. Geurts A. et al. Visual Comparison of 3D Medical Image Segmentation Algorithms Based on Statistical Shape Models, Digital Human Modeling. Applications in Health, Safety, Ergonomics and Risk Management: Ergonomics and Health, 2015.
...