📄Работа №114624
Тема: Сегментация изображений с помощью алгоритмов кластеризации
Тип работы
Бакалаврская работа
Предмет
программирование
Объем:
49 листов
Год:
2017
Просмотров:
65
4600
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Аннотация 2
ВВЕДЕНИЕ 3
1 АНАЛИЗ СОСТОЯНИЯ АЛГОРИТМОВ КЛАСТЕРИЗАЦИИ ИЗОБРАЖЕНИЙ 5
1.1 Обзор предметной области 5
1.2 Обзор программных аналогов 6
2 АНАЛИЗ И ПРОЕКТИРОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ С ПРИМЕНЕНИЕМ АЛГОРИТМОВ СВЕРТКИ 17
2.1 Описание алгоритма свертки 17
2.2 Описание алгоритма сегментации к-средних 20
2.3 Анализ сегментации изображений с применением алгоритма свертки 23
3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ СЕГМЕНТАЦИЙ ИЗОБРАЖЕНИЙ С ПРИМЕНЕНИЕМ АЛГОРИТМОВ СВЕРТКИ 26
3.1 Реализация пользовательского интерфейса 28
3.2 Тестирование пользовательского интерфейса 31
3.3 Пример работы программы 32
ЗАКЛЮЧЕНИЕ 34
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 35
ПРИЛОЖЕНИЕ А 38
ПРИЛОЖЕНИЕ Б 44
ПРИЛОЖЕНИЕ Б 44
ПРИЛОЖЕНИЕ В 46
ПРИЛОЖЕНИЕ Г 47
ВВЕДЕНИЕ 3
1 АНАЛИЗ СОСТОЯНИЯ АЛГОРИТМОВ КЛАСТЕРИЗАЦИИ ИЗОБРАЖЕНИЙ 5
1.1 Обзор предметной области 5
1.2 Обзор программных аналогов 6
2 АНАЛИЗ И ПРОЕКТИРОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ С ПРИМЕНЕНИЕМ АЛГОРИТМОВ СВЕРТКИ 17
2.1 Описание алгоритма свертки 17
2.2 Описание алгоритма сегментации к-средних 20
2.3 Анализ сегментации изображений с применением алгоритма свертки 23
3 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ СЕГМЕНТАЦИЙ ИЗОБРАЖЕНИЙ С ПРИМЕНЕНИЕМ АЛГОРИТМОВ СВЕРТКИ 26
3.1 Реализация пользовательского интерфейса 28
3.2 Тестирование пользовательского интерфейса 31
3.3 Пример работы программы 32
ЗАКЛЮЧЕНИЕ 34
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 35
ПРИЛОЖЕНИЕ А 38
ПРИЛОЖЕНИЕ Б 44
ПРИЛОЖЕНИЕ Б 44
ПРИЛОЖЕНИЕ В 46
ПРИЛОЖЕНИЕ Г 47
📖 Введение
С ростом количества информации, которая окружает человека, становится все сложнее обрабатывать окружающую нас информацию. Множество изображений, которые делает человек ежесекундно, содержит постороннюю информацию в виде фона или посторонних объектов.
Сегментация или по-другому обработка изображений призвана упростить процесс обработки изображений:
• уменьшить объем изображений;
• упрощение изображения для того, чтобы его было проще и легче анализировать;
• избавить изображения от посторонней информации, путем обозначения главных объектов исходных изображений (рисунок 1).
Рисунок 1 - Пример обозначения главного объекта изображения
Сегментация изображений обычно используется для выделения объектов и границ этих объектов на изображениях. Для человека процесс разделение объектов на изображениях является несложной задачей, однако в компьютерном зрении данная задача является непростой. Для обработки изображений алгоритмы кластеризации могут применять сравнение пикселей изображения, яркости или текстуру фона.
Процесс сегментации изображения можно разделить на анализ низкого уровня и анализ высокого уровня. Отделение объектов находящихся на изображении от фона является процессом анализа высокого уровня сегментации (рисунок 1).
Рисунок 2 - Пример кадрирования объекта изображения
На рисунке 1, фото справа, видно, что сегментация прошла успешно только в верхней области, а в правой области никаких изменений не произошло. Основная сложность обработки изображений заключается в том, что изображение не равномерно освещено, поэтому алгоритм практически не отличает фон от объекта.
Новизна работы заключатся в оптимизации работы алгоритма кластеризации при кадрировании изображений путем применения предварительной фильтрации изображения методом свертки.
Цель работы повышение автоматизации и точности кадрирования изображений, за счет разработки алгоритма основанного на свертки.
Объектом исследования является автоматизация сегментации изображений.
Предметом исследования является увеличение точности сегментации изображений с помощью алгоритмов кластеризации.
Сегментация или по-другому обработка изображений призвана упростить процесс обработки изображений:
• уменьшить объем изображений;
• упрощение изображения для того, чтобы его было проще и легче анализировать;
• избавить изображения от посторонней информации, путем обозначения главных объектов исходных изображений (рисунок 1).
Рисунок 1 - Пример обозначения главного объекта изображения
Сегментация изображений обычно используется для выделения объектов и границ этих объектов на изображениях. Для человека процесс разделение объектов на изображениях является несложной задачей, однако в компьютерном зрении данная задача является непростой. Для обработки изображений алгоритмы кластеризации могут применять сравнение пикселей изображения, яркости или текстуру фона.
Процесс сегментации изображения можно разделить на анализ низкого уровня и анализ высокого уровня. Отделение объектов находящихся на изображении от фона является процессом анализа высокого уровня сегментации (рисунок 1).
Рисунок 2 - Пример кадрирования объекта изображения
На рисунке 1, фото справа, видно, что сегментация прошла успешно только в верхней области, а в правой области никаких изменений не произошло. Основная сложность обработки изображений заключается в том, что изображение не равномерно освещено, поэтому алгоритм практически не отличает фон от объекта.
Новизна работы заключатся в оптимизации работы алгоритма кластеризации при кадрировании изображений путем применения предварительной фильтрации изображения методом свертки.
Цель работы повышение автоматизации и точности кадрирования изображений, за счет разработки алгоритма основанного на свертки.
Объектом исследования является автоматизация сегментации изображений.
Предметом исследования является увеличение точности сегментации изображений с помощью алгоритмов кластеризации.
✅ Заключение
В ходе выпускной квалификационной работы была описана актуальность рассматриваемой темы, определен объект и предмет выпускной работы, поставлена цель и выявлены задачи. Также был проведен анализ состояния вопроса, а именно проведен обзор существующих программных аналогов. Кроме этого, были формализованы требования к разрабатываемому программному продукту, описан язык программирования, с помощью которого разработаны алгоритмы программы, а также была описана работа данного программного обеспечения.
В результате было показано, что задачу сегментации изображений можно рассматривать как задачу по кластеризации объектов на изображениях. Было установлено, что автоматизация и точность сегментации изображений возможна за счет применения алгоритмов свертки.
Разработанное в ходе выпускной квалификационной работы программное обеспечение является автоматическим, однако имеет низкую точность сегментации, при слишком большом значении размера матрицы свертки, что может компенсировать высокой скоростью обработки изображений, поэтому программный продукт имеет перспективу улучшения и развития. Для успешного решения задачи сегментации изображения, опытным путем была подобрана величина матрицы свертки.
Данное программное обеспечение может быть дополнено новыми функциональными алгоритмами, работа существующих алгоритмов может быть распределена между несколькими потоками для увеличения производительности программы, а размер матрицы свертки может быть задана в окне пользовательского интерфейса. Так же разработанный программный продукт является бесплатным и имеет простой интерфейс пользователя.
В результате было показано, что задачу сегментации изображений можно рассматривать как задачу по кластеризации объектов на изображениях. Было установлено, что автоматизация и точность сегментации изображений возможна за счет применения алгоритмов свертки.
Разработанное в ходе выпускной квалификационной работы программное обеспечение является автоматическим, однако имеет низкую точность сегментации, при слишком большом значении размера матрицы свертки, что может компенсировать высокой скоростью обработки изображений, поэтому программный продукт имеет перспективу улучшения и развития. Для успешного решения задачи сегментации изображения, опытным путем была подобрана величина матрицы свертки.
Данное программное обеспечение может быть дополнено новыми функциональными алгоритмами, работа существующих алгоритмов может быть распределена между несколькими потоками для увеличения производительности программы, а размер матрицы свертки может быть задана в окне пользовательского интерфейса. Так же разработанный программный продукт является бесплатным и имеет простой интерфейс пользователя.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.