ВВедение
АКТУАЛЬНОСТЬ ИССЛЕДОВАНИЯ 12
1.1 Объект исследования 12
2. СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ 16
2.1 Метод эффективной сегментации на графах 16
2.2 Метод к-средних 19
2.3 Метод смеси Гаусса 22
2.4 Детектор границ 26
3 ПРОЕКТИРОВАНИЕ ПРИЛОЖЕНИЯ 28
3.1 Анализ функций системы 28
3.2 Архитектура приложения 29
4 РАЗРАБОТКА ПРИЛОЖЕНИЯ 38
4.1 Выбор инструментов и средств разработки 38
4.2 Демонстрация работы приложения 39
5 ОЦЕНКА РАБОТЫ МЕТОДОВ СЕГМЕНТАЦИИ 43
6 ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОЭФФЕКТИВНОСТЬ И
РЕСУРСОСБЕРЕЖЕНИЕ 50
7 СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ 70
ЗАКЛЮЧЕНИЕ 80
CONCLUSION 81
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 82
ПРИЛОЖЕНИЕ А ЛИСТИНГ ПРОГРАММЫ 85
Сегментацию часто рассматривают как важный шаг в анализе изображений: переход от рассматривания каждого пикселя как единицы измерения к объектам (или частям объектов) в изображении, состоящих из множества пикселей. Хорошо выполненная сегментация облегчает другие стадии анализа изображений.
На сегодняшний день сегментация цифровых изображений применяется в самых разнообразных приложениях, которые включают: оптическое распознавание символов, автоматический осмотр техники, розничная торговля, медицинские изображения, наблюдение.
В связи со сложностью алгоритмов сегментации и разнородностью сфер применения, сегментация часто подвержена ошибкам, поэтому на ряду с автоматическими и полуавтоматическими алгоритмами так же применяется ручная сегментация изображений.
Отклонение результатов ручной и автоматической сегментации цифровых изображений на данный момент является малоизученной областью. Существуют исследования, но в основном применительно к медицинским изображениям, из-за того, что ошибки в данной области наиболее критичны.
Целью данной выпускной квалификационной работы является реализация алгоритма оценки отклонения результатов ручной и автоматической сегментации на основании методов эффективной сегментации изображений на графах [1], к-средних [2] и смесей Гаусса [3].
На основе этих алгоритмов было создано приложение, выполняющее сегментацию цифровых изображений, а также оценивающее отклонение полученных результатов от результатов ручной сегментации. Алгоритм оценки отклонения представляет собой сравнение полученных границ объектов, результат работы которого отображается в процентном соотношении. Для дополнительного контроля отклонения границы можно сравнить визуальноаналитическим методом.
В процессе выполнения выпускной квалификационной работы было проведено исследование алгоритмов сегментации и реализовано приложение для оценки отклонения результатов ручной и автоматической сегментации цифровых изображений.
Были исследованы отклонения результатов сегментации алгоритма эффективной сегментации изображений основанный на графах, алгоритма к- средних и смесей Г аусса.
Быстрее всего выполнял сегментацию алгоритм эффективной сегментации на графах, а также показал наименьшее отклонение.
Небольшое отклонение также показал алгоритм сегментации смесями Г аусса. Но у данного алгоритма есть узкое место - это скорость выполнения. Из- за того, что для инициализации используется алгоритм к-средних и трехмерное пространства в функциях данный алгоритм выполнял сегментацию дольше всего.
В ходе написания дипломного проекта в разделе финансового менеджмента, ресурсоэффективности и ресурсосбережения была проанализирована экономическая эффективность разработанного приложения и стоимость разработки. В разделе социальная ответственность были описаны возможные сбои и ошибки, а также принятые меры и рекомендации по предотвращению подобных ситуаций.
Разработанное приложение позволяет оценить отклонение результатов сегментации и от специфики изображений, области применения того или иного алгоритма сегментации сделать выводы о приемлемости его использования.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
