📄Работа №25940
Тема: Сегментация, управляемая целями
Характеристики работы
Тип работы
Магистерская диссертация
Предмет
Информатика и вычислительная техника
Объем:
51 листов
Год:
2017
Просмотров:
532
4900
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
Введение 4
1. Обзор методов сегментации 6
1.1 Теоретические основы сегментации изображений 6
1.2 Обзор литературы 7
2. Изображения, космоснимки и их текстурное описание 13
2.1 Изображения, космоснимки 13
2.2 Признаки изображении 14
2.3 Текстурные признаки изображений 16
2.4 Данные дистанционного зондирования Земли, использующиеся в
агромониторинге 22
3. Инструментальные средства 24
3.1 Программный комплекс ENVI 24
3.2 Модуль получения данных содержащих текстурные признаки 25
3.3 Модуль расчета коэффициента Бхаттачария 26
4. Алгоритм на примере сельскохозяйственных угодий 27
4.1 Способ неявного задания критерия компактности 27
4.2 Расчет признакового пространства. Преобразование главных компонент
29
4.3 Кластеризация 32
4.4 Алгоритм сегментации 36
Заключение 40
Список использованных источников 41
ПРИЛОЖЕНИЕ А. Листинг модуля расчета текстурных признаков 43
1. Обзор методов сегментации 6
1.1 Теоретические основы сегментации изображений 6
1.2 Обзор литературы 7
2. Изображения, космоснимки и их текстурное описание 13
2.1 Изображения, космоснимки 13
2.2 Признаки изображении 14
2.3 Текстурные признаки изображений 16
2.4 Данные дистанционного зондирования Земли, использующиеся в
агромониторинге 22
3. Инструментальные средства 24
3.1 Программный комплекс ENVI 24
3.2 Модуль получения данных содержащих текстурные признаки 25
3.3 Модуль расчета коэффициента Бхаттачария 26
4. Алгоритм на примере сельскохозяйственных угодий 27
4.1 Способ неявного задания критерия компактности 27
4.2 Расчет признакового пространства. Преобразование главных компонент
29
4.3 Кластеризация 32
4.4 Алгоритм сегментации 36
Заключение 40
Список использованных источников 41
ПРИЛОЖЕНИЕ А. Листинг модуля расчета текстурных признаков 43
📖 Введение
Сегментация изображений по сей день остается актуальной проблемой. Цель сегментации разделение изображения на существенные части, тем самым сегментация определяет семантику изображения. На сегодняшний день известно большое количество алгоритмов сегментации изображений. В качестве изображений для алгоритмов сегментации могут выступать самые различные данные от модельных изображений до фото и видеоизображений. Но общим для всех методов сегментации является априорное задание некоторого отношения эквивалентности или компактности, которое задается явным образом. Иными словами, исследователи еще до начала работы алгоритма сегментации задают ограничения для нахождения необходимого объекта.
Особенностью работы является то, что цели, или объекты, которые преследуются в работе заданы неявно, как и само отношение эквивалентности.
Цель диссертационной работы состоит в определении и апробации способа неявного задания критерия компактности для сегментации изображений.
Для достижения поставленной цели сформирован ряд задач:
- определение первоначального набора признаков и выявление наиболее информативного набора;
- определение естественного количества классов на изображении;
- проведение кластеризации и сегментации изображения.
В текущей работе в качестве априорной информации для алгоритма сегментации служат карты сельскохозяйственных полей Сухобузимского района, Красноярского края. И для каждого поля автоматически вычисляются ограничения в пределах которых необходим поиск объекта. В связи с изменением различных условий произрастания культур от сезона к сезону, таких как вспашка, обработка химикатами, увлажнение, реальные границы произрастающих культур на полях искажены. В связи с этим определение реальных границ произрастания культур внутри полей является актуальной задачей. При обнаружении границ с/х культур существуют площади, которые не обрабатывались должным образом, либо по иным обстоятельствам, тем самым отличаются от общей массы и являются местами пристального наблюдения агрономами.
Особенностью работы является то, что цели, или объекты, которые преследуются в работе заданы неявно, как и само отношение эквивалентности.
Цель диссертационной работы состоит в определении и апробации способа неявного задания критерия компактности для сегментации изображений.
Для достижения поставленной цели сформирован ряд задач:
- определение первоначального набора признаков и выявление наиболее информативного набора;
- определение естественного количества классов на изображении;
- проведение кластеризации и сегментации изображения.
В текущей работе в качестве априорной информации для алгоритма сегментации служат карты сельскохозяйственных полей Сухобузимского района, Красноярского края. И для каждого поля автоматически вычисляются ограничения в пределах которых необходим поиск объекта. В связи с изменением различных условий произрастания культур от сезона к сезону, таких как вспашка, обработка химикатами, увлажнение, реальные границы произрастающих культур на полях искажены. В связи с этим определение реальных границ произрастания культур внутри полей является актуальной задачей. При обнаружении границ с/х культур существуют площади, которые не обрабатывались должным образом, либо по иным обстоятельствам, тем самым отличаются от общей массы и являются местами пристального наблюдения агрономами.
✅ Заключение
Подводя итог стоит отметить, что все поставленные задачи выполнены, а именно, создан и апробирован алгоритм выделения реальных границ, или определения текущего состояния сельскохозяйственных полей. Разработан модуль в среде IDL Workbench ENVI, позволяющий выделять на изображения текстуру, которая является дополнением к исходным данным. Так же в рамках диссертационной работы разработан модуль по определению естественного количества классов на изображении использующий в своем алгоритме метод кластеризации к-средних и коэффициент Бхаииачария. Сегментация выполнена методом наращивания областей с использованием критерия компактности, состоящего из двух ограничений: восьми соседства пикселей в пространстве изображения и компактности элементов класса в пространстве свойств.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.