Сегментація зображення на основі аналізу ознак його фрагментів

Abstract

В даній дипломній роботі розглянуто проблему сегментації зображення з врахуванням характерних ознак його фрагментів. Було здійснено порівняльний аналіз існуючих методів сегментації зображень та запропоновано підхід до вирішення поставленої проблеми у вигляді розробленого методу сегментації зображень з використанням енергетичних характеристик Лавса. На основі розробленого алгоритму створено програмний додаток, призначений для сегментації зображень як з метою здійснення подальшої їх обробки, так і як окреме завдання по визначенню необхідних фрагментів. Проаналізовано ефективність алгоритму за допомогою його тестування на різних вибірках зображень та порівняння результатів з аналогами.

В данной дипломной работе рассмотрено проблему сегментации изображения с учетом характерных признаков его фрагментов. Было произведено сравнительный анализ существующих методов сегментации изображений и предложено подход к решению указанной проблемы в виде разработанного метода сегментации изображений с использованием энергетических характеристик Лавса. На основе разработанного алгоритма создано программное приложение, предназначенное для сегментации изображений как с целью осуществления последующей их обработки, так и как отдельное задание по определению необходимых фрагментов. Проанализировано эффективность алгоритма с помощью его тестирования на различных выборках изображений и сравнения результатов с аналогами.

In this thesis work the problem of image segmentation taking into account characteristic features of its fragments was considered. A comparative analysis of existing image segmentation methods and an approach to solve this problem in the form of developed method of image segmentation using the Laws energetic characteristicswere done. Based on the developed algorithm a software application designed for the image segmentation both with the goal tocarry out their further processing and as a separate task connected with the detection of necessary objects was created. The efficiency of the algorithm was analyzed by testing it on different images samples and comparing the results with analogues.