Пример готовой курсовой работы по предмету: Информационные технологии
Содержание
Введение.
Описание основных методов цифровой сегментации изображений.
1. Метод сегментации изображения на графах
2. Бинарная пороговая обработка изображений
3. Метод сегментации на основе фракталов
4. Метод сегментации на основе преобразования Фурье.
Описание свойств спектра Фурье и способов его расчёта.
Библиотека OpenCV как база для написания практических приложений систем компьютерного зрения
Разработка алгоритма сегментации на основе преобразования Фурье
Сравнение алгоритма с алгоритмом пороговой сегментации.
Заключение
Список использованной литературы
Выдержка из текста
В настоящее время большинство отраслей техники, которые имеющие отношение к получению, обработке, хранению и передачеинформации, в огромной степени ориентированы на развитие системы, основной информацией которой является визуальное представление данных – изображения. Это объясняется тем, что информацию в виде изображения намного проще понять, а само изображение дает более полную информацию об объекте, нежели его сухое текстовое описание.
Однако получение и обработка изображений с помощью компьютерной техники неизбежно сталкивается с этапом цифровой обработки изображения.
Под цифровой обработкой изображений понимается область, включающая в себя различные задачи, связанные с обработкой, хранением и поиском графической информации.
В отсутствие сложной вычислительной техники учеными уделялось большое внимание обработке непрерывных двухмерных сигналов (в частности, непрерывных изображений).
Повышение качества изображений в основном достигалось путем модернизациирегистрирующих системза счет применения различных методов оптики.
Развитие вычислительныхсистем дает возможность к развитию нового направления вобработкедвухмерныхсигналов — цифровой обработке данных. В этой области возникают новые задачи и методы их решения. Первые работы по цифровой обработке изображений были опубликованы в 60-х годах 20-го века и касались областей астрофизики, физики, радиофизики. Задачи, с которыми пришлось столкнуться в первую очередь, касались оптимальных методов дискретизации, квантования, кодирования и сжатия изображений с последующей разработкой устройств ввода / вывода графической информации. В настоящее время область интеллектуальной обработки информации, в том числе видео / графической, активно развивается и имеет свое применение в различных областях, таких как: разработка интеллектуальных охранных систем, построение интеллектуальных систем поиска и обработки визуальной информации, построение автоматизированных систем для исследования других планет, медицине, геодезии, игровой индустрии и др. областях.
При решении приведенных задач при обработке изображений, необходимо также решить следующие подзадачи:
1. Фильтрация изображений.
2. Сегментация изображений.
3. Поиск связных областей на изображении.
4. Геометрические преобразования над изображениями.
От качественного решения подзадач напрямую зависит конечный результат решения общей задачи цифровой обработки изображения.
В настоящей работе особое внимание уделено рассмотрению решения задачи относительно сегментации изображения.
Зачастую изображение приставляется в виде совокупности однородных участков, которые отличаются друг от друга теми или иными характеристиками. Количество различных типов,или классов, участков обычно невелико, вся же картина разделена на непересекающиеся области,каждая из которых заполнена изображением одного из типов. При анализе таких изображенийнаблюдателем или автоматической системой целью является определение геометрическихобластей и указание для каждой из них номера типа (класса).
Иногда такую совокупностьсведений об исходном изображении называют ею картой. Обработка изображения, позволяющаяполучить карту изображения, называют сегментацией.
Количество признаков, которыми могут отличаться друг от друга участки различных типов, оченьвелико. Встречается большое число задач, где участки имеют неодинаковую среднюю яркость.Иногда при одинаковой средней яркости различаются дисперсии флюктуации. Часто можнонаблюдать картину, на которой различие областей проявляется в неодинаковости корреляционныхсвойств: медленные, плавные колебания яркости на одних участках сменяются существенно болеебыстрыми на других. Примером может служить аэрофотоснимок земной поверхности, на которомучастки леса чередуются с участками поля или водной поверхности. Во многих случаях участки разных типов различаются не поодной какой-либо характеристике, а по нескольким.
Встречаются изображения, в которых вся картина разбита на области, не отличающиеся друг отдруга ни по каким своим характеристикам. Вся информация (карта) в этих случаях представляетсобой совокупность границ между отдельными участками. Типичным примером такого типаслужит изображение кирпичной кладки. Очевидно, что для сегментации таких изображенийнепригодны методы, основанные на анализе моментно-корреляционных характеристик, о которыхговорилось ранее.
Большое разнообразие в задачу сегментации вносит обработка цветных изображений. Одним изважнейших признаков для сегментации в этом случае может служить цвет, который дополняетсовокупность характеристик, применяемых при обработке черно-белых изображений. К этому жетипу проблем относится и сегментация спектрозональных изображений. Отметим, что такиезадачи значительно сложнее, а число публикаций в этой области сравнительно невелико.
Вместе с тем подчеркнем, что такие задачи представляют очень большойнаучный и практический интерес и, вероятно, они составляют одни из перспективныхнаправлений развития цифровой обработки изображений.
Методы, используемые при сегментации, еще более разнообразны, чем признаки, по которымразличаются отдельные классы. Важно также и понимать, что каждый метод, применяемый в цифровой обработке данных, необходимо подбирать для каждого конкретного случая, а иногда приходится использовать комбинацию методов для достижения необходимого результата. Это обуславливается наличием как очевидных достоинств, так и присущих недостатков каждого метода.
В настоящее время не существует какого-либо одного эффективногоподхода, лежащего в основе всех или хотя бы большинства методов. Данная проблема оставляет широкое поле деятельности для проведения научных исследований в этой области в ближайшие десятилетия.
В настоящей работе проведен обзор существующих методов сегментации цифровых изображений, а также проведен анализ метода сегментации изображений на основе спектров Фурье.
Список использованной литературы
1. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах: Учебное пособие.- Новосибисрк: Изд-во НГТУ, 2002. — 352 c.
2. Известия ВУЗов. Приборостроение. 2013. Т. 56, № 5. С. 63-70. Фисенко В. Т., Фисенко. Фрактальные методы сегментации текстурных изображений.
3. Лукин А.В. «Введение в цифровую обработку сигналов (математические основы)» / А.В. Лукин. – М.: МГУ, 2007. — 54 с.
4. Спиридонов К. Н. Методы цифровой обработки изображений. Учебное пособие / К. Н. Спиридонов – Петрозаводск: ПетрГУ, 2012. – 30 с.
5. Статья «Эффективная сегментация изображений на графах» — http://habrahabr.ru/post/81279/ — Режим доступа: http://habrahabr.ru. — Заглавие с экрана. – (Дата обращения: 10.12.2015).
6. Статья «Выделение и описание областей» — http://wiki.technicalvision.ru/index.php/Выделение_и_описание_областей — Режим доступа: http://wiki.technicalvision.ru/. — Заглавие с экрана. – (Дата обращения: 8.12.2015).
7. Статья «Фрактал» — https://ru.wikipedia.org/фрактал- Режим доступа: : http:// u.wikipedia.org. — Заглавие с экрана. – (Дата обращения: 8.12.2015).
8. Статья «Опыт использования преобразования Фурье для обнаружения объектов на изображении» — http://www.science-education.ru/106-8081 — Режим доступа: http://www.science-education.ru. — Заглавие с экрана. – (Дата обращения: 11.12.2015).
