Научный руководитель – доцент, кандидат технических наук Афанасьев Г.К. Прокофьев А.О., магистрант

Содержание АКТУАЛЬНОСТЬ ОБЪЕКТ И ПРЕДМЕТ ИССЛЕДОВАНИЯ ЦЕЛИ И ЗАДАЧИ ИССЛЕДОВАНИЯ МЕТОДЫ СЕГМЕНТАЦИИ АРХИТЕКТУРА ПРОГРАММНОГО ПАКЕТА РЕЗУЛЬТАТЫ

Актуальность медицинские изображения обнаружение опухолей и других патологий, определение объёмов тканей, хирургия при помощи компьютера, диагностика, планирование лечения, изучение анатомической структуры и т.д. выделение объектов на спутниковых снимках, распознавание лиц, распознавание отпечатков пальцев, системы управления дорожным движением, обнаружение стоп-сигналов, машинное зрение

ОБЪЕКТ И ПРЕДМЕТ ИССЛЕДОВАНИЯ Объект исследования: методы сегментации полутоновых и цветных изображений Предмет: программный пакет для сегментации полутоновых и цветных изображений

ЦЕЛИ И ЗАДАЧИ ИССЛЕДОВАНИЯ Цель: Изучить процесс выделения объектов (сегментацию) изображений, как для одномерного случая (полутонового изображения), так и для многомерного (цветного RGB-изображения) Задачи исследования: Подробно изучить несколько различных методов сегментации полутоновых и цветных изображений. Составить теоретический обзор этих методов. Реализовать удобный для наполнения контент ними модулями программный пакет. Реализовать программно изученные методы и присоединить их к программному пакету. На базе написанного программного пакета провести сравнительный анализ реализованных методов для различных типов изображений (как полутоновых, так и цветных). Выявить достоинства и недостатки различных методов к различным типам изображений.

Гистограммные методы

Методы, основанные на теории графов

Пирамидальный алгоритм сегментации изображений Яркость -- B Цветность -- H Насыщенность -- S

Пирамидальный алгоритм сегментации изображений 1) Цветовая метрика: 2) Текстурная метрика: 3) Объединенная текстурно-цветовая метрика:

Метод морфологических водоразделов

Архитектура программного пакета

Результаты ToBright -> Kuvahara -> LG4 -> EGBIS Total: 958 ms GradSobel -> Watershed Total: ms Исходное изображение 319 Х 481

Результаты ToBright->Kuvahara->LG4->EGBIS Total: s GradSobel->Watershed Total: s Input image: 800X600 px

Результаты Input image 200X200 px GlobalPorog Total: 2.57 ms

Результаты Input image 400X400 px; AdaptivePorog; Total: 4.34s

Результаты LG4 -> Watershed Total: 8.96 s Input image 581 Х 278 px

Спасибо за внимание!