Содержание
- 2. 3. Компьютерная графика и мультимедиа. Сетевой журнал. http://cgm.computergraphics.ru Вежневец А., Баринова О. Методы сегментации изображений: автоматическая
- 3. Сегментация цветного изображения - процесс выделения из изображения одной или нескольких связных областей, удовлетворяющих критерию однородности,
- 4. Анализ проблемы Дано: Цветное изображение с диапазоном яркости G=256 каждого из трех цветов R,G,B. Найти: Оптимально
- 5. 1. Отсутствует универсальный критерий оценки качества сегментации 2. Пиксель изображения может иметь (256)3=16 777 216 оттенков
- 6. Прикладные задачи, использующие сегментацию цветных изображений распознавание участков кожи человека при идентификации его по цифровому фотопортрету
- 7. Прикладные задачи, использующие сегментацию цветных изображений Выделение заданных объектов, определение лесных пожаров и площади наводнения, прогнозирование
- 8. Прикладные задачи, использующие сегментацию цветных изображений анализ концентрации клеток определенного типа в крови, опухолей и т.д.
- 9. Прикладные задачи, использующие сегментацию цветных изображений выделение заданных областей при анализе видеопотока
- 10. Пороговые методы сегментации цветных изображений rm,n, gm,n, bm,n – значения уровней (m, n)-ного пикселя сегментированного изображения;
- 11. Незаполненные внутренние области Наличие шумовых фрагментов R=138 G=44 B=42 P=25 R=80 G=90 B=105 P=25 Примеры применения
- 12. Разностный метод на основе вычисления евклидово расстояния Прямой разностный метод
- 13. Блочный алгоритм с постобработкой 1. Предварительная сегментация пороговым методом; 2. Бинаризация изображения Y=ym,n полученного на предыдущем
- 14. 4. Применение результатов фильтрации к изображению Y: где Bmm – бинарное изображение, полученное на предыдущем шаге;
- 15. 6. Блочная сегментация индексированного изображения Yind: где k – номер области индексированного изображения; – среднее значение
- 16. Результаты сегментации пороговыми методами Визуальная оценка результатов сегментации С использованием постобработки Идеально сегментированное
- 17. J. A. Hartigan and M. A. Wong. A k-means clustering algorithm. Applied Statistics,1979, №28. P.100-108 Сегментация
- 18. Наиболее используемые признаки при сегментации Rij, Gij,Bij – соответственно значения яркости красного, зеленого и синего цветов
- 19. Алгоритм сегментации средствами кластерного анализа 1. Построение признакового описания изображения (m×n образов) где Vij=(Rij,Gij,Bij,GradRij,GradGij,GradBij,DRij,DGij,DBij) – образ
- 20. 6. Корректировка центров полученных кластеров: CZq= где Nq – количество образов, входящих кластер Zq. – i
- 21. q=1 q=2 q=3 q=4 q=5 q=6 Сегментированное Q=6 Исходное
- 22. Приемлемый диапазон количества кластеров и рекомендуемые значения Q для некоторых классов изображений http://neuroface.narod.ru/files/mahfoudh_autoref.pdf Талеб М.А. Комбинированные
- 23. Развитие исследований ЦОИ 1. Обработка графических изображений – автоматическое распознавание чертежей, карт и др. разработка методов
- 24. 3. Машинное зрение. Сложность – огромные объемы информации. разработка систем выделения и распознавания объектов окружающего мира
- 27. Скачать презентацию