Возможные применения

Некоторыми практическими применениями данного метода являются:

• Выделение объектов на спутниковых снимках

• Распознавание определенных объектов на изображении

• Распознавание лиц и отпечатков пальцев

• Системы управления дорожным движением

• Машинное зрение и создание роботов, ориентирующихся в пространстве

• Медицинское [11], в том числе при обнаружении опухолей и патологий

Заключение

Из приведенного выше материала видно, что основная цель исследования разработка нового, относительно простого метода, который позволит более эффективно

сегментировать изображения, была достигнута. Таким образом, итогом рассуждений стал готовый формализованный алгоритм сегментации, который, тем не менее, легко поддается последующим модификациям в зависимости от постановки исходной задачи, в которой требуется разбиение изображения на объекты. Предложенный метод разбиения позволяет не только выделить на изображении множество сегментов. Он обладает рядом достоинств:

• Относительная простота идеи.

• Полученные результаты удовлетворяют выведенным правилам, являющиеся

общим стандартом, которым должен обладать качественный метод.

• Метод не требует вмешательства человека в его работу.

• Высокая эффективность и быстродействие метода.

Перечисленные достоинства позволяют эффективно использовать этот метод сегментации в различных системах, подобных системам распознавания изображений и выполняющие множество задач, в том числе и те, которые были рассмотрены в последнем параграфе.

Список литературы

[1] Joseph. B. Kruskal (1956): On the Shortest Spanning Subtree of a Graph and the

Traveling Salesman Problem, Proc. AMS., Vol. 7, №1, pp. 48

50.

[2] Синтез цвета // Фотокинотехника: Энциклопедия / Главный редактор М.: Советская энциклопедия, 1981. Е. А. Иофис.

[3] R. M. Haralick, L G. Shapiro (1985): Image Segmentation Techniques, Computer

Vision, Graphics, and Image Processing, Vol. 29, №1.

[4] Linda G. Shapiro and George C. Stockman (2001): Computer Vision, New Jersey,

Prentice-Hall, pp. 279-325.

[5] Jianbo Shi and Jitendra Malik (2000): Normalized Cuts and Image Segmentation,

IEEE Transactions on pattern analysis and machine intelligence, Vol. 22, №8, pp.

888-905.

[6] Leo Grady (2006): Random Walks for Image Segmentation, IEEE Transactions on

Pattern Analysis and Machine Intelligence, Vol. 28, №11, pp. 1768-1783.

[7] Z. Wu and R. Leahy (1993): An optimal graph theoretic approach to data clustering:

Theory and its application to image segmentation, IEEE Transactions on Pattern

Analysis and Machine Intelligence, Vol. 15, №11, pp. 1101-1113.

[8] Leo Grady and Eric L. Schwartz (2006): Isoperimetric Graph Partitioning for Image

Segmentation, IEEE Transactions on Pattern Analysis and Machine Intelligence,

Vol. 28, №3, pp. 469-475.

[9] Shapiro, L. G. & Stockman, G. C. (2001): Computer Vision, Prentence Hall, pp.

137, 150.

[10] Mark S. Nixon and Alberto S. Aguado (2008): Processing, Academic Press, p. 88.

[11] Dzung L. Pham, Chenyang Xu, Jerry L. Prince (2000): Current Methods in Medical

Image Segmentation, Annual Review of Biomedical Engineering, Vol. 2, pp. 315-337.

НОМИНАЦИЯ «ФИЗИКА»

Дата добавления: 2015-08-18