Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Algoritmi e tecniche di Segmentazione delle immagini

Al giorno d'oggi, la computer vision e l’elaborazione delle immagini sono coinvolte in molte applicazioni pratiche. Il costante progresso nelle tecnologie hardware porta a nuove capacità di calcolo, e quindi la possibilità di sfruttare nuove tecniche.
La segmentazione nell'elaborazione digitale è il processo di suddivisione di un'immagine in regioni rilevanti. Viene impiegata per conseguire una rappresentazione più compatta, estrarre degli oggetti e come strumento per lo studio delle immagini e permette di suddividere le immagini in insiemi di pixel. Lo scopo è favorire e/o cambiare la raffigurazione delle immagini in un qualcosa di più rilevante e semplice da esaminare.
Questa tesi esplora le tecniche più conosciute per la segmentazione di immagini digitali analizzandole nei vari dettagli. Inizialmente propone un’esposizione delle teorie del colore e di tutte le operazioni di filtraggio per la riduzione del rumore. Successivamente analizza le tecniche di segmentazione delle immagini digitali secondo una struttura ad albero ben definita a partire dalle tecniche basate sulle misure di omogeneità come il clustering, il region growing e tutte le tecniche pixel based che analizzano l’istogramma dell’immagine. Si passa poi alle tecniche basate sulle misure di disomogeneità come l’estrazione degli edge, alle tecniche di segmentazione basate su immagini a colori, alle tecniche basate sull’utilizzo delle texture e alla segmentazione gerarchica. Infine si riportano dei metodi di valutazione della qualità delle segmentazione e alcuni esempi pratici.

Mostra/Nascondi contenuto.
15 Introduzione 6 INTRODUZIONE E’ giunto il momento - disse il Tricheco - di parlare di molte cose (1) L'uomo nella sua storia ha da sempre cercato di fissare le immagini della realtà o della fantasia. All’inizio con i graffiti, poi con la pittura e la scultura, infine con la fotografia. Nella realtà odierna le immagini hanno un’importanza sempre maggiore sia nel mondo della comunicazione, sia nei settori industrali come la robotica, sia per il telerilevamento e la biomedicina. C’è quindi un grande e chiaro interesse nei confronti delle tecniche e dei metodi che vengono utilizzati per rappresentare un’immagine, che permettono di migliorarne la visualizzazione e di estrarre delle informazioni. Negli ultimi decenni, i campi di applicazione continuano a moltiplicarsi tali da comprendere concretamente ogni ramo della scienza e della tecnologia. Si consolida quindi sempre di più la disciplina dell’image processing. Nel mondo della ricerca, l’image processing è una qualsiasi forma di elaborazione dei segnali per la quale l’input è un'immagine, come una fotografia o un frame video, e l’output può essere o un'immagine elaborata o un insieme di features o parametri relativi all'immagine. Molte delle tecniche di digital image processing sono state sviluppate nel 1960 presso il Jet Propulsion Laboratory, nel Massachusetts Institute of Technology, nell’University of Maryland, e in poche altre strutture di ricerca. Inizialmente riguardavano immagini satellitari, immagini mediche, il riconoscimento dei caratteri, e la valorizzazione della fotografia. Il costo era originariamente molto alto vista l'attrezzatura informatica dell’epoca. La situazione è cambiata nel 1970, con l’avvento di computer più economici e hardware dedicatie le immagini sono diventate elaborabili in tempo reale per alcuni problemi dedicati come la conversione di standard televisivi. La visione artificiale è l'insieme dei processi volti a creare un modello approssimato del mondo 3D ed avviene a partire da immagini digitali bidimensionali. Lo scopo è quello di riuscire a riprodurre l'occhio umano, non solo relativamente la visione, inteso come l'acquisizione di una fotografia, ma soprattutto inteso come l’esaminare e l’interpretare il contenuto di una scena. La computer vision è qunidi inserita in questo importante ambito e comprende metodi di acquisizione, di elaborazione e di analisi dei dati provenienti dal mondo reale con l'obiettivo di trasformare un’immagine in numeri e dati per raccogliere informazioni utili per la successiva rielaborazione. L’image segmentation si inserisce nel ramo di image processing come un processo fondamentale e problematico che consente al computer di partizionare un'immagine in regioni uniformi che corrispondono ad oggetti o a parti di oggetti rappresentati in essa. Viene utilizzata per ottenere una rappresentazione più compatta, per estrarre degli oggetti o come strumento che permette di suddividere l'immagine digitale in un insiemi di pixel omogeneo. Lo scopo della segmentazione è semplificare e/o modificare la rappresentazione delle immagini in qualcosa di più significativo e facile da analizzare. La segmentazione è quindi un primo passo verso l'estrazione di informazioni semantiche da una scena. Fino ai primi anni '80 la ricerca in questo settore si è concentrata sulle tecniche per estrarre il contorno degli oggetti, il cosiddetto edge detection, o a separate porzioni di oggetti, tramite tecniche di thresholding. Questi tecniche, definite come bottom-up, vanno a segmentare immagini a partire dalle caratteristiche di basso livello, a prescindere dal contenuto semantico dell’immagine stessa. D’altra parte, però, una segmentazione perfetta in oggetti significativi non può essere ottenuta senza una conoscenza di alto livello dell’immagine. La ricerca di determinati oggetti in una scena ha portato allo sviluppo di tecniche basate su modelli esclusivi, definiti come top-down, che consentono di ottenere buoni risultati se applicati a particolari problemi. Spesso, tuttavia, anche una conoscenza a priori della scena è insufficiente

Laurea liv.II (specialistica)

Facoltà: Interfacoltà Scienze Matematiche fisiche Naturali & Scienze della Formazione

Autore: Gianluca Dario Contatta »

Composta da 142 pagine.

 

Questa tesi ha raggiunto 1285 click dal 04/11/2014.

 

Consultata integralmente una volta.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.