ОмГТУ, АСОИиУ, 2014
Дисциплина "Системы поддержки принятия решений", вариант №17 Пояснительная записка 39 с., 21 рис., 2 табл., 6 ист.
Предметом работы является изучение алгоритма кластеризации изображения на основе метода минимального остовного дерева.
Цель работы: разработать приложение, демонстрирующее выделение в черно-белом изображении букв и прочих связных фрагментов.
В ходе работы:
- рассмотрены основные понятия, связанные с задачей кластеризации;
- изучена структура данных "система непересекающихся множеств" и её применение в алгоритме Краскала при нахождении минимального остовного дерева;
- изучен алгоритм кластеризации изображения на основе метода минимального остовного дерева;
- разработано на языке C# (WinForms.NET 3.5) windows-приложение, демонстрирующее выделение в черно-белом изображении букв и прочих связных фрагментов;
- разработанное приложение протестировано и верифицировано.
В результате работы было сделано заключение об актуальности использования метода минимального остовного дерева для кластеризации изображений. Приложение + Исходный код приложения в Visual Studio 2010 + набор изображений на котором тестировалось приложение
Дисциплина "Системы поддержки принятия решений", вариант №17 Пояснительная записка 39 с., 21 рис., 2 табл., 6 ист.
Предметом работы является изучение алгоритма кластеризации изображения на основе метода минимального остовного дерева.
Цель работы: разработать приложение, демонстрирующее выделение в черно-белом изображении букв и прочих связных фрагментов.
В ходе работы:
- рассмотрены основные понятия, связанные с задачей кластеризации;
- изучена структура данных "система непересекающихся множеств" и её применение в алгоритме Краскала при нахождении минимального остовного дерева;
- изучен алгоритм кластеризации изображения на основе метода минимального остовного дерева;
- разработано на языке C# (WinForms.NET 3.5) windows-приложение, демонстрирующее выделение в черно-белом изображении букв и прочих связных фрагментов;
- разработанное приложение протестировано и верифицировано.
В результате работы было сделано заключение об актуальности использования метода минимального остовного дерева для кластеризации изображений. Приложение + Исходный код приложения в Visual Studio 2010 + набор изображений на котором тестировалось приложение