Розроблено інтелектуальні методи сегментації та контекстної інтерпретації зображень, оцінено одержані результати на базі моделі порівняння зображень на базі нової метрики та розбитих кінцевих множин. Розглянуто існуючі методи для розв'язання задач сегментації зображень та їх недоліки. Обгрунтовано доцільність розробки методу реляційної кластерної сегментації, що має переваги завдяки врахуванню просторового контексту зображення. Розроблено модель представлення зображень, яка дозволяє враховувати всі можливі варіанти позиціювання областей для ефективної обробки розбиттів і покриттів. Запропоновано й обгрунтовано використання матриць толерантності для аналізу об'єднання областей. Розроблено модель порівняння зображень на базі нової метрики на розбиттях кінцевих можин. Уведено, обгрунтовано та досліджено нову метрику на кінцевих розбиттях - інструмент аналізу розбиттів, одержаних на ранніх етапах обробки зображень, для вибору та комбінування результатів сегментації на етапі інтерпретації відеоданих. Проведено експериментальний аналіз та показано, що метрика має переваги у порівнянні з традиційним, зокрема, з евклідовою та відстанню Хаусдорфа, так як є більш стійкою до шумів, а також трансформацій об'єкта. Проведено імітаційне моделювання розробленого методу реакційної кластерної сегментації зображень. Показано його переваги у порівнянні з відомими методами сегментації у задачах пошуку областей інтересу за рахунок можливості проведення аналізу позиціювання областей й аналізу їх об'єднань. Розв'язано практичні задачі сегментації цитологічних зображень для виділення певного роду клітин для попередньої діагностики наявності пухлин.

  Завантажити