Συντάχθηκε 16-10-2026 09:27
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 21/10/2026 14:00
Λήξη: 21/10/2026 15:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Ευτυχίας Μαρινάκη
με θέμα
Σύγκριση τεχνολογιών μηχανικής όρασης και μηχανικής μάθησης για αναγνώριση και τύπωση ακμών και χρώματος ψηφιδωτών
Computer vision and Machine learning methods for recognition and mapping of mosaic edges
Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Ζερβάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Αθανάσιος Λιάβας (Σχολή ΗΜΜΥ)
Καθηγητής Αριστομένης Αντωνιάδης (Σχολή ΜΠΔ)
Περίληψη
Η παρούσα διπλωματική εργασία αποτελεί δομημένη βιβλιογραφική επισκόπηση των μεθόδων τμηματοποίησης και ταξινόμησης για εικόνες που περιέχουν πολλούς μικρούς σχηματισμούς. Το πρόβλημα εξετάζεται σε τρεις κατηγορίες εικόνων με κοινά τεχνικά χαρακτηριστικά, δηλαδή στα ψηφιδωτά, στα φύλλα φυτών και στους κόκκους ορυκτών σε πετρογραφικές λεπτές τομές. Και στις τρεις, το ζητούμενο είναι πολλές μικρές, συχνά εφαπτόμενες οντότητες με ασαφή όρια, κάτω από μεταβλητό φωτισμό και με περιορισμένα επισημειωμένα δεδομένα. Η εργασία θεμελιώνει πρώτα τις βασικές έννοιες και τις οικογένειες μεθόδων. Παρουσιάζονται οι κλασικές τεχνικές, δηλαδή η κατωφλίωση, ο μετασχηματισμός υδροκρίτη, οι μορφολογικές πράξεις και τα υπερ-εικονοστοιχεία, καθώς και οι σύγχρονες αρχιτεκτονικές βαθιάς μάθησης, με έμφαση στα συνελικτικά νευρωνικά δίκτυα και στο U-Net, και με σαφή διάκριση από τα δίκτυα ταξινόμησης και ανίχνευσης. Στη συνέχεια αναλύονται αντιπροσωπευτικές εργασίες ανά κατηγορία ως ολοκληρωμένες ροές εργασίας, από την προεπεξεργασία έως την αξιολόγηση.
Το κύριο μεθοδολογικό αποτέλεσμα είναι ένα πλαίσιο σύγκρισης έξι αξόνων, που είναι το περιεχόμενο της εικόνας, ο τύπος της εικόνας, η προεπεξεργασία, ο σκοπός, τα μοντέλα και οι αλγόριθμοι, και οι μετρικές αξιολόγησης. Οι άξονες λειτουργούν ως αλυσίδα, όπου κάθε επιλογή περιορίζει την επόμενη. Από τη σύγκριση προκύπτει ότι δεν υπάρχει μία καλύτερη μέθοδος. Οι κλασικές και οι υβριδικές προσεγγίσεις παραμένουν ισχυρές όπου η δομή του αντικειμένου είναι έντονη και τα επισημειωμένα δεδομένα λίγα, η βαθιά μάθηση με μεταφορά μάθησης υπερέχει όπου υπάρχει ποικιλία δεδομένων, ενώ στις πιο απαιτητικές περιπτώσεις η πρακτική αξιοπιστία προκύπτει από υβριδικούς αγωγούς επεξεργασίας που συνδυάζουν μαθημένες αναπαραστάσεις με κλασική βελτίωση. Τέλος, αναδεικνύεται ότι η μετρική οφείλει να ακολουθεί τον σκοπό, καθώς η επικάλυψη ανά εικονοστοιχείο δεν αποτυπώνει την ορθή ανάκτηση των αντικειμένων.
Λέξεις-κλειδιά: τμηματοποίηση εικόνας, ταξινόμηση, βαθιά μάθηση, U-Net, υπερ-εικονοστοιχεία, μετασχηματισμός υδροκρίτη, ψηφιδωτά, ασθένειες φυτών, κόκκοι ορυκτών, μετρικές αξιολόγησης
Abstract
This diploma thesis is a structured literature review of segmentation and classification methods for images that contain many small formations. The problem is studied across three image categories that share the same technical difficulties, namely ancient mosaics, plant leaves and mineral grains in petrographic thin sections. In all three, the target consists of numerous small and often touching entities with weak boundaries, recorded under variable illumination and with limited annotated data.
The thesis first establishes the fundamental concepts and the main families of methods. It presents the classical techniques, namely thresholding, the watershed transform, morphological operations and superpixels, together with modern deep learning architectures, with emphasis on convolutional neural networks and on U-Net, and with a clear distinction from classification and detection networks. Representative studies are then analysed per category as complete workflows, from preprocessing through to evaluation.
The main methodological contribution is a comparison framework of six axes, namely image content, image type, preprocessing, purpose, models and algorithms, and evaluation metrics. The axes form a chain in which each choice constrains the next. The comparison shows that no single method is best. Classical and hybrid approaches remain strong where object structure is pronounced and annotated data are scarce, deep learning with transfer learning performs better where the data vary, and in the most demanding cases practical reliability comes from hybrid pipelines that combine learned representations with classical refinement. A further conclusion is that the metric must follow the purpose, since pixel-wise overlap does not capture the correct recovery of individual objects.
Keywords: image segmentation, classification, deep learning, U-Net, superpixels, watershed transform, mosaics, plant disease, mineral grains, evaluation metrics
