Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Digital Image Analysis" wg kryterium: Temat


Wyświetlanie 1-5 z 5
Tytuł:
Zastosowanie metody wektorów nośnych oraz komputerowej analizy obrazu w klasyfikacji korzeni marchwi
Application of support vector machines and digital image analysis in carrot roots classification
Autorzy:
Janaszek, M.
Trajer, J.
Powiązania:
https://bibliotekanauki.pl/articles/290488.pdf
Data publikacji:
2010
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
analiza obrazu
klasyfikacja
marchew
SVM
digital image analysis
classification
carrot
Opis:
W pracy poruszono zagadnienie podejmowania decyzji o przydatności przetwórczej marchwi na podstawie uproszczonej informacji o barwie jej korzeni. Sprawdzono w jakim stopniu barwa pozwoli na odwzorowanie skupień korzeni o podobnych cechach chemicznych, decydujących o dalszym przeznaczeniu surowca. Do klasyfikacji korzeni wykorzystano metodę wektorów nośnych (SVM). Barwę marchwi odczytano z cyfrowych obrazów jej korzeni. Trafność klasyfikacji w zbiorze testowym wskazuje, że barwę można wykorzystać do opracowania wielokryterialnej klasyfikacji marchwi pod względem jej przydatności przetwórczej.
The article presents the study concerning the question of deciding on the processing suitability of carrot on the basis of simplified information about the color of roots. A possibility of mapping clusters of carrot roots having a similar chemical composition, which determine the further allocation of raw material, was examined. In classification of the roots support vector machine (SVM) was used. Carrot color was read from a digital image of its roots. Classification accuracy in the test set indicates that the color can be used to develop a multi-classification of carrots in terms of its processing suitability.
Źródło:
Inżynieria Rolnicza; 2010, R. 14, nr 7, 7; 75-80
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of image texture analysis for varietal classification of barley
Autorzy:
Zapotoczny, P.
Powiązania:
https://bibliotekanauki.pl/articles/26635.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
digital image analysis
texture
classification
barley
texture parameter
biological product
statistical model
Opis:
This paper presents the results of a study into the use of the texture parameters of barley kernel images in varietal classification. A total of more than 270 textures have been calculated from the surface of single kernels and bulk grain. The measurements were performed in four channels from a 24 bit image. The results were processed statistically by variable reduction and general discriminant analysis. Classification accuracy was more than 99%.
Źródło:
International Agrophysics; 2012, 26, 1
0236-8722
Pojawia się w:
International Agrophysics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Characteristics of grain quality and the endosperm microstructure of some Czech and Polish winter wheats
Autorzy:
Sadowska, J.
Jelinski, T.
Hruskova, M.
Prihoda, J.
Klockiewicz-Kaminska, E.
Powiązania:
https://bibliotekanauki.pl/articles/24048.pdf
Data publikacji:
2003
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
microstructure
grain quality
classification
starch
digital image analysis
Polska
wheat
size distribution
endosperm
winter wheat
starch granule
Źródło:
International Agrophysics; 2003, 17, 3
0236-8722
Pojawia się w:
International Agrophysics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of efficiency of extraction of built-up areas in aerial images using fractal analysis and morphological granulometry
Porównanie efektywności wyodrębniania terenów zabudowanych na obrazach lotniczych przy pomocy analizy fraktalnej i granulometrii morfologicznej
Autorzy:
Kupidura, P.
Popławski, W.
Sitko, P.
Powiązania:
https://bibliotekanauki.pl/articles/132365.pdf
Data publikacji:
2015
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
remote sensing
mathematical morphology
fractal analysis
classification
digital image processing
teledetekcja
morfologia matematyczna
analiza fraktalna
klasyfikacja
cyfrowe przetwarzanie obrazów
Opis:
The paper presents a comparison of results of the automatic extraction of built-up areas, based on fractal analysis and granulometric maps, in the aerial images. Built-up areas as a land-use class can be clearly seen in an aerial or satellite image, due to its high granularity, but for the same reason they are very difficult to extract using a “traditional” non-contextual, pixel-based classification. Both approaches presented in the paper, using fractal analysis and morphological granulometry, base generally on a pixel-based classification, but performed on images reviously processed using these two types of processes. Fractal analysis consists in an empirical computing of fractal dimension of parts of an image, using a box-counting method. Such an approach generates an image where pixel values are equal to a fractal dimension values of their neighbourhood. Since we can interpret a fractal dimension as a level of granularity, a simple reclassification of such an image can improve a performance of an automatic extraction of built-up area effectively. The approach based on a morphological granulometry creates a number of granulometric maps – images where pixel values mean an amount of objects of certain size in a set neighbouring fragment of an image. This way a number of these images can be processed using a pixel-based classification, to perform an effective extraction of built-up areas in an image. The results of the presented approaches have been compared to the reference mask obtained basing on a visual interpretation of the image.
Źródło:
Teledetekcja Środowiska; 2015, 52; 29-37
1644-6380
Pojawia się w:
Teledetekcja Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Cyfrowa analiza zdjęcia satelitarnego VHR dla pozyskiwania danych o pokryciu terenu – podejście obiektowe i pikselowe
Digital analysis of VHR satellite image for obtainig land cover data – object and pixel-approach
Autorzy:
Chmiel, J.
Fijałkowska, A.
Woronkiewicz, Ł.
Powiązania:
https://bibliotekanauki.pl/articles/129896.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
pokrycie terenu
klasyfikacja
analiza cyfrowa
zdjęcie satelitarne VHR
podejście obiektowe
land cover
classification
digital analysis
VHR satellite image
object approach
Opis:
Zdjęcia satelitarne o bardzo wysokiej rozdzielczości przestrzennej (VHR) staja się niezastąpionym w wielu zastosowaniach źródłem danych i informacji o powierzchni Ziemi ze względu na wysokie walory interpretacyjne i możliwe do uzyskania dokładności kartometryczne końcowych produktów. Ma to szczególne znaczenie dla aplikacji, gdzie przedmiotem zainteresowania są obszary o złożonej strukturze przestrzennej. Rosnące potrzeby w zakresie pozyskiwania ze zdjęć satelitarnych VHR różnorakich informacji o powierzchni Ziemi, w tym o pokryciu terenu, wymagają jednakże wypracowania bardziej skutecznych i wydajnych metod analizy cyfrowej. W przeciwieństwie do tradycyjnych metod cyfrowej klasyfikacji, które za jednostkę podstawowa przetwarzania (analizy) przyjmują piksel, a zbiór cech wyróżniających definiowany jest zasadniczo w przestrzeni spektralnej, obiektowo zorientowane podejście do analizy pozwala rozszerzyć zbiór cech (wyróżniających obiekty) o elementy związane z tekstura, wielkością, kształtem, szeroko rozumianym sąsiedztwem, kontekstem. Obiektowe podejście często pozwala także w większym stopniu na swego rodzaju obejście pewnych problemów tradycyjnych metod klasyfikacji na poziomie piksela wynikających z wysokiej heterogeniczności wyróżnialnych powierzchni i częstej obecności tzw. statystycznego szumu jako konsekwencji wysokiej rozdzielczość przestrzennej. Wyłonione w wyniku analizy obiekty swoim rozkładem przestrzennym w bardziej naturalny sposób formują obraz rzeczywistości. W niniejszym artykule prezentowane są określone wyniki z zakresu cyfrowej analizy zdjęcia satelitarnego VHR, której celem było pozyskanie danych o pokryciu terenu z wykorzystaniem zarówno pikselowego, jak i obiektowego podejścia do analizy. W pierwszym przypadku zastosowano nadzorowane podejście do klasyfikacji, wykorzystując znane w tym zakresie tradycyjne algorytmy. Podejście obiektowe realizowano w oparciu o funkcjonalność oprogramowania eCognition (Definiens). W tej części istotne było równie włączenie do analizy określonych elementów wiedzy i innych informacji, co miało na celu podniesienie efektywności metody i poprawności końcowych wyników. Określone testy zostały przeprowadzone dla obszaru o zróżnicowanym stopniu złożoności charakterystyki przestrzennej. Dla terenów rolniczych dodatkowo ważne było tak e rozpoznanie upraw. Uzyskane wyniki podkreślają (przy określonych założeniach wstępnych) zalety i ograniczenia zastosowanych podejść i metod, wskazując jednak e pewne widoczne zalety podejścia obiektowego.
Very high resolution satellite images with their valuable photo-interpretation properties and potential high level of geometric accuracy of end products are considered in many applications as a crucial source of data and information about the Earth surface. It is of special importance for such applications in which the area of interest is characterised by complex spatial structure. Growing needs for obtaining diverse categories of information about Earth surface, including land cover, require effective and efficient methods of digital analysis to be worked out. In contrast to traditional methods of digital classification, which use pixel as a reference unit of processing and the frame of discriminating features is basically defined in spectral space, the object-based approach allows to increase the set of discriminating features, including new elements related to texture, size, shape, widely understood neighbourhood, and context. Object-based approach often allows, to a large extent, to avoid some problems of traditional pixel-based classifiers, which result from high level of heterogeneity of identified areas and the frequent presence of so-called statistical noise, which is considered as a consequence of high spatial resolution. The finally created and identified objects in object-based analysis, in their spatial distribution form more natural image of reality. In the present paper, certain results are presented from a range of digital analysis of VHR satellite image, where the main goal was to achieve land cover data applying pixel and object-based approach. In first case, the supervised approach was used with known traditional algorithms. The object-based approach was adopted based on Definiens Professional set of tools. In the latter approach, the essential was also to include certain elements of knowledge and ancillary information with the aim to improve efficiency of the method and accuracy of final results. Given tests were performed for the terrain of diverse levels of spatial complexity. For the rural areas, an important issue was also to recognize the crops. The results showed (with the certain input assumptions) the positive aspects and limitations of applied approaches and methods, pointing at some visible advantages of the object-based approach.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 139-148
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-5 z 5

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies