Informacja

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

Wyszukujesz frazę "klasyfikacja obrazu" wg kryterium: Temat


Wyświetlanie 1-8 z 8
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:
Dyskryminacja odmian ziarna pszenicy na podstawie cech geometrycznych
Discrimination of wheat seed varieties on the basis of geometrical characteristics
Autorzy:
Zapotoczny, P.
Powiązania:
https://bibliotekanauki.pl/articles/291520.pdf
Data publikacji:
2009
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
ziarno
analiza obrazu
klasyfikacja
geometria
seed
image analysis
classification
geometry
Opis:
Celem pracy było poszukiwanie takich wyróżników geometrii 16 odmian ziarna pszenicy, które pozwolą na ich dyskryminacje. Do identyfikacji właściwości geometrycznych wykorzystano stanowisko do komputerowej analizy obrazu, oparte na pozyskiwania obrazu ziarniaków za pomocą aparatu fotograficznego. Każdy z ziarniaków został opisany przez 66 zmiennych geometrycznych. Analiza statystyczna wyników przebiegała dwuetapowo. W pierwszym etapie przeprowadzono redukcję zmiennych do najlepiej dyskryminujących, natomiast w drugim etapie przeprowadzono analizę dyskryminacyjną. Błąd klasyfikacji odmian jarych wyniósł 10,55%, natomiast odmian ozimych 4,58%.
The purpose of the work was to try to find these geometry characteristics for 16 wheat seed varieties, which will allow their discriminations. Workstation for computer image analysis, based on acquiring seed image using a camera, was used for identifying geometrical properties. Each seed was described by 66 geometrical variables. Statistical analysis of results proceeded in two stages. The first stage involved reduction of variables to those discriminating best, whereas discriminant analysis was made in the second stage. Classification error for spring varieties was 10.55%, and 4.58% for winter varieties.
Źródło:
Inżynieria Rolnicza; 2009, R. 13, nr 5, 5; 319-328
1429-7264
Pojawia się w:
Inżynieria Rolnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Computer-aided diagnosis of breast cancer using gaussian mixture cytological image segmentation
Autorzy:
Kowal, M.
Filipczuk, P.
Obuchowicz, A.
Korbicz, J.
Powiązania:
https://bibliotekanauki.pl/articles/333385.pdf
Data publikacji:
2011
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
segmentacja obrazu
klasyfikacja
rak piersi
image segmentation
classification
breast cancer
Opis:
This paper presents an automatic computer system to breast cancer diagnosis. System was designed to distinguish benign from malignant tumors based on fine needle biopsy microscope images. Studies conducted focus on two different problems, the first concern the extraction of morphometric and colorimetric parameters of nuclei from cytological images and the other concentrate on breast cancer classification. In order to extract the nuclei features, segmentation procedure that integrates results of adaptive thresholding and Gaussian mixture clustering was implemented. Next, tumors were classified using four different classification methods: k–nearest neighbors, naive Bayes, decision trees and classifiers ensemble. Diagnostic accuracy obtained for conducted experiments varies according to different classification methods and fluctuates up to 98% for quasi optimal subset of features. All computational experiments were carried out using microscope images collected from 25 benign and 25 malignant lesions cases.
Źródło:
Journal of Medical Informatics & Technologies; 2011, 17; 257-262
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wstępna ocena możliwości wykorzystania obrazów satelitarnych aster w monitorowaniu lodowców Svalbardu
Preliminary assessment of aster images applicability in monitoring the Svalbard glaciers
Autorzy:
Błaszczyk, M.
Drzewiecki, W.
Powiązania:
https://bibliotekanauki.pl/articles/129719.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
ASTER
lodowiec
klasyfikacja
eCognition
segmentacja obrazu
tekstura
glacier
classification
segmentation
texture
Opis:
Celem prezentowanej pracy była ocena możliwości wykorzystania obrazów satelitarnych ASTER do określenia stopnia uszczelinienia powierzchni lodowców Svalbardu. Pierwszy etap badań polegał na określeniu granic lodowców. Przetestowano metody stosowane w tym celu w ramach projektu GLIMS (Global Land Ice Measurement from Space) oraz zaproponowano własne podejście oparte o wykorzystanie obrazu nasycenia uzyskanego na drodze transformacji IHS kompozycji barwnej z kanałów 345. Dla oddzielenia lodowców od obszarów kry lodowej zaproponowano wykorzystanie wybranych miar teksturalnych. Próby wyodrębnienia w granicach wydzielonych wcześniej lodowców obszarów uszczelinionych na drodze klasyfikacji nadzorowanej nie dały zadowalających rezultatów. Ostatnia część przeprowadzonych badań miała na celu przygotowanie obrazu satelitarnego do klasyfikacji obiektowej w programie eCognition poprzez opracowanie uniwersalnych parametrów segmentacji. Uzyskanie satysfakcjonujących rezultatów segmentacji w oparciu o kanały spektralne obrazu ASTER wymagało stosowania dla poszczególnych lodowców różnych parametrów skali, kształtu i zwartości, co znacząco utrudniałoby automatyzację procesu klasyfikacji. Poprawę rezultatów osiągnięto przeprowadzając wstępną segmentację w oparciu o 1 kanał obrazu ASTER, a dokładniejszą w oparciu o obraz tekstury uzyskany w programie MaZda. Otrzymane rezultaty segmentacji pozwalają przypuszczać, iż możliwe będzie przeprowadzenie klasyfikacji obiektowej w programie eCognition, której rezultatem będzie wydzielenie jako osobnej klasy obszarów uszczelinionych.
ASTER images applicability to surface crevassing assessment of tidewater glacier in southern Spitsbergen, Svalbard was investigated. In the first phase of research, the glaciers spatial extent determination methods were investigated - spectral bands rationing and Normalized Difference Snow Index (NDSI). A new method based on saturation image obtained by intensity-hue-saturation transformation of 345 colour composite was tested as well. Image texture parameters were applied to separate ice floats from glaciers. The supervised classification of original spectral bands for crevassed areas identification failed. Better results were achieved using chosen texture images, but still too many other glacier areas (e.g. dark moraines or streams on glacier surface) were classified as crevasses. In the last stage of research, object-oriented image analysis software (eCognition) was used. The parameters for ASTER image segmentation, resulting in determination of crevassed glacier areas as separate image segments, were searched. To achieve such a goal, image segmentation performed using ASTER spectral bands required different scale, shape and compactness factors for individual glaciers. This is because glacier dynamics and morphology differ, causing differences in shapes and extent of crevassed areas. Satisfactory results were achieved after the application of a two-level segmentation procedure: ASTER spectral band 1 segmentation using large scale parameter and than MaZda software computed texture image segmentation with a small-scale factor. The research confirmed the applicability of satellite ASTER images for monitoring the Svalbard glaciers. The spatial extent of the glaciers was determined by simple thresholding of transformed spectral bands and texture images. Furthermore, obtained segmentation results should enable successful application of object oriented image classification in eCognition to mapping of crevassed glacier areas. Such a classification is planned as the next stage of the research.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 29-39
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja ziarniaków kukurydzy w oparciu o neuronową identyfikację kształtu
The classification of maizes kernels with supporting neuronal identification of shape
Autorzy:
Boniecki, P.
Nowakowski, K.
Powiązania:
https://bibliotekanauki.pl/articles/336706.pdf
Data publikacji:
2008
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
ziarniak
kukurydza
klasyfikacja
neuronowa analiza obrazu
classification
maize
corn kernel
neuronal image analysis
Opis:
Celem pracy było wytworzenie systemu informatycznego wspomagającego proces klasyfikacji ziarniaków kukurydzy w oparciu o neuronową analizę obrazu. W pracy wykorzystano metodę identyfikacji różnic kształtów analizowanych obiektów w oparciu o tzw. superformułę, zaproponowaną przez Johana Gielisa, pozwalającą na reprezentację dowolnego kształtu za pomocą sześciu niezależnych parametrów.
The aim of work was producing the computer system helping the process of classification of corn kernels using neuronal image analysis. In the project was used method of identification of shapes differences using superformula proposed by John Gielis, permitting on representation of any shape with six independent parameters.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2008, 53, 3; 14-17
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie analizy wielkości i kształtu w klasyfikacji użytków zielonych na zdjęciach Landsat ETM+
The application of the size and shape analysis in meadow classification on Landsat ETM+ images
Autorzy:
Kosiński, K.
Hoffmann-Niedek, A.
Powiązania:
https://bibliotekanauki.pl/articles/131094.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
segmentacja obrazu
kształt
wielkość
klasyfikacja
użytkowanie łąk
image segmentation
shape
size
classification
grassland utilisation
Opis:
W naturalnym procesie widzenia z obrazu wydzielane są względnie jednorodne segmenty (Laliberte et al., 2004). Analizowane są takie cechy segmentów, jak kolor, tekstura, częstotliwość przestrzenna, położenie, wielkość, kształt, orientacja, ruch, efekt stereo (Zipser, Lamme, Shiller, 1996; Bach M., Meigen T., 1999; Jacob P., 2003). Znaczenie koloru w wizualnej interpretacji użytków zielonych na zdjęciach Landsat ETM+ można ocenić na podstawie analizy porównawczej składowych barwnych segmentów obrazu. Analiza barwna kompleksów krajobrazowo-roślinnych wydzielonych na mapie satelitarnej doliny Luciąży pozwala wyróżnić cztery kategorie użytków zielonych (Kosiński, 2005). Celem pracy jest określenie znaczenia wielkości i kształtu kompleksów w interpretacji użytków zielonych. Praca jest kontynuacją badań w dolinie Luciąży na Równinie Piotrkowskiej. Kompleksy krajobrazowo-roślinne (jednostki geobotaniczne w randze przestrzennej uroczyska) wydzielano na kompozycji dwóch zdjęć Landsat ETM+. Do delimitacji kompleksów zastosowano interaktywne grupowanie pikseli metodą Region Growing. Analiza wielkości i kształtu wydzielonych w ten sposób segmentów obrazu pozwala odróżnić łąki użytkowane na siedliskach świeżych od pozostałych użytków zielonych, roślinności darniowej i muraw. Wg dobranych empirycznie kryteriów jedenaście spośród trzynastu badanych kompleksów tego typu było prawidłowo sklasyfikowanych. Spośród pozostałych 39 kompleksów użytków zielonych 37 zostało zakwalifikowanych prawidłowo. Połączenie wyników klasyfikacji wg składowych barwnych z klasyfikacją wg wielkości i kształtu pozwala dobrać parametry klasyfikacji pozwalającej wyeliminować błędy operatora w klasyfikacji łąk użytkowanych na siedliskach świeżych. Wyniki wymagają weryfikacji na szerszym materiale, w szczególności rozszerzenia badań na inne mezoregiony.
Image processing during the human vision process tends to generalize images into homogenous areas. When interpreting grasslands on aerial photos and satellite images, image segments are understood as quasi-homogeneous vegetation units: what looks similar in a remotely sensed image is assumed to be similar in nature as well. Image segments are distinct due to a number of cues, including: color, texture, spatial frequency, contrast, size, shape, location, orientation, motion and stereo effect. It was found that four classes of meadow landscape-vegetation complexes may be distinguished based on colour components of the composition of two Landsat ETM+ images. Landscape-vegetation complexes are small geobotanic units corresponding to the nanochore level of physico-geographical units. The aim of this article was to find additional cues useful for meadow interpretation on satellite images. The hypothesis was that it was possible to employ size and shape factors in interpreting grasslands areas. Length, perimeter and area were measured for 52 segments. Classification parameters were adjusted in an empirical manner. Two indexes were produced: a stretch index and a size index calculated based on the three factors. Both indexes are required for identification of fresh meadows in use (complexes of U type), in opposition to other categories of grasslands. 13 U-type landscape--vegetation complexes were found during terrain research. Among them, 11 were correctly classified. 2 complexes of other types were incorrectly classified as U-type. Size and shape analysis appears to be an additional criterion in grassland interpretation.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 331-339
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena przydatności poziomu multifraktalności do opisu wysokorozdzielczych danych pozyskanych przez satelity Landsat
Evaluation of degree of multifractality for description of high resolution data acquired by Landsat satellites
Autorzy:
Wawrzaszek, A.
Walichnowska, M.
Krupiński, M.
Powiązania:
https://bibliotekanauki.pl/articles/131070.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
fraktal
mapa multifraktalnosci
analiza obrazu
klasyfikacja
zobrazowania satelitarne
fractal
multifractal map
image analysis
classification
satellite images
Opis:
W ramach pracy przeanalizowano 6 scen o trzydziestometrowej rozdzielczości pochodzące z satelitów Landsat 5, 7 i 8, zarejestrowane w sześciu zakresach długości fali i prezentujące obszar Warszawy. Stosując dwa algorytmy podziału dużych scen – sąsiadujący i pływający stworzono mapy multifraktalności. Przeprowadzona analiza pozwoliła ocenić, czy scena zarejestrowana w badanych zakresach wykazuje cechy multifraktalne oraz czy wybór rozmiaru podziału sceny w trakcie analiz ma istotny wpływ na uzyskane charakterystyki multifraktalne oraz ich błąd wyznaczenia. W ogólności pierwsza interpretacja przeprowadzonych analiz pokazała, że poziom multifraktalności stosowany dla danych o trzydziestometrowej rozdzielczości nie wykazuje bezpośredniego związku z formą pokrycia terenu. Należy przy tym jednak zaznaczyć, że rozważane dane nie zostały poddane wcześniejszemu przetworzeniu, co zgodnie z podjętą w pracy dyskusją, może stanowić jedną z metod polepszenia uzyskanych wyników.
In the frame of this work six satellite images (at six spectral bands) from Landsat 5, Landsat 7 and Landsat 8 have been analysed. For this purpose 30 meter resolution images showing the regions of Warsaw have been used. The conducted research allowed for verification if the whole scene presents multifractal features and if size of the division of the scene used during the analysis has a significant influence on the multifractal characteristic and error in their calculation. Initial interpretation of the obtained results showed, that the use of degree of multifractality determined for remote sensing data with the 30 meters resolution does not reveal direct relation with land cover classes. It should be noted, however, that the considered data have not been the subject of a previous processing, which according to the discussion performed in this work can be considered as one of the methods to achieve an improvement in results.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2015, 27; 175-184
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification and detection of skin disease based on machine learning and image processing evolutionary models
Autorzy:
Bordoloi, Dibyahash
Singh, Vijay
Kaliyaperumal, Karthikeyan
Ritonga, Mahyudin
Jawarneh, Malik
Kassanuk, Thanwamas
Quiñonez-Choquecota, Jose
Powiązania:
https://bibliotekanauki.pl/articles/38700501.pdf
Data publikacji:
2023
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
skin disorder
machine learning
classification
image enhancement
image segmentation
disease detection
schorzenie skóry
nauczanie maszynowe
klasyfikacja
ulepszenie obrazu
segmentacja obrazów
wykrywanie choroby
Opis:
Skin disorders, a prevalent cause of illnesses, may be identified by studying their physical structure and history of the condition. Currently, skin diseases are diagnosed using invasive procedures such as clinical examination and histology. The examinations are quite effective and beneficial. This paper describes an evolutionary model for skin disease classification and detection based on machine learning and image processing. This model integrates image preprocessing, image augmentation, segmentation, and machine learning algorithms. The experimental investigation makes use of a dermatology data set. The model employs the machine learning methods: the support vector machine (SVM), the k-nearest neighbors (KNN), and random forest algorithms for image categorization and detection. This suggested methodology is beneficial for the accurate identification of skin disease using image analysis. The SVM algorithm achieved an accuracy of 98.8%. The KNN algorithm achieved a sensitivity of 91%. The specificity of KNN was 99%.
Źródło:
Computer Assisted Methods in Engineering and Science; 2023, 30, 2; 247-256
2299-3649
Pojawia się w:
Computer Assisted Methods in Engineering and Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-8 z 8

    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