Informacja

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

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "texture classification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 17
Tytuł:
Perceptual Colour Correlogram and Perception-based Statistical Features of Colour Texture
Autorzy:
Bojar, K.
Powiązania:
https://bibliotekanauki.pl/articles/384727.pdf
Data publikacji:
2015
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
perceptual colour correlogram
perceptual texture features
colour texture classification
Opis:
In this paper a novel definition and understanding of colour correlogram has been proposed. The proposed colour correlogram generalizes the spatial graylevel dependency matrix (SGLDM) to the case of colour textures. This generalization is based on perceptual colour difference measure expressed in the language of the CIELab colour space components. Application of the colour difference instead of arbitrary colour indices or colour components themselves allows to avoid colour-shuffling palletization and introduction of multidimensional objects, respectively; the proposed perceptual colour correlogram is a single 2D matrix. At the same time, a simple relation of the proposed colour correlogram to the spatial graylevel dependency matrix for graylevel textures is retained. Based on this relation it will be shown that there exists a vector of statistical features built from the perceptual colour correlogram which can be used to describe textures in perceptual terms. These statistical features and their abovementioned perceptual interpretation generalize Haralick concepts derived for the SGLDM.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2015, 9, 1; 12-17
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metoda klasyfikacji obrazów USG tarczycy z wykorzystaniem indukcji drzew decyzji
Method for classification of ultrasound thyroid images by decision tree induction
Autorzy:
Omiotek, Z.
Burda, A.
Wójcik, W.
Powiązania:
https://bibliotekanauki.pl/articles/158759.pdf
Data publikacji:
2012
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
Tematy:
tarczyca
choroba Hashimoto
klasyfikacja tekstur
drzewa decyzyjne
thyroid
Hashimoto’s disease
texture classification
Opis:
W artykule przedstawiono metodę klasyfikacji zdjęć USG tarczycy. Metoda ta pozwala zaklasyfikować analizowane przypadki do jednej z dwóch kategorii: chory lub zdrowy. Wyselekcjonowana w trakcie badania grupa przypadków błędnie klasyfikowanych zdaniem autorów może zawierać cechy charakterystyczne dla wczesnego stadium rozwoju choroby Hashimoto. Do budowy modelu klasyfikacji wykorzystano indukcję drzew decyzji. Wyniki testów pokazały, iż zaproponowana metoda może stanowić punkt wyjścia do budowy systemu wspomagającego lekarza w procesie diagnozy.
The article presents a method for classification of ultrasound thyroid images. This method allows to classify the analyzed cases as sick and healthy. It also allows to separate fairly large group of incorrectly classified cases. According to the authors, this group may include characteristics of the early stage of Hashimoto's disease. Decision tree induction has been used to build a classification model. Test results showed that the proposed method can provide a starting point to build a support system in the process of medical diagnosis.
Źródło:
Prace Instytutu Elektrotechniki; 2012, 260; 57-68
0032-6216
Pojawia się w:
Prace Instytutu Elektrotechniki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metody Hellwiga do redukcji wymiaru przestrzeni cech obrazów USG tarczycy
The use of Hellwigs method for dimension reduction in feature space of thyroid ultrasound images
Autorzy:
Omiotek, Z.
Wójcik, W.
Powiązania:
https://bibliotekanauki.pl/articles/408563.pdf
Data publikacji:
2014
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
metoda Hellwiga
choroba Hashimoto
przetwarzanie obrazów
klasyfikacja tekstur
Hellwig’s method
Hashimoto’s disease
image processing
texture classification
Opis:
W artykule przedstawiono wyniki zastosowania metody Hellwiga do redukcji wymiaru przestrzeni cech obrazów USG tarczycy. Za pomocą tej metody, z wejściowego zbioru 283 cech otrzymano kombinację 3 cech z największą wartością wskaźnika pojemności informacyjnej Hellwiga. Zbiór ten posłużył do budowy i testowania klasyfikatorów. Wyniki klasyfikacji porównano z wynikami uzyskanymi dla 48 cech otrzymanych za pomocą metody korelacji. Okazało się, że dokładność klasyfikatorów zbudowanych ze zbioru liczącego 3 cechy nie jest gorsza od dokładności klasyfikatorów dla 48 cech, a w kilku przypadkach nawet ją przewyższa. Sugeruje to, że metoda Hellwiga może być wykorzystana jako wydajna metoda redukcji wymiaru przestrzeni cech dla potrzeb przyszłej klasyfikacji obrazów USG tarczycy.
This paper presents the use of Hellwig’s method for dimension reduction in feature space of thyroid ultrasound images. On the base of this method, the combination of three features with the greatest value of Hellwig’s index information capacity from the input set of 283 features was obtained. This set was used to build and test the classifiers. Classification results were compared with the results obtained for a set of 48 features obtained using correlation method. It turned out that the accuracy of classifiers built on the base of 3 features is not worse than the accuracy of classifiers built on the base of 48 features, and in some cases it is even higher. This suggests that the Hellwig’s method can be used as an effective method for dimension reduction in feature space for the future thyroid ultrasound images classification.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2014, 3; 14-17
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
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:
Ocena możliwości wykorzystania tekstury w rozpoznaniu podstawowych klas pokrycia terenu na zdjęciach satelitarnych różnej rozdzielczości
Evaluation of usability of texture in identifying basic land cover classes on the satellite images of different resolutions
Autorzy:
Lewiński, S.
Aleksandrowicz, S.
Powiązania:
https://bibliotekanauki.pl/articles/130790.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obiektowa
OBIA
tekstura
object-oriented classification
texture
Opis:
Podjęto próbę prześledzenia możliwości podziału treści zdjęcia, stosowanego w klasyfikacji obiektowej, na dwie podstawowe klasy związane z „niskimi” i „wysokimi” wartościami tekstury w funkcji rożnej rozdzielczości zdjęć. Na podstawie kanału panchromatycznego zdjęcia KOMPSAT-2 o rozdzielczości 1 m przygotowano zestaw danych o rozdzielczości 1, 2, 4, 8, 16, 32 i 64 m. Następnie przetworzono je wybranymi funkcjami tekstury, które wykorzystywane są w toku klasyfikacji obiektowej: filtr Sobel, filtr Laplacian, suma filtrów Sigma, przekształcenie PanBF oraz funkcje Haralick’a: korelacja, homogeniczność i entropia. Na ich podstawie wykonano analizę rozróżnialności czterech podstawowych klas pokrycia terenu: tereny zabudowane, lasy, pola uprawne i woda. Dla każdej rozdzielczości i przekształcenia obliczono odległość Bhattacharya oraz odległość Jeffries-Matusita (J-M). Założono, że dwie klasy są dobrze rozróżnialne jeżeli wartość J-M jest większa od 1.7. Uzyskane wyniki w postaci odległości J-M przedstawione są w tabelach 1-7. W przypadku wszystkich siedmiu przekształceń najlepsze wyniki rozróżnialności klas zaobserwowano na zdjęciach o największej rozdzielczości. Natomiast wyraźne pogorszenie rozróżnialności nastąpiło w przypadku zdjęć o rozdzielczości 8 m i mniejszej. Zdecydowanie najlepsze wyniki uzyskano na podstawie przekształceń wykonanych filtrem Laplacian, a następnie Sobel, Sigma oraz przekształceniem PanBF. W porównaniu z nimi przydatność funkcji Haralick’a do podziału treści zdjęcia na dwie klasy tekstury okazała się zdecydowanie mniejsza. Przedstawione wyniki znajdują praktyczne zastosowanie w pracach nad doborem odpowiednich algorytmów klasyfikacyjnych zdjęć satelitarnych o bardzo wysokiej, wysokiej a także średniej rozdzielczości.
An attempt was made to trace the possibility of division of the content of satellite images into two basic classes associated with the "low" and "high" values of the texture. This classification approach is applied during object-oriented classification and results are dependent on spatial resolution. On the basis of panchromatic channel of KOMPSAT-2 image of 1m resolution a data set with a resolution of 1, 2, 4, 8, 16, 32 and 64 m were prepared. Then images were processed using selected texture functions: Sobel, Laplacian and Sigma filters, transformation PanBF as well as Haralick functions: correlation, homogeneity and entropy. On the basis of texture images an analysis of discrimination of four basic land cover classes has been done: built-up areas, forests, agriculture areas and water. These classes were selected because built-up areas and forest belong to “high” texture and remaining two are usually represented by “low” values of texture. For each texture image form using different functions and spatial resolution, Bhattacharya distance and next Jeffries-Matusita (J-M) distance between land cover classes were calculated. Results are presented in tables 1, 2, 3, 4, 5, 6 and 7. They also include J-M distance between “low” and “high” texture. It was assumed that two classes are well seperated if the value of J-M distance is over 1.7. In the case of all seven texture transformations the best results of class discrimination were observed for images with the highest resolution. Distinct deterioration of discrimination between “low” and “high” texture took place in the case of images with a resolution of 8 m or less. By far the highest J-M values were obtained on the basis of Laplacian filter and next using Sigma filter, PanBF and the Sobel filter. In comparison usefulness of the Haralick function has proved much less. The presented results could be practically applied in the work on classification algorithms of very high, high and medium resolution satellite images.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 229-237
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Integracja obrazów radarowych i optycznych dla potrzeb tworzenia map pokrycia terenu
Integration of radar and optical data for land cover mapping
Autorzy:
Badurska, M.
Powiązania:
https://bibliotekanauki.pl/articles/130708.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja
integracja danych
SAR
tekstura
classification
data fusion
texture
Opis:
Analizując wady i zalety danych pochodzących z różnych sensorów można stwierdzić, że dostarczane przez nie dane mogą okazać się często niekompletne lub niewystarczające. Dla danych optycznych ograniczeniem może okazać sie rejestracja w trudnych warunkach atmosferycznych, dla danych radarowych niewystarczająca rozdzielczość lub występowanie szumów radarowych. Biorąc pod uwagę te wszystkie czynniki, szczególnie interesujące wydaje sie być łączenie obrazów pochodzących z różnych źródeł i ich wspólne wykorzystanie. Korzyści płynące z integracji obrazów radarowych z optycznymi sprawdzono pod katem możliwości polepszenia wyników klasyfikacji obszarów miejskich. Próbowano odpowiedzieć na pytanie, w jakim stopniu dane radarowe mogą polepszyć wynik klasyfikacji i czy mogą być one alternatywnym źródłem w przypadku braku danych optycznych. Nie skupiono sie na samych technikach klasyfikacji, wykorzystano standardowe klasyfikatory w podejściu nadzorowanym. Zwrócono jednak uwagę na dynamicznie rozwijającą sie w ostatnim czasie klasyfikacje obiektowa i podjęto próbę porównania jej wyników z klasyczna klasyfikacja oparta na pikselach. Ponieważ w przypadku danych radarowych bardzo cennym źródłem informacji jest tekstura, to jej wykorzystaniu poświęcono główna część prac. W rezultacie, zastosowanie odpowiednio dobranych miar teksturalnych z tzw. macierzy zdarzeń (ang. Grey Level Co-occurence Matrix - GLCM) spowodowało wzrost dokładności wspólnej klasyfikacji w porównaniu do klasyfikacji uzyskanej dla poszczególnych sensorów.
While analysing the advantages and drawbacks of data coming from different sensors , it can be observed that acquired data can be often incomplete or insufficient. Registration in difficult atmospheric conditions can be the limitation factor for optical data, whereas for the radar data it can be the insufficient resolution or occurring speckle effect. Taking into consideration all these factors, the integration of images from various sources and using them jointly seem to be very interesting. The benefits resulting from the integration of radar and optical images were checked for possible improvement of the results of classification of urban areas. The question is how radar images can improve the result of classification and whether they can be the alternative source in case of lack of optical images. The analysis of various techniques of classification was not the main concern, but the standard classification in supervised approach was used. The attention was also drawn to the objectbased classification developing very dynamically recently, and attempt was made to compare the results of pixel and object-based classification. Due to the fact that, for the radar data, the most important source of information is the texture, that was the main focus of the work. . Consequently, the use of suitably selected textural features from co-occurrence matrix (Grey Level Co-occurrence Matrix – GLMC) caused the increase of accuracy of joint classification, as compared to classification of images from individual sensors.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 11-21
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of the influence of standardization and normalization of data on the effectiveness of spongy tissue texture classification
Porównanie wpływu standaryzacji i normalizacji danych na skuteczność klasyfikacji tekstury tkanki gąbczastej kręgosłupa
Autorzy:
Dzierżak, Róża
Powiązania:
https://bibliotekanauki.pl/articles/407656.pdf
Data publikacji:
2019
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
texture analysis
standardization
normalization
classification
analiza tekstury
standaryzacja
normalizacja
klasyfikacja
Opis:
The aim of this article was to compare the influence of the data pre-processing methods – normalization and standardization – on the results of the classification of spongy tissue images. Four hundred CT images of the spine (L1 vertebra) were used for the analysis. The images were obtained from fifty healthy patients and fifty patients with diagnosed with osteoporosis. The samples of tissue (50×50 pixels) were subjected to a texture analysis to obtain descriptors of features based on a histogram of grey levels, gradient, run length matrix, co-occurrence matrix, autoregressive model and wavelet transform. The obtained results were set in the importance ranking (from the most important to the least important), and the first fifty features were used for further experiments. These data were normalized and standardized and then classified using five different methods: naive Bayes classifier, support vector machine, multilayer perceptrons, random forest and classification via regression. The best results were obtained for standardized data and classified by using multilayer perceptrons. This algorithm allowed for obtaining high accuracy of classification at the level of 94.25%.
Celem niniejszego artykułu było porównanie wpływu metod wstępnego przetwarzania danych - normalizacji i standaryzacji - na wyniki klasyfikacji obrazów tkanki gąbczastej. Do analiz wykorzystano czterysta obrazów tomografii komputerowej kręgosłupa (kręg L1). Obrazy pochodziły od pięćdzisięciu zdrowych pacjentów oraz pięćdziesięciu pacjentów ze zdiagnozowaną osteoporozą. Uzyskane próbki tkanki (50×50 pikseli) poddano analizie tekstury w wyniku czego otrzymano deskryptory cech oparte na histogramie poziomów szarości, macierzy gradientu, macierzy RL, macierzy zdarzeń, modelu autoregresji i transformacie falkowej. Otrzymane wyniki ustawiono w rankingu ważności (od najistotniejszej do najmniej ważnej), a pięćdziesiąt pierwszych cech wykorzystano do dalszych eksperymentów. Dane zostały poddane normalizacji oraz standaryzacji, a następnie klasyfikowane przy użyciu pięciu różnych metod: naiwny klasyfikator Bayesa, maszyna wektorów wspierających, wielowarstwowe perceptrony, las losowy oraz klasyfikacji poprzez regresje. Najlepsze wyniki uzyskano dla danych na których przeprowadzono standaryzacje i poddano klasyfikacji za pomocą wielowarstwowych perceptronów. Taki algorytm postępowania pozwolił na uzyskanie wysokiej skuteczności klasyfikacji na poziomie 94,25%.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2019, 9, 3; 66-69
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
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:
Use of Gabor filters for texture classification of airborne images and LiDAR data
Autorzy:
Marmol, U.
Powiązania:
https://bibliotekanauki.pl/articles/130042.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
texture analysis
lidar
algorithm
automated classification
analiza tekstury
LIDAR
algorytm
klasyfikacja automatyczna
Opis:
In this paper, a texture approach is presented for building and vegetation extraction from LIDAR and aerial images. The texture is very important attribute in many image analysis or computer vision applications. The procedures developed for texture problem can be subdivided into four categories: structural approach, statistical approach, model based approach and filter based approach. In this paper, different definitions of texture are described, but complete emphasis is given on filter based methods. Examples of filtering methods are Fourier transform, Gabor and wavelet transforms. Here, Gabor filter is studied and its implementation for texture analysis is explored. This approach is inspired by a multi-channel filtering theory for processing visual information in the human visual system. This theory holds that visual system decomposes the image into a number of filtered images of a specified frequency, amplitude and orientation. The main objective of the article is to use Gabor filters for automatic urban object and tree detection. The first step is a definition of Gabor filter parameters: frequency, standard deviation and orientation. By varying these parameters, a filter bank is obtained that covers the frequency domain almost completely. These filters are used to aerial images and LIDAR data. The filtered images that possess a significant information about analyzed objects are selected, and the rest are discarded. Then, an energy measure is defined on the filtered images in order to compute different texture features. The Gabor features are used to image segmentation using thresholding. The tests were performed using set of images containing very different landscapes: urban area and vegetation of varying configurations, sizes and shapes of objects. The performed studies revealed that textural algorithms have the ability to detect buildings and trees. This article is the attempt to use texture methods also to LIDAR data, resampling into regular grid cells. The obtained preliminary results are interesting.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2011, 22; 325-336
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of soil texture classification according to the new Polish Standard, PTG and international classifications [FAO and USDA]
Autorzy:
Drzymala, S
Powiązania:
https://bibliotekanauki.pl/articles/1401861.pdf
Data publikacji:
2000
Wydawca:
Polska Akademia Nauk. Instytut Agrofizyki PAN
Tematy:
Polish Soil Science Society
classification
Polish Normalization Committee
soil fraction
international classification
Polish standard PN-R-04033
soil texture
textural group
Opis:
The classification into soil fractions found in the new Polish Standard PN-R-04033 is fully comparable- with the international classifications (FAO/USDA) in question. The following diameters were adopted as the main groups of soil fractions: stones >75 mm, gravel 75-2 mm, sand 2.0-0.05 mm, silt 0.05-0.002 mm and clay <0.002 mm. On the other hand, soil fractions classification according to the Polish Soil Science Society (PTG), including so-called fine particles (<0.02 mm), is not compatible with both the new Polish Standard and the discussed international classifications. This also refers lo the classification into textural groups according to PTG. However, the classification into textural groups according lo Polish Standard is quite similar to international classifications.
Źródło:
Acta Agrophysica; 2000, 35; 49-53
1234-4125
Pojawia się w:
Acta Agrophysica
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of suspicious lesions in digital mammograms
Autorzy:
Choraś, R. S.
Powiązania:
https://bibliotekanauki.pl/articles/333369.pdf
Data publikacji:
2011
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
sterowane filtry
mammografie
wychwytywanie cech
klasyfikacja
steerable filters
mammograms
moment and texture features
feature extraction
classification
Opis:
The system using steerable filters for analysis suspicious lesions in mammograms is proposed. This system is based on moments and texture features. The set of well defined and classified suspicious lesions regions from mammograms database are used as a reference pattern. The similarity measure for reference pattern image and patient mammogram is found by computing the distance between their corresponding feature vectors. The Euclidean distance metric is used to finding the nearest class to patient feature vector what in result mark the automatically classify this mammograms.
Źródło:
Journal of Medical Informatics & Technologies; 2011, 17; 151-158
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Filtry teksturalne w procesie automatycznej klasyfikacji obiektów
Texture filters in the process of automatic object classification
Autorzy:
Marmol, U.
Lenda, G.
Powiązania:
https://bibliotekanauki.pl/articles/129960.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
analiza tekstury
klasyfikacja obiektów
filtry Lawsa
filtry Gabora
texture analysis
object classification
Laws filters
Gabor filters
Opis:
Badanie tekstury jest istotne w wielu zastosowaniach związanych z analizą obrazów dla klasyfikacji, detekcji i segmentacji obiektów. Tekstura stanowi lokalny wzorzec przestrzenny, trudny do zdefiniowania w sposób ścisły. Nie oznacza to jednak, że cecha ta, ze względu na swoją niejednoznaczność, może być ignorowana i pomijana w badaniach nad informacją pochodzącą z obrazów. Tematem przeprowadzonych prac jest interpretacja ortofotomapy prawdziwej (ang. trueortho) w celu automatycznego wykrycia obiektów zabudowy i roślinności. Elementy te na obrazach charakteryzują się różnorodnym kształtem, kolorem i teksturą. W niniejszych badaniach podjęto próbę udowodnienia tezy, że tekstura może stanowić dobry wyznacznik wydzielenia obiektów takich jak drzewa od elementów zabudowy. Procedury teksturalne można podzielić na trzy kategorie: strukturalne, statystyczne i bazujące na filtracji. W niniejszym artykule skupiono się na filtrach teksturalnych – filtrach Gabora, wzmocnionych z wykorzystaniem „energii teksturalnej” Lawsa. Energia teksturalna reprezentuje ilość zmian wewnątrz rozpatrywanego okna na obrazach poddanych określonemu wariantowi filtru. Filtr Gabora jest filtrem liniowym, wykorzystywanym do detekcji krawędzi. Stanowi on uogólnienie transformaty Fouriera, jego reprezentacja częstotliwościowa jest zbliżona do obrazowania systemu wizyjnego człowieka i może być przydatna w procesie opisywania i rozróżniania tekstur. W badaniach wykorzystano dane pozyskane podczas nalotu nad miastem Espoonlahti w Finlandii: dane obrazowe o rozdzielczości terenowej 0.06 m, zarejestrowane kamerą cyfrową Rollei i dane laserowe z systemu TopEye MK II o gęstości 30 punktów/m2.
The texture analysis is important in many applications of image analysis for classification, detection and segmentation of objects. Texture is the local spatial pattern, which is difficult to define strictly. This doesn’t mean, however, that this feature can be ignored and neglected in research on information derived from images, because of its ambiguity. The theme of the study is the interpretation of true orthophoto for automatic detection of building objects and vegetation. These elements are characterized in the image by a variety of shape, color and texture. In the present study the authors attempt to prove the thesis that the texture can be a good indicator for separation of objects such as trees from building elements. Textural procedures can be divided into three categories: structural, statistical and filter based approaches. The paper is focused on the textural filters – the Gabor filters, strengthened by the use of Laws’ "texture energy". The texture energy represents the number of changes within the window in an image subjected to a particular filter variant. The Gabor filter is linear, used for edge detection. It is a generalization of the Fourier transform, its frequency representation is similar to the imaging of human visual system and may be useful in the process of describing and differentiating textures. The data used for study have been collected during a flight over the Finland town Espoonlathi. They were as follow: image data with a spatial resolution of 0.06 m, acquired with a digital camera Rollei, and laser data from the TopEye MK II system with a resolution of 30 points/m2.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 235-243
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Metody analizy obrazu – analiza obrazu mammograficznego na podstawie cech wyznaczonych z tekstury
Image analysis methods - analysis of mammographic image based on textural features
Autorzy:
Lazarek, J.
Powiązania:
https://bibliotekanauki.pl/articles/408690.pdf
Data publikacji:
2013
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
mammografia
obrazowanie medyczne
analiza tekstury
klasyfikacja obrazów
mammography
medical diagnostic imaging
image texture analysis
image classification
Opis:
W artykule przedstawiono analizę możliwości zastosowania cech wyznaczanych z tekstury do klasyfikacji wykrytych, na obrazie mammograficznym, obszarów zainteresowania – jako obszarów niezmienionych lub zmienionych chorobowo. Cechy tekstury wyznaczono na podstawie histogramu, macierzy gradientu, macierzy długości pasm oraz macierzy zdarzeń. Klasyfikację przeprowadzono z wykorzystaniem klasyfikatora k-NN. W wyniku przeprowadzonych eksperymentów poprawnie rozpoznano wszystkie zmienione chorobowo próbki.
This paper presents an analysis of the possibility of using textural features for mammographic images classification. Textural features are calculated base on histogram, gradient matrix, run-length matrix, co-occurence matrix. Classification is based on k-NN classifier, the regions of interest can be classified as normal or abnormal. Results of some experiments are presented. All of abnormal regions were classified correctly.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2013, 4; 10-13
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The influence of the principal component analysis of texture features on the classification quality of sponge tissue images
Wpływ analizy głównych składowych cech tekstury na jakość klasyfikacji obrazów tkanki gąbczastej
Autorzy:
Dzierżak, Róża
Powiązania:
https://bibliotekanauki.pl/articles/1841333.pdf
Data publikacji:
2020
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
principal component analysis
classification
texture analysis
medical imaging
analiza głównych składowych
klasyfikacja
analiza tekstury
obrazowanie medyczne
Opis:
The aim of this article was to determine the effect of principal component analysis on the results of classification of spongy tissue images. Four hundred computed tomography images of the spine (L1 vertebra) were used for the analyses. The images were from fifty healthy patients and fifty patients diagnosed with osteoporosis. The obtained tissue image samples with a size of 50x50 pixels were subjected to texture analysis. As a result, feature descriptors based on a grey level histogram, gradient matrix, RL matrix, event matrix, autoregressive model and wavelet transform were obtained. The results obtained were ranked in importance from the most important to the least important. The first fifty features from the ranking were used for further experiments. The data were subjected to the principal component analysis, which resulted in a set of six new features. Subsequently, both sets (50 and 6 traits) were classified using five different methods: naive Bayesian classifier, multilayer perceptrons, Hoeffding Tree, 1-Nearest Neighbour and Random Forest. The best results were obtained for data on which principal components analysis was performed and classified using 1-Nearest Neighbour. Such an algorithm of procedure allowed to obtain a high value of TPR and PPV parameters, equal to 97.5%. In the case of other classifiers, the use of principal component analysis worsened the results by an average of 2%.
Celem niniejszego artykułu było określenie wpływu analizy głównych składowych na wyniki klasyfikacji obrazów tkanki gąbczastej. Do analiz wykorzystano czterysta obrazów tomografii komputerowej kręgosłupa (kręg L1). Obrazy pochodziły od pięćdziesięciu zdrowych pacjentów oraz pięćdziesięciu pacjentów ze zdiagnozowaną osteoporozą. Uzyskane próbki obrazowe tkanki o wymiarze 50x50 pikseli poddano analizie tekstury. W wyniku tego otrzymano deskryptory cech oparte na histogramie poziomów szarości, macierzy gradientu, macierzy RL, macierzy zdarzeń, modelu autoregresji i transformacie falkowej. Otrzymane wyniki ustawiono w rankingu ważności od najistotniejszej do najmniej ważnej. Pięćdziesiąt pierwszych cech z rankingu wykorzystano do dalszych eksperymentów. Dane zostały poddane analizie głównych składowych wskutek czego uzyskano zbiór sześciu nowych cech. Następnie oba zbiory (50 i 6 cech) zostały poddane klasyfikacji przy użyciu pięciu różnych metod: naiwnego klasyfikatora Bayesa, wielowarstwowych perceptronów, Hoeffding Tree, 1-Nearest Neighbour and Random Forest. Najlepsze wyniki uzyskano dla danych, na których przeprowadzono analizę głównych składowych i poddano klasyfikacji za pomocą 1-Nearest Neighbour. Taki algorytm postępowania pozwolił na uzyskanie wysokiej wartości parametrów TPR oraz PPV, równych 97,5%. W przypadku pozostałych klasyfikatorów zastosowanie analizy głównych składowych pogorszyło wyniki średnio o 2%.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2020, 10, 3; 13-16
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie cech strukturalnych obrazu Landsat ETM+ w klasyfikacji obiektowej kompleksów krajobrazowo-roślinnych
Application of structural features in the Landsat ETM+ image in object classification of landscape-vegetation complexes
Autorzy:
Kosiński, K.
Powiązania:
https://bibliotekanauki.pl/articles/130716.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
kompleks krajobrazowo-roślinny
klasyfikacja obiektowa
struktura
tekstura
filtracja kierunkowa
landscape-vegetation complex
object classification
structure
texture
directional filtering
Opis:
Kompleks krajobrazowo-roślinny zastosowano jako jednostkę podstawowa w rejestracji roślinności na kompozycji danych panchromatycznych LandsatETM+. Zastosowano sześć wskaźników struktury i tekstury: wariancje w oknie 5×5 pikseli (Var5×5), wskaźnik struktury pasowej (SSI) oraz trzy wskaźniki małych obiektów: obiektów wielkości 3×3 piksele (S3×3), jednego piksela (S1×1) i wskaźnik różnicowy (S3×3Dif). W obszarach miejskich możliwa jest identyfikacja kompleksów roślinności z zabudowa i kompleksów bez udziału roślinności.
Landscape vegetation complexes are used as the basic units for vegetation detection on Landsat ETM+ panchromatic data composition. Six structure and texture indexes are used: variance (Var5×5), strip structure index (SSI) and three small structure indexes: of size 3×3 pixels (S3×3), one pixel (S1×1) and differential index (S3×3Dif). Complexes of vegetation and buildings and complexes lack of vegetation may be distinguished in urban areas.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 385-394
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 17

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