Informacja

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

Wyszukujesz frazę "klasyfikacja obrazu" wg kryterium: Temat


Tytuł:
Porównanie wyników klasyfikacji obrazów satelitarnych HYPERION i ALI
Comparison of HYPERION and ALI satellite imagery classification
Autorzy:
Hejmanowska, B.
Powiązania:
https://bibliotekanauki.pl/articles/130788.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja obrazu
HYPERION
ALI
image classification
Opis:
Celem przeprowadzonych badan było porównanie wyników klasyfikacji obrazów satelitarnych - hiperspektralnych: HYPERION i wielospektralnych: ALI, zarejestrowanych w zakresach spektralnych podobnych do obrazu: LANDSAT. Testy prowadzono na obszarze leżącym na wschód od aglomeracji krakowskiej, dla którego dysponowano obrazami z platformy EO – 1 zarejestrowanymi w 2006 roku, dzięki projektowi KBN (nr 3T 09D 09429). W badaniach wykorzystano oprogramowanie specjalistyczne (ENVI 4.1) dedykowane opracowaniom danych teletedetekcyjnych. Obrazy HYPERION zostały wstępnie przetworzone w celu usunięcia zakłóceń spowodowanych wpływem atmosfery i tzw. efektem „smiling”. Klasyfikacje przeprowadzono tylko metodami tradycyjnie wykorzystywanymi w przetwarzaniu obrazów wielospektralnych, czyli za pomocą klasyfikacji nienadzorowanej i nadzorowanej. Założenie metodyczne porównania wyników klasyfikacji polegało na wykorzystaniu dla obu obrazów tych samych uczących pól treningowych i podobnych pól kontrolnych wykorzystywanych do oceny dokładności. Ponadto wszystkie parametry zastosowanych algorytmów były równie_ identyczne dla obu obrazów. Pola treningowe i testowe wybierano manualnie z wykorzystaniem kompozycji barwnych. W trakcie prowadzenia testów zaistniała konieczność zredukowania liczby analizowanych kanałów obrazu HYPERION, ponieważ w przeciwnym razie nie uzyskiwano zadawalających wyników klasyfikacji. W takim przypadku dokładność klasyfikacji obrazu HYPERION była wyższa ni_ dokładność klasyfikacji obrazu ALI. Natomiast wynik klasyfikacji wszystkich kanałów obrazu HYPERION albo w ogóle był nie do zaakceptowania, albo wynik klasyfikacji był znacznie gorszy ni_ w przypadku ALI i ograniczonej liczby kanałów HYPERION.
The main aim of the research was to compare the results of satellite image classification: HYPERION and ALI, recorded in a spectral range similar to LANDSAT. Analyses were performed using the test area to the east of Krakow. Satellite iamges were obtained in 2006 thanks to scientific project KBN (no. 3T 09D 09429). The image processed with ENVI. HYPERION was initially preprocessed to remove so-called atmospheric effects, and so-called “similing” effect. The classification was performed using conventional spectral methods: unsupervised and supervised classification. The background of the comparison was applied in the same training and control area, and the same parameters of classification. Training and control areas ware selected using colour compositions. In the research, a need to reduce the amount of HYPERION channels emerged, otherwise the classification results would not be possible to interpret. In such case, the accuracy of HYPERION channel reduction classification was higher than that of ALI. The result of classification of all HYPERION image channels, however, was either completely unacceptable, or the classification result was much worse than in the case of ALI and limited number of HYPERION channels.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 291-300
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ własności ortofotomapy cyfrowej na wyniki klasyfikacji obiektowej pokrycia terenu
The effect of ortophotomap properties on the results of object-based classification of land cover
Autorzy:
Adamczyk, J.
Powiązania:
https://bibliotekanauki.pl/articles/131020.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
ortofotomapa
true ortho
GEOBIA
analiza obiektowa
klasyfikacja obrazu
ortophotomap
true-ortho
object analysis
image classification
Opis:
Wysokorozdzielcza ortofotomapa lotnicza coraz częściej stosowana jest do wykonywania inwentaryzacji pokrycia terenu. W artykule postawiono tezę, że zadanie to może zostać zrealizowane za pomocą analizy obiektowej zobrazowań teledetekcyjnych (GEOBIA), jednak wynik zależy od cech jakościowych ortofotomapy, zastosowanej procedury przetworzeń oraz doświadczenia operatora. Za najważniejszy uznano pierwszy z tych czynników i odniesiono się do niego w świetle istniejących polskich wytycznych technicznych. Określono pożądane cechy ortofotomapy, które warunkują jakość wykonanej klasyfikacji obiektowej. W celu omówienia podzielono je na następujące grupy: rozdzielczość przestrzenna, liczba i rodzaj kanałów uczestniczących w procedurach klasyfikacyjnych, dokładność geometryczna i rodzaj ortorektyfikacji, cechy fotometryczne, lokalnie występujące błędy. Ich wpływ na procedurę klasyfikacyjną jest dwojaki: mogą one uniemożliwiać przeprowadzenie klasyfikacji lub przysporzyć dodatkowej pracy przy poprawianiu jej wyników. Uwzględnienie sformułowanych zaleceń znacznie ułatwi przeprowadzenie klasyfikacji tak wysokorozdzielczego zobrazowania.
High resolution ortophotomap is frequently used for land cover inventory. The paper presents conditions under which the task of automated image classification can be accomplished using GeoObject Image Analysis (GEOBIA): the ortophotomap quality, applied processing procedure, and operators experience. The first of them was recognized as most important and compared to the existing polish technical guidelines regarding the quality of the ortophotomap. The desired features of the remote sensing material were presented according to the following fields: spatial resolution of imagery, number and type of image bands used for classification procedure, geometrical accuracy, the type of orthorectification procedure, photometric properties, local errors. The recommendations are addressed for facilitating the object-based classification of high resolution orthophotomap. They are useful for planning the organizational issues of the aerial flight to acquire images used for land cover inventory. The presented guidelines are also useful for assessing the cost of the possible correction of the obtained land cover classification, if the recommendations cannot be met.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 9-18
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A visual mining based framework for classification accuracy estimation
Podstawy wizualnej eksploracji do szacowania dokładności klasyfikacji
Autorzy:
Arun, P. V.
Powiązania:
https://bibliotekanauki.pl/articles/145456.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
teledetekcja
klasyfikacja obrazu
wizualizacja
data mining
remote sensing
decision tree
image classification
visualization
Weka
Prefuse
Opis:
Classification techniques have been widely used in different remote sensing applications and correct classification of mixed pixels is a tedious task. Traditional approaches adopt various statistical parameters, however does not facilitate effective visualisation. Data mining tools are proving very helpful in the classification process. We propose a visual mining based frame work for accuracy assessment of classification techniques using open source tools such as WEKA and PREFUSE. These tools in integration can provide an efficient approach for getting information about improvements in the classification accuracy and helps in refining training data set. We have illustrated framework for investigating the effects of various resampling methods on classification accuracy and found that bilinear (BL) is best suited for preserving radiometric characteristics. We have also investigated the optimal number of folds required for effective analysis of LISS-IV images.
echniki klasyfikacji są szeroko wykorzystywane w różnych aplikacjach teledetekcyjnych, w których poprawna klasyfikacja pikseli stanowi poważne wyzwanie. Podejście tradycyjne wykorzystujące różnego rodzaju parametry statystyczne nie zapewnia efektywnej wizualizacji. Wielce obiecujące wydaje się zastosowanie do klasyfikacji narzędzi do eksploracji danych. W artykule zaproponowano podejście bazujące na wizualnej analizie eksploracyjnej, wykorzystujące takie narzędzia typu open source jak WEKA i PREFUSE. Wymienione narzędzia ułatwiają korektę pół treningowych i efektywnie wspomagają poprawę dokładności klasyfikacji. Działanie metody sprawdzono wykorzystując wpływ różnych metod resampling na zachowanie dokładności radiometrycznej i uzyskując najlepsze wyniki dla metody bilinearnej (BL).
Źródło:
Geodesy and Cartography; 2013, 62, 2; 113-121
2080-6736
2300-2581
Pojawia się w:
Geodesy and Cartography
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The use of unmanned aerial vehicles (drones) to determine the shoreline of natural watercourses
Wykorzystanie bezzałogowych statków latających (dronów) do ustalania linii brzegowej cieków naturalnych
Autorzy:
Wilkowski, W.
Lisowski, M.
Wyszyński, M.
Wierzbicki, D.
Powiązania:
https://bibliotekanauki.pl/articles/292459.pdf
Data publikacji:
2017
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
image classification
orthophotomap
Shoreline
unmanned aerial vehicle
bezzałogowy statek latający (dron)
klasyfikacja obrazu
linia brzegowa
ortofotomapa
Opis:
The aim of the paper was to study the possibility of using unmanned aerial vehicles (drones) to determine the shoreline of natural watercourses. According to the Water Law, the shoreline is defined by: the edge of the shore if it is visible, and in other cases it is the boundary of persistent grass growth, or the line, which is determined on the basis of the average water level of a period of at least 10 years. The study included an analysis of the possibility of determining the shore line in all of these cases, using aerial photos obtained from an unmanned aerial vehicle (drone) on a particular stretch of the river Narew. In order to determine the shoreline defined by the edge of the shore, a point cloud together with the necessary GIS tools were used to generate planes which then made it possible to determine that edge. Defining the shoreline using this method was done with an accuracy of ±0.21 m. The study shows that the best results for determining the shoreline were obtained using either the edge of the shore or the line, which is determined according to the average water level of a period of at least 10 years. Due to the very ambiguous course of the shoreline defined by the boundary of persistent grass growth, it would be advisable to eliminate this remove from the Water Law.
Celem pracy było określenie możliwości wykorzystania bezzałogowych statków latających (dronów) do ustalania linii brzegowej cieków naturalnych. Z ustawy „Prawo wodne” wynika, że granicę linii brzegu stanowią: krawędź brzegu, jeżeli jest wyraźna, a w pozostałych przypadkach granica stałego porastania traw, albo linia, którą ustala się według średniego stanu wody z okresu co najmniej 10 lat. Badaniami objęto możliwości określenia linii brzegu we wszystkich przypadkach, wykorzystując zdjęcia lotnicze wykonane z bezzałogowego statku latającego (drona) na określonym odcinku Narwi. W celu określenia linii brzegowej wyznaczonej przez krawędź brzegu wykorzystano chmurę punktów oraz narzędzia do wygenerowania płaszczyzn, z których wyznaczono tę krawędź. Uzyskano dokładność wyznaczenia tą metodą linii brzegowej, wynoszącą ±0,21 m. Z przeprowadzonych badań wynika, że najlepsze rezultaty uzyskano, wyznaczając linię brzegu, gdy linię tę stanowi krawędź brzegu, lub linię średniego stanu wody z okresu co najmniej 10 lat. Ze względu na bardzo niejednoznaczny przebieg granicy linii brzegu wyznaczonej jako linia stałego porastania traw, celowe byłoby wyeliminowanie tego kryterium z zapisu ustawy „Prawo wodne”.
Źródło:
Journal of Water and Land Development; 2017, 35; 259-264
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Image classification for jpeg compression
Autorzy:
Tichonov, Jevgenij
Kurasova, Olga
Filatovas, Ernestas
Powiązania:
https://bibliotekanauki.pl/articles/103336.pdf
Data publikacji:
2018
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
Image quality
image classification
JPEG algorithm
storage of images
quality prediction
SSIM
PSNR
jakość obrazu
klasyfikacja obrazu
algorytm JPEG
przechowywanie obrazów
prognozowanie jakości
Opis:
We analyse storage problems of digital images in accordance with image quality and image compression efficiency. Storage problems are relevant for Cloud storage and file hosting services, online file storage providers, social networks, etc. In this paper, an approach is proposed to process a group of images with a JPEG algorithm that all the processed images satisfy the minimum threshold of quality with the automatic selection of the quality factor (QF). The experimental investigation reveals advantages of the compression efficiency of the proposed approach over the traditional JPEG algorithm. The proposed approach enables saving storage spaces while maintaining the desirable image quality.
Źródło:
Advances in Science and Technology. Research Journal; 2018, 12, 2; 29-34
2299-8624
Pojawia się w:
Advances in Science and Technology. Research Journal
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja pokrycia terenu z wykorzystaniem obrazów Sentinel-2A przetworzonych za pomocą metody głównych składowych (PCA)
Land cover classification using Sentinel-2A images processed by the principal components method (PCA)
Autorzy:
Kałużna, Urszula
Będkowski, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/2058371.pdf
Data publikacji:
2020
Wydawca:
Polskie Towarzystwo Geograficzne
Tematy:
teledetekcja
pokrycie terenu
EGiB
Sentinel-2A
PCA
nadzorowana klasyfikacja obrazu
remote sensing
land cover
Land and Buildings Register
supervised image classification
Opis:
Celem badań jest ocena możliwości realizacji klasyfikacji nadzorowanej z wykorzystaniem obrazów (komponentów) uzyskiwanych w wyniku przetworzenia oryginalnych obrazów Sentinel-2A za pomocą metody głównych składowych (PCA). Klasyfikację wykonano w ośmiu wariantach, z wykorzystaniem algorytmów najmniejszej odległości (MD, Minimum Distance) oraz największego prawdopodobieństwa (ML, Maximum Likelihood), przy czym zastosowano oryginalne kanały 2, 3, 4, 8 Sentinel-2A oraz różną liczbę komponentów. Wyniki klasyfikacji oceniono poprzez porównanie z danymi o pokryciu terenu według Ewidencji Gruntów i Budynków (EGiB). Przeprowadzenie klasyfikacji na ograniczonej do dwóch liczbie komponentów uzyskanych w procedurze PCA tylko nieznacznie zmieniło wyniki w porównaniu do klasyfikacji na oryginalnych, nieprzetworzonych kanałach Sentinel-2A. Najbardziej zbliżone do danych EGiB rezultaty uzyskano stosując klasyfikację ML kanałów oryginalnych, nieprzetworzonych lub używając wszystkich komponentów PCA. Podjęta próba porównania pokrycia terenu ustalonego za pomocą klasyfikacji obrazów satelitarnych z klasami pokrycia, które zostały wyodrębnione z mapy EGiB wykazała, że przetworzenie mapy z postaci wektorowej na rastrową wpływa istotnie na uzyskiwane wyniki.
The aim of the research is to assess the feasibility of supervised classification using images (components) obtained through processing the original Sentinel-2A images by means of the principal component method (PCA). The classification was performed in eight variants, using the algorithms of the minimum distance (MD) and the maximum likelihood (ML), with the original channels 2, 3, 4, 8 of Sentinel-2A and a various number of components. The results of the classification were assessed by comparing them to the land coverage data of Land and Buildings Register (Ewidencja Gruntów i Budynków – EGiB). Performing the classification on a number of PCA components limited to two only slightly altered the results compared to the classification on the original, raw Sentinel-2A channels. The results most similar to the EGiB data were obtained using the ML classification of the original channels, i.e. raw channels or using all PCA components. The attempt to compare the land coverage established by the classification of satellite images to the coverage classes that were extracted from the EGiB map revealed that processing the map from vector to raster form significantly influences the obtained results.
Źródło:
Teledetekcja Środowiska; 2020, 61; 19-37
1644-6380
Pojawia się w:
Teledetekcja Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Clothing Image Classification with a Dragonfly Algorithm Optimised Online Sequential Extreme Learning Machine
Klasyfikacja obrazu odzieży za pomocą zoptymalizowanego algorytmu Dragonfly sekwencyjnej maszyny uczącej się
Autorzy:
Li, Jianqiang
Shi, Weimin
Yang, Donghe
Powiązania:
https://bibliotekanauki.pl/articles/1419412.pdf
Data publikacji:
2021
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
Dragonfly algorithm
Online Sequential Extreme Learning Machine
clothing image classification
optimised parameter
algorytm Dragonfly
OSELM
maszyna ucząca się
klasyfikacja obrazu odzieży
parametr zoptymalizowany
Opis:
This study proposes a solution for the issue of the low classification accuracy of clothing images. Using Fashion-MNIST as the clothing image dataset, we propose a clothing image classification technology based on an online sequential extreme learning machine (OSELM) optimised by the dragonfly algorithm (DA). First, we transform the Fashion-MNIST dataset into a data set that we extract from the corresponding grey image. Then, considering that the input weight and hidden layer bias of an OSELM are generated randomly, a DA is proposed to optimise the input weight and hidden layer bias of the OSELM to reduce the influence of random generation on the classification results. Finally, the optimised OSELM is applied to the clothing image classification. Compared to the other seven types of classification algorithms, the proposed clothing image classification model with the DA-optimised OSELM reached 93.98% accuracy when it contained 350 hidden nodes. Its performance was superior to other algorithms that were configured with the same number of hidden nodes. From a stability analysis of the box-plot, it was found that there were no outliers exhibited by the DA-OSELM model, whereas some other models had outliers or had lower stability compared to the model proposed, thereby validating the efficacy of the solution proposed.
W pracy zaproponowano rozwiązanie problemu niskiej dokładności klasyfikacyjnej obrazów odzieży. Wykorzystując Fashion-MNIST jako zbiór danych obrazu odzieży, zaproponowano technologię klasyfikacji obrazów odzieży w oparciu o sekwencyjną maszynę uczącą się (OSELM) zoptymalizowaną przez algorytm Dragonfly (DA). Najpierw przekształcono zbiór danych Fashion-MNIST w zestaw danych, który wyodrębniono z obrazu. Następnie, biorąc pod uwagę, że waga wejściowa i odchylenie warstwy ukrytej OSELM były generowane losowo, w celu zmniejszenia wpływu generowania losowego na wyniki klasyfikacji zaproponowano DA w celu optymalizacji wagi wejściowej i obciążenia warstwy ukrytej OSELM. Następnie, zoptymalizowany OSELM zastosowano do klasyfikacji obrazu odzieży. W porównaniu z pozostałymi siedmioma typami algorytmów klasyfikacji, proponowany model klasyfikacji obrazu odzieży ze zoptymalizowanym przez DA OSELM osiągnął dokładność 93,98%. Jego wydajność przewyższyła inne algorytmy. Na podstawie analizy stabilności wykresu stwierdzono, że nie było wartości odstających wykazywanych przez model DA-OSELM, podczas gdy niektóre inne modele miały wartości odstające lub miały niższą stabilność w porównaniu z proponowanym modelem, potwierdzono w ten sposób skuteczność proponowanego rozwiązania.
Źródło:
Fibres & Textiles in Eastern Europe; 2021, 3 (147); 91-96
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Brain atrophy progress detection in MR images
Autorzy:
Kuczyński, K.
Stęgierski, R.
Siczek, M.
Powiązania:
https://bibliotekanauki.pl/articles/333021.pdf
Data publikacji:
2010
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
wymiar fraktalny
obrazowanie metodą rezonansu magnetycznego
klasyfikacja medyczna obrazu
brain atrophy detection
fractal dimension
MRI
medical image classification
Opis:
Alzheimer's, Parkinson's and other dementive diseases currently pose an important social problem. High brain atrophy level is one of the most important symptoms of these disorders, but it also may result from normal ageing processes. The purpose of the presented research is to design methods that support detection of dementia symptoms in radiological images. The proposed framework consists of image registration procedure, brain extraction and tissue segmentation and the exact analysis of image series (fractal and volumetric properties).
Źródło:
Journal of Medical Informatics & Technologies; 2010, 16; 187-192
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
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:
Detection and classification of vehicles using selected methods of image processing
Autorzy:
Marek-Latowicki, M.
Konior, A.
Ryguła, A.
Powiązania:
https://bibliotekanauki.pl/articles/393413.pdf
Data publikacji:
2019
Wydawca:
Polskie Stowarzyszenie Telematyki Transportu
Tematy:
image processing
vehicle detection
vehicle classification
przetwarzanie obrazu
detekcja pojazdów
klasyfikacja pojazdów
Opis:
Methods of vehicles detection and classification using image processing are becoming increasingly popular, especially due to their non-invasiveness in the road surface and relatively lower installation and maintenance costs. These methods are commonly used in traffic flow monitoring systems and detection of vehicles with specific parameters. Importantly, the use of video analytics methods is still characterized by sensitivity to external disturbances such as variable weather conditions. The work discusses selected data processing mechanisms that have been applied within the functioning vehicle recognition subsystem. As part of the analysis, the effectiveness of the applied solutions and sensitivity to the occurring weather conditions were assessed.
Źródło:
Archives of Transport System Telematics; 2019, 12, 4; 10-14
1899-8208
Pojawia się w:
Archives of Transport System Telematics
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:
Comparison of selected classification methods in automated oak seed sorting
Porównanie wybranych metod klasyfikacji w automatycznym sortowaniu nasion dębu
Autorzy:
Grabska-Chrząstowska, J.
Kwiecień, J.
Drożdż, M.
Bubliński, Z.
Tadeusiewicz, R.
Szczepaniak, J.
Walczyk, J.
Tylek, P.
Powiązania:
https://bibliotekanauki.pl/articles/336489.pdf
Data publikacji:
2017
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
acorn classification
automatic sorting
acorn
image analysis
image processing
kNN
ANN
SVM
klasyfikacja żołędzi
automatyczne sortowanie
żołędzie
przetwarzanie obrazu
analiza obrazu
Opis:
In this paper the results of automated, vision based classification of oak seeds viability i.e. their ability to germinate are presented. In the first stage, using a photo of the seed cross-section, a set of feature vectors were determined. Then three classification methods were examined: k-nearest neighbours (k-NNs), artificial neural networks (ANNs) and support vector machines (SVMs). Finally, a 73.1% precision was obtained for kNN and a 64 bin histogram, 78.5% for ANN and a 4 bin histogram and 78.8% for SVM with a 64 bin histogram.
W artykule zaprezentowano wyniki badań automatycznej, wizyjnej klasyfikacji nasion dębu pod względem ich żywotności, tj. zdolności do kiełkowania. W pierwszym etapie prac, na podstawie zdjęcia przekroju nasiona, wyznaczono zbiór cech, który w sposób niezależny od kształtu i rozmiaru poszczególnych obiektów pozwala na opisanie ich budowy anatomicznej. Następnie zbadano, dla wyselekcjonowanych wektorów cech, trzy metody klasyfikacji: k-najbliższych sąsiadów (k-NN), artificial neural networks (ANN) oraz maszynę wektorów nośnych (SVM). Uzyskano 73,1% precyzji rozpoznawania dla histogramu o długości 64 metodą kNN, 78,5% dla histogramu o długości 4 dla ANN i 78,8% dla histogramu o długości 64 metodą SVM.
Źródło:
Journal of Research and Applications in Agricultural Engineering; 2017, 62, 1; 31-33
1642-686X
2719-423X
Pojawia się w:
Journal of Research and Applications in Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł

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