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 "optical classification" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-11 z 11
    Tytuł:
    Optical water types of the Nordic Seas and adjacent areas
    Autorzy:
    Aas, E.
    Hojerslev, N.K.
    Hokedal, J.
    Sorensen, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/47844.pdf
    Data publikacji:
    2013
    Wydawca:
    Polska Akademia Nauk. Instytut Oceanologii PAN
    Tematy:
    Arctic Sea
    Baltic Sea
    Barents Sea
    Nordic Sea
    optical classification
    adjacent area
    surface layer
    weather condition
    coastal water
    irradiance
    Źródło:
    Oceanologia; 2013, 55, 2
    0078-3234
    Pojawia się w:
    Oceanologia
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie metod optycznych do klasyfikacji stanu procesu współspalania pyłu węglowego i biomasy
    Using Optical Methods for Process State Classification of Co-firing of Coal and Biomass
    Autorzy:
    Sawicki, D.
    Kotyra, A.
    Akhmetova, A.
    Baglan, I.
    Suleymenov, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/1818067.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Koszalińska. Wydawnictwo Uczelniane
    Tematy:
    spalanie
    biomasa
    stabilność procesu
    combustion
    biomass
    process stability
    Opis:
    Fossil fuels constitute the primary energy source in the Polish power industry. According to the forecasts, by 2030, they will continue to be in the major position of approx. 60% share in Poland and approx. 11% share in the EU. The current policy of the European Union aims at the implementation of the climate and energy package. It is based on the reduction of greenhouse gas emissions and electricity consumption by 20% and increasing the share of energy production from renewable energy sources (RES) to 20%. The commitments made by Poland on renewable energy sources involve achieving a 15% share of renewable energy in total energy consumption in the country in 2020. The quickest way to fulfill the EU requirements is the coal and biomass co-firing in the existing power plants. There are problems with the preparation of material for combustion, because biomass has different physicochemical properties than coal. For this reason, the share of biomass co-firing process stability deteriorates and reduces the capacity and efficiency of the boiler. Combustion tests were carried out on the test bench at the Institute of Energy. Measurements were made at the position of the camera perpendicular to the axis of the flame for different variants of power. After the initial analysis of the images of the co-pulverized coal and biomass, the images sequences corresponding to stable and unstable combustion were determined. Image classification method was used to determine the state of the process. The article compared two methods for image classification with SSN and support vector machine with varying participation of biomass. This study presents the possibility of increasing the weight fraction of the biomass to 20%. The consequence, of course, is the deterioration of the stability of the combustion process. However, from the point of view of the boiler operator, the most important parameter is the sensitivity of the classification, which directly determines the probability of detecting an unstable state.
    Źródło:
    Rocznik Ochrona Środowiska; 2016, Tom 18, cz. 2; 404-415
    1506-218X
    Pojawia się w:
    Rocznik Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optical Biopsy Method for Breast Cancer Diagnosis Based on Artificial Neural Network Classification οf Fluorescence Landscape Data
    Autorzy:
    Dramićanin, T.
    Zeković, I.
    Dimitrijević, B.
    Ribar, S.
    Dramićanin, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1795706.pdf
    Data publikacji:
    2009-10
    Wydawca:
    Polska Akademia Nauk. Instytut Fizyki PAN
    Tematy:
    87.64.kv
    84.35.+i
    87.19.xj
    33.50.-j
    Opis:
    Supervised self-organizing map, a type of artificial neural network, is applied for classification of human breast tissue samples utilizing data obtained from fluorescence landscape measurements. Female breast tissue samples were taken soon after the surgical resection, identified and stored at -80°C until fluorescence measurements. From fluorescence landscapes obtained in UV-VIS region spectral features showing statistically significant differences between malignant and normal samples are identified and further quantified to serve as a training input to neural network. Additional set of samples was used as a test group input to trained network in order to evaluate performance of proposed optical biopsy method. Classification sensitivity of 83.9% and specificity of 88.9% are found.
    Źródło:
    Acta Physica Polonica A; 2009, 116, 4; 690-692
    0587-4246
    1898-794X
    Pojawia się w:
    Acta Physica Polonica A
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optical coherence tomography image for automatic classification of diabetic macular edema
    Autorzy:
    Wang, Ping
    Li, Jia-Li
    Ding, Hao
    Powiązania:
    https://bibliotekanauki.pl/articles/1835815.pdf
    Data publikacji:
    2020
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    diabetic macular edema
    optical coherence tomography
    transfer learning
    fine-tuning
    Opis:
    Diabetic macular edema (DME) is the dominant reason of diabetic visual loss, so early detection and treatment of DME is of great significance for the treatment of diabetes. Based on transfer learning, an automatic classification method is proposed to distinguish DME images from normal images in optical coherence tomography (OCT) retinal fundus images. Features of the DME are automatically identified and extracted by the pre-trained convolutional neural network (CNN), which only involves fine-tuning the VGGNet-16 network without any user intervention. An accuracy of 97.9% and a sensitivity of 98.0% are acquired with the OCT images in the Duke data set from experimental results. The proposed method, a core part of an automated diagnosis system of the DME, revealed the ability of fine-tuning models to train non-medical images, allowing them can be classified with limited training data. Moreover, it can be developed to assist early diagnosis of the disease, effectively delaying (or avoiding) the progression of the disease, consequently.
    Źródło:
    Optica Applicata; 2020, 50, 4; 567-577
    0078-5466
    1899-7015
    Pojawia się w:
    Optica Applicata
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Detection and classification of vegetation areas from red and near infrared bands of LANDSAT-8 optical satellite image
    Autorzy:
    Nallapareddy, Anusha
    Powiązania:
    https://bibliotekanauki.pl/articles/2097428.pdf
    Data publikacji:
    2022
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    classification
    remote sensing
    soil adjusted vegetation index
    normalized difference vegetation index
    vegetation
    Opis:
    Detection and classification of vegetation is a crucial technical task in the management of natural resources since vegetation serves as a foundation for all living things and has a significant impact on climate change such as impacting terrestrial carbon dioxide (CO2). Traditional approaches for acquiring vegetation covers such as field surveys, map interpretation, collateral and data analysis are ineffective as they are time consuming and expensive. In this paper vegetation regions are automatically detected by applying simple but effective vegetation indices Normalized Difference Vegetation Index (NDVI) and Soil Adjusted Vegetation Index (SAVI) on red(R) and near infrared (NIR) bands of Landsat-8 satellite image. Remote sensing technology makes it possible to analyze vegetation cover across wide areas in a cost-effective manner. Using remotely sensed images, the mapping of vegetation requires a number of factors, techniques, and methodologies. The rapid improvement of remote sensing technologies broadens possi-bilities for image sources making remotely sensed images more accessible. The dataset used in this paper is the R and NIR bands of Level-1 Tier 1 Landsat-8 optical remote sensing image acquired on 6th September 2013, is processed and made available to users on 2nd May 2017. The pre-processing involving sub-setting operation is performed using the ERDAS Imagine tool on R and NIR bands of Landsat-8 image. The NDVI and SAVI are utilized to extract vegetation features automatically by using python language. Finally by establishing a threshold, vegetation cover of the research area is detected and then classified.
    Źródło:
    Applied Computer Science; 2022, 18, 1; 45--55
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Long-term Traffic Forecasting in Optical Networks Using Machine Learning
    Autorzy:
    Walkowiak, Krzysztof
    Szostak, Daniel
    Włodarczyk, Adam
    Kasprzak, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/27311948.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    traffic forecasting
    machine learning
    classification
    Regression
    Opis:
    Knowledge about future traffic in backbone optical networks may greatly improve a range of tasks that Communications Service Providers (CSPs) have to face. This work proposes a procedure for long-term traffic forecasting in optical networks. We formulate a long-terT traffic forecasting problem as an ordinal classification task. Due to the optical networks’ (and other network technologies’) characteristics, traffic forecasting has been realized by predicting future traffic levels rather than the exact traffic volume. We examine different machine learning (ML) algorithms and compare them with time series algorithms methods. To evaluate the developed ML models, we use a quality metric, which considers the network resource usage. Datasets used during research are based on real traffic patterns presented by Internet Exchange Point in Seattle. Our study shows that ML algorithms employed for long-term traffic forecasting problem obtain high values of quality metrics. Additionally, the final choice of the ML algorithm for the forecasting task should depend on CSPs expectations.
    Źródło:
    International Journal of Electronics and Telecommunications; 2023, 69, 4; 751--762
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    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:
    Metoda oceny kategorii maszyn ze względu na emisję nielaserowego promieniowania optycznego
    Autorzy:
    Pawlak, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/137879.pdf
    Data publikacji:
    2012
    Wydawca:
    Centralny Instytut Ochrony Pracy
    Tematy:
    nielaserowe promieniowanie optyczne
    promieniowanie nadfioletowe
    widzialne i podczerwone
    emisja promieniowania
    klasyfikacja maszyn
    nonlaser optical radiation
    ultraviolet
    visible and infrared radiation
    emission of radiation
    classification of machinery
    Opis:
    W artykule opisano metodę oceny maszyn emitujących promieniowanie optyczne, która polega na pomiarze parametrów promieniowania nadfioletowego, widzialnego lub podczerwonego określonych w normach PN-EN 12198 Część 1. i 2. Na podstawie wyników tych pomiarów jest wyznaczana kategoria emisji promieniowania określonej maszyny. Wartość kategorii emisji stanowi podstawę do oceny ryzyka pracowników, którzy mogą być zagrożeni tym promieniowaniem oraz do określenia rodzajów środków w celu ograniczenia emisji tego promieniowania. Następnie scharakteryzowano wymienione rodzaje promieniowań oraz przestawiono przykładowe maszyny, w których procesach technologicznych jest ono wykorzystywane. Zaprezentowaną metodę oceny kategorii emisji wykorzystano do oceny trzech przykładowych maszyn, które emitują promieniowanie: nadfioletowe, widzialne oraz podczerwone.
    This article discusses a method of evaluating machines emitting optical radiation, which involves measuring parameters of ultraviolet, visible or infrared light listed in standards PN-EN 12198 Part 1 and 2. The category of radiation of specific machines is determined on the basis of the results of those measurements. The value of emission categories is the basis for assessing the risk of employees exposed to radiation and for determining the types of measures reducing the emission of radiation. This article characterizes those types of radiation and gives examples of machines with the relevant technological processes. The method of evaluating emission categories is shown in three sample machines that emit ultraviolet, visible and infrared radiation.
    Źródło:
    Podstawy i Metody Oceny Środowiska Pracy; 2012, 4 (74); 17-32
    1231-868X
    Pojawia się w:
    Podstawy i Metody Oceny Środowiska Pracy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine learning system for automated blood smear analysis
    Autorzy:
    Grochowski, Michał
    Wąsowicz, Michał
    Mikołajczyk, Agnieszka
    Ficek, Mateusz
    Kulka, Marek
    Wróbel, Maciej S.
    Jędrzejewska-Szczerska, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/220750.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    optical microscopy
    blood cells
    biophotonics
    image analysis
    classification
    eigenfaces
    neural networks
    decision support
    nanodiamonds
    bioimaging
    Opis:
    In this paper the authors propose a decision support system for automatic blood smear analysis based onmicroscopic images. The images are pre-processed in order to remove irrelevant elements and to enhancethe most important ones – the healthy blood cells (erythrocytes) and the pathologic ones (echinocytes). The separated blood cells are analysed in terms of their most important features by the eigenfaces method. The features are the basis for designing the neural network classifier, learned to distinguish between erythrocytes and echinocytes. As the result, the proposed system is able to analyse the smear blood images in a fully automatic way and to deliver information on the number and statistics of the red blood cells, both healthy and pathologic. The system was examined in two case studies, involving the canine and human blood, and then consulted with the experienced medicine specialists. The accuracy of classification of red blood cells into erythrocytes and echinocytes reaches 96%.
    Źródło:
    Metrology and Measurement Systems; 2019, 26, 1; 81-93
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Real-time analysis and classification of bioaerosols based on optical scattering properties
    Analiza i klasyfikacja bioaerozoli w czasie rzeczywistym w oparciu o właściwości rozpraszania światła
    Autorzy:
    Kaliszewski, M.
    Trafny, E. A.
    Włodarski, M.
    Lewandowski, R.
    Stępińska, M.
    Kwaśny, M
    Kostecki, J.
    Kopczyński, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/208659.pdf
    Data publikacji:
    2017
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    klasyfikacja bioaerozoli
    rozpraszanie
    analiza wielkości i kształtu cząstek
    wykrywanie bojowych środków biologicznych
    bioaerosol classification
    scattering
    particle size and shape analysis
    biological warfare agents’ detection
    hierarchical cluster analysis (HCA)
    HCA
    Opis:
    The size and shape of biological particles are important parameters allowing discrimination between various species. We have studied several aerosols of biological origin such as pollens, bacterial spores and vegetative bacteria. All of them presented different morphology. Using optical size and shape analyser we found good correlation between light scattering properties and actual particle features determined by scanning electron and fluorescence microscopy. In this study, we demonstrated that HCA (Hierarchical Cluster Analysis) offers fast and continuous bioaerosol classification based on shape and size data matrices of aerosols. The HCA gives an unequivocal interpretation of particle size vs. asymmetry data. Therefore, it may provide high throughput and reliable screening and classification of bioaerosols using scattering characteristics.
    Rozmiar i kształt cząstek biologicznych są ważnymi parametrami pozwalającymi na rozróżnianie pomiędzy różnymi rodzajami cząstek. Przeprowadzone zostały badania aerozoli pochodzenia biologicznego takich jak pyłki roślin, przetrwalniki oraz wegetatywne bakterie. Substancje te wykazywały różne właściwości morfologiczne. W wyniku przeprowadzonych badań przy pomocy optycznego analizatora wielkości i kształtu cząstek znaleziona została wysoka korelacja pomiędzy właściwościami rozpraszania światła a rzeczywistymi właściwościami cząstek określonymi na podstawie SEM (Skaningowego Mikroskopu Elektronowego) oraz mikroskopu fluorescencyjnego. Przedstawione badania pokazują, że HCA (Hierarchical Cluster Analysis) umożliwia szybką, wiarygodną, prowadzoną w sposób ciągły analizę i klasyfikację bioaerozoli w oparciu o ich charakterystyki rozproszeniowe.
    Źródło:
    Biuletyn Wojskowej Akademii Technicznej; 2017, 66, 1; 27-40
    1234-5865
    Pojawia się w:
    Biuletyn Wojskowej Akademii Technicznej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Correction of spectral radiance of optical satellite image for mountainous terrain for studying land surface cover changes
    Radiometryczna korekcja satelitarnego obrazu optycznego dla terenów górzystych w badaniach zmian pokrycia terenu
    Autorzy:
    Chinh Ke, L.
    Ngoc Tuong, T.
    Van Hung, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/145579.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    pokrycie terenu
    korekcja radiometryczna
    obraz satelitarny
    image radiation correction
    correction models
    slope and terrain aspect
    image classification
    Opis:
    Qualitative and quantitative results of high terrain elevation effect on spectral radiance of optical satellite image which affect the accuracy in retrieving of land surface cover changes is given. The paper includes two main parts: correction model of spectral radiance of satellite image affected by high terrain elevation and assessment of impacts and variation of land cover changes before and after correcting influence of high terrain elevation to the spectral radiance of the image. Study has been carried out with SPOT 5 in Hoa Binh mountain area of two periods: 2007 and 2010. Results showed that appropriate correction model is the Meyer’s one. The impacts of correction spectral radiance to 7 classes of classified images fluctuate from 15% to 400%. The varying changes before and after correction of image radiation fluctuate over 7 classes from 5% to 100%.
    W artykule został przedstawiony wpływ różnicy wysokości terenu na spektralne właściwości optycznego obrazu satelitarnego, pod kątem badania zmian pokrycia terenu. Praca zawiera dwie główne części: korekcję radiometryczną obrazu satelitarnego na terenach wysokogórskich oraz ocenę skutków i zmienności pokrycia terenu przed i po korekcji wpływu wysokości terenu na odbicie spektralne obrazu. Badanie zostało przeprowadzone w obszarach górskich Hoa Binh na podstawie analizy obrazów SPOT5 z lat 2007 i 2010. Wyniki wykazały, że odpowiednim modelem korekcji dla badanego terenu jest model Meyer’a. Wpływ korekcji radiometrycznej wynik klasyfikacji pokrycia terenu (wydzielono 7 klas) waha się od 15% do 400%. Zmiany pokrycia terenu przed i po korekcji wpływu wysokości terenu na odbicie spektralne wahają się od 5% do 100%.
    Źródło:
    Geodesy and Cartography; 2014, 63, 1; 39-53
    2080-6736
    2300-2581
    Pojawia się w:
    Geodesy and Cartography
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-11 z 11

      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