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 "klasyfikacja obrazu" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 30
Tytuł:
A sorting method for coal and gangue based on surface grayness and glossiness
Metoda sortowania węgla i skały płonnej na podstawie szarości i połysku powierzchni
Autorzy:
Cheng, Gang
Wei, Yifan
Chen, Jie
Pan, Zeye
Powiązania:
https://bibliotekanauki.pl/articles/27311660.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
surface glossiness
gangue recognition
image recognition
supervised classification
grey wolf algorithm
support vector machine
połysk powierzchni
rozpoznawanie skały płonnej
rozpoznawanie obrazu
klasyfikacja nadzorowana
algorytm szarych wilków
maszyna wektorów nośnych
Opis:
Sorting coal and gangue is important in raw coal production; accurately identifying coal and gangue is a prerequisite for effectively separating coal and gangue. The method of extracting coal and gangue using image grayscale information can effectively identify coal and gangue, but the recognition rate of the sorting process based on image grayscale information needs to substantially higher than that which is needed to meet production requirements. A sorting method of coal and gangue using object surface grayscale-gloss characteristics is proposed to improve the recognition rate of coal and gangue. Using different comparative experiments, bituminous coal from the Huainan area was used as the experimental object. It was found that the number of pixel points corresponding to the highest level grey value of the grayscale moment and illumination component of the coal and gangue images were combined into a total discriminant value and used as input for the best classification of coal and gangue using the GWO-SVM classification model. The recognition rate could reach up to 98.14%. This method sorts coal and gangue by combining surface greyness and glossiness features, optimizes the traditional greyness-based recognition method, improves the recognition rate, makes the model generalizable, enriches the research on coal and gangue recognition, and has theoretical and practical significance in enterprise production operations.
Sortowanie węgla i skały płonnej jest ważne w produkcji węgla surowego; dokładna identyfikacja węgla i skały płonnej jest warunkiem wstępnym skutecznego oddzielenia tych surowców. Metoda rozdzielenia węgla i skały płonnej przy użyciu informacji w skali szarości obrazu może skutecznie identyfikować węgiel i skałę płonną, ale stopień rozpoznawania procesu sortowania w oparciu o te informacje być znacznie wyższy niż wymagany do spełnienia wymagań produkcyjnych. W artykule zaproponowano metodę sortowania węgla i skały płonnej wykorzystującą charakterystykę połysku i skali szarości powierzchni obiektu w celu poprawy szybkości rozpoznawania węgla i skały płonnej. W badaniach wykorzystano próbki węgla kamiennego z obszaru Huainan. Stwierdzono, że liczbę punktów pikseli odpowiadającą najwyższemu poziomowi szarości momentu w skali szarości i składowej oświetlenia obrazów węgla i skały płonnej połączono w całkowitą wartość dyskryminującą i wykorzystano jako dane wejściowe dla najlepszej klasyfikacji węgla i skały płonnej przy użyciu modelu klasyfikacji GWO-SVM. Wskaźnik rozpoznawalności może osiągnąć nawet 98,14%. Ta metoda sortowania węgla i skały płonnej poprzez połączenie cech szarości i połysku powierzchni, optymalizuje tradycyjną metodę rozpoznawania w oparciu o szarość, poprawia współczynnik rozpoznawania, umożliwia uogólnienie modelu, wzbogaca badania nad rozpoznawaniem węgla i skały płonnej, ma znaczenie teoretyczne i praktyczne w operacjach produkcyjnych przedsiębiorstwa.
Źródło:
Gospodarka Surowcami Mineralnymi; 2023, 39, 3; 173--198
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A supervised approach to musculoskeletal imaging fracture detection and classification using deep learning algorithms
Autorzy:
Karanam, Santoshachandra Rao
Srinivas, Y.
Chakravarty, S.
Powiązania:
https://bibliotekanauki.pl/articles/38702595.pdf
Data publikacji:
2023
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
musculoskeletal image
image processing
image enhancement
fracture diagnosis
fracture classification
deep neural network
obraz układu mięśniowo-szkieletowego
przetwarzanie obrazu
wzmocnienie obrazu
diagnoza złamania
klasyfikacja złamań
głęboka sieć neuronowa
Opis:
Bone fractures break bone continuity. Impact or stress causes numerous bone fractures. Fracture misdiagnosis is the most frequent mistake in emergency rooms, resulting in treatment delays and permanent impairment. According to the Indian population studies, fractures are becoming more common. In the last three decades, there has been a growth of 480 000, and by 2022, it will surpass 600 000. Classifying X-rays may be challenging, particularly in an emergency room when one must act quickly. Deep learning techniques have recently become more popular for image categorization. Deep neural networks (DNNs) can classify images and solve challenging problems. This research aims to build and evaluate a deep learning system for fracture identification and bone fracture classification (BFC). This work proposes an image-processing system that can identify bone fractures using X-rays. Images from the dataset are pre-processed, enhanced, and extracted. Then, DNN classifiers ResNeXt101, InceptionResNetV2, Xception, and NASNetLarge separate the images into the ones with unfractured and fractured bones (normal, oblique, spiral, comminuted, impacted, transverse, and greenstick). The most accurate model is InceptionResNetV2, with an accuracy of 94.58%.
Źródło:
Computer Assisted Methods in Engineering and Science; 2023, 30, 3; 369-385
2299-3649
Pojawia się w:
Computer Assisted Methods in Engineering and Science
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:
Aparaturowe i metodologiczne aspekty ilościowej analizy mikrostruktury żeliwa
Quantitative analysis of cast iron microstructure in terms of the apparatus and methodology
Autorzy:
Warmuzek, M.
Boroń, Ł.
Tchórz, A.
Powiązania:
https://bibliotekanauki.pl/articles/391395.pdf
Data publikacji:
2011
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Odlewnictwa
Tematy:
mikrostruktura
analiza obrazu
grafit
żeliwo
parametry stereologiczne
klasyfikacja grafitu
microstructure
image analysis
graphite
cast iron
stereological parameters
graphite classification
Opis:
W pracy porównano wyniki zastosowania różnych systemów obrazowania mikrostruktury (mikroskop świetlny oraz tomograf rentgenowski) oraz różnych systemów analizy obrazu do pomiaru wybranych parametrów stereologicznych i geometrycznych dla dwóch modeli morfologicznych, występujących w stopach odlewniczych, na przykładzie żeliwa z grafitem sferoidalnym i kratkowym. Wykazano statystycznie istotne różnice pomiędzy uzyskanymi wynikami pomiarów, spowodowane przede wszystkim jakością obrazu poddanego analizie oraz lokalnymi cechami geometrycznymi analizowanych obiektów. Porównano wyniki klasyfikacji wydzieleń grafitu według klas wielkości przyjętych w obowiązującej normie PN-EN ISO 945-1, przeprowadzonej na podstawie różnych procedur obrazowania.
In this work the results of the application of different imaging techniques and image analysis systems for measurements of chosen either stereological parameters or geometrical features for some of morphology models occurring in the cast alloys, especially taking into account cast iron with either spheroidal or vermicular graphite have been compared and interpreted. The statistical important difference of the obtained results have been stated and recognized as caused first of all by quality of analyzed images and local geometry features of the analyzed objects. The results of the graphite particles classification according to the size class in the actual standard PN-EN ISO 945-1, using different imaging and analysis procedures.
Źródło:
Prace Instytutu Odlewnictwa; 2011, 51, 3; 59-87
1899-2439
Pojawia się w:
Prace Instytutu Odlewnictwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Automatyczna klasyfikacja komórek rozmazu krwi obwodowej na przykładzie zatrucia ołowiem
Automatic classification of peripheral blood smear cells by the example of lead poisoning
Autorzy:
Michalski, Adrian
Kupcewicz, Bogumiła
Powiązania:
https://bibliotekanauki.pl/articles/762603.pdf
Data publikacji:
2020-07-28
Wydawca:
Polskie Towarzystwo Farmaceutyczne
Tematy:
uczenie maszynowe
analiza rozmazu krwi obwodowej
klasyfikacja białych krwinek
przetwarzanie obrazu
Image Processing
machine learning
peripheral blood smear analysis
leukocyte classification
Opis:
The first symptoms caused by heavy metals poisoning are usually non-specific, therefore their diagnosis requires specialized knowledge and experience. Incorrect diagnosis can lead to various disorders and irreversible changes in patient’s health. Lead poisoning is one of the heavy metals poisoning which is associated with non-specific symptoms and may cause a broad range of biochemical, physiological and behavioral disfunctions. Lead is commonly found in industry and manufacturing and in 2017, lead poisoning caused over a million deaths worldwide. Due to non-specific symptoms, lead poisoning is often diagnosed too late or incorrectly. Early symptoms are headache and stomachache, which potentiate with metal concentration. Lead poisoning increasing risk of anemia due to inhibition the ability to produce hemoglobin by interfering the heme biosynthesis pathway and decreasing red blood cell survival. Because of regularly occurred disorders of hematopoiesis and the presence of atypical cell in smears, diagnosis of lead poisoning that gives relevant information is bone marrow and peripheral blood smear study. The manual smear test made by qualified technician involves the evaluation of the preparation by using an optical microscope. Manual microscopic examination of blood cells is time-consuming and subjective. Automation of this process would enable to reduce the risk of human failure and solve the problem with lack of professional staff. Traditional machine learning is the most popular approach to automating microscopic smear testing. This method consists of the following stages: microscopic image acquisition, preprocessing, cell segmentation, feature extraction, followed by classification into types, artifacts and atypical cells. This work presents the recent methods proposed to automate the analysis of peripheral blood and bone marrow smears using traditional machine learning methods. A review of different machine learning methods was carried out, focusing on the presentation of an algorithm for the construction of automatic blood cell classifiers.
Pierwsze objawy pacjenta po zatruciu metalami ciężkimi są najczęściej nieswoiste, dlatego ich diagnostyka jest zadaniem wymagającym specjalistycznej wiedzy i doświadczenia. Nieprawidłowa diagnoza może prowadzić do nieodwracalnych zmian w stanie zdrowia pacjenta. Jednym z metali ciężkich, którym zatrucie wiąże się z nieswoistymi objawami, a może prowadzić do poważnych zaburzeń neurologicznych i hematologicznych jest ołów. Ołów jest metalem ciężkim powszechnie występującym w przemyśle i produkcji. W 2017 roku zatrucie tym metalem było przyczyną ponad miliona zgonów na świecie. Z powodu nieswoistych objawów zatrucie ołowiem często jest diagnozowane nieprawidłowo i zbyt późno. Zatrucie metalami ciężkimi może prowadzić do zaburzeń hematopoezy i pojawienia się w rozmazach krwi i szpiku kostnego komórek atypowych, w związku z czym badaniem niosącym istotną informację w diagnostyce zatrucia jest ocena komórek w rozmazach. Analiza rozmazu manualnego polega na ocenie preparatu przy użyciu mikroskopu optycznego oraz szczegółowej interpretacji obrazu mikroskopowego wykonywanej przez wykwalifikowany personel. Automatyzacja tego procesu pozwoliłaby na ograniczenie ryzyka pomyłki spowodowanej błędem ludzkim oraz rozwiązanie problemu braku doświadczonego personelu. Najpopularniejszym podejściem wykorzystywanym w automatyzacji mikroskopowego badania rozmazu jest tradycyjne uczenie maszynowe. Metoda ta, składa się z kilku etapów: zbieranie obrazów mikroskopowych i ich wstępna obróbka, wyodrębnienie komórek oraz ich charakterystycznych cech, a następnie klasyfikacja na rodzaje, artefakty i komórki atypowe. W pracy opisano aktualnie proponowane sposoby automatyzacji badania rozmazu krwi obwodowej i szpiku kostnego, wykorzystujące tradycyjne metody uczenia maszynowego. Przeprowadzono przegląd metod uczenia maszynowego, skupiając się na przedstawieniu algorytmu postępowania w konstrukcji automatycznych klasyfikatorów komórek krwi.
Źródło:
Farmacja Polska; 2020, 76, 6; 318-323
0014-8261
2544-8552
Pojawia się w:
Farmacja Polska
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:
Classification and detection of skin disease based on machine learning and image processing evolutionary models
Autorzy:
Bordoloi, Dibyahash
Singh, Vijay
Kaliyaperumal, Karthikeyan
Ritonga, Mahyudin
Jawarneh, Malik
Kassanuk, Thanwamas
Quiñonez-Choquecota, Jose
Powiązania:
https://bibliotekanauki.pl/articles/38700501.pdf
Data publikacji:
2023
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
skin disorder
machine learning
classification
image enhancement
image segmentation
disease detection
schorzenie skóry
nauczanie maszynowe
klasyfikacja
ulepszenie obrazu
segmentacja obrazów
wykrywanie choroby
Opis:
Skin disorders, a prevalent cause of illnesses, may be identified by studying their physical structure and history of the condition. Currently, skin diseases are diagnosed using invasive procedures such as clinical examination and histology. The examinations are quite effective and beneficial. This paper describes an evolutionary model for skin disease classification and detection based on machine learning and image processing. This model integrates image preprocessing, image augmentation, segmentation, and machine learning algorithms. The experimental investigation makes use of a dermatology data set. The model employs the machine learning methods: the support vector machine (SVM), the k-nearest neighbors (KNN), and random forest algorithms for image categorization and detection. This suggested methodology is beneficial for the accurate identification of skin disease using image analysis. The SVM algorithm achieved an accuracy of 98.8%. The KNN algorithm achieved a sensitivity of 91%. The specificity of KNN was 99%.
Źródło:
Computer Assisted Methods in Engineering and Science; 2023, 30, 2; 247-256
2299-3649
Pojawia się w:
Computer Assisted Methods in Engineering and Science
Dostawca treści:
Biblioteka Nauki
Artykuł
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:
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
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:
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:
Determination of the number of trees in the Bory Tucholskie National Park using crown delineation of the canopy height models derived from aerial photos matching and airborne laser scanning data
Określanie liczby drzew w Parku Narodowym Bory Tucholskie metodą segmentacji koron na modelach wysokościowych pochodzących z dopasowania zdjęć lotniczych oraz lotniczego skanownia laserowego
Autorzy:
Wężyk, P.
Hawryło, P.
Szostak, M.
Powiązania:
https://bibliotekanauki.pl/articles/130706.pdf
Data publikacji:
2016
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
image segmentation
object classification
point clouds
airborne laser scanning
National Park
Bory Tucholskie
segmentacja obrazu
klasyfikacja obiektowa
chmury punktów
lotnicze skanowanie laserowe
Park Narodowy
Opis:
In recent years the term "precise forestry" has been used more and more often, referring to a modern and sustainable model of forest management. Functioning of such management of wood biomass resources is based, among others, on precisely defined and log-term monitored selected forest taxation parameters of single trees and whole forest stands based on modern geoinformation technologies, including Airborne Laser Scanning (ALS) and digital photogrammetry. The purpose of the work was the analysis of the usefulness of the CHM (Canopy Height Model) generated from the image-based point cloud or ALS technology to define the number of trees using the method of the segmentation of single Scots pine (Pinus sylvestris L.) crowns. The study was carried out in the Scots pine stands located in the Bory Tucholskie National Park (Poland). Due to the intentional lack of certain silviculture treatments, over the recent decades, these forest stands have been characterized by relatively high tree density, compared to managed forests. The CHM was generated from digital airborne photos (CIR composition; GSD 0.15 m) and on the other hand - from the ALS point clouds (4 points/m2 ; ISOK project). To generate point clouds from airborne photos using stereomatching method, the PhotoScan Professional (Agisoft) software was applied. The CHM coming from the Image-Based Point Cloud (CHM_IPC; GSD: 0.30 m) and ALS data (CHM_ALS; GSD: 0.75 m) were generated using FUSION (USDA Forest Service) software. The segmentation of tree crowns was carried out in eCognition Developer (TRIMBLE GeoSpatial) software. Apart from height models, also spectral information was used (so-called true CIR orthophotomaps; GSD: 0.3 and 0.75 m). To assess the accuracy of the obtained results, the ground truth data from 248 reference areas were used. The carried out analyses showed that in forest stands of younger age classes (< 120 years) better results were achieved applying the method of image matching (CHM_IPC), while in the case of older stands (> 120 years) the accuracy of the detection rate of tree crowns was the highest when CHM_ALS model was applied. The mean percentage error (defined by the number of trees, based on the detection of single pine crowns), calculated based on 248 ground truth areas was 0.89%, which shows a great potential of digital photogrammetry (IPC) and GEOBIA. In case of almost full nationwide cover in Poland of airborne digital images (present IPC models) and ALS point clouds (DTM and DSM), at almost 71% forest stands in the Polish State Forests National Forest Holding (PGL LP), one can assume wide application of geodata (available free of charge) in precise modelling of selected tree stand parameters all over Poland.
W ostatnich latach coraz częściej w odniesieniu do nowoczesnej i zrównoważonej gospodarki leśnej używa się terminu "precyzyjne leśnictwo". Funkcjonowanie takiego modelu zarządzania zasobami biomasy drzewnej opiera się m.in. na dokładnie określonych i monitorowanych cyklicznie wybranych parametrach taksacyjnych drzewostanów i pojedynczych drzew w oparciu o nowoczesne technologie geoinformacyjne, w tym lotnicze skanowanie laserowe (ang. ALS) oraz fotogrametrię cyfrową. Celem pracy była analiza przydatności Modelu Koron Drzew (ang. CHM) generowanego z chmur punktów pochodzących z automatycznego dopasowania cyfrowych zdjęć lotniczych (ang. Image-Based Point Cloud) lub z technologii ALS w celu określania liczby drzew metodą segmentacji pojedynczych koron sosen. Badania realizowano w drzewostanach sosnowych (Pinus sylvestis L.) na obszarze Parku Narodowego "Bory Tucholskie". Drzewostany te poprzez celowe zaniechanie w ostatnich dekadach pewnych zabiegów hodowlanych charakteryzowały się stosunkowo dużym zagęszczeniem drzew w porównaniu do drzewostanów gospodarczych. Model Koron Drzew wygenerowano w jednym wariancie ze zdjęć lotniczych CIR (GSD 0.15 m) a w drugim z chmur punktów ALS (4 pkt/m2 ; CODGiK ISOK). Do generowania chmur punktów ze zdjęć lotniczych metodą dopasowania zastosowano oprogramowanie Photoscan Professional (Agisoft). Modele Koron Drzew pochodzące z dopasowania zdjęć lotniczych (CHM_IPC; GSD: 0.30 m) oraz z danych ALS (CHM_ALS; GSD: 0.75 m) zostały wygenerowane w oprogramowania FUSION (USDA Forest Service). Segmentację koron prowadzono w oprogramowaniu eCognition Developer. Oprócz modeli wysokościowych wykorzystano także informację spektralną (tzw. prawdziwe ortofotomapy CIR; GSD: 0.3 i 0.75 m). Do oceny dokładności otrzymanych wyników wykorzystano dane pochodzące z 248 powierzchni referencyjnych. Przeprowadzona analiza wykazała, że w drzewostanach młodszych klas wieku (< 120 lat), lepsze wyniki można osiągnąć stosując metody dopasowania zdjęć (CHM_IPC) natomiast w drzewostanach starszych (> 120 lat) dokładność wykrywania koron drzew jest najwyższa przy stosowaniu wariantu CHM_ALS. Średni błąd procentowy określania liczby drzew w oparciu o detekcję pojedynczych koron sosen obliczony na podstawie 248 powierzchni referencyjnych wyniósł 0.89% co świadczy o ogromnym potencjale fotogrametrii cyfrowej (metod dopasowania zdjęć) oraz analizy obrazu (OBIA; Object-Based Image Analysis). W aspekcie niemal całkowitego pokrycia kraju danymi ALS oraz blisko 70% udziału drzewostanów sosnowych w Lasach Państwowych można założyć szerokie wykorzystanie tych nieodpłatnie dostępnych geodanych w celu zbudowania modelu precyzyjnego leśnictwa dla obszaru całego kraju.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2016, 28; 137-156
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
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:
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 i zliczanie pojazdów na podstawie danych wideo
Vehicle classification and counting on the basis of video data
Autorzy:
Czapla, Z.
Powiązania:
https://bibliotekanauki.pl/articles/312559.pdf
Data publikacji:
2016
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
ruch drogowy
dane obrazowe
pojazdy
metody przetwarzania obrazu
klasyfikacja pojazdów
zliczanie pojazdów
pomiary parametrów ruchu drogowego
road traffic
vehicle classification
image data
vehicles
image processing approaches
couting vehicles
measuring traffic parameters
Opis:
Artykuł przedstawia metodę klasyfikacji i zliczania pojazdów na podstawie danych wideo. Wejściowa sekwencja obrazów składa się z ramek pobranych ze strumienia wideo otrzymywanego z kamery umieszczonej nad drogą. Poszczególne obrazy wejściowej sekwencji obrazów są przetwarzane oddzielnie. Definiowane są dwa pola detekcji, początkowe pole detekcji i końcowe pole detekcji. Obrazy wejściowej sekwencji obrazów są konwertowane do reprezentacji punktowej. Obliczana jest suma punktów krawędziowych dla każdego pola detekcji. Na podstawie sum punktów krawędziowych wyznaczane są stany pól detekcji. Analiza stanów pól detekcji umożliwia klasyfikację i zliczanie pojazdów. W artykule zamieszczono wyniki pomiarów.
The paper presents a method of vehicle classification and counting on the basis of video data. The input image sequence consists of consecutive frames taken from the video stream obtained from the camera placed above a road. Individual images from the input image sequence are processed separately. Two detection fields are defined, the initial detection field and the final detection field. Images from the input image sequence are converted into point representation. The sum of the edge points is calculated for each detection field. On the basis of the sums of edge points, states of the detection fields are determined. Analysis of the states of the detection fields allows vehicle classification and counting. Experimental results are provided.
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2016, 17, 6; 562-565
1509-5878
2450-7725
Pojawia się w:
Autobusy : technika, eksploatacja, systemy transportowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 30

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