Teksturowe (niesegmentacyjne) metody wizyjnej oceny składu ziarnowego

• Autorzy: Heyduk A.

Warianty tytułu

EN

Texture (non-segmentation based) methods of visual evaluation of grain composition

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono problem wyznaczania udziałów poszczególnych klas ziarnowych w strumieniu materiału na podstawie parametrów teksturowych, bez konieczności dokonywania pełnej segmentacji obrazu z wyodrębnianiem granic poszczególnych ziaren. Podstawą obliczeń są wzorcowe parametry teksturowe (np. funkcja autokorelacji) wyznaczane w sposób doświadczalny. Zwrócono uwagę na konieczność redukcji liczby wymiarów funkcji (uśrednienie radialne), eliminację składowej stałej jasności obrazu oraz zastosowanie odpowiednich algorytmów rozwiązywania nadokreślonego układu równań, zapewniających nieujemność otrzymywanych rozwiązań. Przedstawiono obliczeniowe przykłady obrazów wzorcowych oraz analizy obrazu zawierającego wiele klas ziarnowych.

EN

The paper presents a problem of determining fractions of individual grain-size categories in a mass flow on the basis of texture parameters without any need for making a complete segmentation image including separation of individual grains. The standard texture parameters (e.g. autocorrelation function) determined experimentally is a basis for calculations. It has been paid attention to necessity to reduce a number of function sizes (radial averaging), to eliminate a constant component of image brightness, and to apply appropriate algorithms of solution of an overdetermined system of equations which provide for non-negative solutions to be gained. There have been presented the calculative examples of standard images and image analysis including many size grades.

Słowa kluczowe

PL

charakterystyka; klasy ziarnowe

EN

characteristics; grain-size categories

• Wydawca: Instytut Technik Innowacyjnych EMAG
• Czasopismo: Mechanizacja i Automatyzacja Górnictwa
• Rocznik: 2010
• Tom: R. 48, nr 3
• Strony: 16--24
• Opis fizyczny: Rys., wz., wykr., fot.,Bibliogr. 10 poz.

Twórcy

autor

Heyduk A.

• Politechnika Śląska

Bibliografia

• 1. Abbadeni N., Ziou D., Wang S.: Autocovariance-based perceptual textural features corresponding to human visual perception. Proceedings of 15th ICPR, Barcelona 2000.
• 2. Bjorck A:. Numerical Methods for Least Squares Problems. SIAM, Philadelphia 1996.
• 3. Drzymała J.: Podstawy mineralurgii. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2001.
• 4. Fuji K., Sugi S., Ando Y.: Textural properties corresponding to visual perception based on the correlation mechanism in the visual system. Physiological Research, Vol. 67, 2003.
• 5. Heyduk A:. Morfologiczne i dyfuzyjne algorytmy wstępnego przetwarzania obrazu w układzie wizyjnej analizy składu ziarnowego. Mechanizacja i Automatyzacja Górnictwa, nr 9 (428), Katowice 2006, s. 39-46.
• 6. Kincaid D., Cheney W.: Analiza numeryczna. Wydawnictwa Naukowo-Techniczne, Warszawa 2006.
• 7. Lawson C., Hanson R.: Solving Least Squares Problems. SIAM Philadelphia 1995.
• 8. Leu J.-G.: On indexing the periodicity of image texture. Image and Vision Computing Vol. 19, 2001.
• 9. Lin H.-C., Wang L.-L. : Extracting periodicity of a regular texture based on autocorrelation functions. Pattern Recognition Letters Vol. 18, 1997.
• 10. Sztaba K.: Przesiewanie. ŚWT, Katowice 1993.