Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  algorytm Canny'ego
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Methods of picture segmentation in recognition digital satellite images
EN
In the article for the recognition of digital satellite images, the method of segmentation of views by thresholding was chosen. Two algorithms were used: Laplasian of Gaussian and Canny. The Laplasian of Gaussian algorithm with Gauss low-pass filter smoothes the edges and Laplace's high-pass filter sharpens the image. Based on the calculations made, clear boundaries between individual areas were obtained. The presented application in the MATLAB environment effectively detects forest areas and lakes in the satellite images.
PL
W artykule do rozpoznawania cyfrowych zdjęć satelitarnych wybrano metodę segmentacji zobrazowań przez progowanie. Zastosowano dwa algorytmy: Laplasian of Gaussian i Canny’ego. Algorytm Laplasian of Gaussian z filtrem dolnoprzepustowym Gaussa wygładza krawędzie a filtr górnoprzepustowy Laplace’a wyostrza obraz. Na podstawie przeprowadzonych obliczeń otrzymano wyraźne granice między poszczególnymi obszarami. Przedstawiona aplikacja w środowisku MATLAB skutecznie wykrywa obszary leśne i jeziora na zdjęciach satelitarnych.
PL
Artykuł prezentuje alternatywne podejście do programowania równoległego poprzez wykorzystanie programowalnych kart graficznych w celu wsparcia obliczeń, oraz połączenie tego podejścia z klasycznym zrównolegleniem opartym o wielordzeniowe procesory. Przeprowadzone testy przedstawiają zysk czasu jaki można uzyskać dzięki odpowiedniemu połączeniu OpenMP z technologią CUDA w obliczeniach związanych z wykrywaniem krawędzi na obrazie rastrowym przy użyciu algorytmu Cannego. Badania przeprowadzone zostały na sprzęcie różnej jakości. Napisane algorytmy są zgodne z CC 1,0 (zdolność obliczeniowa karty graficznej).
EN
This paper presents an alternative approach to parallel programming by using programmable graphics card to support calculations and combines this approach with a classical parallelization based on multi-core processors. The tests show the gain time that can be achieved through a combination of OpenMP with CUDA technology in the calculation of the edge detection on the raster image using the Canny’s algorithm. Tests were carried out on the equipment of varying quality. The algorithms are compatible with CC 1.0 (compute capability graphics card).
PL
W artykule przedstawiono jeden ze sposobów wykorzystania czujników inercyjnych oraz przetwarzania obrazu do zbudowania systemu nawigacyjnego. W dzisiejszych czasach głównym sposobem określania położenia stało się wykorzystanie systemów satelitarnych np. GPS. Jednak ze względu na swoje wady, w aplikacjach wojskowych stawia się wymóg posiadania drugiego (niezależnego od nawigacji satelitarnej) systemu pozycjonowania. Taki alternatywny system wyznaczania pozycji można zbudować w oparciu o czujniki inercyjne, magnetometry, czujniki ciśnienia oraz przetwarzanie zobrazowania z kamery umieszczonej na poruszającym się obiekcie. Dzięki temu można uzyskać dokładną, lokalizację obiektu w miejscach gdzie nawigacja satelitarna nie może zostać użyta.
EN
The paper describes a way to use inertial sensors and digital image signal processing to build a navigation system. Nowadays, the main way in determining the position is using satellite systems such as GPS. However, due to its drawbacks there is a requirement of a second (independent from satellite navigation) positioning system in military applications. Such an alternative system for determining the position can be built based on inertial sensors, magnetometers, pressure sensors and processing the image signal of the camera placed on a moving object. This allows you to get the exact location of the object in places where satellite navigation can not be used.
PL
W pracy zaproponowano wizyjną metodę diagnostyki podkładów kolejowych, na przykładzie podkładów drewnianych. Przedstawiono algorytmy wykorzystywane w preprocesingu systemu wizyjnego w celu ekstrakcji pęknięć podkładów, przy jednoczesnej eliminacji występujących szumów. Jako podstawowe zastosowano algorytm Canny'go oraz filtr entropijny, przy wspomaganiu filtrów morfologicznych. Dokonano weryfikacji tych algorytmów na wybranych przypadkach podkładów drewnianych.
EN
The paper presents visual diagnostic method of wooden railway sleepers. Algorithms using in preprocessing stage serving to extract cracks from sleepers have been presented. The preprocessing stage exploits Canny algorithm along with entropy and morphological filters. Chosen images of railway sleepers have been used to verify presented methods.
PL
W niniejszej publikacji została przedstawiona koncepcja algorytmu do trójwymiarowej rekonstrukcji obiektów oparta na wykrywaniu krawędzi. W proponowanym podejściu krawędzie rekonstruowane są do postaci wektorów i na podstawie informacji wektorowej wyznaczana jest głębia obrazu. Zrekonstruowane wektory charakteryzują się tym większą dokładnością, im więcej pikseli na nie się składa. Załączone wyniki pokazują, że na jakość rekonstrukcji stereowizyjnej wpływa dobór algorytmu krawędziowania. Przebadano algorytmy Fuzzy edge detection, LoG, oraz Canny'ego. Algorytm ten jest rozwinięciem idei stereowizji krawędziowej, ale przez swój charakter może stanowić uzupełnienie stereowizji korelacyjnej.
EN
In this publication was represented conception of three-dimensional object reconstruction based on edge detection algorithms. In this approach these edges are transformed to vectors, than the depth map is determined. Accuracy of vector determination depend on vectors length. Results show, that choose of appropriate edge detection algorithm is important in reconstruction process. The Fuzzy, LoG and Canny edge detection algorithms was tested. The proposed algorithm is extension of edge stereovision and can be a supplement for correlation stereovision.
PL
Artykuł przedstawia wyniki wykorzystania sieci neuronowych do selekcji podobrazów oraz wyniki wyszukiwania wybranych obszarów na pozostałych zdjęciach z wykorzystaniem rozkładu odpowiedzi dla sieci SOM Kohonena. Zaproponowano reprezentacje fragmentu obrazu oparta na rozkładzie wartości modułu gradientu i jego kierunku. Badania przeprowadzono na dziewięciuset podobrazach zdjęć lotniczych okolic Krakowa o różnym pokryciu terenu podzielonych na trzy kategorie: obszarów korzystnych, pośrednich i niekorzystnych pod względem wyszukiwania cech do orientacji wzajemnej. Dla każdego z obrazów, w oparciu o algorytm Canny’ego, wyznaczono krawędzie. Na podstawie wartości gradientu i kierunków wykrytych krawędzi sporządzono histogram, który następnie posłużył wyznaczeniu reprezentacji podobrazu w postaci profilu kierunku. Tak przygotowana reprezentacje wykorzystano do uczenia sieci neuronowych metoda nadzorowana (backpropagation) oraz nienadzorowana (Kohonena), a następnie do klasyfikacji obszarów nauczonymi sieciami. W przypadku sieci backpropagation miara efektywności klasyfikacji był globalny współczynnik rozpoznania oraz macierz pomyłek. Dla sieci Kohonena wyznaczano współczynnik kompletności i poprawności. Wyniki zestawiono z rezultatami otrzymanymi na drodze uczenia metoda wstecznej propagacji błędów, gdzie generowane na mapie Kohonena odpowiedzi stanowiły sygnał wejściowy dla warstwy backpropagation. W dalszym etapie wytypowane obszary korzystne poszukiwano na sąsiednich obrazach. Wzmocniony funkcja preferująca wysokie wartości rozkład odpowiedzi na mapie cech siec Kohonena, uzyskany dla podobrazów korzystnych, porównywano z rozkładem dla podobrazów o tych samych wymiarach na sąsiednich zdjęciach. Za miarę podobieństwa obszarów przyjęto współczynnik korelacji dla porównywanych odpowiedzi sieci.
EN
This paper describes the application of neural networks for selection of sub-images and the result of the search for the selected areas on the remaining photographs with the utilisation of Kohonen’s SOM network responses distribution. Image fragment representation based on the gradient magnitude values distribution and its direction was proposed. The research was conducted on nine hundred sub-images, taken from aerial photographs of the Cracow’s environs with different terrain cover, divided into three categories: advantageous, intermediate and disadvantageous areas in respect of searching for the features for mutual matching. The edges were detected with Canny algorithm. Based on the gradient values and the directions of the edges, the histogram was created and used to determine the representation of the sub-image in the direction’s profile form. The prepared representation served for teaching the neural network using supervised (backpropagation) and unsupervised (Kohonen) method and later for the classification. For the backpropagation network, the classification effectiveness was measured using the global recognition coefficient and the cooccurrence matrix. For the Kohonen network, the completeness and correctness coefficients were determined. Afterwards, the two networks were put together: the responses generated on the Kohonen map constituted the input signal for the backpropagation layer. In the next step, the adjacent images were sought for the chosen areas. Response distribution on the Kohonen network feature map, amplified with the function preferring the high values, was compared with the distribution for the same size sub-images of the adjacent photographs. To measure the similarity of the subimages, the correlation coefficient to compare network’s responses was used.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.