Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: automatic image processing

Sortuj według:

Ogranicz wyniki do:

Accuracy assessment of automatic image processing for land cover classification of St. Petersburg protected area

Bogoliubova A., Tymków P.

Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum

2014

Vol. 13, nr 1-2

5--22

This study analyzes the evaluation of land cover supervised classification quality. Authors put forward the hypothesis that the overall accuracy of image classification depends on its division into parts of the same area. The dependence is described by the logarithmic curve – Т = 4.3004·ln(x) + 72.697, because the determination coefficient is maximum (R2 = 0.9678). The research area was the Yuntolovo reserve, the protected area near St. Petersburg (Russia). In order to increase the overall accuracy of the land cover automatic classification based on aerial images, a new methodology of data preprocessing was introduced. The proposed method of estimating the overall classification accuracy of land cover protected areas increases on average by 10% by dividing the source aerial image into no more than 10 equal parts. With further partitioning of the image into parts of the same area, the overall accuracy is slightly increased. Pixel-based image analysis of supervised classification and error matrix were evaluated using ILWIS 3.31 software and in our own software in .NET environment.

W pracy dokonano analizy sposobów oceny jakości klasyfikacji pokrycia terenu na danych obrazowych. Autorzy wysunęli hipotezę, że ogólna dokładność klasy- fikacji obrazu zależy od jego podziału w procesie klasyfikacji na podobszary. Zależność tę opisano krzywą logarytmiczną Т = 4,3004⋅ln(x) + 72,697, dla której uzyskano najwyższy współczynnik determinacji (R2 = 0,9678). Badania prowadzono dla rezerwatu Yuntolovo, chronionego obszaru w pobliżu Sankt Petersburga (Rosja). W celu zwiększenia ogólnej dokładności automatycznej klasyfikacji pokrycia terenu na podstawie zdjęć lotniczych autorzy zaproponowali nową metodologię wstępnego przetwarzania danych. Proponowana metoda, polegająca na podziale obrazu klasyfikowanego na nie więcej niż dziesięć równych części, poprawia ogólną dokładność klasyfikacji pokrycia obszarów lądowych średnio o 10%. Podział na większą liczbę części nie zwiększa już znacząco jakości klasyfikacji, a dodatkowo wprowadza niejednoznaczności spowodowane zmniejszaniem próby uczącej. Klasyfikację obrazów i analizę dokładności prowadzono z wykorzystaniem pakietu ILWIS 3.31 oraz autorskiego oprogramowania stworzonego w środowisku NET.

Wykorzystanie wieloprocesorowego układu TMS320C80 w dziedzinie przetwarzania i rozpoznawania obrazów

Gajer M.

Kwartalnik Elektroniki i Telekomunikacji

1999

Vol. 45, nr 2

235-249

W artykule omówiono budowę systemu wizyjnego przewidzianego do automatycznego rozpoznawania typów układów scalonych na podstawie oznaczeń umieszczonych na ich obudowach. System taki może współpracować z robotem przemysłowym, dokonującym operacji montażu układów scalonych. Przedstawiono szczegółowo wszystkie etapy pracy systemu automatycznego przetwarzania i rozpoznawania obrazów. Uwagę zwrócono zwłaszcza na takie operacje, jak filtracja medianowa obrazu, jego binaryzacja, filtracja logiczna, erozja obrazu, obrót obrazu, segmentacja oraz ekstrakcja cech opisujących rozpoznawany obiekt. Omówiono także zastosowaną minimalno - odległościową metodę rozpoznawania obrazów oraz podano uzyskaną w wyniku przeprowadzonych eksperymentów sprawność procesu rozpoznawania. W artykule podano także skrótowy opis budowy i podstawowych zasad funkcjonowania wieloprocesorowego układu TMS320C80, w oparciu o który zrealizowany został opisany system wizyjny.

In the article the vision system was described that can be used to the automatic recognition of the type of an integrated circuit basing on the description placed on the integrated circuit packages. Such a vision system can co-operation with an industrial robot and can be used to perform the montage operation of these integrated circuits. In the article all the necessary image processing operations such as median filtering, thresholding, logic filtering, image erosion, segmentation and feature extraction were described in details. Further the minimal distance image recognition method was discussed and the obtained recognition results were presented. In the other part of the article the multiprocessor system TMS320C80 for which the presented algorithms were implemented was also described.