Wyniki wyszukiwania - BazTech

1

Identification of macerals of the inertinite group using neural classifiers, based on selected textural features

Skiba M., Młynarczuk M.

Archives of Mining Sciences

|

2018

|

Vol. 63, no. 4

827--837

EN

The petrographic composition of coal has a significant impact on its technological and sorption properties. That composition is most frequently determined by means of microscope quantitative analyses. Thus, aside from the purely scientific aspect, such measurements have an important practical application in the industrial usage of coal, as well as in issues related to the safety in underground mining facilities. The article discusses research aiming at analyzing the usefulness of selected parameters of a digital image description in the process of automatic identification of macerals of the inertinite group using neural networks. The description of the investigated images was based on statistical parameters determined on the basis of a histogram and co-occurrence matrix (Haralick parameters). Each of the studied macerals was described by means of a 20-element feature vector. An analysis of its principal components (PCA) was conducted, along with establishing the relationship between the number of the applied components and the effectiveness of the MLP network. Based on that, the optimum number of input variables for the investigated classification task was chosen, which resulted in reduction of the size of the network’s hidden layer. As part of the discussed research, the authors also analyzed the process of classification of macerals of the inertinite group using an algorithm based on a group of MLP networks, where each network possessed one output. As a result, average recognition effectiveness of 80.9% was obtained for a single MLP network, and of 93.6% for a group of neural networks. The obtained results indicate that it is possible to use the proposed methodology as a tool supporting microscopic analyses of coal.

PL

Skład petrograficzny węgla w istotnym stopniu wpływa na jego właściwości technologiczne oraz sorpcyjne. Jest on najczęściej wyznaczany za pomocą mikroskopowych analiz ilościowych. Obok aspektu czysto naukowego, tego typu pomiary odgrywają więc znaczącą rolę praktyczną w przemysłowym wykorzystaniu surowca oraz zagadnieniach związanych z bezpieczeństwem w kopalniach podziemnych. W artykule przedstawiono badania mające na celu analizę przydatności wybranych parametrów opisu obrazu cyfrowego do prac dotyczących automatycznej identyfikacji macerałów grupy inertynitu z wykorzystaniem sieci neuronowych. Opis badanych obrazów oparto o parametry statystyczne wyznaczone na podstawie histogramu oraz macierzy zdarzeń (parametry Haralicka). Każdy z badanych maceratów opisano za pomocą 20-elementowego wektora cech. Przeprowadzono analizę jego składowych głównych (PCA) oraz określono wpływ liczby zastosowanych składowych na skuteczność działania sieci MLP. Na tej podstawie dobrano optymalną liczbę zmiennych wejściowych dla rozpatrywanego zagadnienia klasyfikacji, co skutkowało redukcją wymiaru warstwy ukrytej sieci. W ramach opisanych prac przeprowadzono także analizy dotyczące klasyfikacji macerałów grupy inertynitu z wykorzystaniem algorytmu bazującego na grupie sieci MLP, z których każda posiadała jedno wyjście. W wyniku badań uzyskano średnią skuteczność rozpoznań na poziomie 80,9% dla pojedynczej sieci MLP oraz 93,6% w przypadku grupy sieci neuronowych. Otrzymane rezultaty wskazują na możliwość zastosowania proponowanej metodyki jako narzędzia wspierającego mikroskopowe analizy węgla.

2

Texture Modelling of Fabric Appearance Evaluation Based on Image Analysis

Xin B., Li Y., Qiu J., Liu Y.

Fibres & Textiles in Eastern Europe

|

2012

|

Vol. 20, no. 2 (91)

48-52

EN

This paper presents the development of a fairly new texture modelling method based on image analysis for the purpose of objective quality evaluation of fabric appearance. co-occurrence matrix analysis is used to give quantitative descriptions of fabric appearance properties; an expert system using a neural network is used to model the relationship between these essential features and the final rating grade of the fabric appearance. The experimental results demonstrate that a good correlation can be achieved between the actual rating grade and that predicted and reveals the possibility of the development of an artificial intelligence system to simulate the functions of the human eye and brain.

PL

Artykuł przedstawia opracowanie nowej metody modelowania tekstury płaskich wyrobów włókienniczych, opartej na analizie obrazu, mającej służyć do obiektywnej oceny jakości włóknin polarowych. Analiza z zastosowaniem rachunku macierzowego pozwala na ilościowy opis wyglądu powierzchni materiału; system z zastosowaniem sztucznych sieci neuronowych pozwala na modelowanie zależności pomiędzy poszczególnymi właściwościami, a końcową oceną wyglądu włókniny polarowej. Wyniki eksperymentalne wskazują dobrą korelację pomiędzy przewidywanym wyglądem włókniny, a rzeczywiście uzyskanym oraz możliwość stworzenia układu zastępującego oko ludzkie i mózg.

3

Liver Tumour Classification Using Co-Occurrence Matrices on the Contourlet Domain

Kumar S. S., Moni R. S., Rajeesh J.

Machine Graphics and Vision

|

2011

|

Vol. 20, No. 2

197-214

EN

Liver disease is one of the most common diseases around the world, seriously affecting the health of humans. Computed tomography image based Computer Aided Diagnosis (CAD) could be crucially important in supporting liver cancer diagnosis. An effective approach to realize a CAD system for this purpose is described in this work. The CAD system employs automatic tumour segmentation, texture feature extraction and characterization into malignant and benign tumours. A Region of Inter- est (ROI) cropped from the automatically segmented tumour by confidence connected region growing and alternative fuzzy c means clustering is decomposed using multiresolution and multidirectional con- tourlet transform to obtain contourlet coefficients. Co-occurrence matrices of the contourlet coefficients are determined, and six parameters of texture characteristics, which include Angular Second Moment, Contrast, Correlation, Inverse Difference Moment, Entropy and Variance, are extracted from them. The extracted feature sets are classified into benign and malignant by a Generalized Regression Neural Net- work (GRNN) classifier. The performance of this scheme is evaluated by various performance measures and by the use a of the Receiver Operating Characteristic (ROC) curve. The results are compared with those obtained by a similar system using Wavelet Coefficients co-occurrence Matrix (WCCM) and Gray Level co-occurrence Matrix (GLCM) texture features. The results indicate that the proposed scheme based on the CCCM texture is effective for classifying malignant and begin liver tumours in abdominal CT imaging.

4

Second Order Fuzzy Measure and Weighted Co-Occurrence Matrix for Segmentation of Brain MR Images

Maji P., Kundu M.K., Chanda B.

Fundamenta Informaticae

|

2008

|

Vol. 88, nr 1-2

161-176

EN

A robust thresholding technique is proposed in this paper for segmentation of brain MR images. It is based on the fuzzy thresholding techniques. Its aim is to threshold the gray level histogram of brain MR images by splitting the image histogram into multiple crisp subsets. The histogram of the given image is thresholded according to the similarity between gray levels. The similarity is assessed through a second order fuzzy measure such as fuzzy correlation, fuzzy entropy, and index of fuzziness. To calculate the second order fuzzy measure, a weighted co-occurrence matrix is presented, which extracts the local information more accurately. Two quantitative indices are introduced to determine the multiple thresholds of the given histogram. The effectiveness of the proposed algorithm, along with a comparisonwith standard thresholding techniques, is demonstrated on a set of brain MR images.

5

Parametry statystyczne obrazów termograficznych w diagnostyce stanów chorobowych piersi

Jakubowska T., Więcek B., Wysocki M., Peszyński-Drews C.

Elektronika : prace naukowe

|

2003

|

nr 8

107-117

PL

Celem poniższej pracy jest wyselekcjonowanie parametrów obrazu o własnościach dyskryminacyjnych, pozwalających rozróżnić termogramy piersi ze zmianami chorobowymi od obrazów prawidłowych. W artykule oceniono przydatność parametrów statystycznych do klasyfikacji obrazów termograficznych piersi. Analizie poddano parametry statystyczne pierwszego rzędu liczone na podstawie histogramu jasności oraz parametry statystyczne drugiego rzędu wyznaczane na podstawie specjalnie tworzonej macierzy zdarzeń.

EN

The objective of this work is to select image texture parameters to discriminate healthy and diseased breast thermographic images. The classification efficiency of different image parameters was evaluated. The first order histogram and second order co-occurrence matrix parameters were analysed and compared in order to measure their classification ability.

6

Texture analysis of fluorescence microscopic images of tissue

Atlamazoglou V., Yova D.

Image Processing & Communications

|

2002

|

Vol. 8, no 2

105-111

EN

The aim of this study was to assess the potential of texture analysis for the characterization of fluorescence images from colonic tissue sections stained with a novel and selective fluoroprobe, Rhodamine B-phenylboronic acid. Fluorescence microscopy images of colonic healthy mucosa (n=35) and adenocarcinomas (n=35) were digitally captured and subjected to image texture analysis. Textural features derived from the grey level cooccurrence matrix were calculated. A modified version of the multiple discriminant analysis criterion was used to choose an appropriate subset of features. A minimum Mahalanobis distance, linear discriminant classifier was used to classify image feature data into the two categories. A subset of four textural features was selected and used for the description and classification of each image field. They were found appropriate to correctly classify 95% of the images into the two classes. These features contained information about local homogeneity and grey level linear dependencies of the image.

7

Badanie wpływu liczby poziomów jasności obrazu na zdolność dyskryminacji tekstur przy użyciu macierzy zdarzeń

Kociołek M., Materka A., Strzelecki M., Szczypiński P.

Elektronika : prace naukowe

|

2000

|

nr 5

21-32

PL

Artykuł ten porusza problem wyboru cech (parametrów) do klasyfikacji tekstur w obraziach cyfrowych. Klasyczne, opisane przez Haralicka, cechy obliczane na podstawie macierzy zdarzeń (MZ) zostały użyte do klasyfikacji przykładowych par tekstur pochodzących z katalogu Brodatz 'a. W artykule przedstawiono wyniki badań wpływu zmniejszenia liczby poziomów jasności obrazu na zdolność cech do dyskryminacji analizowanych tekstur. Odkryto, że niektóre klasyczne cechy są nieprzydatne do klasyfikacji tekstur, oraz że występuje pewien zbiór cech MZ, dla którego zmiana liczby bitów opisujących piksel obrazu nie wpływa na zdolność dyskryminacji tekstur. Omówione badania wykonano w ramach projektu Europejskiego COST Bil zmierzającego do opracowania efektywnych technik analizy obrazów tomograficznych rezonansu magnetycznego.

EN

This paper deals with the problem of feature (parameter) selection for digital image texture classification. Haralick's classical cooccurrence matrix derived (CO) features are used to classify pairs of sample textures from the standard Brodzatz database. The effect of reduced number of greyscale levels on feature ability to discriminate textures is investigated. It was found that some of the classical features are useless for texture classification, and there is a set of CO features whose discriminative power is not affected by the reduced number of bits per pixel. The results obtained contribute to European COST project aimed at development of efficient techniques of magnetic resonance image analysis.