Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

1 2011

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: k-krotna ocena krzyżowa

Sortuj według:

Ogranicz wyniki do:

An image segmentation method to reveal regions of stress manifestation in stained cucurbits' leaves using LVQ neural network

Gocławski J., Sekulska-Nalewajko J.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

2011

T. 15, z. 3

105-118

In the paper an image segmentation method has been presented, which enables to detect cucurbits' leaves stress manifestation featured by the accumulation of reactive oxygen species (ROS) like hydrogen peroxide (H2O2) or superoxide anion radical (O2 ). After specific leaf staining the regions can be distinguished in colour space from the intact leaf parts. The proposed algorithm, developed in MATLAB environment, includes the segmentation of scanned leaf images with selected background, the exclusion of certain leaf parts and the classification of reminded leaf blade image pixels in H, S (hue, saturation) colour space. The classification is based on LVQ type neural network with several neurons in an internal layer and two neurons in an output layer, which represent image pixels of stained and unstained tissue respectively. The network learning process uses representative leaf image pixel data and binary template images of stress manifestation regions prepared manually by specialists. The classifier was 5-fold cross validated with the pixel H, S data of learned image and validated with the data of other images (with templates). The computed classification errors have been included. The experiments of stress regions detection carried out for the series of 12 images gave a few percent errors compared to manual classification.

W artykule przedstawiono metodę segmentacji obrazów, która pozwala wykrywać obszary ujawniania się stresu na liściach roślin dyniowatych charakteryzujących się akumulacją reaktywnych form tlenu (ROS), takich jak woda utleniona (H2O2) lub anionorodnik ponadtlenkowy (O2). W następstwie specyficznego wybarwiania obszary te dają się odróżnić od nietkniętych części liścia w przestrzeni koloru. Proponowany algorytm, opracowany w środowisku MATLAB, obejmuje segmentację obrazów liści zeskanowanych na wybranym tle, wyłączanie pewnych partii liścia z dalszej analizy i klasyfikację pozostałych pikseli obrazu blaszki liścia w przestrzeni H, S (odcień, nasycenie). Klasyfikacja bazuje na sieci neuronowej typu LVQ z kilkoma neuronami w warstwie wewnętrznej i dwoma neuronami warstwy wyjściowej, reprezentującymi piksele obrazu odpowiadające wybarwionej i niewybarwionej tkance liścia. Proces uczenia się sieci wykorzystuje dane pikseli reprezentatywnych obrazów i binarne wzorce klasyfikacji obszarów ujawniania stresu przygotowane manualnie przez specjalistów. Klasyfikator poddano 5-krotnej ocenie krzyżowej dla danych H, S obrazu podlegającego uczeniu się i oceniono dla danych z innych obrazów (mających wzorce). Dołączono obliczone błędy klasyfikacji. Eksperymenty wykrywania obszarów stresu przeprowadzone dla serii 12 obrazów dały kilkuprocentowe błędy w porównaniu z klasyfikacją manualną.