Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: obrazy teksturowe

Sortuj według:

Ogranicz wyniki do:

Badania własności wybranych cech dyskryminacyjnych obrazów tekstur

Rudnicki Z.

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

2009

T. 13, z. 3/1

959-969

Przedstawiono wyniki badań kilkudziesięciu cech stosowanych dla rozróżniania klas badanych obrazów typu teksturowego. Uwzględniono cechy wyznaczane na podstawie takich charakterystyk jak: histogram, macierz gradientu, macierz przejść tonalnych, macierz długości pasm oraz model autoregresji. W szczególności badano wrażliwość poszczególnych cech na zmiany: jasności, kontrastu i rozmycia obrazów oraz uporządkowania struktury. Dokonano selekcji najlepszych cech dyskryminacyjnych.

The paper presents the results of investigation of many image features commonly used in discrimination of texture image classes. The features calculated from: histogram, gradient matrix, co-occurrence matrix, run-length matrix and autoregression model were taken into consideration. The sensivity of these features on the changes of brightness, contrast, blurring and structure arrangement were investigated and the best discriminators were selected.

Computer analysis of images of worn surfaces.

Oleksiak Z., Rudnicki Z.

Zagadnienia Eksploatacji Maszyn

2002

Vol. 37, nr 3

73-84

Digitized images of tribology surfaces belong to a large class of texture images which are frequently analyzed in many areas, mainly for diagnostic and quality control tasks. The paper describes some methods of texture image analysis, discrimination and numerical description on examples of two classes of worn surface images. The considered problems are dealing with the texture image feature extraction and selection of the best features to describe and to discriminate classes of images. The two approaches are presented: (1) extraction of large, redundant feature set and automatic selection of the best features; (2) intuitive feature definition and image processing to enhance the best discriminating features - proposed by authors. The methods were compared by use of Fisher's coefficient.

Cyfrowe obrazy powierzchni badanych w tribologii należą do obszernej klasy obrazów teksturowych analizowanych w wielu dziedzinach, głównie dla celów diagnostyki i kontroli jakości. Artykuł opisuje pewne metody analizy, rozróżniania i opisu liczbowego obrazów teksturowych zrealizowane dla dwu klas obrazów powierzchni o różnym stopniu zużycia. Rozważane są problemy ekstrakcji cech obrazów teksturowych i wyboru najlepszych cech dla opisu i rozróżniania badanych klas obrazów. Zaprezentowano dwa podejścia (1) automatycznej selekcji najlepszych cech z obszernego zbioru ekstrahowanych cech, (2) intuicyjnego określenia najlepszych cech i odpowiedniego ich uwydatnienia przez przetwarzanie obrazów - wg propozycji autorów. Metody porównano przy użyciu współczynnika Fishera.