Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
This paper presents a new method for real-time segmentation of yarn images which are captured by a real-time image acquisition device. The first frame of the images is clustered by the local average intensity and entropy of the image based on the FCM (Fuzzy C-means) algorithm to obtain a segmentation threshold value. The pixels with an intensity below the threshold value in each column of the image are convolved with a convolve template to construct an intensity gradient curve. The points of maximum value and minimum value in the curve are considered as the upper and lower edge points of yarn. A robust real-time segmentation algorithm of yarn images is obtained for evaluating yarn diameter more precisely. Finally two indices of SE (Segmentation Error) in % and ADE (Average Diameter Error) in % are proposed to evaluate the segmentation method, which is then compared with the manual method.
PL
Artykuł dotyczy oceny przeprowadzonej w czasie rzeczywistym segmentacji obrazów w oparciu o rozmyty algorytm C-średnich i analizę intensywności gradientu. Zaproponowano metodę segmentacji obrazów przędzy mającą na celu zwiększenie dokładności pomiarów jej średnicy, a w zamierzeniach wpłynięcie na zwiększenie dokładności oceny jej nierównomierności. W tym celu zaprojektowano stanowisko badawcze, umożliwiające rejestrację obrazów przędzy wykonaną w czasie rzeczywistym, z bardzo dużą częstotliwością rejestracji kadrów zdjęć. Na tej podstawie przeprowadzono obliczenia obejmujące między innymi minimalizację rozmytej funkcji celu, lokalną charakterystykę intensywności obrazu, a także jednowymiarowy splot wykorzystane do wykrywania krawędzi rozpatrywanej przędzy. Uzyskane rezultaty proponowanej metody skonfrontowano z rezultatami przewidywanymi za pośrednictwem tradycyjnych metod. W szczególności w celach porównawczych uwzględniono progowanie Otsu i grupowanie za pośrednictwem algorytmu FCM, a także Region Growing Algorithm.
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.