Wyniki wyszukiwania - Biblioteka Nauki

1

Porównanie dwóch klasyfikatorów opartych na metodzie DTW i połączonych metodach PCA-LDA do rozpoznawania obiektów morskich na podstawie obrazów FLIR

100%

Pietkiewicz T.

Przegląd Elektrotechniczny

|

2019

|

tom R. 95, nr 11

215--222

PL

Praca dotyczy rozpoznawania obiektów morskich na podstawie ich obrazów wykonanych przez sensory podczerwieni (FLIR – forward looking infra-red). W pracy zaproponowano wykorzystanie połączonych transformat analizy głównych składowych PCA (Principal Component Analysis) i liniowej analizy dyskryminacyjnej LDA (Linear Discriminant Analysis) oraz transformaty dopasowania szeregów czasowych DTW (Dynamic Time Warping) wraz z metodą wyznaczania odległości dwóch szeregów czasowych za pomocą algorytmu programowania dynamicznego.

EN

This paper presents methods of recognition of maritime objects based on FLIR (forward looking infra-red) sensor images. Two methods of recognition are proposed: a method of combined transforms of the Principal Component Analysis PCA with the Linear Discriminant Analysis LDA and the DTW (Dynamic Time Warping) transform with the method of determining the distance of two time series by means of a dynamic programming algorithm.

2

Porównanie skuteczności rozpoznawania obiektów morskich na podstawie obrazów FLIR za pomocą klasyfikatorów typu sieć neuronowa i PCA

100%

Pietkiewicz T. , Dudek P.

Przegląd Elektrotechniczny

|

2021

|

tom R. 97, nr 11

21--25

PL

W pracy przedstawiono wyniki badań skuteczności metod rozpoznawania obiektów morskich na podstawie obrazów FLIR za pomocą metod opartych na różnych wariantach transformaty PCA oraz konwolucyjnej sieci neuronowej. Jako bazę wzorów wykorzystano zdjęcia dziewięciu typów obiektów zarejestrowanych na Morzu Bałtyckim. Obie metody potwierdziły swoją skuteczność, przy czym sieci neuronowe wykazały wyższą skuteczność na poziomie 96%, natomiast PCA - 80% - 87%..

EN

The paper presents results of the effectiveness research on the of maritime object recognition methods from FLIR images using methods based on different variants of the PCA classifier and a convolutional neural network classifier. Images of nine types of objects recorded in the Baltic Sea have been used as a pattern base. Both methods confirmed their effectiveness, with neural networks showing 96% effectiveness, while PCA 80% - 87%.

3

Zaawansowane metody segmentacji obrazów w procesie rozpoznawania obrazów FLIR obiektów morskich

84%

Pietkiewicz T.

Elektronika : konstrukcje, technologie, zastosowania

|

2015

|

tom Vol. 56, nr 2

11-14

PL

W referacie przedstawiono przegląd wybranych zaawansowanych metod segmentacji obrazów FLIR obiektów morskich wykorzystywanych w procesie rozpoznawania obrazów. W artykule wykorzystano dwie zaawansowane metody: klasyczną metodę VPS (Visual Perception-based Segmentation) oraz zmodyfikowany algorytm segmentacji VPS. Każda metoda została szczegółowo opisana, a następnie zaprezentowane zostały wyniki uzyskane za pomocą opisanych metod segmentacji dla realnych obrazów FLIR obiektów morskich zarejestrowanych na Morzu Bałtyckim. Przedstawiono zalety i wady poszczególnych metod oraz oceniono możliwość zastosowania ich w procesie manualnej i automatycznej segmentacji.

EN

This paper presents an overview of selected advanced methods of maritime objects FLIR (Forward Looking Infra-Red) images segmentation for a process to image recognize. In the paper are used two advanced methods: classical VPS (Visual Perception-based Segmentation) and modified VPS segmentation algorithms. It is given a detailed description of each method and results obtained using these methods of segmentation for real FLIR images of maritime objects registered in the Baltic Sea. Advantages and disadvantages of each method have been presented and the possibility of their using in manual and automatic segmentation process have been evaluated.

4

Rozpoznawanie obiektów morskich na podstawie obrazów FLIR metodą analizy obrazów własnych (eigenimages)

84%

Pietkiewicz T.

Przegląd Elektrotechniczny

|

2015

|

tom R. 91, nr 3

116-119

PL

W referacie przedstawiono metodę rozpoznawania obiektów morskich na podstawie ich obrazów wykonanych przez sensory podczerwieni (FLIR – forward looking infra-red) z wykorzystaniem metody analizy obrazów własnych (eigenimages). Metoda ta oparta jest na metodzie analizy głównych składowych (PCA – Principal Component Analysis). W końcowym fragmencie pracy przedstawiono wstępne wyniki badania metody klasyfikacji obiektów morskich dla pewnego zbioru obrazów FLIR obiektów zarejestrowanych na Morzu Bałtyckim.

EN

This paper presents a method of recognition of maritime objects based on FLIR (forward looking infra-red) sensor images using eigenimages analysis method. The method is an extension of Principal Component Analysis (PCA) method. In last part of the paper are presented preliminary test results of the classification method for a set of FLIR images registered in the Baltic Sea. (Recognition of maritime objects based on FLIR images using eigenimages analysis method. A method of recognition of maritime objects based on FLIR.

5

Wykorzystanie algorytmów klasyfikacji i fuzji informacji w procesie rozpoznawania obiektów morskich na podstawie obrazów FLIR

67%

Pietkiewicz T. , Witczak A.

Elektronika : konstrukcje, technologie, zastosowania

|

2013

|

tom Vol. 54, nr 3

25-29

PL

W referacie dokonano przeglądu algorytmów klasyfikacji i fuzji informacji na podstawie obrazów obiektów morskich wykonanych przez sensory podczerwieni (FLIR - Forward Looking Infra-Red), które umożliwiają identyfikację tych obiektów. Ostatecznym celem analizy obrazów jest identyfikacja obiektów morskich, polegająca na rozpoznaniu ich typu oraz ewentualnie określenie ich przynależności. W pierwszej części referatu omówiono trzy metody ekstrakcji cech dystynktywnych obrazów FLIR obiektów morskich: metodę Parka i Sklansky'ego 11 atrybutów obrazów (7 momentów strukturalnych i 4 parametry autoregresji), metoda Allena 14 atrybutów obrazów w postaci 7 momentów strukturalnych i 7 momentów luminancyjnych oraz metodę Belongiego deskryptorów kształtów. W dalszej części referatu przedstawiono konstrukcje trzech klasyfikatorów bazujących na poszczególnych typach ekstrakcji cech obrazów: Dempstera-Shafera, addytywny klasyfikator Bayesa oraz klasyfikator bazujący na deskryptorach kształtu. Wyniki uzyskiwane za pomocą tych klasyfikatorów mogą stanowić bazę procesu fuzji decyzji klasyfikatorów. Podstawowym pytaniem, na które należy znaleźć odpowiedź podczas badań fuzji decyzji klasyfikatorów, jest to, czy fuzja decyzji klasyfikatorów poprawia jakość decyzji najlepszego klasyfikatora. W końcowym fragmencie przedstawiono konstrukcję dwóch algorytmów fuzji decyzji klasyfikatorów: zmodyfikowanej reguły Bayesa oraz reguły kombinacji Dempstera-Shafera. Jakość działania obu algorytmów zilustrowano przykładem zaczerpniętym z literatury przedmiotu i bazującym na ocenie jakości fuzji decyzji rozpoznawania obiektów morskich na podstawie bazy 2545 obrazów FLIR zgromadzonych w Centrum Operacji Powietrznych Marynarki Wojennej USA.

EN

This paper presents an overview of classification and information fusion algorithms based on FLIR (forward looking infrared) images of maritime objects. A maritime object identification is the final goal of FLIR image analysis and relies on its type recognition and its standard identity assigning. In the first part of the paper three extraction methods of maritime objects distinctive features based on their FLIR images: a Park and Sklansky method based on seven invariant moments and four autoregressive parameters, an Allen method based on seven structural moments and seven intensity-based moments and finally a Belongie shape-matching method. In next part of the paper three classifiers are presented: a Dempster-Shaffer classifier, an additive Bayes classifier and a template-based Belongie classifier. Decisions of this classifiers are fused in two ways: using a modified Bayes rule and using a Dempster-Shafer combining rule. Fusion results are presented in P. Valin, E. Bosse and A. Jouan technical report. The results are based on 2545 FLIR images provided by the United States Naval Air Warfare Center.