Retinal images play an important role in the early diagnosis of diseases such as diabetes. In the present study, an automatic image processing technique is proposed to segment retinal blood vessels in fundus images. The technique includes the design of a bank of 180 Gabor filters with varying scale and elongation parameters. Furthermore, an optimization method, namely, the imperialism competitive algorithm (ICA), is adopted for automatic parameter selection of the Gabor filter. In addition, a systematic method is proposed to determine the threshold value for reliable performance. Finally, the performance of the proposed approach is analyzed and compared with that of other approaches on the basis of the publicly available DRIVE database. The proposed method achieves an area under the receiver operating characteristic curve of 0.953 and an average accuracy of up to 0.9392. Thus, the results show that the proposed method is well comparable with alternative methods in the literature.
In spite of using modern weaving technology, many types of fabric defects occur during production. Most defects arising in the production process of a fabric are still detected by human inspection. A machine vision system that can be adapted to different types of fabric inspection machines is proposed in this study. Image frames of denim fabric were acquired using a CCD line-scan camera. An algorithm was developed by using the Gabor filter and double thresholding methods. The performance of the algorithm was tested real-time by analysing a denim fabric sample which contained six types of defects: hole, warp lacking, weft lacking, soiled yarn, water soil and yarn flow (knot). The defective regions of the denim fabric sample were detected and labelled successfully.
PL
Mimo stosowania współczesnych technologii tkackich, wiele typów defektów tkaniny powstaje podczas ich produkcji. Większość defektów podczas procesu produkcji tkaniny w dalszym ciągu jest wykrywana poprzez kontrolę pracowników. W pracy zaproponowano automatyczny system inspekcji wizualnej, który można adoptować do różnych typów maszyn, realizujących inspekcje tkaniny. Wykonano ramki ilustrujące tkaninę typu Denim przy zastosowaniu liniowej kamery skanującej typu CCD. Opracowano algorytm stosując filtr Gabor A i metodę podwójnego progu dyskryminującego. Skuteczność algorytmu testowano analizując próbki tkaniny Denim zawierające 6 typów defektów - dziura, brak osnowy, brak wątku, zabrudzona przędza, zmoczona przędza i pęczki. Sukcesywnie określano zaznaczone uszkodzenia.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.