آشکار سازی و تخمین میزان تخلخل در سنگ های ساختمانی بر پایه شکل بهبود یافته الگوی دودویی محلی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,582

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP07_043

تاریخ نمایه سازی: 28 مرداد 1391

چکیده مقاله:

تاکنون روش های مختلفی برای آنالیز و طبقه بندی بافت تصویر ارائه شده است. یکی از این روش ها که در عین سادگی در محاسبات، می تواند ویژگی های مناسبی برای طبقه بندی تولید کند. الگوی دودویی محلی است. در این مقاله روشی برای آشکارسازی و تخمین میزان تخلخل در سنگ های ساختمانی با استفاده از شکل بهبود یافته این ویژگی ها ارائه شده است. روش ارائه شده در این مقاله شامل دو مرحله آموزش و آشکارسازی است. در مرحله آموزش ابتدا بردار ویژگی مبنا از طریق اعمال عملگر الگوی دودویی محلی بر روی کل تصویر بدون تخلخل محاسبه می شود. سپس این تصویر به پنجره هایی تقسیم شده و به همین طریق برای هر پنجره بردار ویژگی، استخراج می گردد و با مقایسه آنها با بردار ویژگی مبنا، حد آستانه مناسبی برای سالم بودن پنجره ها بدست می آید. در مرحله آشکارسازی، تصویر تست پنجره بندی می شود و به کمک حد آستانه ی بدست آمده، پنجره هایی که دارای تخلخل هستند مشخص می گردند. از جمله مزایای این روش می توان به عدم حساسیت به تغییرات شدت روشنایی و انتقال تصویر و همچنین سادگی در محاسبات اشاره کرد. نتایج بدست آمده نشان می دهد که این روش توانایی بالایی در آشکارسازی تخلخل در انواع سنگ های ساختمانی دارد.

نویسندگان

فرشاد تاجری پور

دانشکده برق و کامپیوتر دانشگاه شیراز

شروان فکری ارشاد

دانشکده کامپیوتر دانشگاه شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Machine", International Jourmal of Clothing Science and زیرنویس‌ها [5] P.N. ...
  • Z. Zhaoa, N. Yeb, "Effective Sem i-Supervised Nonlinear Dimensionality Reduction ...
  • G.M.A. Rahaman and M. Hossain, "Automatic Defect Detection and Classification ...
  • W.P.Amorim, H.Pistori, M.C.Pereira, and M.A.C.Jacinto to Leather Defects ...
  • Graphics, Patterms and Images, pp. 353-359, Sep 2010 ...
  • A.Ghosh, T.Guha, R.B.Bhar, and S.DDas "Patterm Classification of Fabric Defects ...
  • P.N. Sargunar, R. Sukanesh, "Automatic Detection of Porosity and Slag ...
  • R. Conners, C. McMillan, K. Lin, and R. Vasquez-E spinosa. ...
  • C. Kim and A. Koivo. "Hierarchicat Classification of Surface Defects ...
  • H.G. Bu, X.B. Huang, J. Wang, X. Chen, "Detection of ...
  • W.Wen and A Xia. "Verifying Edges for Visual Inspection Purposes". ...
  • J. Chen and A. Jain. "A Structural Approach to Identify ...
  • Detection using Morphological Filters", Elsevier Journal _ Image and Vision ...
  • N. Lins, F. Ade, and M. Unsef "Comparison of Various ...
  • H.G. Bua, , J. Wanga, and X.Huanga, "Fabric Defect ...
  • F. Cohen, Z. Fan, and S. Attali. "Automated Inspection of ...
  • J.Mao and A.Jain. "Texture Classification and Simultan _ ...
  • Autoregressive Models". Patter Recognition, 25(2):173-188, 1992. ...
  • X. Xie, "A Review of Recent Advances in Surface Defect ...
  • T. Ahonen, A. Hadid, M. Pietikainen, "Face Recognition with Local ...
  • M. Pietikainen, T. Ojala, and Z. Xu, "R o ta ...
  • T. Ojala, M.Pietikainen, and T.Maenpaa, "Mu ltiresolution Gray-Scale and Rotation ...
  • F. Tajeripour, E. Kabir, A.Sheikhi, "Fabric Defect detection using Modified ...
  • A. Bodnarova, M. Bennamoun, and K.K.Kubik, "Suitability Analysis of Techniques ...
  • نمایش کامل مراجع