روش نوین ترکیب گابوری در بخش بندی سطوح فولادی با هدف تشخیص عیوب

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 روش نوین ترکیب گابوری در بخش بندی سطوح فولادی با هدف تشخیص عیوب دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد روش نوین ترکیب گابوری در بخش بندی سطوح فولادی با هدف تشخیص عیوب  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی روش نوین ترکیب گابوری در بخش بندی سطوح فولادی با هدف تشخیص عیوب،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن روش نوین ترکیب گابوری در بخش بندی سطوح فولادی با هدف تشخیص عیوب :

نام کنفرانس، همایش یا نشریه : مهندسی برق و مهندسی کامپیوتر ایران

تعداد صفحات :۱۳

تصاویر سطوح فولادی، عمدتا تصاویری بافتی بوده که استخراج ویژگی در آنها با روش های گوناگون تحلیل بافت انجام می گیرد. در گروهی از این روش ها که از آنالیزهای چندفرکانسی و جهت دار سود می برند، استفاده از فیلترهای گابور به عنوان ابزار تحلیل معمول است. در این مقاله با به کارگیری بانکی بهینه شده از فیلترهای گابور، به استخراج ویژگی جهت بخش بندی تصاویر سطوح فولادی معیوب پرداخته می شود. این بانک فیلترها به گونه ای طراحی شده که می تواند ویژگی های بافتی تصویر ورودی را به شکل مطلوب، در جهات و فرکانس های مختلف نمایان کند. سپس به منظور بخش بندی تصویر سطح فولادی، روشی نوین به نام ترکیب گابوری ارایه گردیده که در این روش با ارایه دو الگوریتم مختلف از تصاویر جزیی به دست آمده از تصویر معیوب، تنها تعداد مشخصی با یکدیگر ترکیب می گردند تا نقشه ویژگی حاصل به شکل موثری در برگیرنده عیوب تصویر باشد. روش دوم ترکیب گابوری توانست با محاسبه پراکندگی داده های موجود در تصاویر جزیی و مقایسه آنها با یکدیگر، بدون نیاز به تعیین تعداد تصاویر جزیی جهت ترکیب و نیز وجود تصویر یا تصاویر نرمال، به انجام بخش بندی بپردازد. از دیگر نتایج تحقیق، بهینه سازی بخش بندی با استفاده از کلاسه بند K-means بوده که با نرمال سازی و اضافه کردن ویژگی سطح خاکستری به ویژگی های استخراج شده هر پیکسل، منجر به افزایش دقت کلاسه بندی شده است. نتایج به دست آمده هم از نظر بصری و هم از لحاظ آماری نشان دهنده آن است که روش ترکیب گابوری در مقایسه با کلاسه بندK-means از دقت بالاتری برخوردار می باشد. مقایسه انجام شده بین روش های پیشنهادی ترکیب گابوری و روش ویولت استاندارد نیز بر برتری نسبی ترکیب گابوری دلالت دارد. همچنین روش دوم ترکیب گابوری در مقایسه با روش اول، به واسطه انتخاب بهتر تصاویر جزیی جهت ترکیب و در نتیجه تشکیل نقشه ویژگی مناسب تر، بهترین عملکرد را از خود نشان داده است.

کلید واژه: بخش بندی بافت، ترکیب گابوری، تشخیص عیوب، خوشه بندی، فیلترهای گابور، کلاسه بند K-means