НЕЧІТКІСТЬ ТИПУ-2 У ЗАВДАННІ ПІДВИЩЕННЯ ДОСТОВІРНОСТІ СЕГМЕНТАЦІЇ ЗОБРАЖЕНЬ
DOI:
https://doi.org/10.34185/1562-9945-4-141-2022-06Ключові слова:
слабкоконтрастні зображення, нечіткі методи, візуальний аналіз, функція прина-лежності, сегментація, нечіткі множини типу-1, нечіткі множини типу- 2Анотація
Для вивчення макро- та мікроструктури сплавів використовуються збільшені зо-браження спеціально підготовлених зразків, що призводить до зростання внесок шумової складової та дефектів. Це потребує застосування методів корекції зо-бражень для забезпечення точності фотометрії. В роботі представлені можливо-сті підвищення достовірності сегментації зображень та чіткості виявлення меж об'єктів інтересу за рахунок використання на етапі фазифікації функцій приналеж-ності типу-2. Представлений алгоритм дозволяє автоматизувати розрахунок па-раметрів перетворення з урахуванням яскравих характеристик вихідних даних. По-казано, що потрібна попередня обробка даних для вирівнювання фону. Запропонова-ний спосіб адаптивного розрахунку параметрів переходу в простір типу-2 забезпе-чує підвищення достовірності та чіткості виявлення меж об’єктів. Наведено екс-периментальні результати на прикладі реального зображення електронного мікро-скопа зразка сплаву заліза.
Посилання
Forsayt D., Pons ZH. Komp'yuternoye zreniye: sovremennyy podkhod Forsayt D., Pons ZH.; [per. s angl. A.V. Nazarenko, I. YU. Doroshenko]. – M.;– S.-P.; –K: Vil'-yams, 2004. – 926 s.2. Bezdek J. C. A Convergence Theorem for The Fuzzy ISODATA Clustering Algorithms / Bezdek J.C. // IEEE Transaction On Pattern Analysis And Machine Intelligence. – 1980. – Vol. 2, – № 1. – Р. 1-8.
Сhi Z. Fuzzy algorithms: With Applications to Image Processing and Pattern Recognition / Сhi Z., Yan H., Pham T. – Singapore; – New Jersey; – London; – Hong Kong: Word Scientific, 1998. – 225 p.
Akhmetshina L. G. Segmentatsiya mul'tispektral'nykh izobrazheniy na osnove metoda nechetkoy klasterizatsii / Akhmetshina L. G. // V sb. nauchnykh trudov NGAU. – 2000. – T. 1, – № 9. – S. 90-93.
Zadeh, L.A. The concept of a linguistic variable and its application to approximate reasoning—I. Inf. Sci. (1975), 8, 199–249.
F.C.H. Rhee, C. Hwang, A Type-2 fuzzy c means clustering algorithm, in: Proc. in Joint 9th IFSA World Congress and 20th NAFIPS International Conference 4, 2001, pp. 1926–1929.
Deepali Aneja, Tarun Kumar Rawat. Fuzzy Clustering Algorithms for Effective Medical Image SegmentationI.J. Intelligent Systems and Applications, 2013,
, 55-61
L. Akhmetshina, A. Yegorov. Improvement of Grayscale Images in Orthogonal Basis of the Type-2 Membership Function // CMIS-2021:The Fourth International Workshop on Computer Modeling and Intelligent Systems, April 27, 2021, Zaporizhzhia, pp.465-474.
Hamid R. Tizhoosh. Type II Fuzzy Image Segmentation
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
