Page 77 - КЛАСИФІКАЦІЯ ЛОКАЛІЗОВАНИХ ДЕФЕКТІВ ЗВАРНИХ ШВІВ НА РЕНТГЕНІВСЬКИХ ЗОБРАЖЕННЯХ ТРУБ
P. 77

77

               двовимірний фільтр Габора. Він складається з синусоїдної складової з частотою

                   та  орієнтацією     ,  модульованої  гауссівською  оболонкою  зі  стандартним

               відхиленням   і, в просторовому домені, визначається:




                                  (    ) =     {             }     (    (             ))                 (1.11)



                     Змінюючи  параметри          і   ,  фільтри  можуть  отримувати  текстурну

               інформацію з різних частот, орієнтації та для різних областей зображення. Був

               побудований  банк  фільтрів  Габора,  з  4  частотами  і  чотирма  орієнтаціями

                 = *           + [градусів],  що дало загалом 16 фільтрів.

                     У роботі [168] запропонували алгоритм оцінки зношення опор повітряних

               ліній  електропередач,  що  базується  на  глибинному  навчанні,  що  максимізує

               канонічну кореляцію між неоднорідними ознаками. Алгоритм може працювати

               на малій навчальній вибірці.

                     У  праці  [169]  запропонували  автоматизовану  процедуру  ідентифікації

               корозії для опор повітряних ліній електропередач. Вони використовують метод

               K-середніх  для  кластеризації  ліній  електропередач.  Для  цього  перетворюють

               кольорове  зображення  в  простір  L*a*b*  та  аналізують  компоненти  a*                та  b*.

               Метод    K-середніх      є  одним  з  найпростіших  алгоритмів  класифікації.  Він

               ділить        точок   з набору даних на апріорі фіксовану кількість     кластерів

               таким  чином,  що  визначена  міра  відстані  між  центроїдом  та  всіма  точками

               кластеру  є  мінімальною.  Для  цього     випадкових  точок  вибираються  як

               початкові  центроїди,  а  точки      набору  даних,  найближчі  до  центроїдів,

               формують    новий кластер, і для кожного нового кластера розраховуються нові

               центроїди. Процес повторюється повторно, щоб мінімізувати цільову функцію,

               що відповідає суміщеній сумі відстані між центроїдами та точками даних у всіх

               кластерах.  У  цьому  випадку  квадрат  евклідової  відстані  використовується  як

               міра відстані, а цільова функція  має вигляд
   72   73   74   75   76   77   78   79   80   81   82