BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Borawski Mariusz (Zachodniopomorski Uniwersytet Technologiczny w Szczecinie), Nermend Kesra (Uniwersytet Szczeciński)
Tytuł
Porównanie arytmetyki przyrostów i p odejścia bayesowskiego przy wykrywaniu obszarów cienia akustycznego na obrazach z sonaru
Comparison of interval arithmetic and Bayes app roach in detecting acoustic shadow areas on sonar images
Źródło
Zeszyty Naukowe Uniwersytetu Szczecińskiego. Ekonomiczne Problemy Usług, 2013, nr 106, s. 103-113, rys. , bibliogr.14 poz.
Tytuł własny numeru
E-gospodarka: problemy, metody, aplikacje
Słowa kluczowe
Woda
Water
Uwagi
summ.
Abstrakt
Wykrywanie cienia akustycznego jest jednym z poważniejszych problemów praktycznych przy analizie obrazu sonarowego. Sonar jest urządzeniem służącym do zobrazowania dna akwenów wodnych. Cień akustyczny jest brakiem informacji o danym fragmencie dna wynikającym z przysłaniania go przez wysoki obiekt. Z tego względu obrazy tego samego fragmentu dna tworzy się wielokrotnie z różnych pozycji umiejscowienia sonaru. Obrazy takie łączy się, tworząc tzw. mozaikę. Obszary cienia akustycznego nie powinny jednak brać udziału w łączeniu, ale zostać z obrazu usunięte. Stąd wykrycie i oznaczenie umiejscowienia obszaru cienia akustycznego jest bardzo istotne. Współcześnie opracowywane metody tworzenia mozaik nie uwzględniają jednak tego aspektu. (fragment tekstu)

The paper presents the comparison of Bayesian approach to increment arithmetic's used in the detection of the acoustic shadow. Acoustic shadow is characterized by high volatility resulting in large part from the way sonar imaging which reduces the effectiveness of the Bayesian approach. The study shows that an alternative approach was slightly better, (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Bouwmans T., Baf F.E., Vachon B., Statistical background modeling for foreground detection: A survey, w: Handbook of Pattern Recognition and Computer Vision, eds. C.H. Chen, L.F. Pau, P.S.P. Wang, World Scientific Publishing 2010.
  2. Capus C., Tena Ruiz I., Petillot Y., Compensation for changing beam pattern and residual tvg effects with sonar altitude variation for sidescan mosaicing and classification, presented at the 7th. Eur. Conf. Underwater Acoustics, Delft, 2004.
  3. Charniak E., The Bayesian Basis of Common Sense Medical Diagnosis, Proc. National Conf. Artificial Intelligence, Washington, Aug. 1983.
  4. Cheeseman P., In Defense of Probability, Proceedings of the Ninth International Joint Conference on Artificial Intelligence 1985, http://www.ijcai.org/Past%20 Proceedings/IJCAI-85-VOL2/PDF/064.pdf.
  5. Duda R.O., Hart P.E., Nilsson N., Subjective Bayesian Methods for Rule-Based Inference Systems', AFIPS Conf. Proc, National Computer Conf., Vol 45, New York 1976.
  6. Elgammal A., Figure-ground segmentation - pixel-based, w: Guide to visual analysis of humans: looking at people, eds. T. Moeslund, A. Hilton, Krüger, L. Sigal, Springer 2011.
  7. Gueriot D., Bathymetric and side-scan data fusion for sea- bottom 3-D mosaicing, in Proc. MTS/IEEE Int. Conf. OCEANS, 2000.
  8. Kakumanu P., Makrogiannis S., Bourbakis N.G., A survey of skin colour modeling and detection methods, Pattern Recognition 2007, No. 40 (3).
  9. Lemmer J.F., Barth S.W., Efficient Minimum Information Updating for Bayesian Inferencing in Expert Systems, Proc. National Conf. Artificial Intelligence, Pittsburgh, Aug. 1982.
  10. Pearl J., Kim J.H., A Computational Model for Causal and Diagnostic Reasoning in Inference Systems, Proc. 8th International Conf. Artificial Intelligence, Karlsruhe, Aug. 1983.
  11. Piccardi M., Background subtraction techniques: a review, IEEE Int. Conf. Systems, Man and Cybernetics, 2004.
  12. Prince S., Computer Vision, Models, learning, and interference, Cambridge Press 2012.
  13. Reed S., Ruiz I.T., Capus Ch., Petillot Y., The Fusion of Large Scale Classified Side- Scan Sonar Image Mosaics, IEEE Transactions On Image Processing, July 2006, Vol. 15, No. 7.
  14. Vezhnevets V., Sazonov V., Andreeva A., A survey on pixel- based skin color detection techniques, Graphicon, Moscow 2003.
Cytowane przez
Pokaż
ISSN
1640-6818
1896-382X
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu