Analiza obrazów w diagnostyce hamulca tarczowego
1
Akademia Medyczna w Gdańsku
2
Instytut Pojazdów Sżynowych „TABOR"
3
Politechnika Gdańska
Data publikacji online: 01-03-2001
Data publikacji: 10-05-2025
Rail Vehicles/Pojazdy Szynowe 2001,1,28-35
STRESZCZENIE
W pracy opisano nowe podejście w zakresie diagnostyki i nadzoru hamulca tarczowego. Analizowane są w komputerze obrazy pozyskane z kamery cyfrowej. Przedstawiono analizę obrazów w aspekcie wymiarów geometrycznych hamulca. Analiza ta umożliwia oszacowanie zużycia okładzin i tarcz hamulca tarczawego.
REFERENCJE (20)
1.
J. C. Bezdek. Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Press, 1983.
2.
C. M. Bishop. Neural Networksfor Pattern Recognition. Clarendon Press. Oxford. 1995.
3.
S. Bocian, P. Boguś, M. Kaluba, A. Kardacz. Pozyskanie obrazu przez komputerowe systemy graficzne do wizyjnej kontroli i diagnstyki hamulca tarczawego. Pojazdy Szynowe, Nr 2/2000, pp. 37-53.
4.
P. Boguś, A.M. Massone, F. Masulli, A. Schenone. Interactive graphical system for segmentation of multimodal medical volumes using fazzy clustering. Machine GRAPHICS & VISION, Vol. 7, No. 4, 1998, pp. 781-791.
5.
P. Boguś, S. Bocian. Shape Deformation Analizys of Raił Car Brakes with Using Image Processing Techniques. Book of Abstracts of European Mechanics Society EURO MECH 406 Colloquium - Image Processing Methods in Applied Mechanics, May 6-8, 1999, Warsaw, Poland. Prace IPPT PAN, ATOS, Warszawa, 1999, pp. 47-49.
6.
P. Boguś. Neural Representation of Fuzzy and Possibtlistic Clustering Algorithms. L. Rutkowski, R. Tadeusiewicz (Eds.). Proceedings of the Fourth Conference „Neural Networks and Their Applications ". Zakopane 18 V -22 V 1999. Polish Neural Networks Society, Częstochowa 1999, pp. 172 - 176.
8.
R. T. Chin, C. R. Dyer. Model-Based Recognition in Robot Vision. ACM Computing Surveys, Vol. 18, No. 1, March 1986, pp. 67-108.
9.
R. Duda, P. Hart. Pattern Clasification and Scene Analysis. New York, Wiley Interscience, 1973.
10.
E. Gose, R. Johnsonbaugh, S. lost. Pattern Recognition and Image Analysis. New Jersey, Prentice Hall, 1996.
11.
J. Hertz, A. Krogh, R. G. Palmer. Wstęp do teorii obliczeń neuronowych. WNT, Warszawa, 1993.
12.
A. K. Jaint, F. Farrokhnia. Unsupervised Texture Segmentation Using Gabor Filtetrs. Pattern Recognition, Vol. 24, No. 12, 1991, pp. 1167-1186.
13.
E. T. Jaynes. Information Theory and Statistical Mechanics. Physical Review, Vol. 106, No. 4, May I 5, 1957, pp. 620-630.
14.
R. Krishnapuram, J. M. Keller. A Possibilistic Approach to Clustering. IEEE Transactions on Fuzzy Systems, Vol. I, No. 2, May 1993, pp. 98-110.
16.
K. Rose, E. Gurewitz, G. C. Fox. A deterministic annealing approach to clustering. Pattern Recognition Letters II ([990) 589-594.
17.
J. C. Russ. The Image Processing Handbook. Third Edition. CRC Press, Springer, IEEE Press, 1999.
Udostępnij
| eISSN: | 2719-9630 |
| ISSN: | 0138-0370 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
