PL EN
 
STRESZCZENIE
Niniejsza praca kontynuuje cykl artykułów opisujących nowe podejście w zakresie diagnostyki i nadzoru hamulców tarczowych. W pracy opisano metody przetwarzania obrazu hamulca tarczowego. Przedstawiono testowanie jakości obrazu z punktu widzenia różnych metod przetwarzania. Pozwala to na wybranie tych metod, które dla takich obrazów nadają się najlepiej. (Artykuł powstał w ramach projektu badawczego KBN nr 9T12C 064 14 „Wizyjny system kontroli i diagnostyki zjawisk trybologicznych wybranych zespołów pojazdów szynowych")
REFERENCJE (21)
1.
J. C. Bezdek. Pattern Recognition with Fuzzy Objec­tive Function Algorithms. Plenum Press, 1983.
 
2.
C. M. Bishop. Neural Networks for 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 tarczowego. Po­jazdy Szynowe, Nr. 2, 2000, pp. 37-53.
 
4.
P. Boguś, S. Bocian, P. Świtaj, P. Zadlewski. Analiza obrazów w diagnostyce hamulca tarczowego. Pojazdy Szynowe, Nr.I, 2000,.
 
5.
P. Boguś, S. Bocian. Shape Deformation Analizys of Raił Car Brakes with Using Image Processing Tech­niques. Book of Abstracts of European Mechanics So­ciety EUROMECH 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, A.M. Massone, F. Masulli, A. Schenone. In­teractive graphical system for segmentation of multimo­dal medical volumes using juzzy clustering. Machine GRAPHICS & VISION, Vol. 7, No. 4, 1998, pp. 781-791.
 
7.
P. Boguś. Neural Representation of Fuzzy and Possibi­listic 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.
K.R. Castleman. Digital Images Prosessing. New Jer­sey, Prentice Hall, 1996.
 
9.
R. T. Chin, C. R. Dyer. Model-Based Recognition in Robot Vision. ACM Computing Surveys, Vol. 18, No. 1, March 1986, pp. 67-108.
 
10.
R. Duda, P. Hart. Pattern Clasification and Scene Analysis. New York, Wiley Interscience, 1973.
 
11.
E. Gose, R. Johnsonbaugh, S. lost. Pattern Recognition and Image Analysis. New Jersey, Prentice Hall, 1996.
 
12.
J. Hertz, A. Krogh, R. G. Palmer. Wstęp do teorii oblic­zeń neuronowych. WNT, Warszawa, 1993.
 
13.
A. K. Jaint, F. Farrokhnia. Unsupervised Texture Seg­mentation Using Gabor Filtetrs. Pattern Recognition, Vol. 24, No. 12, 1991, pp. 1167-1186.
 
14.
R. Krishnapuram, J. M. Keller. A Possibilistic Appro­ach to Clustering. IEEE Transactions on Fuzzy Sys­tems, Vol. 1, No. 2, May 1993, pp. 98-1 JO.
 
15.
T. Pavlidis. Grafika i przetwarzanie obrazów. WNT, Warszawa, 1987.
 
16.
K. Rose, E. Gurewitz, G. C. Fox. A deterministic anne­aling approach to clustering. Pattern Recognition Let­ters 11 (1990) 589-594.
 
17.
J. C. Russ. The Image Processing Handbook. Third Edition. CRC Press, Springer, IEEE Press, 1999.
 
18.
R. Tadeusiewicz, M. Flasiński. Rozpoznawanie obrazów. PWN, Warszawa, 1991.
 
19.
R. Tadeusiewicz. Systemy wizyjne robotów przemysło­wych. WNT, Warszawa, 1992.
 
20.
R. Tadeusiewicz, P. Korohoda. Komputerowa analiza i przetwarzanie obrazów. WFPT, Kraków, 1997.
 
21.
J. Woźnicki. Podstawowe techniki przetwarzania obra­zu. WKŁ, Warszawa, 1996.
 
eISSN:2719-9630
ISSN:0138-0370
Journals System - logo
Scroll to top