استفاده از روش آستانه گذاری FCM جهت اندازه گیری قطر نانو الیاف

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 986

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NANOO01_168

تاریخ نمایه سازی: 9 تیر 1393

چکیده مقاله:

با توجه به توسعه استفاده از نانو الیاف در صنایع مختلف دانستن مورفولوژی ساختارهای نانو الیاف جهت شناخت توزیع ابعاد الیاف و منافذ مورد توجه است از این رو توسعه تکنیک اندازه گیری قطر الیاف به صورت دقیق و خودکار بسیار مهم است در سال های اخیر پردازش تصویر به عنوان یک روش مداول جهت اندازه گیری قطر مورد توجه قرار گرتفه است آستانه گیری یک تکنیک ساده و موثر برای تقسیم بندی تصویر است روش های آستانه گیری بسیاری تاکنون توسعه داده شده اند یکی از این روش ها که در سال های اخیر مورد توجه قرار گرفته است روش فازی میانگین FCM است مقاله حاضر با هدف محاسبه قطر از وب نانو الیاف با استفاده از پردازش تصویر رسیدن به تصویر بهینه جدا شده به دو قسمت الیاف و منافذ را با استفاده از الگوریتم FCM د راولویت قرار داده است نتایج ارزیابی های انجام شده نشان دهنده این موضوع است که الگوریتم FCM نتایج مناسبی درآستانه گذاری تصاویر ارائه می دهد همچنین مقایسه روش ها نشان می دهد که روش تبدیل فاصله برآورد دقیقی از قطر در زوایای مختلف قرار گیری نانو ایاف در تصویر ارائه می دهد.

نویسندگان

ندا دهقان

دانشجوی کارشناسی ارشد ، دانشکده نساجی ، دانشگاه یزد

پدرام پیوندی

استادیار و عصو هیات علمی دانشکده نساجی دانشگاه یزد

محمد علی توانایی

استادیار و عضو هیات علمی دانشکده نساجی دانشگاه یزد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ahmet H., Aydilek A.M., Seyfullah H., and Tuncer B., (2002), ...
  • Bansal S. Maini R., (2013), » A Comparative Analysis of ...
  • Borgefors G., (1986), _ Distance transformatios in digital images«, Computer ...
  • Chhabra R., (2003), ».Nonwoven uni formi ty -measuremens using image ...
  • Chuang, Keh-Shih, Tzeng , Hong-Long, Chen, Sharon Wu, Jay, Chen, ...
  • Kanafchian M., Valizadeh M., and Haghi A..(201), _ Prediction of ...
  • Maleki M., Latifi M., Amani-Tehran M.(2009) »Definition of structural features ...
  • Ng, H. F. (2006). »Automatic thresholding for defect detection«, Pattern ...
  • Otsu, N. (1979) »A Tlreshold Selection Method from Gray-Level Histograms«, ...
  • Pourdeyhimi B., Ramanathan R., and Dent R..(1996) »Measuring Fiber Orientation ...
  • Pourdeyhimi B., Dent R., & Davis H..(1997) »Measuring fiber orientation ...
  • She F.H., Tung K.L, Kong L.X..(2008), »Calculation of effective pore ...
  • Shin E.H., Cho K.S, Seo M.H., and Kim H., (2008), ...
  • Sivakumar, S., and Chandrasekar C.. (2012). »Lungs image segmentation through ...
  • Sivanand, Sayana.(2013) »Adaptive Local Threshold Algorithm and Kernel Fuzzy C-Means ...
  • Xu B., (1996), »Measuremet of Pore Characteristics in Nonwoven Fabrics ...
  • Ziabari M., Mottaghitalab V., and Haghi A.K..(2008), »Distance transform algorithm ...
  • Ziabari M., Mottaghitalab V., McGovern S.T., and Haghi A.K..(2007), »A ...
  • نمایش کامل مراجع