Dominant gray level based K-means algorithm for MRI images

Nitta, Gnaneswara Rao; Sravani, T.; Nitta, Sneha; Muthu, BalaAnand

doi:10.1007/s12553-018-00293-1

Cited by 34 publications

(17 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Citra warna memiliki 3 komponen yiatu merah (red), hijau (green), biru (blue) [24], [25]. Masing-masing komponen warna memiliki representasi nilai dengan range 0-255.…”

Section: Image Processingunclassified

Analisis Perbandingan He Dan Clahe Pada Image Enhancement Dalam Proses Segmenasi Citra Untuk Deteksi Fertilitas Telur

Saifullah

2020

j. nas. pendidik. teknik. inform.

View full text Add to dashboard Cite

Perkembangan teknologi di bidang peternakan mampu memberikan kemudahan dalam proses penetasan ayam. Namun, proses deteksi fertilitas telur telah diperiksa secara manual oleh pekerja yang menyortir telur yang fertil dan infertil. Penelitian ini bertujuan untuk mempermudah proses pendeteksian gambar fertilitas telur menggunakan sistem komputerisasi secara otomatis. Deteksi fertilitas telur dilakukan preprocessing dengan metode Image Enhancement. Dalam metode ini, metode Histogram Equalization (HE) dan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) dibandingkan satu sama lain pada proses peningkatan citra (Image Enhancement). HE memberikan hasil yang dapat mengidentifikasi fertilitas telur. Namun, ada satu faktor penting dalam pemrosesan gambar, yaitu pengambilan telur (proses akuisisi). Proses deteksi fertilitas telur menggunakan segmentasi dengan metode morfologi. Proses pengujian yang dilakukan menggunakan metode kekauratan pada metode HE dan CLAHE yang masing-masing adalah sebesar 96% dan 79%. Hasil menunjukkan bahwa hasil HE lebih jelas terlihat dibandingkan dengan CLAHE.

show abstract

“…Citra warna memiliki 3 komponen yiatu merah (red), hijau (green), biru (blue) [24], [25]. Masing-masing komponen warna memiliki representasi nilai dengan range 0-255.…”

Section: Image Processingunclassified

Analisis Perbandingan He Dan Clahe Pada Image Enhancement Dalam Proses Segmenasi Citra Untuk Deteksi Fertilitas Telur

Saifullah

2020

j. nas. pendidik. teknik. inform.

View full text Add to dashboard Cite

show abstract

“…Berdasarkan pada Gambar 1, alur proses memiliki 3 tahap utama yaitu hasil akuisisi citra, preprocessing, dan identifikasi. Proses akuisisi citra menghasilkan citra warna (RGB) dengan 3 komponen warna yaitu (red), hijau (green), biru (blue) [34], [35]. Hasil ini akan dilakukan rposes grayscaling, yaitu mengubah citra warna menjadi citra grayscale.…”

Section: Gambar 1 Alur Proses Deteksi Embrio Pada Telur Fertil Dengaunclassified

Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi Embrio Telur

Saifullah

2020

SYSTEMIC

View full text Add to dashboard Cite

Image processing dapat diterapkan dalam proses deteksi embrio telur. Proses deteksi embrio telur dilakukan dengan menggunakan proses segmentasi, yang membagi citra sesuai dengan daerah yang dibagi. Proses ini memerlukan perbaikan citra yang diproses untuk memperoleh hasil optimal. Penelitian ini akan menganalisis deteksi embrio telur berdasarkan image processing dengan image enhancement dan konsep segmentasi menggunakan metode watershed transform. Image enhacement pada preprocessing dalam perbaikan citra menggunakan kombinasi metode Contrast Limited Adaptive Histogram Equalization (CLAHE) dan Histogram Equalization (HE). Citra grayscale telur diperbaiki dengan menggunakan metode CLAHE, dan hasilnya diproses kembali dengan menggunakan HE. Hasil perbaikan citra menunjukkan bahwa metode kombinasi CLAHE-HE memberikan gambar secara jelas daerah objek citra telur yang memiliki embrio. Proses segmentasi dengan menggunakan konversi citra ke citra hitam putih dan segmentasi watershed mampu menunjukkan secara jelas objek telur ayam yang memiliki embrio. Hasil segmentasi mampu membagi daerah telur memiliki embrio secara nyata dan akurat dengan persentase sebesar » 98%.

show abstract

“…To, assess the suggested approach, two mutual strategies comprising recall and precision are employed [29,30,31]. The strategies are specified as: , Here CMrefers correct matches which are the count of acceptably matched point pairs, C refers to the correspondences, i.e., the complete count of prevailing correspondences in preliminary feature point group and M refers matches, count of matched points.…”

Section: I Evaluation Criterion and Datasetmentioning

confidence: 99%

Multi Sensor Image Matching using Super Symmetric Affinity Tensors based HyperGraph Matching

Kunadharaju¹,

Sandhya²,

Mehra³

2019

IJRTE

View full text Add to dashboard Cite

Image Matching technique is regularly on one of the main errands in numerous Photogrammetry and Remote Sensing applications. Based on multi-discipline, the approach of multiple sensor image matching is a novel one established which has vital application in military, civil, medicinal, and certain other domains. However, image matching approach faces numerous challenges, specifically in multi-sensor images where the images are gathered from the different sensor with different intensities, scales, and moments. Thus, a novel image matching approach is introduced in this paper using affinity tensor and HyperGraph Matching (HGM) technique that attempts to overcome certain drawbacks in matching and increases performance accuracy. Hypergraph matching techniques are employed using affinity tensors and consider supersymmetric property during construction. Graphs are constructed using graph theory for both sources, and target image and matching is done using third-order tensors. The experimental outcomes displayed that the proposed technique has good recall, precision, and positive accuracy values compared to the existing two descriptors based and tensor-based matching algorithms.

show abstract

Dominant gray level based K-means algorithm for MRI images

Cited by 34 publications

References 15 publications

Analisis Perbandingan He Dan Clahe Pada Image Enhancement Dalam Proses Segmenasi Citra Untuk Deteksi Fertilitas Telur

Analisis Perbandingan He Dan Clahe Pada Image Enhancement Dalam Proses Segmenasi Citra Untuk Deteksi Fertilitas Telur

Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan Image Enhancement Dalam Mendeteksi Embrio Telur

Multi Sensor Image Matching using Super Symmetric Affinity Tensors based HyperGraph Matching

Contact Info

Product

Resources

About