論文の概要: K-means Segmentation Based-on Lab Color Space for Embryo Egg Detection
- arxiv url: http://arxiv.org/abs/2103.02288v1
- Date: Wed, 3 Mar 2021 10:03:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-06 20:48:28.708488
- Title: K-means Segmentation Based-on Lab Color Space for Embryo Egg Detection
- Title（参考訳）: K-means Segmentation Based-on Lab Color Space for Embryo Egg Detection
- Authors: Shoffan Saifullah
- Abstract要約: 卵のイメージはラボカラー画像に基づくk-meansアルゴリズムでセグメンテーションされる。
Labのカラースペース画像の結果は、各色にK平均を使用して処理されます。
グレースケール画像処理段階では、カラー画像分割の結果は、グレースケーリング、画像強化、および形態で処理されます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The hatching process also influences the success of hatching eggs beside the
initial egg factor. So that the results have a large percentage of hatching, it
is necessary to check the development of the embryo at the beginning of the
hatching. This process aims to sort eggs that have embryos to remain hatched
until the end. Maximum checking is done the first week in the hatching period.
This study aims to detect the presence of embryos in eggs. Detection of the
existence of embryos is processed using segmentation. Egg images are segmented
using the K-means algorithm based on Lab color images. The results of the
images acquisition are converted into Lab color space images. The results of
Lab color space images are processed using K-means for each color. The K-means
process uses cluster k=3, where this cluster divided the image into three
parts, namely background, eggs, and yolk eggs. Yolk eggs are part of eggs that
have embryonic characteristics. This study applies the concept of color in the
initial segmentation and grayscale in the final stages. The results of the
initial phase show that the image segmentation results using k-means clustering
based on Lab color space provide a grouping of three parts. At the grayscale
image processing stage, the results of color image segmentation are processed
with grayscaling, image enhancement, and morphology. Thus, it seems clear that
the yolk segmented shows the presence of egg embryos. Based on this process and
results, K-means segmentation based on Lab color space can be used for the
initial stages of the embryo detection process. The evaluation uses MSE and
MSSIM, with values of 0.0486 and 0.9979; this can be used as a reference that
the results obtained can indicate the detection of embryos in egg yolk.
- Abstract（参考訳）: このハッチ過程は、初期卵因子の横で卵をハッチする成功にも影響を及ぼす。
この結果がハッチの発生率が高いためには,ハッチ開始時の胚の発生を確認する必要がある。
このプロセスは、最後まで抱卵し続ける胚を持つ卵を選別することを目的としている。
最大チェックはハッチング期間の最初の週に行われます。
本研究は,卵子中の胚の存在を検出することを目的とする。
胚の存在の検出はセグメンテーションを用いて行われる。
卵のイメージはラボカラー画像に基づくk-meansアルゴリズムでセグメンテーションされる。
画像取得の結果は、実験室カラースペース画像に変換される。
Labのカラースペース画像の結果は、各色にK平均を使用して処理されます。
K平均プロセスはクラスタk=3を使用し、このクラスタは画像を背景、卵、卵の3つの部分に分けます。
黄身卵は胚の特徴を持つ卵の一部である。
本研究は,初期セグメンテーションにおける色の概念と最終段階におけるグレースケールを適用する。
初期フェーズの結果,k-meansクラスタリングを用いた画像分割の結果は3つの部分からなるグループ化が可能であることがわかった。
グレースケール画像処理段階では、カラー画像分割の結果は、グレースケーリング、画像強化、および形態で処理されます。
したがって、卵黄分画が卵胚の存在を示すことは明らかである。
このプロセスと結果に基づいて、胚検出プロセスの初期段階において、ラボ色空間に基づくK平均セグメンテーションを用いることができる。
MSEとMSSIMの値は0.0486と0.9979であり、その結果が卵黄中の胚の検出を示すことを参考にすることができる。
関連論文リスト
- Segment Any Events via Weighted Adaptation of Pivotal Tokens [85.39087004253163]
本稿では,Segment Anything Models (SAM) をイベントデータと統合する上で,難易度の高い課題に焦点を当てる。
本稿では,RGB画像とイベントデータからのトークン埋め込みのアライメントを最適化するマルチスケールな特徴蒸留手法を提案する。
論文 参考訳（メタデータ） (2023-12-24T12:47:08Z) - DARC: Distribution-Aware Re-Coloring Model for Generalizable Nucleus
Segmentation [68.43628183890007]
ドメインギャップは、異なるフォアグラウンド(核)-バックグラウンド比によっても引き起こされる可能性があると我々は主張する。
まず、異なる領域間の劇的な画像色変化を緩和する再カラー化手法を提案する。
次に,前景-背景比の変動に頑健な新しいインスタンス正規化手法を提案する。
論文 参考訳（メタデータ） (2023-09-01T01:01:13Z) - Image Processing and Machine Learning for Hyperspectral Unmixing: An Overview and the HySUPP Python Package [80.11512905623417]
アンミキシングは、ピクセル内のエンドメンバーの分数量を推定する。
本稿では,先進的および従来型のアンミックス手法の概要について述べる。
シミュレーションされた3つのデータセットと2つの実際のデータセット上でのアンミックス手法の性能を比較した。
論文 参考訳（メタデータ） (2023-08-18T08:10:41Z) - Pink-Eggs Dataset V1: A Step Toward Invasive Species Management Using
Deep Learning Embedded Solutions [17.853377807508515]
本研究では,Pomacea canaliculata卵と同定されたピンクの卵を画像化した新しいデータセットを提案する。
このデータセットの目的は、研究者がPomacea canaliculataの拡散を分析するのを助けることである。
論文 参考訳（メタデータ） (2023-05-16T09:21:56Z) - Linking data separation, visual separation, and classifier performance
using pseudo-labeling by contrastive learning [125.99533416395765]
最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。
本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
論文 参考訳（メタデータ） (2023-02-06T10:01:38Z) - Multiscale Analysis for Improving Texture Classification [62.226224120400026]
本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。
バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
論文 参考訳（メタデータ） (2022-04-21T01:32:22Z) - Identification of chicken egg fertility using SVM classifier based on
first-order statistical feature extraction [0.0]
本研究は,まだ手作業であるプロセスの識別プロセスに基づいて開発された(従来型)。
識別プロセスには多くの技術があるが、まだ開発が必要である。
同定法は成功率84.57%である。
論文 参考訳（メタデータ） (2022-01-10T04:29:49Z) - Saliency Enhancement using Superpixel Similarity [77.34726150561087]
Saliency Object Detection (SOD) は画像解析にいくつかの応用がある。
深層学習に基づくSOD法は最も効果的であるが、類似した色を持つ前景の部品を見逃すことがある。
スーパーピクセル類似性(SESS)に対するtextitSaliency Enhancement というポストプロセッシング手法を導入する。
我々は,SESSが5つの画像データセット上での3つのディープラーニングに基づくSOD手法の結果を連続的に,かつ著しく改善できることを実証した。
論文 参考訳（メタデータ） (2021-12-01T17:22:54Z) - Principal component-based image segmentation: a new approach to outline
in vitro cell colonies [0.0]
探索されたコロニーを特徴付け,抽出し,セグメンテーションすることで問題を修正するための,客観的かつ多目的な機械学習手法を提案する。
提案するセグメンテーションアルゴリズムは,人間の観察者による手動計測と同様の品質を示した。
論文 参考訳（メタデータ） (2021-03-10T12:37:51Z) - Segmentasi Citra Menggunakan Metode Watershed Transform Berdasarkan
Image Enhancement Dalam Mendeteksi Embrio Telur [0.0]
卵胚検出は、セグメンテーションプロセスを用いて処理される。
セグメンテーションは、分割された領域に応じてイメージを分割する。
セグメンテーションの結果は、胚を持つ卵の面積を98%の精度で分割することができる。
論文 参考訳（メタデータ） (2021-02-08T14:03:51Z) - Robust Method for Semantic Segmentation of Whole-Slide Blood Cell
Microscopic Image [2.045195400926714]
画素レベルの特徴抽出モデルとして,VGG-16とともに新しい畳み込みエンコーダデコーダフレームワークを設計する。
RBCは97.45%,93.34%,血小板は85.11%であった。
論文 参考訳（メタデータ） (2020-01-28T06:32:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。