For the first class of aggregate im

For the first class of aggregate images, BCV performs
well, but it is not possible to use it for the second class of
aggregate images. In fact, it should be stressed that no
global technique can handle, for example, images of the
kind shown in Fig. 5a, because some part of the background
is darker than some objects. Visual inspection
may make a human believe that this is not the case, but
this is an illusion probably caused by the fact that our
eyes make local comparisons, cf. for example, Tseng and
Huang (1993), and, locally, objects are darker than background.
In order to threshold both classes of images correctly,
we developed a local thresholding algorithm based
on particles' size, shape and interior range of gray levels.
The algorithm repeats BCV thresholding of an image
until some kind of stop criterion is reached in the various
areas. The algorithm is described as follows.
The developed algorithm assumes1 that the gray
levels of local background are significantly higher than
those of the particles (note that an object may consist
of several particles touching each other to form a cluster); and that the range of the gray values in a particle
is not too large. In practice the new algorithm processing
sequence is (1) the BCV algorithm is applied to
the whole image for the initial thresholding round.
Then, (2) for area A, a shape factor S and the range of
gray levels Df for each object is calculated. (3) For one
object, if the area is too large, or the shape is `strange'
and the range of gray levels in the object is large
enough, perform BCV thresholding in the object
region. (4) Repeat the above step until no further
object can be thresholded, according to these rules.
Before formally presenting the algorithm, we will discuss
data characteristics.

ผลลัพธ์ (ไทย) 1:

สำหรับชั้นแรกภาพรวม ทำ BCVดี แต่ไม่สามารถใช้งานได้สำหรับชั้นสองภาพรวม ในความเป็นจริง มันควรจะเน้นที่ไม่สากลเทคนิคสามารถจัดการ เช่น ภาพของการชนิดที่แสดงในรูปที่ 5a เนื่องจากเป็นส่วนหนึ่งของพื้นหลังนั้นมืดกว่าวัตถุบางอย่าง ตรวจสอบภาพอาจทำให้มนุษย์เชื่อว่า นี่ไม่ใช่แต่กรณีนี้เป็นภาพลวงตาอาจเกิดจากการที่เราตาเปรียบเทียบในท้องถิ่น cf.หยานีเช่น และหวง (1993), และ ในประเทศ วัตถุมีสีเข้มกว่าพื้นหลังในสั่งการเกณฑ์การเรียนทั้งภาพอย่างถูกต้องเราพัฒนาอัลกอริทึมการ thresholding ท้องถิ่นตามของอนุภาคขนาด รูปทรง และภายในช่วงของระดับสีเทาอัลกอริทึมซ้ำ BCV thresholding ของภาพจนถึงบางชนิดของเกณฑ์หยุดในต่าง ๆพื้นที่ อัลกอริทึมอธิบายไว้ดังนี้Assumes1 พัฒนาอัลกอริทึมที่สีเทาระดับของพื้นหลังของท้องถิ่นมีสูงกว่าอย่างมีนัยสำคัญของอนุภาค (หมายเหตุว่า วัตถุอาจประกอบด้วยหลายอนุภาคสัมผัสกันคลัสเตอร์); และว่า ช่วงของสีเทาค่าในอนุภาคไม่ใหญ่เกินไป ในทางปฏิบัติการประมวลผลใหม่ของอัลกอริทึมลำดับคือ (1) มีใช้อัลกอริทึม BCVรูปภาพทั้งหมดสำหรับ thresholding เริ่มต้นที่กลมแล้ว, (2) พื้นที่ รูปทรงตัว S และช่วงของมีคำนวณสำหรับแต่ละวัตถุสีเทาระดับ Df (3) อย่างใดอย่างหนึ่งถ้าพื้นที่มีขนาดใหญ่เกินไป วัตถุ หรือรูปร่างเป็น 'แปลก'และช่วงของระดับสีเทาในวัตถุมีขนาดใหญ่พอ ทำ BCV thresholding ในวัตถุภูมิภาค (4) ทำซ้ำขั้นตอนข้างต้นจนกว่าจะไม่มีเพิ่มเติมวัตถุสามารถ thresholded ตามกฎเหล่านี้ก่อนที่จะนำเสนอขั้นตอนวิธีการอย่างเป็นทางการ เราจะหารือลักษณะข้อมูล

ผลลัพธ์ (ไทย) 2:

สำหรับชั้นแรกของภาพรวม BCV ดำเนินการ
ได้ดี แต่มันเป็นไปไม่ได้ที่จะใช้สำหรับชั้นสองของ
ภาพรวม ในความเป็นจริงมันควรจะเน้นว่าไม่มี
เทคนิคระดับโลกที่สามารถจัดการตัวอย่างเช่นภาพของ
ชนิดที่แสดงในรูป 5A เพราะส่วนหนึ่งของพื้นหลังบางส่วน
จะมีสีเข้มกว่าวัตถุบางอย่าง การตรวจสอบภาพ
อาจจะทำให้มนุษย์เชื่อว่ากรณีนี้ไม่ได้ แต่
นี้เป็นภาพลวงตาอาจเกิดจากความจริงที่ว่าเรา
ตาทำการเปรียบเทียบในท้องถิ่น cf เลย ตัวอย่างเช่น Tseng และ
Huang (1993) และในพื้นที่วัตถุสีเข้มกว่าพื้นหลัง.
เพื่อที่จะเกณฑ์ทั้งชั้นเรียนของภาพได้อย่างถูกต้อง
เราพัฒนาอัลกอริทึม Thresholding ท้องถิ่นตาม
ในอนุภาคขนาดรูปร่างและช่วงการตกแต่งภายในของระดับสีเทา
อัลกอริทึมซ้ำ thresholding BCV ของภาพ
จนชนิดของเกณฑ์หยุดบางส่วนจะมาถึงในต่างๆ
พื้นที่ . ขั้นตอนวิธีการอธิบายไว้ดังนี้
assumes1 ขั้นตอนวิธีการพัฒนาที่สีเทา
ระดับท้องถิ่นของพื้นหลังจะสูงกว่าอย่างมีนัยสำคัญ
เหล่านั้นของอนุภาค (โปรดทราบว่าวัตถุที่อาจประกอบด้วย
อนุภาคหลายสัมผัสกันในรูปแบบคลัสเตอร์); และช่วงของค่าสีเทาในอนุภาค
มีขนาดไม่ใหญ่เกินไป ในทางปฏิบัติการประมวลผลขั้นตอนวิธีการใหม่
ลำดับ (1) ขั้นตอนวิธีการ BCV ถูกนำไปใช้
ทั้งภาพสำหรับกำหนดเกณฑ์ขั้นต่ำเริ่มต้นรอบ.
แล้ว (2) สำหรับพื้นที่เป็นปัจจัยรูปร่าง S และช่วงของ
ระดับสีเทา Df สำหรับแต่ละวัตถุ คำนวณ (3) สำหรับหนึ่ง
วัตถุหากพื้นที่ที่มีขนาดใหญ่เกินไปหรือรูปร่างแปลกคือ ` '
และช่วงของระดับสีเทาในวัตถุที่มีขนาดใหญ่
พอที่จะดำเนินการกำหนดเกณฑ์ขั้นต่ำ BCV ในวัตถุ
ภูมิภาค (4) ทำซ้ำขั้นตอนข้างต้นจนกระทั่งไม่เพิ่มเติม
วัตถุสามารถ thresholded ตามกฎเหล่านี้.
ก่อนที่จะนำเสนออย่างเป็นทางการขั้นตอนวิธีการที่เราจะหารือเกี่ยวกับ
ลักษณะของข้อมูล

ผลลัพธ์ (ไทย) 3:

สำหรับห้องแรกของภาพ รวม BCV ดําเนินการแต่มันเป็นไปไม่ได้ที่จะใช้มันสำหรับสองรุ่นรูปรวม . ในความเป็นจริงมันควรจะเน้นว่าไม่เทคนิคซึ่งสามารถจัดการได้ ตัวอย่างเช่น รูปภาพของชนิดที่แสดงในรูปที่ 43 เพราะบางส่วนของพื้นหลังเป็นสีเข้มกว่าวัตถุบางอย่าง การตรวจสอบภาพอาจทำให้มนุษย์เชื่อว่า นี้เป็นกรณีที่ไม่ แต่นี่คือภาพลวงตาอาจเกิดจากข้อเท็จจริงที่ว่า ของเราตาทำให้การเปรียบเทียบในท้องถิ่นด้วย ตัวอย่างเช่น เช็ง และหวง ( 1993 ) และภายในวัตถุที่มีสีเข้มกว่าพื้นหลังเพื่อที่จะเกณฑ์ทั้งชั้นของภาพได้อย่างถูกต้องเราพัฒนาขั้นตอนวิธีการปรับตามท้องถิ่นขนาดอนุภาค , รูปร่าง และภายในช่วงของระดับสีเทาขั้นตอนวิธีการทำซ้ำ BCV ปรับของภาพจนกว่าหลักเกณฑ์บางอย่างหยุดถึงในต่าง ๆพื้นที่ ขั้นตอนวิธีที่อธิบายไว้ดังนี้อัลกอริทึมที่พัฒนา assumes1 ว่าสีเทาระดับของพื้นหลัง ภายในมีสูงกว่าของอนุภาค ( ทราบว่าวัตถุอาจประกอบด้วยหลายอนุภาคชนกันในรูปแบบคลัสเตอร์ ) และช่วงของค่าสีเทาในอนุภาคไม่ใหญ่มากเกินไป ในขั้นตอนวิธีการปฏิบัติใหม่ลำดับคือ ( 1 ) BCV แบบประยุกต์ภาพทั้งหมดปรับ สำหรับรอบแรกแล้ว ( 2 ) สำหรับพื้นที่ , รูปร่างและช่วงของปัจจัยDF ระดับสีเทาสำหรับแต่ละวัตถุจะถูกคำนวณ ( 3 ) สำหรับวัตถุ ถ้าพื้นที่มีขนาดใหญ่เกินไป หรือรูปร่างเป็น ` แปลก "และช่วงของระดับสีเทาในวัตถุขนาดใหญ่พอแสดง BCV ปรับในวัตถุภูมิภาค ( 4 ) ทำซ้ำขั้นตอนข้างต้นจนไม่มีเพิ่มเติมวัตถุที่สามารถ thresholded ตามกฎเหล่านี้ก่อนอย่างเป็นทางการเสนออัลกอริทึม เราจะพิจารณาเรื่องลักษณะข้อมูล