Utilização de Técnicas de Inteligência Artificial na Segmentação de Imagens para Análise de Modelos Fotoelásticos

Authors

  • João Leonardo Ribeiro Neto PUC-MG
  • Pedro Américo Almeida Magalhães Júnior PUC-MG

DOI:

https://doi.org/10.26512/ripe.v2i11.21262

Keywords:

Fotoelasticidade, Processamento digital de imagens, Segmentação de imagem, Lógica fuzzy

Abstract

Em projetos de sistemas mecânicos a análise experimental é importante para a caracterização de componentes de um sistema complexo, podendo a sua aplicação ser orientada pelas técnicas analítico computacional. Sendo a segmentação de imagens uma etapa importante deste processo, o presente trabalho tem como objetivo revisar os métodos de segmentação de imagens que utilizam técnicas de Inteligência Artificial como a lógica fuzzy e computação evolucionária, indicando as possíveis aplicações destas ferramentas na análise de tensões de modelos fotoelásticos.

Downloads

Download data is not yet available.

References

ALBUQUERQUE, M. P. de. Processamento de Imagens: M´etodos e An´alises. CentroBrasileiro de Pesquisas F´Ä±sicas ”“ CBPF/MCT - Coordenac¸ ˜ao de Atividades T´ecnicas - CAT.

BAEK, T. H.; KIM, M. S.; HONG, D. P. Fringe analysis for photoelasticity using image processing techniques. International Journal of Software Engineering and Its Applications, v. 8, p. 91”“102, 2014.

DUAN, Y.; GUAN, T.; LIU, L. Self-organizing map based multiscale spectral clustering for image segmentation. IEEE - Computer Society - International Conference on Computer Science and Electronics Engineering, p. 329”“333, 2012.

DUBOIS, D.; PRADE, H. Fuzzy Sets and Systems - Theory and Applications. New York: Academic Press, INC., 1980.

GONZALES, R. C.; WOODS, R. E. Digital Image Processing. Second. New Jersey: Prentice Hall, 2002.

GONZALES, R. C.; WOODS, R. E.; EDDINS, S. L. Digital Image Processing Using MATLAB. Second. USA: Gatesmark Publishing, 2009.

HAYKIN, S. Redes Neurais - Princ´Ä±pios e pr´atica. [S.l.]: Editora Bookman. Porto Alegre. 2a edic¸ ˜ao. 900p, 2001.

KHAN, W. Image segmentation techniques: A survey. Journal of Image and Graphics, v. 1, 2013.

RAZUMOVSKY, I. A.; GALKIN, A. Y. Interference-optical Methods of Solid Mechanics. Berlin: Springer-Verlag, 2011.

RISTIC, D. M.; PAVLOVIC, M.; RELJIN, I. Image segmentation method based on self-organizing maps and k-means algorithm. 9th Symposium on Neural Network Applications in Electrical Engineering, NEUREL, 2008.

SARKAR, S. et al. Multi-level image segmentation based on fuzzy-tsallis entropy and differential evolution. Fuzzy Systems (FUZZ), IEEE International Conference on, 2013.

SARKAR, S. et al. A fuzzy entropy based multi-level image thresholding using differential evolution. 5th International Conference on Swarm, Evolutinary and Memetic Computing,

VESANTO, J.; ALHONIEMI, E. Clustering of the self-organizing map. IEEE Transaction on Neural Networks, v. 11, p. 586”“600, 2000.

ZADEH, L. Fuzzy sets. Information and Control - Department of Electrical Engineering and Eletronics Research Laboratory, University of California, Berkeley, CA, v. 8, p. 338”“353, 1965.

ZADEH, L. A fuzzy-algorithmic approach to the definition of complex or imprecise concepts. 1976. Int J, Man-Machine Studies - Department of Electrical Engineering and Computer Science and Eletronics Research Laboratory, University of California, Berkeley, CA, Vol. 8, pp. 249-291.

Published

2017-01-10

How to Cite

Ribeiro Neto, J. L., & Magalhães Júnior, P. A. A. (2017). Utilização de Técnicas de Inteligência Artificial na Segmentação de Imagens para Análise de Modelos Fotoelásticos. Revista Interdisciplinar De Pesquisa Em Engenharia, 2(11), 10–17. https://doi.org/10.26512/ripe.v2i11.21262

Most read articles by the same author(s)

1 2 > >>