Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Measuring Pattern Recognition from Decision Tree and Geometric Data Analysis of Industrial CR Images

산업용 CR영상의 기하학적 데이터 분석과 의사결정나무에 의한 측정 패턴인식

  • 황중원 (한양대학교 대학원 전자컴퓨터통신공학과) ;
  • 황재호 (한밭대학교 전자공학과)
  • Published : 2008.09.25
Download PDF
⟨ Previous Next ⟩

Abstract

This paper proposes the use of decision tree classification for the measuring pattern recognition from industrial Computed Radiography(CR) images used in nondestructive evaluation(NDE) of steel-tubes. It appears that NDE problems are naturally desired to have machine learning techniques identify patterns and their classification. The attributes of decision tree are taken from NDE test procedure. Geometric features, such as radiative angle, gradient and distance, are estimated from the analysis of input image data. These factors are used to make it easy and accurate to classify an input object to one of the pre-specified classes on decision tree. This algerian is to simplify the characterization of NDE results and to facilitate the determination of features. The experimental results verify the usefulness of proposed algorithm.

의사결정나무를 구성하여 강판튜브 비파괴평가에 사용하는 산업용 CR영상의 측정 패턴인식을 도모한다. 본래 비파괴평가는 기계학습기법에 의한 패턴식별과 그 분류에 적합한 분야이다. 의사결정나무의 속성들은 비파괴평가 테스트 절차로부터 취한다. 방사선조사 입사각, 경사도 및 거리 둥의 기하학적 특성들은 입력 영상 데이터 분석으로부터 추정한다. 이 요소들은 대상 입력을 의사결정나무에서 미리 정해진 분류에로 정확히 그리고 쉽게 분류가 이루어지도록 한다. 이 알고리즘은 비파괴평가 결과의 특성화를 간단히 하며 특성 결정을 간편하게 한다. 실험 결과는 제안한 알고리즘의 유용성을 보였다.

Keywords

References

  1. P.S Michalski et al(ed), Machine Learning: An Artificial Intelligence Approach Vol. II, Los Altos, Morgan Kaufmann, 1986
  2. R. Kohavi and J. R, Quinlan, Data mining tasks and methods: Classification: decision-tree discovery, Oxford University Press, 2002
  3. J. R, Quinlan, "Simplifying decision trees," Int. J. of Human-Computer Studies, Vol. 22, no. 2, pp. 497-510, Aug. 1999
  4. H. Y. Kim, "Binary halftone image resolution increasing by decision tree learning," IEEE Trans. Image Processing, Vol. 13, no. 8, pp. 1136-1146, Aug. 2004 https://doi.org/10.1109/TIP.2004.828424
  5. C. E. Priebe, D. J. Marchette and D. M. Healy, "Integrated sensing and processing decision trees," IEEE Trans. Pattern Anal. and Machine Intell., Vol. 26, no. 6, pp. 699-708, June 2004 https://doi.org/10.1109/TPAMI.2004.12
  6. A. Senior, "A combination fingerprint classifier," IEEE Trans. Pattern Anal. and Machine Intell., Vol. 23, no. 10, pp. 1165-1174, Oct. 2001 https://doi.org/10.1109/34.954606
  7. M. M. Amirfathi, S. Morris, P. O'Rorke, W. E. Bond, and D. C. St. Clair, "Pattern recognition for nondestructive evaluation," in Proc. of Aerospace Applications Conference, pp. 601-611, Feb. 1991
  8. J. H. Hwang and J. W. Hwang, "Image analysis for specific region segmentation of steel-tube radiographic Images," in Proc. of ITC-CSCC 2007, pp. 365-366, Busan, Korea, July 2007
  9. 황중원, 황재호, "산업용방사선영상의 비선형모델링에 의한 영상복구", 전자공학회논문지 제45권 SP편, 제4호, 71-77쪽, 2008년 7월