research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Image Processing of SEM Image Nano Silver Using K-means MATLAB Technique

Author: Elham Jasim Mohammad*, Aseel Mustafa Abdul Majeed, Faten Sajet Mater, Sanar Gasid Hassan, Ishraq Ahmed Shakir, Farouk Khalid Shaker
Journal: Al-Mustansiriyah Journal of Science مجلة علوم المستنصرية ISSN: 1814635X Year: 2018 Volume: 29 Issue: 3 ICSSSA 2018 Conference Issue Pages: 150-157
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

Nanotechnology is one of the non-exhaustive applications in which image processing is used. For optimal nanoparticle visualization and characterization, the high resolution Scanning Electron Microscope (SEM) and the Atomic Force Microscope (AFM) are used. Image seg-mentation is one of the critical steps in nanoscale processing. There are also different ways to reach retail, including statistical approximations.In this study; we used the K-means method to determine the optimal threshold using statistical approximation. This technique is thor-oughly studied for the SEM nanostructure Silver image. Note that, the image obtained by SEM is good enough to analyze more recently images. The analysis is being used in the field of nanotechnology. The K-means algorithm classifies the data set given to k groups based on certain measurements of certain distances. K-means technology is the most widely used among all clustering algorithms. It is one of the common techniques used in statistical data analysis, image analysis, neural networks, classification analysis and biometric information. K-means is one of the fastest collection algorithms and can be easily used in image segmenta-tion.The results showed that K-means is highly sensitive to small data sets and performance can degrade at any time. When exposed to a huge data set such as 100.000, the performance increases significantly. The algorithm also works well when the number of clusters is small. This technology has helped to provide a good performance algorithm for the state of the im-age being tested.

تعد تقنية النانو واحدة من بين قائمة التطبيقات غير الشاملة التي تستخدم فيها معالجة الصور. ولتصور وتوصيف البنية النانوية بشكل مثالي، يتم استخدام الماسح الضوئي ذو الدقة العالية (SEM) ومجهر القوة الذرية (AFM). وتعتبر عملية تجزئة الصورة واحدة من الخطوات الحاسمة في معالجة الصور النانوية. كما إن هنالك طرق مختلفة للوصول إلى التجزئة ومنها طرق التقريب الإحصائية.في هذه الدراسة، استخدمنا طريقةK-meansلتحديد العتبة المثلى باستخدام التقريب الإحصائي. تمت دراسة هذه التقنية لصورة الماسح الضوئي ذو الدقة العالية للفضة النانوية. علما إن الصورة التي تم الحصول عليها عن طريق SEM جيدة بما يكفي لتحليلها.وفي الآونة الأخيرة يستخدم تحليل الصور في مجال تكنولوجيا النانو.إن خوارزميةK-means تقوم بتصنيف مجموعة البيانات المعطاة إلى مجموعات k استناداً إلى قياسات معينة لبعض المسافات. ان تقنية K-means هي الأكثر استخداما على نطاق واسع بين جميع خوارزميات التجميع. وهي واحدة من التقنيات الشائعة المستخدمة في تحليل البيانات الإحصائية، تحليل الصور، الشبكات العصبية، تحليل التصنيف والمعلوماتية الحيوية. حيث يعتبرK-means واحدًا من أسرع خوارزميات التجميع ويمكن استخدامه بسهولة في تجزئة الصور.وأظهرت النتائج أن K-means حساس للغاية لمجموعات البيانات الصغيرة ويمكن أن يتدهور الأداء في أي وقت. وعندما يتعرض إلى مجموعة بيانات ضخمة مثل 100000، يزداد الأداء بسرعة ملحوظة. وتعمل الخوارزمية أيضًا بشكل جيد عندما يكون عدد التجمعات صغيراً. لقد ساعدت هذه التقنية في تقديم الأداء الجيد للخوارزمية لحالة الصورة التي تم اختبارها.

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

English (1)


Year
From To Submit

2018 (1)