| ชื่อบทความที่เผยแพร่ |
ค้นหาและคืนค่า ตำแหน่งที่เสียหายบนรูปภาพที่ได้จากการถ่ายภาพด้วยกล้องจุลทรรศน์แรงอะตอม โดยใช้เครื่องจักรเรียนรู้เอ็กซ์ตรีม
DAMAGE LOCATING AND IMPUTING OF ATOMIC FORCE MICROSCOPE IMAGE BY EXTREME LEARNING MACHINE
|
| วัน/เดือน/ปี ที่เผยแพร่ |
7 กรกฎาคม 2559 |
| การประชุม |
| ชื่อการประชุม |
The 12th National Conference on Computing and Information Technology: NCCIT2016 |
| หน่วยงาน/องค์กรที่จัดประชุม |
Faculty of Informatics, Mahasarakham University Faculty of Information Technology, King Mongkut’s University of Technology North Bangkok. |
| สถานที่จัดประชุม |
โรงแรมเซ็นทาราและคอมเวนชันเซ็นเตอร์ |
| จังหวัด/รัฐ |
ขอนแก่น |
| ช่วงวันที่จัดประชุม |
7 กรกฎาคม 2559 |
| ถึง |
8 กรกฎาคม 2559 |
| Proceeding Paper |
| Volume (ปีที่) |
12 |
| Issue (เล่มที่) |
1 |
| หน้าที่พิมพ์ |
311-316 |
| Editors/edition/publisher |
|
| บทคัดย่อ |
บทความนี้นำเสนอวิธีการตรวจหาตำแหน่งที่ผิดพลาด และกู้คืนข้อมูลบนภาพถ่ายที่ได้จากกล้องจุลทรรศ์แรงอะตอม ภาพที่ได้จากการถ่ายภาพด้วยกล้องจุลทรรศ์แรงอะตอมเกิดจากการสแกนตำแหน่งของชิ้นงานตามแนวสแกนและบันทึกผลตามแนวเส้นสแกนนั้น ความเสียหายที่เกิดจากการสแกนจะเกิดตามแนวเส้นสแกนด้วย แต่ก็มีบางตำแหน่งที่เกิดความเสียหายในรูปแบบที่แตกต่างไป ในงานวิจัยนี้ได้นำเสนอวิธีการตรวจหาตำแหน่งที่ผิดพลาดของรูปภาพตามแนวเส้นสแกนที่ไม่จำเพาะการเกิดค่าผิดพลาดตลอดทั้งแนวเส้นสแกน โดยใช้วิธีการ Dual Threshold Median Filtering เพื่อสร้างข้อมูลเรียนรู้และนำเข้าตัวแบบการเรียนรู้เครื่องจักรเรียนรู้เอ็กซ์ตรีมเพื่อใช้ตรวจหาตำแหน่งที่เสียหายบนรูปภาพ และใช้วิธีการ Fast Digital Image Inpainting สำหรับการกู้คืนรูปภาพ
ผลของงานวิจัยมีความสามารถในการค้นพบตำแหน่งเสียหายได้มากกว่าร้อยละ 63 และการกู้คืนตำแหน่งที่เสียหายไม่กระทบกับบริเวณอื่นของรูปภาพ
This paper presents a method for locating and imputing the damage on Atomic Force Microscopy (AFM) image. In imaging, the surface topography of the sample is constructed by mapping the motion of the probe tip which directly corresponds to the sample surface and its position along the scan lines. However, the combination of the dragging motion of the tip across the surface and the adhesive force between tip and sample surface potentially cause the damage to the sample and also other unspecified causes. Hence, Dual Threshold Median Filtering was employed in preparing the data, and it consequently was imported to the Extreme Learning Machine to determine the positions of the damage in the AFM image. And the image was recovered using Fast Digital Image Inpainting.
The proposed algorithms had detected more than 63 percent of the damage locations, and the recovery of the damage did not effect on other areas of the image.
|
| ผู้เขียน |
|
| การประเมินบทความ (Peer Review) |
ไม่มีผู้ประเมินอิสระ |
| มีการเผยแพร่ในระดับ |
ชาติ |
| รูปแบบ Proceeding |
Full paper |
| รูปแบบการนำเสนอ |
Oral |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| ผลงานที่นำเสนอได้รับรางวัล |
ได้รับรางวัล |
| ชื่อรางวัล |
Best Paper Award |
| ประเภทรางวัล |
รางวัลด้านวิชาการ วิชาชีพ |
| หน่วยงาน/องค์กรที่มอบรางวัล |
Faculty of Informatics, Mahasarakham University Faculty of Information Technology, King Mongkut’s University of Technology North Bangkok. |
| วัน/เดือน/ปี ทีด้รับรางวัล |
8 กรกฎาคม 2559 |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English