A Multiscale Topographical Analysis Based on Morphological Information: The HEVC Multiscale Decomposition

Autor: Rahmad Sadli, François-Xavier Coudoux, Patrick Corlay, Tarek Eseholi, Maxence Bigerelle
Přispěvatelé: Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 (IEMN), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF), COMmunications NUMériques - IEMN (COMNUM - IEMN), Institut d’Électronique, de Microélectronique et de Nanotechnologie - Département Opto-Acousto-Électronique - UMR 8520 (IEMN-DOAE), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-INSA Institut National des Sciences Appliquées Hauts-de-France (INSA Hauts-De-France)-Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 (IEMN), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-INSA Institut National des Sciences Appliquées Hauts-de-France (INSA Hauts-De-France), Laboratoire d'Automatique, de Mécanique et d'Informatique industrielles et Humaines - UMR 8201 (LAMIH), Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-INSA Institut National des Sciences Appliquées Hauts-de-France (INSA Hauts-De-France), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 (IEMN), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF)-Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)
Jazyk: angličtina
Rok vydání: 2020
Předmět:
texture feature descriptors
Computer science
ISO 25178
ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION
02 engineering and technology
lcsh:Technology
Article
[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
[SPI.MAT]Engineering Sciences [physics]/Materials
symbols.namesake
[SPI]Engineering Sciences [physics]
[INFO.INFO-NI]Computer Science [cs]/Networking and Internet Architecture [cs.NI]
Histogram
0202 electrical engineering
electronic engineering
information engineering
Surface roughness
General Materials Science
[INFO]Computer Science [cs]
texture image classification
lcsh:Microscopy
high-efficiency video coding (HEVC)
lcsh:QC120-168.85
Lossless compression
lcsh:QH201-278.5
business.industry
lcsh:T
Pattern recognition
021001 nanoscience & nanotechnology
Gaussian filter
[SPI.TRON]Engineering Sciences [physics]/Electronics
Support vector machine
ComputingMethodologies_PATTERNRECOGNITION
lcsh:TA1-2040
roughness analysis
surface roughness
symbols
mechanical engineering
020201 artificial intelligence & image processing
lcsh:Descriptive and experimental mechanics
support vector machine (SVM)
Artificial intelligence
lcsh:Electrical engineering. Electronics. Nuclear engineering
0210 nano-technology
business
lcsh:Engineering (General). Civil engineering (General)
Classifier (UML)
lcsh:TK1-9971
[SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing
Coding (social sciences)
Zdroj: Materials
Materials, MDPI, 2020, 13 (23), pp.5582. ⟨10.3390/ma13235582⟩
Materials, 2020, 13 (23), pp.5582. ⟨10.3390/ma13235582⟩
Volume 13
Issue 23
Materials, Vol 13, Iss 5582, p 5582 (2020)
ISSN: 1996-1944
DOI: 10.3390/ma13235582⟩
Popis: In this paper, we evaluate the effect of scale analysis as well as the filtering process on the performances of an original compressed-domain classifier in the field of material surface topographies classification. Each surface profile is multiscale analyzed by using a Gaussian Filter analyzing method to be decomposed into three multiscale filtered image types: Low-pass (LP), Band-pass (BP), and High-pass (HP) filtered versions, respectively. The complete set of filtered image data constitutes the collected database. First, the images are lossless compressed using the state-of-the art High-efficiency video coding (HEVC) video coding standard. Then, the Intra-Prediction Modes Histogram (IPHM) feature descriptor is computed directly in the compressed domain from each HEVC compressed image. Finally, we apply the IPHM feature descriptors as an input of a Support Vector Machine (SVM) classifier. SVM is introduced here to strengthen the performances of the proposed classification system thanks to the powerful properties of machine learning tools. We evaluate the proposed solution we called &ldquo
HEVC Multiscale Decomposition&rdquo
(HEVC-MD) on a huge database of nearly 42,000 multiscale topographic images. A simple preliminary version of the algorithm reaches an accuracy of 52%. We increase this accuracy to 70% by using the multiscale analysis of the high-frequency range HP filtered image data sets. Finally, we verify that considering only the highest-scale analysis of low-frequency range LP was more appropriate for classifying our six surface topographies with an accuracy of up to 81%. To compare these new topographical descriptors to those conventionally used, SVM is applied on a set of 34 roughness parameters defined on the International Standard GPS ISO 25178 (Geometrical Product Specification), and one obtains accuracies of 38%, 52%, 65%, and 57% respectively for Sa, multiscale Sa, 34 roughness parameters, and multiscale ones. Compared to conventional roughness descriptors, the HEVC-MD descriptors increase surfaces discrimination from 65% to 81%.
Databáze: OpenAIRE
Externí odkaz:
Nepřihlášeným uživatelům se plný text nezobrazuje