Granty za publikacje

Autor: System Publikacja: 27.05.2020

Granty za publikacje

JM Rektor przyznał granty za publikacje wydane w czasopismach TOPT 1, TOP10, czasopismach Nature lub Science oraz za monografie w wysoko punktowanych wydawnictwach w ramach programu Inicjatywa Doskonałości – Uczelnia Badawcza niżej wymienionym nauczycielom akademickim:
1. dr inż. Krzysztof Bernacki, dr inż. Tomasz Moroń, dr hab. inż. Adam Popowicz prof. Pol. Śl
2. dr inż. Stanisław Wrona
3. dr inż. Jakub Nalepa

Poniżej streszczenia nagrodzonych publikacji:

Modified Distance Transformation for Image Enhancement in NIR Imaging of Finger Vein System (https://www.mdpi.com/1424-8220/20/6/1644/htm)
Autorzy: Krzysztof Bernacki, Tomasz Moroń, Adam Popowicz

Większość obecnych metod przetwarzania obrazu stosowanych w obrazowaniu bliskiej podczerwieni dedykowanych dla układu naczyniowego palców dłoni, koncentruje się na ekstrakcji struktur wewnętrznych (żył). W opublikowanym artykule zaproponowano nowe podejście, które pozwala wykorzystać zarówno wewnętrzne, jak i zewnętrzne cechy palca. Metoda oparta jest na zmodyfikowanej transformacie odległościowej i pozwala na selektywną ekstrakcję struktur fizjologicznych obserwowanego palca. Otrzymane w ten sposób cechy, wykorzystujemy do identyfikacji osób w modułowo opracowanym systemie biometryczny. Nowa metoda została porównana z pięcioma stosowanymi podejściami do wydobywania cech wykorzystując bazę obrazów GustoDB, uzyskanych w szerokim zakresie długości fal NIR (730–950 nm). Wyniki wskazują na wyraźną przewagę proponowanego podejścia nad pozostałymi alternatywami. Metodą udało się osiągnąć ponad 90% dokładności identyfikacji dla wszystkich analizowanych zestawów danych.

Shaping the acoustic radiation of a vibrating plate

Autorzy: Stanisław Wrona, Marek Pawełczyk, Xiaojun Qiu

(https://doi.org/10.1016/j.jsv.2020.115285)

Zaproponowana została nowa metoda precyzyjnego kształtowania emisji akustycznej drgających płyt. Potencjalne zastosowania tej metody to: (i) optymalizacja emisji akustycznej płyty wykorzystywanej jako źródło dźwięku; oraz (ii) zwiększenie izolacyjności akustycznej płyty stosowanej jako bariera akustyczna. Proponowana metoda polega na zamontowaniu kilku dodatkowych usztywnień i mas (elementów pasywnych) na powierzchni płyty w miejscach określonych w procesie optymalizacji. Optymalizacja ta opiera się o model układu wibroakustycznego (płyty wraz z dodatkowymi elementami i otoczeniem), funkcję kosztu reprezentującą wybrany cel oraz właściwy algorytm optymalizacji.
W publikacji opisano metodę kształtowania i przedstawiono wyniki symulacji numerycznej oraz weryfikacji eksperymentalnej. Analiza wyników pokazuje, że izolacyjność akustyczną wprowadzaną przez pasywną barierę akustyczną można zwiększyć o ponad 7 dB w wybranych pasmach częstotliwości. Ponadto, ulepszenia te można łączyć ze zoptymalizowanymi układami elementów wykonawczych i pomiarowych, tworząc hybrydowy pasywno-aktywny system redukcji hałasu.

Unsupervised Segmentation of Hyperspectral Images Using 3-D Convolutional Autoencoders, IEEE Geoscience and Remote Sensing Letters, pp 1-5, 2020. Impact factor: 3,534; punktacja MNiSzW: 140. Link: https://ieeexplore.ieee.org/document/8948005
Autorzy: Jakub Nalepa, Michal Myller, Yasuteru Imai, Kenichi Honda, Tomomi Takeda, Marek Antoniak

Tworzenie ręcznie opisanych zbiorów danych hiperspektralnych, które mogą być wykorzystywane do opracowywania tzw. nadzorowanych algorytmów klasyfikacji i segmentacji obrazów hiperspektralnych, jest zagadnieniem trudnym i czasochłonnym. Dr inż. Jakub Nalepa i in., w swojej ostatniej pracy [1] z zakresu analizy danych hiperspektralnych, zaproponował nową metodę segmentacji tego rodzaju danych, tj. wyznaczania spójnych obszarów o podobnej charakterystyce, wykorzystującą techniki uczenia głębokiego. Podejście to jest w pełni nienadzorowane i nie wymaga tworzenia danych wzorcowych – może więc znacznie ułatwić efektywną analizę nowych obrazów hiperspektralnych. Praca powstała we współpracy z japońskimi organizacjami Kokusai Kogyo i Japan Space Systems.

Udostępnij: