Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지

Tire Tread Pattern Classification Using Fuzzy Clustering Algorithm

퍼지 클러스터링 알고리즘을 이용한 타이어 접지면 패턴의 분류

  • 강윤관 (고려대학교 전기공학과) ;
  • 정순원 (고려대학교 전기공학과) ;
  • 배상욱 (고려대학교 전기공학과) ;
  • 김진헌 (고려대학교 전기공학과) ;
  • 박귀태 (고려대학교 전기공학과 교수, 공학박사, 서울 ERC-ACI연구위원)
  • Published : 1995.06.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper GFI (Generalized Fuzzy Isodata) and FI (Fuzzy Isodata) algorithms are studied and applied to the tire tread pattern classification problem. GFI algorithm which repeatedly grouping the partitioned cluster depending on the fuzzy partition matrix is general form of GI algorithm. In the constructing the binary tree using GFI algorithm cluster validity, namely, whether partitioned cluster is feasible or not is checked and construction of the binary tree is obtained by FDH clustering algorithm. These algorithms show the good performance in selecting the prototypes of each patterns and classifying patterns. Directions of edge in the preprocessed image of tire tread pattern are selected as features of pattern. These features are thought to have useful information which well represents the characteristics of patterns.

본논문에서는 GFI(Generalized Fuzzy Isodata)와 FI(Fuzzy Isodata) 알고리즘에 관한 이론을 고찰하고 이를 타이어 접지면 패턴 분류에 적용해 보았다. GFI 알고리즘은 FI 알고리즘의 일반화된 형태로서 분할된 군집에 대해서도 퍼지 분할 행렬(fuzzy partition matrix)을 고려해 다시 군집화(clustering)를 가능하게 하는 알고리즘이다. GFI 알고리즘을 사용하여 이진 트리를 구성함에 있어서 각 노드에서의 분할 여부, 즉 군잡화의 타당성(clustering validity) 점검 및 최종적인 이진 트리의 완성은 FDH(Fuzzy Divisve Hierarchical) 군집화알고리즘을 통해 이루어진다. 타이어 접지면에 대한 표준 특징량을 선정하거나 패턴 분류를 수행함에 있어서 이들 알고리즘은모두 우수한 성능을 가짐을 알 수 있었다. 패턴의 특징량으로는 전처리된 타이어 접지면 영상에 나타나는 윤곽선(edge)의 각도 성분을 선정하였으며 이렇게 선정된 특징량은 패턴의 특징을 잘 표현해 주는 유용한 정보를 가진 것으로 생각된다.

Keywords

References

  1. Pattern Recognition v.23 no.1/2 Fuzzy Sets in Patter Recognition ; Methodology and Methods W.Pedrycz
  2. IEEE Trans. Pattern Anal. & Machine Int. v.PAMI8 no.2 Efficient Implementation of Fuzzy C-Means Clustering Algorithms R.L.Cannon;J.V.Dave;J.C.Bezdek
  3. Pattern Recognition with Fuzzy Objective Function Algorithms J.C.Bezdek
  4. Fuzzy sets and Systems no.28 Hierarchical Pattern Classification D.Dimitrescu
  5. J. Cybern A Fuzzy Relative of ISODATA Process and Its Use in Detecting Compact, Well-separated Clusters J.Dunn
  6. J. Cybern no.3 Clusters Validity with Fuzzy Sets J.Bezdek
  7. Pattern Recognition Letters no.3 Algorithms of Fuzzy Clustering with Partial Supervision W.Pedrycz
  8. 고려대 석사 학위 논문 이치화 영상에 대한 계조치 동시 발생 행렬을 이용한 타이어 접지 패턴의 분류 정순원
  9. IEEE Trans. Sys., Man, &Cybern. v.SMC-3 no.6 Textural Features for Image Classification R.M.Haralick;K.Shanmugam;I.Dinstein