Variational approach to pattern recognition using higher-order statics
Yüksek dereceden istatistikleri kullanarak örüntü tanıma problemine varyasyonel yaklaşımlı çözüm
- Tez No: 126807
- Danışmanlar: DOÇ. DR. IŞIL CELASUN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2002
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
ÖZET Bu çalışmada, toplamsal gürültü varlığında örüntü tanıma problemine çözüm arandı. Yüksek dereceden istatistikleri ve varyasyonel analiz tekniklerini kullanan iki algoritma incelendi. Yüksek dereceden istatistikler olarak üçüncü dereceden momentler kullanıldı. Üçüncü dereceden momentler fonksiyonu su şekilde tanımlanır: ml (Tı ' T2 ) = E{x(t)x(t + Tj )x(t + r2 )} burda x(y) stasyoner bir işaret. Sıfır ortalamalı bayaz Gauss gürültüsü tarafından bozulmuş bir işaretin ve gürültüsüz işaretin üçüncü dereceden momentleri bir birine eşit. Bu özellik üçüncü dereceden momentlerin özellik vektörü olarak kullanılmaya iyi bir aday yapar. Her iki algoritma üçüncü dereceden momentleri özellik vektörü olarak ve fonksiyonelleri uzaklık ölçüsü olarak kullanır. Sınıflandırılması istenen her örüntü için bir öle bir fonksiyonel tanımlanıyor ki, bu örüntünün üçüncü dereceden momentleri fonksiyonelin değerini en aza indirger (birinci algoritmada) veya belli bir değere eşitler (ikinci algoritmada). Yani eğer N tane örüntü var o zaman N tane fonksiyonel var. Fonksiyonellerib biçimi aynı fakat parametreleri farklı. Tanımlanması istenen gürültülü örüntünün minimize ettiği (birinci algoritmada) veya maximize ettiği (ikinci algoritmada ) fonksiyonele tekabül eden örüntü aranan örüntü olarak tanımlanır. Bu çalışmada, yukarıda sözü edilen algoritmalar plakadaki karakterleri tanımaya uygulandı. Sınıflandırma algoritmasını devreye sokmadan önce şu işlemlerin yapıldığı varsayılır: araç görüntüsünde plakanın yeri tespit edilir, plaka karakterlere bölümlenir, karakterlerin daha önce tanımlanan kümelerin hangisine ait olduğu tespit edilir. Daha sonra karakter görüntüleri satı satır taranarak bir boyutlu hale getirilir ve sınıflandırma algoritmasına sokulur. Farklı gürültü işaret oranlan ve gürültü tipleri için her iki algoritma sınanır. Deney sonuçlan gösteriyor ki, sınıflandırma birinci algoritma için -5 dB'le ikinci algoritma için -8 dB'le kadar %100 başardı. IX
Özet (Çeviri)
SUMMARY In this thesis, solution to the problem of pattern classification in the presence of additive noise is investigated. Two algorithms using variational techniques and higher-order statistics are examined. As higher-order statistics third-order moments is used. The third-order moment function is defined as ml (Tl ' r2 ) = E{x(t)x(t + Tj )x(t + T2)} where x(t) is stationary signal. Third-order moments of the signal corrupted by zero mean white Gaussian noise and noise free signal are equal (theoretically). This property makes third-order moments a good candidate for being feature vector of the data. Both algorithms use third-order moments as feature vectors and functionals as distance measure. For each pattern to be classified is defined a functional, such that third-order moment sequence of the pattern is minimum (in the first algorithm) or maximum under some condition (in the second algorithm) of that functional. So if there are N patterns, then there are N functionals. Functionals have the same form but different parameters. Pattern, which functional an input noisy pattern makes minimum (in the first algorithm) or maximum (in the second algorithm), is identified as sought-for pattern. In this work, above-mentioned algorithms are applied to character classification as a part of license plate recognition problem. The following operations are assumed to be done prior to the application of classification algorithms: location of the licence plate area in the image, segmentation of the characters, determination to which pre defined character set characters belong to. Then character images are converted into one-dimensional array by writing rows successively, and applied to the classifier. Performance of both algorithms for different SNR values under various types of noise is tested. Experimental result show that classification is %100 correct down to -5 dB for the first algorithm and down to -8 dB for the second algorithm. tamına ^SSSrn^M01^
Benzer Tezler
- Sigortacılık sisteminde aktif-pasif yönetimi ve Türkiye hayat sigortası örneğinde portföy performansının boyutlarını belirleyen faktörlerin irdelenmesine ilişkin bir model denemesi
Assets and liablity management in the insurance sector and investigating sectors that are determinating dimensions of the portfolio performance by relating to model testing in the Turkish life insurance sector
ALİ İHSAN DOĞAN
Doktora
Türkçe
2001
SigortacılıkMarmara ÜniversitesiBankacılık Ana Bilim Dalı
PROF.DR. ABDÜLGAFFAR AĞAOĞLU
- Parmakizi görüntülerinin model tabanlı yaklaşımla sıkıştırılması
Başlık çevirisi yok
İLKER ERSOY
Yüksek Lisans
Türkçe
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. GÖKMEN MUHİTTİN
- Parmakizi imgesinin yönsel süzgeçler ile iyileştirilmesi ve dalgacık dönüşüm kodlama yöntemi ile sıkıştırılması
Başlık çevirisi yok
H.NURİ YANANLI
Yüksek Lisans
Türkçe
1996
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. M. ERTUĞRUL ÇELEBİ
- Near-infrared image based face recognition
Yakın kızılötesi görüntü tabanlı yüz tanıma
NİL SERİ
Yüksek Lisans
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
- Fraktal geometri ve hidrolik pürüzlülük
The Fractal geometry and the hydraulic roughness
SAİT ALANSATAN