Geri Dön

Image classification for content based indexing

İçerik tabanlı indeksleme amaçlı görüntü sınıflandırma

  1. Tez No: 143368
  2. Yazar: SERDAR TANER
  3. Danışmanlar: PROF. DR. METE SEVERCAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: yapay sinirsel ağlar, wavelet dönüşümü, histogram korrelasyonlan, yönlü kenar çizgisi bilgisi, birini dışanda bırakma yöntemi, MPEG-7, Artificial neural network, wavelet transform, histogram correlation, directional edge information, leave one out method, MPEG-7
  7. Yıl: 2003
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 112

Özet

Görüntü veritabanlarının hacmi arttıkça içerik tabanlı görüntü indekslemeye olan ihtiyaç önem kazanmıştır. Görüntü sınıflandırma içerik tabanlı görüntü indeksleme ve bulmaya bir çözüm yoludur. Bu tezde görüntü sımflandırması için ileri beslemeli geri üremen* yapay sinirsel ağlar kullamlmıştır. Görüntülerden elde edilen düşük seviyeli belirleyici nitelikler görüntülerin anlam içeren yüksek seviyedeki özellMerinin çıkarılması amacıyla görüntü smıflandırmasmda kullamlmıştır. Özellikler Wavelet dönüştürmesiyle elde edilen detay histogram korrelasyonları, Fourier dönüştürmesiyle elde edilen yönlü kenar çizgileri bilgisi ve renk histogram korrelasyonları kullanılarak elde edilmiştir. Çeşitli boyutlardaki 357 renkli resimden oluşan bir görüntü veri bankası yapının eğitilmesi ve test edilmesinde kullanılmıştır. Veri bankası birbirinden tamamen ayrık olmayan manzara içeriklerini belirten 7 sınıfa indekslenmiştir. Temel doğru data, yapay sinirsel ağın eğitilmesi ve test edilmesi için denetlemeli bir şekilde oluşturulmuştur. Yapının performansı, birini dışarıda bırakma yöntemi kullanılarak, simülasyon sonuçları ve temel doğru datanın karşılaştırması yöntemiyle yapılmıştır. Performans ölçüleri olarak basan, hatanın karesinin ortalaması ve sınıf geri çağırma oranlan kullanılmıştır. Geliştirilen belirleyici niteliklerin performanslan, MPEG-7 resim ve doku tanımlayıcı performanslan ile tasarlanan yapı kullanılarak karşılaştınlrmştrr. Sonuçlar yöntemin performansının karşılaştınlabilir ve daha iyi olduğunu göstermektedir. Bu içerik tabanlı indeksleme amaçlı görüntü sınıflandırma metodu içerik tabanlı görüntü indekslemek ve bulmak, özellikle de manzara görüntüsü indekslemek için güvenilir ve geçerli yöntemdir.

Özet (Çeviri)

As the size of image databases increases in time, the need for content based image indexing and retrieval become important. Image classification is a key to content based image indexing. In this thesis supervised learning with feed forward back propagation artificial neural networks is used for image classification. Low level features derived from the images are used to classify the images to interpret the high level features that yield semantics. Features are derived using detail histogram correlations obtained by Wavelet Transform, directional edge information obtained by Fourier Transform and color histogram correlations. An image database consisting of 357 color images of various sizes is used for training and testing the structure. The database is indexed into seven classes that represent scenery contents which are not mutually exclusive. The ground truth data is formed in a supervised fashion to be used in training the neural network and testing the performance. The performance of the structure is tested using leave one out method and comparing the simulation outputs with the ground truth data. Success, mean square error and the class recall rates are used as the performance measures. The performances of the derived features are compared with the color and texture descriptors of MPEG-7 using the structure designed. The results show that the performance of the method is comparable and better. This method of classification for content based image indexing is a reliable and valid method for content based image indexing and retrieval, especially in scenery image indexing.

Benzer Tezler

  1. Semantic scene classification for content-based image retrieval

    İçerik tabanlı görüntü erişimi için anlamsal sahne sınıflandırması

    ÖZGE ÇAVUŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    YRD. DOÇ. DR. SELİM AKSOY

  2. Deep learning based Turkish video indexing and retrieval system

    Derin öğrenmeye dayalı Türkçe video indeksleme ve bilgi getirimi sistemi

    JAWAD RASHEED

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AKHTAR JAMIL

  3. Combining image features for semantic descriptions

    Anlamsal tanımlamalar için görüntü öznitelikleri birleştirme

    MEDENİ SOYSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYDIN ALATAN

  4. İskeletsel kritik noktalar ile şekil tanıma

    Shape recognition using skeletal critical points

    SALİH ARDA BÖLÜK

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED FATİH DEMİRCİ

  5. Object extraction from images/videos using a genetic algorithm based approach

    İmge ve videolardan genetik algoritma yaklaşımıyla nesne çıkarılması

    TURGAY YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADNAN YAZICI