Geri Dön

Texture descriptors for content-based image retrieval

İçerik tabanlı görüntü erişimi için doku tanımlayıcıları

  1. Tez No: 143680
  2. Yazar: ABDURRAHMAN ÇARKACIOĞLU
  3. Danışmanlar: PROF. DR. FATOŞ YARMAN VURAL
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Doku, Benzerlik, Öznitelik, Tanımlayıcı, Çubuk, Otokore- lasyon, İçerik-tabanlı erişim, Texture, Similarity, Feature, Descriptor, Clique, Autocorrelation, Content-based retrieval
  7. Yıl: 2003
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 168

Özet

İçerik-Tabanlı Görüntü Erişim (İTGE) sistemleri, veri tabanındaki görüntüleri renk, doku ve şekil bilgileri ile temsil ederler. Bu tezde, biz doku öznitelikleri üzerinde yoğunlaştık ve ismi Yapısal Bilginin İstatistiksel Analizi (YBİA) olan yeni bir genel doku tanımlayıcısı duyurduk. Ayrıca, bir İTGE sisteminin erişim oranlarının artırılması amacıyla, sistemim mevcut öznitelik çıkartma mekaniz masını ve benzerlik fonsiyonunu değiştirmeksizin, görüntü erişim sistemini ayar lanabilir duruma uyarlayan yeni bir yöntem önerdik. YBİA, yapısal pencereler üzerinde hesaplanan otokorelasyon katsayılarının istatistiklerine dayalıdır. YBİA dokudaki çeşitli yapısal bilgilerin, çoklu çözünür lük yöntemiyle çıkartılması ve ölçülmesi amacıyla bir küme çubuk penceresi tanımlar. Farklı görüntü veri tabanları üzerinde yapılan deneysel sonuçlar, sert köşeler ve ani değişiklikler gibi küçük toplulaşmaları ve kesiklilikleri tespit et mekte YBİA'nm Gabor filtrelerinden daha başarılı olduğunu göstermiştir. Çu buk pencerelerinin tasarımındaki esneklik, YBİA'nm Gabor filtrelerine göre daha yüksek ortalama erişim oranlarına ulaşmasını sağlamaktadır. Fakat, böyle bir performans artışının bedeli artan hesap karmaşıklığıdır. Verilen sorgu resmine benzer resimlere erişilmesi, sübjektif bir iş olması se bebiyle, erişim mekanizmasının kullanıcı tarafından ayarlanılabilmesi istenir. Önerdiğimiz yeni yöntemde, basit olarak, bir içerik-tabanlı görüntü sistemi nin öznitelik uzayı, öznitelik vektörlerinin birbirlerine uzaklıkları öğrenilerek ayarlanılabildiği, yeni bir uzaya doğrusal olmayan bir biçimde dönüştürülmekte dir. Bu dönüşüm Yapay Sinir Ağlan yapısı ile gerçekleştirilmektedir. Öğrenme için bir paha fonksiyonu tanımlanmakta ve simule edilmiş tavlama yöntemiyle eniyilenmektedir. Deneyler, YBİA ve Gabor filtreleri kullanan doku görüntü sü erişim sistemi üzerinde yapılmıştır. Sonuçlar ayarlanmış görüntü sisteminin orijinal sistemden oldukça iyi olduğunu göstermiştir.

Özet (Çeviri)

Content Based Image Retrieval (CBIR) systems represent images in the database by color, texture, and shape information. In this thesis, we concentrate on tex ture features and introduce a new generic texture descriptor, namely, Statistical Analysis of Structural Information (SASI). Moreover, in order to increase the re trieval rates of a CBIR system, we propose a new method that can also adapt an image retrieval system into a configurable one without changing the underlying feature extraction mechanism and the similarity function. SASI is based on statistics of clique autocorrelation coefficients, calculated over structuring windows. SASI defines a set of clique windows to extract and measure various structural properties of texture by using a spatial multi- resolution method. Experimental results, performed on various image databases, indicate that SASI is more successful then the Gabor Filter descriptors in cap turing small granularities and discontinuities such as sharp corners and abrupt changes. Due to the flexibility in designing the clique windows, SASI reaches higher average retrieval rates compared to Gabor Filter descriptors. However, the price of this performance is increased computational complexity. Since, retrieving of similar images of a given query image is a subjective task, it is desirable that retrieval mechanism should be configurable by the user. In the proposed method, basically, original feature space of a content-based retrieval system is nonlinearly transformed into a new space, where the distance between the feature vectors is adjusted by learning. The transformation is realized by Artificial Neural Network architecture. A cost function is defined for learning and optimized by simulated annealing method. Experiments are done on the texture image retrieval system, which use SASI and Gabor Filter features. The results indicate that configured image retrieval system is significantly better than the original system.

Benzer Tezler

  1. Image classification for content based indexing

    İçerik tabanlı indeksleme amaçlı görüntü sınıflandırma

    SERDAR TANER

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. METE SEVERCAN

  2. Automatic image annotation by ensemle of visual descriptors

    Görsel tanımlayıcı topluluklarıyla otomatik görüntü açıklama

    EMRE AKBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2006

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FATOŞ YARMAN VURAL

  3. An XML based content-based image retrieval system with MPEG-7 descriptors

    MPEG-7 tanımlayıcıları ile XML tabanlı içerik-tabanlı görüntü erişim sistemi

    SERDAR ARSLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADNAN YAZICI

  4. Content based image retrieval for identification of plants using color, texture and shape features

    Bitki tanımaya yönelik renk, doku ve şekil sistemlerini kullanan içerik tabanlı görüntü bulma sistemi

    HANİFE KEBAPCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    DOÇ. DR. BERRİN YANIKOĞLU

    YRD. DOÇ. DR. GÖZDE ÜNAL

  5. A comparison of methods for trademark retrieval in a large trademark dataset

    Büyük ölçekli marka veri kümelerinde marka tarama yöntemlerinin karşılaştırılması

    WUSIMAN TUERXUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SİNAN KALKAN