Sayısal görüntülerin bölümlenmesi ve sınıflandırılmasında temel algoritmaların yorumlanması ve uygulanması
Application and interpratation basic algorithms for digital image segmentation and classification
- Tez No: 185446
- Danışmanlar: PROF.DR. SEBAHATTİN BEKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Görüntü bölümleme, görüntü sınıflandırma, Image segmentation, classification
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
iSAYISAL GÖRÜNTÜLERİN BÖLÜMLENMESİ VESINIFLANDIRILMASINDA TEMEL ALGORİTMALARINYORUMLANMASI VE UYGULANMASIÖZETSayısal görüntülerin bölümlenmesi ve sınıflandırılmasında pek çok yaklaşımbulunmaktadır. Analizcinin amacına uygun olan yaklaşımları seçmesi, görüntü analizişlemlerinin planlanması sırasında çok önemlidir. Zira seçilen yaklaşım görüntü analizininsonuçlarını etkileyen bir faktördür. Araştırmacılara ve uygulayıcılara, sayısal görüntübölümleme ve sınıflandırmada kullanılan yöntemlerin ve temel algoritmaların neler olduğunuaçıklamak, hangi durumda hangi yöntemin kullanılmasının daha doğru ve avantajlı olduğunugöstermek bu araştırmanın temel amacıdır. Sayısal görüntülerin sınıflandırılmasındakullanılan yöntemler üzerinde, örnek uygulama yapılarak, temel amaç desteklenmektedir.Örnek uygulama ile, bir uydu görüntüsü üzerinde, eldeki mevcut veriler ve elde edilmekistenen sonuç doğrultusunda hangi sınıflandırma yöntemlerinin uygulanacağının tartışılmasıamaçlanmıştır.Araştırma tarama modelindedir. Hem tekil hem de ilişkisel tarama yapılmaktadır.Araştırmada, sayısal görüntülerin bölümlenmesi ve sınıflandırılmasında kullanılan yöntemlereilişkin veriler, belgesel tarama yöntemi ile toplanmıştır.Örnek uygulamada, Ağustos 1999 tarihli Landsat ETM görüntüsüne, Erdas Imagine 8.4görüntü işleme programında eğitimsiz ve eğitimli sınıflandırma algoritmaları uygulanmıştır.Eğitimsiz sınıflandırma işlemi Erdas Imagine yazılımında üç aşamada gerçekleştirilmiştir.Eğitimsiz sınıflandırma yöntemi olarak ISODATA (İteratif - kendikendine sınıflandırmaalgoritması) kullanılmıştır. Eğitimli sınıflandırmada, `En Çok Benzerlik Algoritması'uygulanmıştır.Sayısal görüntülerin bölümlenmesi ve sınıflandırılmasında kullanılan yöntemler tek tekele alınarak incelenmiştir. Sayısal görüntülerin bölümlenmesinde kullanılan `eşikleme', `sınırtemelli' ve `bölge temelli' yaklaşımlar, sayısal görüntülerin sınıflandırılmasında kullanılan`eğitimsiz' ve `eğitimli' sınıflandırma yaklaşımları incelenerek, aralarındaki ilişkilertartışılmıştır. Sayısal görüntülerin sınıflandırılmasında kullanılan iki ana yöntem uygulanarakdetaylandırılmış ve karşılaştırılmıştır.
Özet (Çeviri)
iiAPPLICATION AND INTERPRATATIONBASIC ALGORITHMS FORDIGITAL IMAGE SEGMENTATION AND CLASSIFICATIONABSTRACTThere are various approaches in about digital image segmantation and classification. It issignificantly important that while planning the process of digital image analizing, the analistchooses approaches which are appropriate for his/her intention. Because the chosenapproaches affects image analizing results.The main purpose of this research is, pointing out what the digital image segmentation andclassification is; what the basic algorithms are; also explaining which methods used undercertain circumstances would be more accurate and would have more advantages. Mainpurpose is supported by a sample application of digital image classification methods. With theassistance of the sample application, the intention is; having a satelite image, some presentdatum and the targeted results, to debate which classification methods could be applied.Scanning model is used in this research. Both singular and relational scannings are completed.In this research, datum on preferred methods for digital image segmantation and classificationis gathered by documental scanning method. In the sample application, Landsat ETM sataliteimage dated on August 1999 is applied to Erdas Imagine 8.4 image processing programme.ISDATA (Iterative Self Organizing Data Analysis Tecnique) is used for unsupervisedclassification. as for supervised classification, `Maximum Likelihood Algorithm? is applied.Methods used for image segmantation and classification are examined one by one. Intervalrelationships are estimated by catagoryzing digital images using thresholding, edge-based,and region-based approaches and by classifying digital images using unsupervised andsupervised classification approaches study. Two main methods used in classification of digitalimages are practiced, elaborated and compared.
Benzer Tezler
- Sayısal patoloji görüntülerinin analizinde yenilikçi derin öğrenme yaklaşımlarının geliştirilmesi
Development of innovative deep learning approaches in the analysis of digital pathology images
YUSUF ÇELİK
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT KARABATAK
- Canlı-elektromagnetik alan etkileşimi benzetim yöntemleri
Living systems-electromagnetic field interaction simulation methods
ERTUĞRUL SUNAN
Doktora
Türkçe
2014
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜVEN ÖNBİLGİN
YRD. DOÇ. DR. AYŞEGÜL AKAR
- Bulanık yerel bilgi c-ortalamalar algoritmasıyla histopatolojik görüntü bölütleme
Fuzzy local information c-means algorithm for histopathological image segmentation
MUSTAFA ÇETİN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- A new clustering algorithm for segmentation of magneticresonance images
Manyetik rezonans görüntülerin bölütlenmesi için yeni bir kümeleme algoritması
ERHAN GÖKÇAY
Doktora
İngilizce
2000
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of FloridaBilgisayar ve Enformatik Mühendisliği Ana Bilim Dalı
PROF. DR. JOSE PRINCIPE
- Segmentation of colon glands by object graphs
Kalın bağırsak bezlerinin nesne çizgeleriyle bölümlenmesi
MELİH KANDEMİR
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR